一种基于t-SNE的SAR图像聚类算法
SAR成像以其全天时、全天候的成像特点,在民用和军事领域中广泛应用.得益于成像技术的快速发展以及发射平台的增多,SAR图像的数目明显增加,同时也增加了人工分析SAR图像的困难.目前,SAR图像目标分类/识别任务中,多采用监督学习方式来实现分类/识别,即需要具有类别标签的目标图像作为训练样本.但是,获取和标注SAR图像成本很高,对图像进行人工标注极其耗费时间.不同于监督学习依赖大量标签数据,非监督学习可以通过不同的数据变换,寻找变换空间下相似的样本来实现样本类别赋值,也称为聚类.传统的数据变换方法有PCA、kernel-based等.在本论文中,提出使用t-SNE算法进行非线性降维,配合k-means算法实现聚类任务.在MSTAR数据集上进行聚类实验,相较于在原始图像空间和PCA特征空间进行k-means聚类,提出方法的聚类准确率分别提高了2.25％和5.5%.
合成孔径雷达 图像聚类 降维技术 t-SNE算法
胡瑶 王琛 周远远 杨夏青 师君
电子科技大学信息与通信工程学院 四川省 成都市 611731
国内会议
成都
中文
1-11
2019-09-20（万方平台首次上网日期，不代表论文的发表时间）