一种基于改进U-Net与胶囊网络的异源极化SAR图像分类方法

本发明实施例提供了一种基于改进U‑Net与胶囊网络的异源极化SAR图像分类方法和装置。所述方法包括：首先收集异源极化SAR图像并进行预处理；然后构建基于改进U‑Net的深度学习模型；然后在所述深度学习模型中集成胶囊网络，通过更精确地表示对象的各个部分和它们之间的空间关系，提供比传统卷积神经网络更准确的对象识别；然后在所述胶囊网络中建立多尺度跳跃连接结构；最后通过权重对抗神经网络实现源域与目标域的特征域适应，结合极化先验约束相似度分析完成异类样本分类。本方法有效解决异源极化SAR图像数据融合难题，在三维超分辨成像与复杂识别场景中具有显著优势。