摘要
本发明提供了一种基于全极化SAR影像的复值图卷积分类算法，首先对全极化SAR影像进行预处理，获取极化协方差矩阵，并基于极化超像素分割获取超像素及其平均极化协方差矩阵，使用||WA||2距离计算相似性并构建邻接矩阵，然后构建一种支持复值特征输入的复值图卷积网络模型，其中输入层至隐藏层采用Leaky‑zReLU复值激活函数，隐藏层至输出层采用AM‑Softmax函数，模型权重实施复数初始化，以聚焦损失Focal Loss作为损失函数进行反向传播的梯度更新，最后以极化协方差矩阵复数元素值作为超像素区域特征与邻接矩阵一起输入复值图卷积网络进行分类。本申请突破了现有GCN网络架构仅支持实数运算的限制，有效利用全极化SAR数据中蕴含的复值信息，提高GCN网络在全极化SAR分类中的精度。
