1、SAR圖像分割是SAR圖像的分析與理解的基礎(chǔ)與關(guān)鍵，分割結(jié)果的好壞直接影響后續(xù)的處理結(jié)果。傳統(tǒng)的SAR圖像分割方法需要靠人工經(jīng)驗(yàn)來(lái)提取樣本特征，而特征的好壞往往成為整個(gè)SAR圖像處理系統(tǒng)性能的瓶頸。人工選擇特征是一項(xiàng)復(fù)雜而又難以控制的工程。深度學(xué)習(xí)理論則為解決該難題提供了可行而又行之有效的方案。深度模型能夠自動(dòng)學(xué)習(xí)樣本的結(jié)構(gòu)特征，而自動(dòng)學(xué)習(xí)的結(jié)構(gòu)特征更能捕獲樣本空間上的相關(guān)性，從而使得深度模型更適合用來(lái)學(xué)習(xí)圖像所隱含的結(jié)構(gòu)特征。

2、　　首先，基于素描線補(bǔ)全的區(qū)域圖及深度模型，提出了深度相似性表征的獲取方法。該方法對(duì)像素個(gè)數(shù)大于給定閾值的各區(qū)域分別訓(xùn)練一個(gè)棧式降噪自編碼網(wǎng)絡(luò)（SDAE），對(duì)每一個(gè)SDAE網(wǎng)絡(luò)各隱層權(quán)值分別向其他所有SDAE網(wǎng)絡(luò)相對(duì)應(yīng)隱層結(jié)點(diǎn)的權(quán)值投影，得到這兩個(gè)網(wǎng)絡(luò)各隱層對(duì)應(yīng)結(jié)點(diǎn)的相似度，并進(jìn)行二值編碼；統(tǒng)計(jì)各隱層對(duì)應(yīng)結(jié)點(diǎn)的相似性，得到這兩個(gè)網(wǎng)絡(luò)各隱層基于統(tǒng)計(jì)相似性的結(jié)構(gòu)特征編碼向量；級(jí)聯(lián)該網(wǎng)絡(luò)和其他所有網(wǎng)絡(luò)各隱層的基于統(tǒng)計(jì)相似性的的結(jié)構(gòu)特征編碼，得

3、到該區(qū)域的結(jié)構(gòu)特征表示。
　　其次，提出了基于區(qū)域圖和深度相似性表征的SAR圖像分割方法。根據(jù)區(qū)域圖得到SAR圖像的聚集區(qū)域、勻質(zhì)區(qū)域和結(jié)構(gòu)區(qū)域。由于SAR圖像的聚集區(qū)域和勻質(zhì)區(qū)域的結(jié)構(gòu)特征明顯不同，該方法對(duì)SAR圖像聚集區(qū)域和勻質(zhì)區(qū)域分別進(jìn)行基于深度網(wǎng)絡(luò)的結(jié)構(gòu)特征學(xué)習(xí)和分割：通過(guò)深度相似性表征的獲取方法，得到代表各區(qū)域的結(jié)構(gòu)特征表示，對(duì)代表各區(qū)域的結(jié)構(gòu)特征表示進(jìn)行層次聚類，得到SAR圖像聚集區(qū)域和勻質(zhì)區(qū)域的分割結(jié)果。對(duì)結(jié)構(gòu)區(qū)域使