基于特征注意和特征改善网络的极化SAR图像分类方法

摘要

本发明提出了一种基于特征注意和特征改善网络的极化SAR图像分类方法，主要解决现有的基于深度学习的极化SAR图像分类方法中存在的区域内一致性较差和不便于端到端分类的问题。其实现方案为：1)输入待分类极化SAR图像并对其进行滤波；2)合成极化SAR图像的伪彩图和分类标签；3)极化SAR图像初始特征提取和特征预处理；4)分别构建输入表示层、特征注意子网络、编码器、解码器并将它们依次连接，构成特征注意和特征改善网络；5)训练特征注意和特征改善网络；6)将极化SAR图像输入到训练好的网络，得到分类结果。本发明的区域内一致性强，噪声少，分类精度高，实现了端到端的学习和分类，可用于极化SAR图像分类。