王 璐，温显斌

（天津理工大学 计算机科学与工程学院，天津 300384）

合成孔径雷达（synthetic aperture radar，SAR）通过发送电磁波、雷达天线收集、数字化和存储反射回波后形成图像，即SAR图像[1]。SAR图像不受时间、天气等因素影响，能在不同频段和不同极化条件下得到高分辨率雷达图像，在灾害预警、环境监测、资源勘查、测绘和军事等方面具有不可替代的优势。

近年来深度学习的发展日新月异，越来越多的深度学习方法被用来解决SAR图像自动目标识别。MORI[2]利用谱聚类方法来得到超像素分割算法，PEI等[3]提出了多视图深度学习（multiview deep learning framework）方法。

使用卷积网络解译图像也存在着很多不足：由于卷积网络中池化层的采用和标量神经单元激活的限制，卷积网络无法学习图像数据中的空间层级信息，同时卷积网络在计算过程中虽然能保留图像对象的不变性，但却失去了对象的同变性，这导致卷积网络无法识别图像内对象之间的相对位置关系，从而影响了网络对图像的理解能力。SAR图像由于其成像的特殊性具有很强的结构信息，因此使用卷积网络进行SAR图像解译效果差强人意。

SABOUR等[4]提出了胶囊网络，一方面，该网络使用向量（胶囊）神经元作为网络的基本数据单元，相比于卷积网络，它表示的信息更加丰富，具有更大的容量。另一方面，胶囊网络舍弃了池化层，并由动态路由算法取代。携带图像信息的胶囊从底层向高层通过路由方法传导，在保持其自身属性不变（如旋转角度，位移，尺寸等）的同时，还保持空间层级信息的不变。……