基于深度学习的多极化合成孔径雷达图像解译

　　本书主要讨论多极化合成孔径雷达图像的图像解译方法，重点是地物分类和识别方法，书中利用深度学习的先进模型和方法解决少样本的地物分类问题，获得较高的分类精确度。本书引入了作者团队最新的科研成果，由浅入深地介绍了5个深度学习方法，包括稀疏滤波和近邻保持的深度学习方法、 距离度量的深度学习方法、 半监督卷积神经网络的深度学习方法、 半监督生成对抗网络的深度学习方法和图卷积网络的深度学习方法以及相应的训练策略和分类方法，解决少样本的多极化合成孔径雷达图像的地物分类问题。介绍方法时均给出了真实的合成孔径雷达数据集上的实验结果， 以验证所述方法能提升地物分类的正确率和效率。本书适合作为合成孔径雷达图像处理、 识别、数据处理方向的研究生教材，也适合作为相关专业研究人员的参考书。

暂缺《基于深度学习的多极化合成孔径雷达图像解译》作者简介

暂缺《基于深度学习的多极化合成孔径雷达图像解译》目录