摘要：針對(duì)小樣本集的多極化合成孔徑雷達(dá)(SAR)圖像目標(biāo),提出利用遷移學(xué)習(xí)、多極化SAR圖像增廣以及網(wǎng)絡(luò)架構(gòu)適應(yīng)性改進(jìn),實(shí)現(xiàn)了多極化SAR圖像目標(biāo)端到端的智能分類識(shí)別;利用實(shí)測(cè)機(jī)載全極化SAR目標(biāo)圖像進(jìn)行了實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)機(jī)器學(xué)習(xí)SVM方法相比,基于多極化SAR深度學(xué)習(xí)方法所包含的多個(gè)神經(jīng)網(wǎng)絡(luò)隱含層能自適應(yīng)地提取目標(biāo)高層語(yǔ)義特征,其目標(biāo)分類識(shí)別精度更高,從而驗(yàn)證了本文深度學(xué)習(xí)方法用于多極化SAR圖像目標(biāo)識(shí)別分類的有效性.