基于深度學習的多極化合成孔徑雷達圖像解譯

　　本書主要討論多極化合成孔徑雷達圖像的圖像解譯方法，重點是地物分類和識別方法，書中利用深度學習的先進模型和方法解決少樣本的地物分類問題，獲得較高的分類精確度。本書引入了作者團隊最新的科研成果，由淺入深地介紹了5個深度學習方法，包括稀疏濾波和近鄰保持的深度學習方法、 距離度量的深度學習方法、 半監(jiān)督卷積神經(jīng)網(wǎng)絡(luò)的深度學習方法、 半監(jiān)督生成對抗網(wǎng)絡(luò)的深度學習方法和圖卷積網(wǎng)絡(luò)的深度學習方法以及相應的訓練策略和分類方法，解決少樣本的多極化合成孔徑雷達圖像的地物分類問題。介紹方法時均給出了真實的合成孔徑雷達數(shù)據(jù)集上的實驗結(jié)果， 以驗證所述方法能提升地物分類的正確率和效率。本書適合作為合成孔徑雷達圖像處理、 識別、數(shù)據(jù)處理方向的研究生教材，也適合作為相關(guān)專業(yè)研究人員的參考書。

暫缺《基于深度學習的多極化合成孔徑雷達圖像解譯》作者簡介