兵工自动化
兵工自動化
병공자동화
ORDNANCE INDUSTRY AUTOMATION
2012年
9期
67-70
,共4页
童涛%杨桄%李昕%叶怡%王寿彪
童濤%楊桄%李昕%葉怡%王壽彪
동도%양광%리흔%협이%왕수표
SAR图像分类%Brushlet复特征%自适应脊波网络%纹理图像
SAR圖像分類%Brushlet複特徵%自適應脊波網絡%紋理圖像
SAR도상분류%Brushlet복특정%자괄응척파망락%문리도상
针对 BP 神经网络分类模型网络训练时间长的缺陷,结合小波网络模型缺少对方向信息描述的情况,提出一种基于Brushlet和自适应脊波网络的SAR图像分类方法.该方法利用Brushlet变换提取SAR图像纹理的能量和相位特征,并将描述能量和相位的特征向量输入到自适应脊波网络中进行训练和分类,最后通过实验对比分析各分类方法的分类性能.实验结果表明,该方法快速、准确,其性能优于传统方法.
針對 BP 神經網絡分類模型網絡訓練時間長的缺陷,結閤小波網絡模型缺少對方嚮信息描述的情況,提齣一種基于Brushlet和自適應脊波網絡的SAR圖像分類方法.該方法利用Brushlet變換提取SAR圖像紋理的能量和相位特徵,併將描述能量和相位的特徵嚮量輸入到自適應脊波網絡中進行訓練和分類,最後通過實驗對比分析各分類方法的分類性能.實驗結果錶明,該方法快速、準確,其性能優于傳統方法.
침대 BP 신경망락분류모형망락훈련시간장적결함,결합소파망락모형결소대방향신식묘술적정황,제출일충기우Brushlet화자괄응척파망락적SAR도상분류방법.해방법이용Brushlet변환제취SAR도상문리적능량화상위특정,병장묘술능량화상위적특정향량수입도자괄응척파망락중진행훈련화분류,최후통과실험대비분석각분류방법적분류성능.실험결과표명,해방법쾌속、준학,기성능우우전통방법.
