地物分类是极化SAR应用的一个重要分支。传统的地物分类方法需要提取特征,通过分类器进行分类。在栈式稀疏自编码模型的基础上,提出一种鲁棒的极化SAR地物分类算法。采用基于Morlet小波核的最小二乘支撑向量机代替深度模型中常用的Softmax分类器。通过与栈式稀疏自编码网络相结合,在一定程度上克服了传统极化SAR影像地物分类方法受相干斑噪声影响,且结果过于粗糙的缺点,保证了分类结果中非匀质区域的连贯性和匀质区域的一致性。真实极化SAR数据仿真实验结果表明,该算法可以有效地提高分类精度,降低相干斑噪声的对分类精度的影响。
