基于GLCM-GMRF纹理特征和深度置信网络的SAR图像分类

摘要

传统基于深度置信网络(deep belief network,DBN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像分类方法受相干斑噪声影响严重,文章通过引入图像的纹理特征作为先验信息,反映像素间的空间关系和不同地物类型的独有特性,提出了一种基于GLCM-GMRF纹理特征和DBN的SAR图像分类方法。该方法利用灰度共生矩阵(gray level co-occurrence matrix, GLCM)提取SAR图像在空间上的灰度相关特征,同时利用高斯马尔可夫随机场(Gaussian Markov random field,GMRF)建立邻域像素间的统计相关特性,组合提取得到的GLCM-GMRF纹理特征与图像强度矢量,送入DBN网络进行学习和分类。采用RADARSAT-2数据进行实验验证,实验结果表明,与传统DBN、支持向量机(support vector machine,SVM)分类方法相比,该方法可以有效抑制相干斑噪声影响,取得更好的分类结果。

关键词