小样本空间中基于DBN的SAR溢油图像分类研究

Oil spills; Lookalikes; DBN;

SAR已成为漏油监测的重要手段之一。但是，溢油和相似点的特征是SAR图像上有黑点。它们具有相似或相同的反向散射系数和灰度值，很容易产生混淆。针对此问题，本文提出了一种深度学习模型-深度信念网络（DBN），该模型使用DBN来区分漏油，相似物和水。在实验中，从三个SAR溢油图像中收集了900张图像，以形成一个小的样本空间数据集。提取了诸如Tamura和灰度梯度共生矩阵之类的两种纹理特征，并选择了具有良好区分特征的特征向量作为模型的输入数据。最后，将分类结果与传统的机器学习方法（BP，SVM）进行比较。实验结果表明，本文提出的DBN模型在分类精度上优于这些分类器。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

小样本空间中基于DBN的SAR溢油图像分类研究

文件下载

评论信息

其他资源

免责申明

个人信息

热门下载

最新下载