關鍵詞：極化sar 地物分類 條件隨機場 卷積神經網絡 

摘要：近年來,極化合成孔徑雷達(PolSAR)圖像地物分類得到了深入研究。傳統的PolSAR圖像地物分類方法采用的特征往往需要針對具體問題進行設計,特征表征性不強。因此,該文提出一種基于卷積神經網絡(CNN)和條件隨機場(CRF)模型的PolSAR圖像地物分類方法。利用預訓練好的實現圖像分類任務的卷積神經網絡模型(VGG-Net-16)提取表征能力更強的圖像特征,再通過CRF模型對多特征及上下文信息的有效利用來實現圖像的地物分類。實驗結果表明,與3種利用傳統經典特征的方法相比,該方法能夠提取更有效的特征,取得了更高的總體分類精度和Kappa系數。

雷達學報雜志要求:

<一>計量單位、數字、符號 文稿必須使用法定的計量單位符號。

<二>正文標題：文內各級標題題號一律頂格書寫，標題題號分級采用1；1.1；1.1.1等標注形式。結構層次不宜過多，一般為二級或三級。

<三>文稿應具嚴謹的科學性，并有一定先進性和實用性。內容重點突出，文字務必簡練、準確、通順，字跡清楚。

<四>基金課題論文所涉及的課題如是國家或部、省、市級以上基金項目或攻關項目，應在文題頁左下角橫線下注明“基金項目。

<五>引言作為論文的開場白，應以簡短的篇幅介紹論文的研究背景和目的，對相關領域內前人所做的工作和研究進行簡要的概括。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社