二周波数PolSAR画像の共同分類は意義深い研究ですが、挑戦的でもあります。分類情報学習に対する地域的一貫性の影響と二周波数データの合理的使用は、二周波数共同分類の二つの主要な課題です。これらの問題に対処するために、本稿では、統計に基づくサンプル修正を持つ選択的知識蒸留ネットワーク（SKDNet-SSR）を提案します。まず、CNNとViTを局所的およびグローバルな特徴抽出器として適用するだけでなく、統計に基づく動的サンプル修正（SDSR）モジュールが設計されており、貧弱な地域的一貫性が空間情報学習プロセスに与える影響を回避します。具体的には、PolSAR共分散行列が複素ウィシャート分布に従うという事実に基づいて、SDSRはまずサンプルの純度を動的に評価し、その後、ピクセルの選択と生成を行ってノイズピクセルを除去し、有用なピクセルとノイズピクセル間の特徴相互作用を回避し、分類特徴抽出プロセスを改善します。次に、異なる周波数帯域の利点を強調し、二周波数データの補完的学習を行うために、二周波数ゲート選択蒸留（DGSD）モジュールが構築されます。各サンプルにおける主な単周波数ブランチを教師モデルとして利用して二周波数生徒モデルを訓練し、生徒モデルが最適な結果を学び、異なる地形オブジェクトに対して二周波数データの補完的利用を実現します。四つの計測された二周波数PolSARデータに対する包括的な実験は、提案されたSKDNet-SSRが他の関連方法よりも優れていることを示しています.
Xin et al. (Fri,) はこの問題を調査しました。