一种极化SAR建筑物提取方法、设备及存储介质技术

本发明专利技术公开了扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法、设备及存储介质，其中，方法包括步骤：(1)将全极化SAR数据预处理为极化相干矩阵；(2)对所述极化相干矩阵进行极化方位角补偿；(3)对补偿后的极化相干矩阵进行非相干分解；(4)对步骤(3)得到的极化散射功率进行wishart聚类，并从所述wishart聚类结果中提取建筑物。该方法实现简单，实施方便，建筑物提取精度高，具有高鲁棒性，可直接用于各种极化SAR系统获得的极化SAR图像处理。

【技术实现步骤摘要】
一种极化SAR建筑物提取方法、设备及存储介质
本专利技术涉及遥感影像处理领域，尤其是一种极化SAR建筑物提取方法、设备及存储介质。
技术介绍
建筑物提取是城市遥感主要应用之一。全极化SAR(SyntheticApertureRadar，合成孔径雷达)影像因其具有丰富的极化信息，有利于地物的分类和提取，被越来越多地应用于建筑物提取研究中。现有的全极化SAR影像建筑物提取方法大多以建筑物的极化散射特性为基础，其中基于物理模型的非相干分解技术是当前的研究热点。该种分解方法将建筑物归为偶次散射类型，森林等植被归为体散射类型，并认为交叉极化分量(HV)是产生体散射的主要来源。然而，当建筑物走向与雷达视线方向不垂直时，该类方位建筑物不再满足二次散射模型，回波中交叉极化分量(HV)会增加，在极化分解时被识别为体散射类型，此时，非相干分解结果的体散射分量中不仅存在植被还存在方位建筑物。
技术实现思路
基于现有技术的上述缺陷，本专利技术实施例提供一种扩展体散射模型辅助wishart分类、提取精度高，具有鲁棒高效性的极化SAR建筑物提取方法、设备及存储介质。本专利技术能够以多种方式实现，包括方法、系统、设备、装置或计算机可读介质，在下面论述本专利技术的几个实施例。扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法，包括步骤：(1)将全极化SAR数据预处理为极化相干矩阵；(2)对所述极化相干矩阵进行极化方位角补偿；(3)对补偿后的极化相干矩阵进行非相干分解；(4)对步骤(3)得到的极化散射功率进行wishart聚类，并从所述wishart聚类结果中提取建筑物。进一步地，步骤(1)对所述全极化SAR数据进行基于球不变随机向量模型的滤波方法去躁，实现将其转换为极化相干矩阵。进一步地，步骤(2)所述极化方位角补偿方法为对极化相干矩阵进行旋转，旋转后的极化相干矩阵为T表示原极化相干矩阵，θ表示极化方位角。进一步地，步骤(3)中对补偿后极化相干矩阵进行非相干分解时，采用的体散射模型为其中，Rco＝10lg(<|SVV|2>/<|SHH|2>)，|S**|2代表HH、VV两个极化通道复数数据的强度。进一步地，C1≤0时，所述体散射模型为二面角结构散射；C1＞0时，所述体散射模型为偶极子散射。进一步地，步骤(4)对所述极化散射功率进行wishart聚类时，将具有相似统计分布且散射类型相同的极化散射功率划分为同一类别。一种存储设备，其中存储多条指令，所述指令适用于由处理器加载并执行如权利要求1至6任一项所述的提取方法的步骤。一种极化SAR建筑物提取设备，包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由处理器加载并执行权利要求1至6任一项所述的提取方法。本专利技术实施例可实现的积极有益技术效果包括：非相干分解前，对极化相干矩阵进行极化方位角补偿，可以有效控制交叉极化分量被分配为体散射；利用扩展体散射模型替换四分量分解方法中的体散射模型，进行非相干分解得到对应各散射类型功率，扩展体散射模型中由方位建筑物等特殊结构导致的交叉极化分量被分配至偶次散射，植被等随机取向偶极子导致的交叉极化分量仍被分配至体散射，有利于提高极化SAR影像建筑物提取的鲁棒性；基于散射机制的wishart非监督分类方法不改变像素散射类型、受初始化影响小、收敛性好；实现简单，实施方便，建筑物提取精度高，具有高鲁棒性，可直接用于各种极化SAR系统获得的极化SAR图像处理。本专利技术的其他方面和优点根据下面结合附图的详细的描述而变得明显，所述附图通过示例说明本专利技术的原理。附图说明本专利技术将通过例子并参照附图的方式说明，其中：图1为本专利技术实施例提供的极化SAR建筑物提取方法流程图。具体实施方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。图1为本专利技术实施例提供的极化SAR建筑物提取方法流程图，如图1所示，扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法包括步骤：(1)将全极化SAR数据预处理为极化相干矩阵；(2)对所述极化相干矩阵进行极化方位角补偿；(3)对补偿后的极化相干矩阵进行非相干分解；(4)对步骤(3)得到的极化散射功率进行wishart聚类，并从所述wishart聚类结果中提取建筑物。步骤(1)对所述全极化SAR数据进行基于球不变随机向量模型的滤波方法去躁，实现将其转换为极化相干矩阵。球不变随机向量模型允许对杂波的协方差矩阵和分布函数进行独立控制，基于球不变随机向量模型的滤波方法去躁为现有技术，本专利技术不另作赘述。对居民聚集地等地物复杂的城市区域进行非相干目标分解，需要考虑螺旋体散射的情况，因此选择考虑奇次散射、偶次散射、体散射、螺旋体散射的四分量分解方法。四分量分解方法中，建筑物主体表现为偶次散射，但主体构造线与雷达视线呈一定角度的建筑物在与极化波相互作用时易产生交叉极化分量，而交叉极化分量被认为是体散射的来源，因此，在进行非相干分解前，需对极化相干矩阵进行极化方位角补偿，以降低此类交叉极化分量被分配为体散射。步骤(2)所述极化方位角补偿方法为对极化相干矩阵进行旋转，旋转后的极化相干矩阵为T表示原极化相干矩阵，θ表示极化方位角，极化方位角计算公式为极化方位角θ取值范围为[-π/2，π/2]，tanγ表示距离向坡度，为雷达视角。进行极化方位角补偿后，仍然存在体散射区域混杂植被和方位建筑物的现象，这是由于交叉极化分量分配时采用的体散射模型导致的。步骤(3)对极化方位角补偿后的极化相干矩阵进行非相干分解，优化地，利用扩展体散射模型替换四分量分解方法中的体散射模型进行非相干分解，得到对应各散射类型功率。具体地，步骤(3)中对补偿后极化相干矩阵进行非相干分解时，其中偶次散射、表面散射、螺旋体散射采用Yamaguchi分解中的散射模型，体散射采用的体散射模型为其中，Rco＝10lg(<SVV|2>/<|SHH|2>)，|S**|2代表HH、VV两个极化通道复数数据的强度，Rco表示VV极化通道与HH极化通道散射矩阵的强度比值，根据比值所在区间不同，选取对应的体散射模型相干矩阵。C1≤0时，所述体散射模型为二面角结构散射；C1＞0时，所述体散射模型为偶极子散射。从扩展体散射模型的构造可以看出，该模型中由方位建筑物等特殊结构导致的交叉极化分量被分配至偶次散射，植被等随机取向偶极子导致的交叉极化分量仍被分配至体散射，这有利于提高极化SAR影像建筑物提取的鲁棒性。由于城市区域人造目标分布复杂多变，直接利用基于散射机制的分类方法从极化分解结果中提取建筑物时，提取结果存在较大局限。步骤(4)对各极化散射功率进行wishart聚类，并从所述wishart聚类结果中提取建筑物，基于散射机制的wishart非监督分类方法具有受初始化影响小、收敛性好、不改变像素散射类型的优点。在分类过程中，构建wishart分布的最大似然判别准则将具有相本文档来自技高网...

【技术保护点】
1.扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法，其特征在于，包括步骤：(1)将全极化SAR数据预处理为极化相干矩阵；(2)对所述极化相干矩阵进行极化方位角补偿；(3)对补偿后的极化相干矩阵进行非相干分解；(4)对步骤(3)得到的极化散射功率进行wishart聚类，并从所述wishart聚类结果中提取建筑物。

【技术特征摘要】
1.扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法，其特征在于，包括步骤：(1)将全极化SAR数据预处理为极化相干矩阵；(2)对所述极化相干矩阵进行极化方位角补偿；(3)对补偿后的极化相干矩阵进行非相干分解；(4)对步骤(3)得到的极化散射功率进行wishart聚类，并从所述wishart聚类结果中提取建筑物。2.根据权利要求1所述的扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法，其特征在于，步骤(1)对所述全极化SAR数据进行基于球不变随机向量模型的滤波方法去躁，实现将其转换为极化相干矩阵。3.根据权利要求1所述的扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法，其特征在于，步骤(2)所述极化方位角补偿方法为对极化相干矩阵进行旋转，旋转后的极化相干矩阵为T表示原极化相干矩阵，θ表示极化方位角。4.根据权利要求1所述的扩展体散射模型辅助wishart分类的极化SAR建筑物提取方法，其特征在于，步骤(3)中对补偿后极化相干矩阵进行...

【专利技术属性】
技术研发人员：郑长利，金松，张薇，李琦，欧杨，张清泽，王晓霞，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
类型：发明
国别省市：四川,51