基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar，SAR）数据和传统机器学习算法的岩性分类方法，易受SAR图像固有斑点噪声影响，精度不高.为了降低噪声的影响，本研究以大尺度像元邻域为基元，用于表征地表地质体的遥感图像特征和岩性语义信息；采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像；然后采用深度卷积神经网络（Deep Convolutional Neural Network，DCNN）迁移学习的方法，提取有效的深度特征表示，分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明：基于不同分辨率数据和不同DCNN算法，岩性遥感自动分类的总精度均大于80%，最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法，能够实现基于SAR数据的高精度岩性分类. 关键词: 遥感 / 岩性分类 / 迁移学习 / 卷积神经网络 / 高分三号 / SAR