基于深度稀疏滤波网络的极化SAR地形分类

提出了一种基于深度稀疏滤波网络(DSFN)的极化合成Kong径雷达(PolSAR)地形分类的新方法。 它使用新颖的深度学习网络从输入的原始数据中自动学习功能。 并将PolSAR图像上像素之间的空间信息组合到输入数据中。 此外,与传统的深度网络不同,DSFN在预训练和微调期间仅需要微调很少的参数。 真实的PolSAR数据用于验证所提出的方法。 实验结果表明,与传统的深度网络相比,所提出的DSFN算法具有较少的参数,并且有效地提高了分类精度。