【摘 要】
：
合成孔径雷达（Synthetic Aperture Radar,SAR）是一种对地观测系统,能够快速获取目标信息并对目标进行高分辨率成像,且具有全天候、全天时工作能力,在军事和民用等领域得到了广泛的应用。作为SAR领域的研究热点之一,SAR图像解译技术能够完成SAR图像中目标的检测、识别、分类和分割等任务。近年来,随着深度学习的迅速发展,光学图像领域的图像语义分割技术已取得显著成绩,该技术也推动了
论文部分内容阅读
合成孔径雷达（Synthetic Aperture Radar,SAR）是一种对地观测系统,能够快速获取目标信息并对目标进行高分辨率成像,且具有全天候、全天时工作能力,在军事和民用等领域得到了广泛的应用。作为SAR领域的研究热点之一,SAR图像解译技术能够完成SAR图像中目标的检测、识别、分类和分割等任务。近年来,随着深度学习的迅速发展,光学图像领域的图像语义分割技术已取得显著成绩,该技术也推动了SAR图像语义分割技术的发展。由于SAR成像机理与光学图像不同,SAR图像存在相干斑噪声影响。此外,与光学图像相比,SAR图像数据获取更为困难。因此,一些基于深度学习的光学图像语义分割技术在SAR图像上难以取得理想的分割性能。本文结合SAR图像特点,将实数图像语义分割网络U-Net推广到复数域,并分别采用生成对抗网络（Generative Adersarial Network,GAN）和复数胶囊网络对复数U-Net进行改进,最终实现Pol SAR图像语义分割。具体内容如下:1)提出了一种基于复数U-Net和GAN的图像语义分割网络模型。该网络模型的主体框架为GAN,其中,生成器由复数U-Net构成,判别器由实数多分辨卷积神经网络构成。在网络训练过程中,复数U-Net实现初步的图像语义分割,GAN进一步使图像语义分割结果接近于真实标签值。两个Pol SAR数据集的实验结果表明,基于复数U-Net和GAN的方法比复数U-Net能获取更高的分割性能。2)提出了一种基于复数U-Net和复数胶囊网络的图像语义分割网络模型,即在复数U-net网络的编码部分和解码部分之间引入复数胶囊网络。由于常用的胶囊网络为实数网络,本文首先提出了一种复数动态路由机制,将实数胶囊网络推广到复数域。然后,将复数U-Net和复数胶囊网络相结合,实现少样本下的Pol SAR图像语义分割。两个Pol SAR数据集的实验结果表明,基于复数U-Net和复数胶囊网络的方法比复数U-Net能够获取更高的分割性能。
其他文献
双伸缩立柱是矿用液压支架的重要组成部分，详细阐述了煤矿用液压支架双伸缩立柱维修的拆装工具。在双伸缩立柱的拆解和装配作业中利用创新设计的液压固定式双伸缩立柱拆装机取代了传统的机械固定式拆装机，优化了作业工艺，减少了操作工序，降低了工人劳动强度，提升了工作效率。实际应用结果表明，液压固定式系统稳定，生产中操作流畅，创新设计的拆装机同时满足质量和安全要求。
心血管疾病的患病率和死亡率仍处于上升阶段,这不仅严重威胁着世界各国人民的健康,也极大加重了家庭和社会的经济负担。心音信号能准确地反映心脏及周边血管的生理以及病理信息,是心血管疾病临床诊断的重要依据之一。精准的心音自动分析系统,可辅助医生进行临床诊断,提高诊断的准确性,弥补经验性判决的不足;同时,也可用于群体庞大的体检筛查,减少医学检测人力和物力的成本,提高检测效率。因此,研究有效的心音分析算法,对
恶性肿瘤,也称为癌症,是一种与基因突变有关的复杂疾病,普遍存在人体的各个组织中,一直以来都是全世界范围内的公共问题。科学家和临床医生长期以来积极地与癌症及其伴随疾病做斗争,但各国的癌症发病率仍逐年升高。随着医疗技术水平的不断进步,各种抗肿瘤药物相继研发,癌症患者的生存时间和状况得到了很大的改善。但晚期癌症至今仍无治有效的治愈方法,只能通过相关技术手段延长患者的生命。相比于癌症晚期患者,癌症早期患者
随着互联网的普及和信息技术的快速发展,越来越多的人通过社交网络进行日常的沟通交流和信息获取,社交网络已经成为人们生活中不可或缺的一部分。信息在社交网络中的传播速度极快,社交平台上的热搜事件很可能只是在几分钟前才发生的,并且信息的扩散范围也很广,理论上可以覆盖整个网络。由于新用户的不断加入,社交网络的规模逐渐庞大,其中的内容和数据日趋丰富。基于以上特点,不少商家开始在社交网络中进行病毒式营销,以推广
由于网络的蓬勃发展,图像数据资源呈爆发式增长,面对海量的数据资源,传统的图像检索方法检索效率慢且检索性能低,已经无法满足应用要求,所以如何在大规模图像数据资源中高效、快捷、精确地检索用户需要的图像已成为热门话题。近年来,深度学习技术蓬勃发展,为图像检索技术的进步提供了强大的助力。目前,深度学习与哈希算法的结合已成为现代图像检索算法的新潮流:一方面哈希算法是图像检索中最普遍最常用的近似最近邻搜索技术
随着近些年来互联网技术的蓬勃发展,人们的物质生活得到了较大的改善。然而,现实中伴随科技发展的是诸多的信息安全问题,譬如,信息在传输过程中被盗取、篡改,这已经成为通信领域内的热点问题。现阶段经典的公钥密码算法受限于算法复杂度高等缺陷,难以满足通信环境日益复杂的需要,针对这一问题新一代抗量子计算机算法应运而生。为了克服传统算法密钥存储量大等问题,文中在总结了现阶段基于线性码的McEliece公钥密码方
随着计算机的普及和数字信息处理技术的高速发展,人们对图像质量的要求不断提高。数字图像因其记录快捷、信息量大及传输便利等优点成为计算机时代最重要的信息载体。然而,数字图像在获取过程中常常受到散射介质（如雾、霾及水体等）的影响,使得到的图像不同程度地存在细节丢失、颜色失真、对比度降低等问题,从而造成图像的降质,如此将影响特征提取、目标识别和分类等后续图像处理操作。为此,文中以降质图像中常见的含雾图像和
图像增强是图像处理领域的重要分支,其作用是根据用户需求有针对性地突出或保留图像的特征信息,以达到提升图像质量的目的。随着计算机视觉技术的飞速发展和人们对高质量图像需求的不断提高,图像增强技术涉及的研究领域日益广泛。当前阶段,低能见度图像增强是图像增强技术中的研究热点,受到了国内外众多科研工作者的关注。为此,文中在借鉴了图像增强领域的相关理论和研究成果后,对低能见度图像中的大气图像（含雾图像）和水下
最优化问题一直是计算机工程领域内的关键任务。目前,越来越多复杂的优化问题已不适于使用传统优化技术求解。智能优化算法以其寻优能力强、灵活性高、鲁棒性强等优点被广泛的用于求解最优化问题。研究者已经提出了诸多经典的高性能的智能优化算法,比如粒子群算法、遗传算法、鲸鱼算法等。阴阳对优化（YYPO）算法是最近提出的一种高性能的轻量级智能优化算法,但其在优化过程中存在容易陷入局部最优、搜索精度不够、初期分布影
近年来,由于人工智能在众多的场景中为人们提供了便捷的服务,因此人工智能的发展和使用受到了更多人的青睐。群智能作为人工智能的一种,因其不依赖于训练集的特点,而成为人工智能研究中不可或缺的一部分。随着NP-hard难题的日益突出,群体智能的研究越发受到关注。NP-hard难题在现实应用领域中很难找到全局最优值。此类问题中可能存在的潜在解决方案的数量往往是无限的。在这种情况下,在一定的时间范围内找到有效