15、利用紧凑型卷积神经网络进行合成孔径雷达图像分类

利用紧凑型卷积神经网络进行合成孔径雷达图像分类

1. 引言

在当今时代，轨道卫星或机载测量设备的数量达到了前所未有的规模，这使得人们对遥感应用的兴趣日益浓厚。遥感应用主要分为主动遥感和被动遥感两个领域。主动遥感在数据采集过程中，会发射电磁波，然后通过识别发射和接收（后向散射）的电磁波波形之间的差异来观测场景；而被动遥感则是传感器直接接收自然源（如光学卫星图像中的太阳光）发出的测量波。

合成孔径雷达（SAR）成像作为一种主动遥感技术，在农业、林业、地质和海洋学等众多领域得到了广泛应用。由于其主动遥感的特性，SAR 成像可以在白天或夜晚工作，并且根据所选传感器（具体为发射电磁波的频率）的不同，它还能在光学卫星图像可能失效的各种天气条件下运行。SAR 系统可以是星载或机载的，即数据采集系统分别安装在轨道卫星或具有特定轨迹的飞机上。

以下是一些不同 SAR 系统的应用示例：
- 利用 ENVISAT、RADARSAT - 1 进行溢油检测。
- 使用 TerraSAR - X 调查与海啸相关的建筑物损坏情况。
- 借助 Sentinel - 1 进行植被监测。
- 通过 AIRSAR、RADARSAT - 2 进行土地利用/土地覆盖（LU/LC）分类。

其中，LU/LC 分类尤为重要，因为它在社会经济和生态应用方面具有重要意义。例如，研究表明植被强度与社会经济地位相关，不同植被对温度的影响也与城市气候和植被类型有关，还有对地中海地区森林生物量的分析以提供植被生态系统分析。

然而，LU/LC 分类是一个具有挑战性的问题，主要原因如下：
- SAR 数据中包含的斑点噪声会导致传统分类方法的性能下降。 <