基于SAR数据的北极海冰分类方法技术

本发明专利技术涉及基于SAR数据的北极海冰分类方法，包括以下步骤：获取SAR数据经预处理后得到RGB假彩色图像；利用RGB假彩色图像和冰图构建海冰数据集；建立神经网络模型，利用海冰数据集进行训练，得到北极海冰分类器；将待识别的SAR数据经预处理后得到待识别的RGB假彩色图像，将待识别的RGB假彩色图像通过北极海冰分类器进行北极海冰分类。本发明专利技术降低了热噪声和入射角对图像质量的影响，增强了地物特征和图像可读性。制作海冰数据集时，使用开运算完成了无效像元值的自动去除，减少人工干预。使用transformer作为主干神经网络，配合合适的优化器、损失函数和超参数，不仅可以实现多种海冰类型的识别，而且可以提高北极海冰分类精度。度。度。

Arctic sea ice classification based on SAR data

【技术实现步骤摘要】
基于SAR数据的北极海冰分类方法


[0001]本专利技术属于海冰遥感监测
，具体说是一种基于SAR数据的北极海冰分类方法。

技术介绍

[0002]北极地区的海冰变化是气候变化最重要的因素之一，其变化会影响到海冰类型的改变、船只的通航、石油探测等一系列人类在北极地区的活动。在过去的40年中，北极的海冰范围减少了约15
‑
20％。近些年来，北极海域的商业航次呈现逐年增多的趋势。现场海冰观测不足以满足商业船只的航行安全保障。合成孔径雷达(SAR)的出现，使得对北极海冰长时间、大范围的连续观测成为可能。哨兵1号(Sentinel
‑
1)作为北极地区最主要的C波段合成孔径雷达之一，每天可获取100余景北极地区的SAR影像。但是，海冰分析人员对SAR影像进行传统解译，不仅对人力资源造成巨大消耗，而且解译结果容易受分析人员的主观经验影响。因此，需要针对哨兵1号数据开发海冰分类器，全自动、客观地完成SAR图像的解译过程。
[0003]现有的基于SAR数据的北极海冰分类算法多利用机器学习模型，比如支持向量机、随机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于SAR数据的北极海冰分类方法，其特征在于，包括以下步骤：获取SAR数据经预处理后得到RGB假彩色图像；利用RGB假彩色图像和冰图构建海冰数据集；建立神经网络模型，利用海冰数据集进行训练，得到北极海冰分类器；将待识别的SAR数据经预处理后得到待识别的RGB假彩色图像，将待识别的RGB假彩色图像通过北极海冰分类器进行北极海冰分类。2.根据权利要求1所述的基于SAR数据的北极海冰分类方法，其特征在于，所述预处理包括以下步骤：对HH极化数据进行入射角校正、对HV极化数据进行热噪声去除，分别得到预处理后的HH极化数据和HV极化数据；利用预处理后的HH极化数据和HV极化数据制作混合通道数据，对HH极化数据、HV极化数据和混合通道数据进行数据增强，并分别转化成灰度图像；对于HH极化灰度图像、HV极化灰度图像和混合通道灰度图像中的每一种灰度图像，依次进行全局直方图均衡化和限制对比度直方图均衡化，将得到的结果分别作为蓝色、红色和绿色通道图层，合成RGB假彩色图像。3.根据权利要求2所述的基于SAR数据的北极海冰分类方法，其特征在于，所述对HH极化数据进行入射角校正，具体为：利用SAR数据中记录的入射角信息，使用线性回归模型完成HH极化数据入射角校正；所述线性回归模型如下：σ
new
＝σ0+0.049
·
(θ
‑
min(θ))其中，σ0和σ
new
分别为校正前和校正后的HH极化数据的后向散射系数，θ为入射角。4.根据权利要求2所述的基于SAR数据的北极海冰分类方法，其特征在于，所述对HV极化数据进行热噪声去除，包括以下步骤：1)通过下式得到HV极化数据的原始噪声场P：P＝G
·
P
N
其中，G是总噪声增益系数，P
N
是基于原始噪声矢量利用双线性插值得到的噪声场；2)通过下式得到去除热噪声后的HV极化数据：其中，s0是去除热噪声后的σ0值，是未经校正的原始σ0值，K
ns,ssw
是条带间噪声缩放系数，是条带间噪声差异补偿常量，ssw是子条带号；3)对步骤2)得到的HV极化数据s0通过下式进行功率补偿，得到最终去除热噪声后的HV极化数据s0o：其中，s0g是经过高斯滤波器后的HV极化数据σ0值，SNR是s0g与原始噪声场P的比值，s0offset是噪声场补偿值。5.根据权利要求1所述的基于SAR数据的北极海冰分类方法，其特征在于，所述利用预处理后的HH极化数据和HV极化数据制作混合通道数据，包括以下步骤：
将经过数据预处理后的HH极化数据和HV极化数据分别进行偏...

【专利技术属性】
技术研发人员：于皓，田忠翔，李春花，
申请(专利权)人：国家海洋环境预报中心，
类型：发明
国别省市：