作为一种先进的非线性技术，基于深度神经网络（DNN）的深度学习已引起了广泛的关注。 在本文中，我们提出了一种新颖的邻域保留深度神经网络（NPDNN）用于极化SAR（PolSAR）特征提取和分类。 像素之间的空间关系是通过联合加权策略来开发的。 不仅空间相邻像素而且同一超像素中的像素都被用来加权每个像素。 这种策略保持了空间依赖性，从而导致了地形的出色同质性，而无需额外的计算内存。 此外，一些标记的样本及其最近的邻居被用来训练多层NPDNN，这保留了局部结构并减少了用于分类的标记样本的数量。 对合