基于协同表示和深度学习的极化SAR图像分类方法

摘要

本发明公开了一种基于协同表示和深度学习的极化SAR图像分类方法，主要解决现有方法计算复杂度高和分类精度低的问题。其实现步骤是：1.输入一幅极化SAR图像，提取其极化特征；2.根据实际地物分布选取训练样本集，选取整幅图的像素点作为测试样本集；3.将训练样本集的特征作为初始字典，用K‑SVD对初始字典进行学习得到学习字典；4.将训练样本集和测试样本集用学习字典进行协同表示，得到训练样本集和测试样本集的表示系数；5.对训练样本集和测试样本集的表示系数进行深度学习，得到更本质的特征表示；6.将深度学习后的表示系数通过libSVM分类器进行极化SAR图像分类。本发明计算复杂度低，分类精度高，可用于极化SAR图像分类。