关键词：极化sar 地物分类 条件随机场 卷积神经网络 

摘要：近年来,极化合成孔径雷达(PolSAR)图像地物分类得到了深入研究。传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计,特征表征性不强。因此,该文提出一种基于卷积神经网络(CNN)和条件随机场(CRF)模型的PolSAR图像地物分类方法。利用预训练好的实现图像分类任务的卷积神经网络模型(VGG-Net-16)提取表征能力更强的图像特征,再通过CRF模型对多特征及上下文信息的有效利用来实现图像的地物分类。实验结果表明,与3种利用传统经典特征的方法相比,该方法能够提取更有效的特征,取得了更高的总体分类精度和Kappa系数。

雷达学报杂志要求:

<一>计量单位、数字、符号 文稿必须使用法定的计量单位符号。

<二>正文标题：文内各级标题题号一律顶格书写，标题题号分级采用1；1.1；1.1.1等标注形式。结构层次不宜过多，一般为二级或三级。

<三>文稿应具严谨的科学性，并有一定先进性和实用性。内容重点突出，文字务必简练、准确、通顺，字迹清楚。

<四>基金课题论文所涉及的课题如是国家或部、省、市级以上基金项目或攻关项目，应在文题页左下角横线下注明“基金项目。

<五>引言作为论文的开场白，应以简短的篇幅介绍论文的研究背景和目的，对相关领域内前人所做的工作和研究进行简要的概括。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社