本发明公开了一种带有ASPP反卷积网络的SAR图像分类方法，属于遥感图像处理与计算机视觉技术领域。该方法针对合成孔径雷达（SAR）图像分类任务中存在的多尺度特征提取不足和空间信息丢失等问题，创新性地将空洞空间金字塔池化（ASPP）模块与反卷积网络相结合，构建了一种高效的特征提取与分类框架。该方法首先通过主干网络提取SAR图像的深层特征，然后利用ASPP模块在多个空洞率下并行捕获多尺度上下文信息，有效解决了SAR图像中目标尺度变化大的问题。随后通过反卷积操作逐步恢复特征图的空间分辨率，减少下采样过程中的信息损失，使分类结果能够更好地保持目标的细节和边界信息。最后通过分类器输出每个像素的类别概率，实现端到端的SAR图像分类。与现有技术相比，本发明具有以下优势：1）ASPP模块的多尺度特征提取能力显著提升了模型对不同尺寸目标的识别性能；2）反卷积结构有效缓解了特征图分辨率下降带来的空间信息损失；3）整体网络结构在保持较高分类精度的同时具有较好的计算效率。该方法可广泛应用于土地利用分类、灾害监测、军事目标识别等SAR图像解译任务中。
