计算机应用研究

作者：谢雯,马改妮,赵凤,刘汉强,张璐,

单位：1.西安邮电大学通信与信息工程学院(人工智能学院),西安710121；2.公安部电子信息现场勘验应用技术重点实验室,西安710121；3.陕西师范大学计算机学院,西安710119；

关键词：PolSAR图像分类,Wishart分类器,Tri-training算法,复值卷积神经网络,

基金：国家自然科学基金资助项目(61901365,62071379,62071378,62071380,61571361)；陕西省自然科学基金资助项目(2019JQ-377,2020JM-299)；陕西省教育厅专项科研计划资助项目(19JK0805)；西安邮电大学西邮新星团队项目(xyt2016-01)；中央高校基础研究基金资助项目(GK201903092)；；

现有深度学习算法应用于PolSAR图像分类时，较少考虑该图像数据的复数特点，使得数据的复数域信息不能被充分利用；同时，深度学习需要大量的标签样本作为模型的训练样本，但是PolSAR图像可获取的标签样本十分有限。针对上述问题，结合Tri-training算法和复值卷积神经网络（CV-CNN）提出了半监督PolSAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本，然后将其加入到复值卷积神经网络的训练样本中并用于模型训练，最终完成图像分类任务。通过四幅PolSAR图像分类的仿真实验表明，该算法不仅能够有效提升伪标签样本的可靠性，同时还可提高模型的分类准确率。

来源：2021年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第8期