合成Kong径雷达场景分类的高阶广义无序合并网络

视觉单词袋(BOVW)模型中的固定编码样式以及卷积神经网络(CNN)特征表示中的强大空间信息,使得特征向量不太适合场景分类。 为了提取SAR场景分类的可学习无序特征,提出了一种通过反向传播训练的高阶广义无序池网络,以学习局部聚集描述符(VLAD)的高阶向量和局部约束仿射子空间编码。 (LASC),与一阶特征编码样式相比,所提出的网络可以通过外部产品自动学习高阶编码特征。 随后,为了使特征表示更加强大,将其梯度通过奇异值分解(SVD)和元素逐项归一化的矩阵归一化(平方根)引入了所提出的网络中。 最后,对TerraSAR-X图像上的SAR场景分类数据集进行的实验表明,所提出的网络比最新方法具有更好的性能。