基于深度双向LSTM孪生网络的极化SAR分类方法

摘要

本发明公开一种基于深度卷积双向LSTM孪生网络的极化SAR分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从滤波后的数据中提取时序特征向量并划分训练集和测试集；3)对训练集中的样本两两组合得到样本对训练集；4)搭建深度卷积双向LSTM孪生网络并用训练集和样本对训练集对其进行训练；5)用训练好的网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充训练集、提取差异化特征，于小样本标记条件下更为合理且充分的利用空间邻域信息进行双向时序建模，使模型分类准确率大幅度提高。