基于纹理特征和RBM的海上SAR溢油图像分类研究
海上溢油事故的频发使得海洋生物、生态环境以及周边行业经济都遭到了严重的破坏,因此有效识别出海上油膜显得尤为重要.海上SAR溢油实时图像的获取来自于星载合成孔径雷达(SAR),它能够在全天候工作的优势,且受天气影响较小.就此本文提出了一种基于纹理特征和受限玻尔兹曼机相结合的海上溢油SAR图像的分类方法.经过实验验证,提取的灰度共生矩阵纹理特征能够更好的用于分类,且灰度特征维数较少,在执行效率上也优于Gabor小波特征,其分类精度比选用Gabor小波提取的精度高出4.5％.最后通过基于受限玻尔兹曼机的深度信念网络训练特征并得到分类结果,并给出3类分类精度和总体分类精度以及kappa系数.
海上溢油 星载合成孔径雷达 图像分类 纹理特征 深度信念网络
黄茜茜 王晓峰
上海海事大学信息工程学院,上海 201306
国内会议
全国第24届计算机技术与应用学术会议(CACIS-2013)
呼和浩特
中文
229-236
2013-08-16（万方平台首次上网日期，不代表论文的发表时间）