基于混合卷积神经网络交叉伪监督的极化SAR地物分类方法

本发明公开了技术领域内的一种基于混合卷积神经网络交叉伪监督的极化SAR地物分类方法，包括以下步骤：1）将图像中每个像素的极化相干矩阵上三角元素通过实数化转换为6维复数向量和6维实数向量；2）以图像中每个像素为中心提取大小为w×w×6的图像块作网络的输入样本；3）使用随机值初始化CV‑CNN和CNN中的权重；4）将标签样本和无标签样本输入交叉伪监督网络，并使用小批量随机梯度下降算法进行优化；5）训练结束后，将图像中每一个像素对应的邻域块输入到CV‑CNN和CNN中，并将两个网络的预测概率值融合，完成图像的分类，本发明解决了极化SAR图像分类问题中训练样本稀缺的问题。