一种基于极化干涉SAR的地物分类方法技术

本发明专利技术提供了一种基于极化干涉SAR的地物分类方法，包括：极化干涉SAR数据获取；数据预处理；极化SAR图像分割；DEM高程提取；划分强弱散射区域；弱散射区域分类；强散射区域分类；植被分类；分类结果融合。本发明专利技术提供了一种基于极化干涉SAR的地物分类方法，综合利用地物的极化信息、干涉信息，结合极化SAR图像分割结果、功率信息、高程信息、图形特征以及统计信息，使得可区分的地物类别提升至8类，地物分类精度显著提升。精度显著提升。精度显著提升。

【技术实现步骤摘要】
一种基于极化干涉SAR的地物分类方法


[0001]本专利技术属于雷达
，涉及一种基于极化干涉SAR的地物分类方法。

技术介绍

[0002]极化干涉SAR能同时获取被观测的地物的极化信息和干涉信息。极化信息对地物的朝向、形状、粗糙程度等信息敏感，通过特定方式的处理可反演出被观测地物的散射种类(奇次散射、偶次散射以及体散射)。干涉信息对地物的高程敏感，通过对干涉相位的解缠计算可得到地物的高程。极化干涉SAR可同时获取这两种信息，增加了地物分类的维度，但是实际应用中，将这两种信息有效结合进行地物分类的方法还鲜有研究。在实际应用中如何将这两种信息融合，增加地物分类的类别以及提升地物分类的精度仍十分具有挑战性。
[0003]传统的极化SAR地物分类方法主要是在Cloude和Pottier在1997年提出的分类方法的基础上进行改进(Cloude S R,Pottier E.An entropy based classification scheme for land applications of polarimetric SAR[J].IEEE Transactions on Geoscience&Remote Sensing,1997,35(1):68
‑
78.)。但是这类方法未使用地物的干涉信息，可区分的地物种类有限，分类精度不高。

技术实现思路

[0004]为解决现有技术存在的难题，本专利技术提供了一种基于极化干涉SAR的地物分类方法，包括以下步骤：
>[0005]1.极化干涉SAR数据获取：获取观测场景的极化干涉SAR数据，并对数据进行保相成像处理，得到包含极化信息和干涉信息的多幅复图像；
[0006]2.数据预处理：对步骤1获取的复图像进行数据预处理，所述预处理操作包括辐射定标、极化干涉定标以及相干斑滤波；
[0007]3.极化SAR图像分割：对步骤2中经过预处理的复图像，融合不同极化通道的信息，提取全极化多方位梯度图，将图像分割为不同的同质区域即不同的网格；
[0008]4.DEM高程提取：提取步骤1获取复图像中的HH
m
复图像以及HH
s
复图像中地物的DEM高程信息；所述HH
m
复图像表示主天线水平极化发射水平极化接收得到的复图像，所述HH
s
复图像表示辅天线水平极化发射水平极化接收得到的复图像；
[0009]5.划分强弱散射区域：依据步骤3中极化SAR图像分割结果以及复图像的功率，将复图像中的区域划分为强散射区域和弱散射区域；
[0010]6.弱散射区域分类：通过DEM高程信息以及复图像的角点将步骤5提取的弱散射区域进行细分；
[0011]7.强散射区域分类：对步骤5划分的强散射区域进行极化分解，得到不同像素对应的表面散射分量、偶次散射分量以及体散射分量；并依据这些散射分量的相对关系，将强散射区域分类为裸露土壤、人工建筑以及植被区域并进行自适应分类；
[0012]8.植被分类：对步骤7中提取的植被区域进行极化分解，结合步骤4提取的DEM高程
信息，将植被细分进行细分；
[0013]9.分类结果融合：融合步骤6、步骤7、以及步骤8的分类结果，对分类结果进行配色，形成地物分类图。
[0014]进一步地，步骤6所述弱散射区域分类的分类种类包括阴影和水体；步骤8植被分类的分类种类包括矮阔叶植被、矮针叶植被、高阔叶植被和高针叶植被。
[0015]进一步地，所述复图像具体包括：HH
m
复图像、VH
m
复图像、HV
m
复图像、VV
m
复图像、HH
s
复图像、VH
s
复图像、HV
s
复图像和VV
s
复图像；所述HH
m
复图像表示主天线水平极化发射水平极化接收得到的复图像，所述VH
m
复图像表示主天线水平极化发射垂直极化接收得到的复图像，所述HV
m
复图像表示主天线垂直极化发射水平极化接收得到的复图像，所述VV
m
复图像表示主天线垂直极化发射垂直极化接收得到的复图像，所述HH
s
复图像表示辅天线水平极化发射水平极化接收得到的复图像，所述VH
s
复图像表示辅天线水平极化发射垂直极化接收得到的复图像，所述HV
s
复图像表示辅天线垂直极化发射水平极化接收得到的复图像，所述VV
s
复图像表示辅天线垂直极化发射垂直极化接收得到的复图像。
[0016]进一步地，所述步骤3具体包括以下步骤：
[0017]依据步骤3分割得到的网格，计算每个网格内像素点的平均功率；假设网格G内像素点数为n，则网格G内像素点的平均功率SPAN
G
可表示为：
[0018][0019]其中分别表示主天线获取的4幅复图像中某像素点对应的功率；(i，j)表示像素点的坐标，该坐标限制在网格G内；
[0020]选取一个确定为阴影区域的网格，将其平均功率的M倍作为阈值T；将步骤3分割得到的网格内像素点的平均功率小于等于阈值T的区域划为弱散射区域；将网格内像素点的平均功率大于阈值T的区域划为强散射区域。
[0021]进一步地，所述M取1.2。
[0022]进一步地，步骤6中对步骤5中提取的弱散射区域进行细分的操作具体包括以下步骤：
[0023]依据步骤3的极化SAR图像分割结果以及步骤4提取的DEM高程信息，计算每个网格内的平均高程；按照从雷达近距端到远距端的顺序，比较相邻网格的平均高程，若近距端网格的平均高程高于远距端网格的平均高程，则把近距端网格标记为高程突出区域；
[0024]遍历每一个弱散射区域，若该区域相邻的近距端存在高程突出区域，则将该区域列为可疑阴影区域；若该区域相邻的近距端不存在高程突出区域，则该区域为水体区域；通过对比可疑阴影区域与高程突出区域的角点数量进行阴影区域确认，可疑阴影区域与高程突出区域的角点的提取方法为：对于某区域，依据步骤3的极化SAR图像分割结果，将待提取角点的区域内像素灰度置为1，该区域外像素灰度置为0；构建一个N
×
N的模板，其中N为奇数；将该模板的中心置于待提取角点的区域边缘的某一个像素上，计算该模板内的灰度值之和，若灰度值之和小于N
×
N/3，则将模板中心所在的边缘点记为角点；将该模板滑过待提取角点的区域边缘的每一个像素，计算该模板内的灰度值之和，提取所有角点；可疑阴影区域提取的角点数量为n1，其相邻近距端高程突出区域的角点数为n2，若|n1
‑
n2|/max(n1，
n2)＜Q，该可疑阴影区域为阴影区域；若|n1
‑
n2|/max(n1，n2)＞＝Q，将该可疑阴影区域归为水体。
[0025]进一步地，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于极化干涉SAR的地物分类方法，其特征在于，包括以下步骤：1.极化干涉SAR数据获取：获取观测场景的极化干涉SAR数据，并对数据进行保相成像处理，得到包含极化信息和干涉信息的多幅复图像；2.数据预处理：对步骤1获取的复图像进行数据预处理，所述预处理操作包括辐射定标、极化干涉定标以及相干斑滤波；3.极化SAR图像分割：对步骤2中经过预处理的复图像，融合不同极化通道的信息，提取全极化多方位梯度图，将图像分割为不同的同质区域即不同的网格；4.DEM高程提取：提取步骤1获取复图像中的HH
m
复图像以及HH
s
复图像中地物的DEM高程信息；所述HH
m
复图像表示主天线水平极化发射水平极化接收得到的复图像，所述HH
s
复图像表示辅天线水平极化发射水平极化接收得到的复图像；5.划分强弱散射区域：依据步骤3中极化SAR图像分割结果以及复图像的功率，将复图像中的区域划分为强散射区域和弱散射区域；6.弱散射区域分类：通过DEM高程信息以及复图像的角点将步骤5提取的弱散射区域进行细分；7.强散射区域分类：对步骤5划分的强散射区域进行极化分解，得到不同像素对应的表面散射分量、偶次散射分量以及体散射分量；并依据这些散射分量的相对关系，将强散射区域分类为裸露土壤、人工建筑以及植被区域并进行自适应分类；8.植被分类：对步骤7中提取的植被区域进行极化分解，结合步骤4提取的DEM高程信息，将植被细分进行细分；9.分类结果融合：融合步骤6、步骤7、以及步骤8的分类结果，对分类结果进行配色，形成地物分类图。2.根据权利要求1所述的基于极化干涉SAR的地物分类方法，其特征在于，步骤6所述弱散射区域分类的分类种类包括阴影和水体；步骤8植被分类的分类种类包括矮阔叶植被、矮针叶植被、高阔叶植被和高针叶植被。3.根据权利要求1所述的基于极化干涉SAR的地物分类方法，其特征在于，所述复图像具体包括：HH
m
复图像、VH
m
复图像、HV
m
复图像、VV
m
复图像、HH
s
复图像、VH
s
复图像、HV
s
复图像和VV
s
复图像；所述HH
m
复图像表示主天线水平极化发射水平极化接收得到的复图像，所述VH
m
复图像表示主天线水平极化发射垂直极化接收得到的复图像，所述片V
m
复图像表示主天线垂直极化发射水平极化接收得到的复图像，所述VV
m
复图像表示主天线垂直极化发射垂直极化接收得到的复图像，所述HH
s
复图像表示辅天线水平极化发射水平极化接收得到的复图像，所述VH
s
复图像表示辅天线水平极化发射垂直极化接收得到的复图像，所述HV
s
复图像表示辅天线垂直极化发射水平极化接收得到的复图像，所述VV
s
复图像表示辅天线垂直极化发射垂直极化接收得到的复图像。4.根据权利要求3所述的基于极化干涉SAR的地物分类方法，其特征在于，所述步骤3具体包括以下步骤：依据步骤3分割得到的网格，计算每个网格内像素点的平均功率；假设网格G内像素点数为n，则网格G内像素点的平均功率SPAN
G
可表示为：
其中分别表示主天线获取的4幅复图像中某像素点对应的功率；(i，j)表示像素点的坐标，该坐标限制在网格G内；选取一个确定为阴影区域的网格，将其平均功率的M倍作为阈值T；将步骤3分割得到的网格内像素点的平均功率小于等于阈值T的区域划为弱散射区域；将网格内像素点的平均功率大于阈值T的区域划为强散射区域。5.根据权利要求4所述的基于极化干涉SAR的地物分类方法，其特征在于，所述M取1.2。6.根据权利要求4所述的基于极化干涉SAR的地物分类方法，其特征在于，步骤6中对步骤5中提取的弱散射区域进行细分的操作具体包括以下步骤：依据步骤3的极化SAR图像分割结果以及步骤4提取的DEM高程信息，计算每个网格内的平均高程；按照从雷达近距端到远距端的顺序，比较相邻网格的平均高程，若近距端网格的平均高程高于远距端网格的平均高程，则把近距端网格标记为高程突出区域；遍...

【专利技术属性】
技术研发人员：刘爱芳，徐一凡，楼良盛，陈刚，林幼权，
申请(专利权)人：中国电子科技集团公司第十四研究所，
类型：发明
国别省市：