基于SSAE和FSALS‑SVM极化SAR图像分类

摘要

本发明的目的是提供一种基于SSAE和FSALS‑SVM的极化SAR图像分类方法。它利用栈式稀疏自动编码器(SSAE)的多隐层结构，获得具有对原始数据更本质的刻画能力并且更适合分类的深度特征，并用能够获得问题稀疏解的快速稀疏逼近最小二乘支持向量机(FSALS‑SVM)代替传统深度学习中常用的Softmax，与SSAE相结合，提高了对极化SAR图像的分类精度，并在一定程度上克服了传统基于像素的极化SAR图像分类方法受相干斑噪声影响大的缺点，保证了分类结果图中匀质区域的连贯性。