极地冰盖,包括南极冰盖和格陵兰冰盖,其冰川总体积占世界冰川总体积的99%。全球变暖导致的极地冰盖上的冰雪融化,同时引起海平面不断上升,让许多沿海城市处于被淹没的风险。因此,对于极地冰盖的变化趋势进行研究,对全球气候研究有重要的指导意义。极地冰盖的变化趋势研究需要对冰盖内部有着充分了解,冰盖内部目标研究的相关数据主要依靠冰雷达技术收集。通过专用的雷达探测工具获取大量的雷达图像资料,并对于收集的原始数据进行处理、分析,这其中关键的一步就是识别冰盖内部目标。本文主要工作为针对目前的冰盖内部目标识别算法存在的识别精度有限,需要手工干预,不能实现自动化分类的问题,结合生成对抗网络和胶囊网络,提出了三种基于深度学习的冰雷达图像冰盖内部目标识别方法。1.基于生成对抗网络的冰雷达图像冰盖内部目标识别方法。该方法中采用了U-net网络结构作为生成网络的对抗网络,有效增加了识别网络细节表现力。对生成对抗网络的判别网络进行改进,采用Patch网络作为判别网络,提高网络对于冰雷达图像的细节信息提取,提升判别能力。2.基于胶囊网络的冰雷达图像冰盖内部目标识别方法。该方法中采用了胶囊网络结构代替了卷积网络提取图像的特征信息,能够更加准确地提取图像的空间位置信息,充分利用冰雷达图像冰盖内部目标的空间分布的规律性,提升识别准确度。3.基于SegCaps的冰雷达图像冰盖内部目标识别方法。该方法在基于SegCaps胶囊网络的冰雷达图像冰盖内部目标识别方法的基础上,增加了滤波模块。由于相干斑噪声对图像有着较大的干扰,因此我们采用了滤波的方式对并雷达图像进行处理,在降低相干斑干扰的同时尽可能地保存冰雷达图像的细节信息,最终提出了完整的雷达图像冰盖内部目标自动识别算法,实现了对冰盖内部目标的较精确的自动化识别。