关键词：地物分类 膨胀卷积 

摘要：在极化合成孔径雷达(PolSAR)地物分类研究中,基于实数CNN的分类算法无法充分利用PolSAR图像丰富的通道相位信息,并且在逐像素预测中存在大量冗余计算,导致分类效率较低。针对以上问题,该文采用一种复数域下的像素映射深度模型,实现低采样率下精确且高效的PolSAR地物分类。为充分使用PolSAR数据的通道相位信息,该文基于一种编组-交叉卷积网络(GC-CNN)将分类模型推广到复数域,并利用网络提取的复数特征及其对应的相位和幅度来实现更精确的分类;为加快分类速度,该文还采用了一种精调的膨胀编组-交叉卷积网络(FDGC-CNN)来实现像素到像素的直接映射,并进一步提升了分类精度。在基于AIRSAR平台的16类地物数据和E-SAR平台的4类地物数据的实验中,该文采用的FDGC-CNN模型相较于SVM分类器和实数CNN模型,能够更准确和更高效地实现多类别地物分类,全局分类精度分别为96.94%和90.07%、总耗时4.22s和4.02s。

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