基于物理和深度特征融合的极化SAR图像分类方法

本发明公开了一种基于物理和深度特征融合的极化SAR图像分类方法，主要解决现有方法过度依赖训练数据，忽略图像物理特征导致分类效果不理想的问题。包括：1)输入极化SAR图像，提取其幅度、物理和频谱特征；2)在特征金字塔网络基础上增加一个卷积通道，同时在两通道之间引入可学习的特征融合模块，实现对现有特征金字塔网络的改进；3)利用改进后的特征金字塔网络获取物理与幅度特征的深度融合特征；4)提取深度频谱特征，采用堆叠方式将其与深度特征进行融合；5)通过Softmax分类器对最终的融合后特征进行分类，获取分类结果。本发明使物理知识集成到深度神经网络中，能够在标记样本有限的情况下，有效提高分类性能。