基于数据补偿的复杂地形SAR地物分类方法、系统、存储介质及电子设备技术方案

本发明专利技术公开的基于数据补偿的复杂地形SAR地物分类方法，首先对SAR图像进行预处理，得到不同极化方式的后向散射图像；接着，得出局部入射角并分析其数学模型，从而判定叠掩区域与阴影区域并对叠掩区域进行补偿；然后对补偿后的降轨图像进行极化矩阵转换并进行极化分解，得到极化参数；接着，提取补偿后的降轨图像的相关极化特征与双极化雷达植被指数，并对极化特征数据与双极化雷达植被指数进行特征融合；接着，构建2D

【技术实现步骤摘要】
基于数据补偿的复杂地形SAR地物分类方法、系统、存储介质及电子设备


[0001]本专利技术属于图像处理
，特别涉及一种基于数据补偿的复杂地形SAR 地物分类方法、系统、存储介质及电子设备。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar,SAR)是地理调查和地形测绘的有效遥感数据源，其具有全天时全天候的观测能力，不易受云雾干扰。SAR图像地物分类是遥感图像地物分类中重要的研究内容之一。使用SAR图像地物分类在水域变化检测、土壤湿度、城市变迁等领域具有重要意义，其研究受到了广泛关注。
[0003]由于SAR传感器的侧视和距离成像特性，对有高程起伏的山体等复杂地形进行成像时，会导致图像的几何失真，如叠掩和阴影。这可能导致图像的散射特性与实际场景不一致。几何失真区域由于散射特征的错误会造成地物的错分类现象。如叠掩现象会导致后向散射系数与建筑区域类似，无法感知叠掩区域真正的地物类型。当前绝大部分分类方法仅针对平坦区域，未考虑复杂地形的影响。在图像特征提取方面，从双极化数据中提取出来的特征基本上只包含极化特征，尤其是缺乏代表植被覆盖的特征。因此，如何消除几何畸变区域的影响、选择有效的特征融合以满足在地形复杂度高、地物类型丰富的SAR图像中进行地物识别，是当前实现复杂地形区域完整准确的地物分类亟需解决的问题。

技术实现思路

[0004]本专利技术的目的是提供一种基于数据补偿的复杂地形SAR地物分类方法、系统、存储介质及电子设备，从而解决SAR传感器对有高程起伏的山体等复杂地形进行成像时，会发生图像几何失真的技术问题。
[0005]本专利技术的技术方案如下：
[0006]本专利技术公开了一种基于数据补偿的复杂地形SAR地物分类方法，包括以下步骤：
[0007]步骤S101、对SAR图像进行预处理，得到不同极化方式的后向散射图像；
[0008]步骤S102、分析雷达卫星成像的几何模型，得到局部入射角；
[0009]步骤S103、分析局部入射角的数学模型，判定叠掩区域与阴影区域；
[0010]步骤S104、利用升轨数据对降轨数据中的叠掩、阴影区域进行补偿；
[0011]步骤S105、对补偿后的降轨图像进行极化矩阵转换，之后进行极化分解，得到极化参数；
[0012]步骤S106、提取补偿后的降轨图像的相关极化特征与双极化雷达植被指数，并对极化特征数据与双极化雷达植被指数进行特征融合；
[0013]步骤S107、构建数据集，分别为训练集、验证集；
[0014]步骤S108、构建地物识别模型，并利用数据集进行训练与测试；
[0015]步骤S109、利用训练好的模型对补偿后的图像进行分类，并将结果输出。
[0016]优选地，步骤S101中，对SAR图像进行预处理的具体方法为：
[0017](1)对SAR升轨图像和降轨图像分别进行复数据转换，由复数据转换成幅度数据；
[0018](2)对幅度数据进行多视与滤波处理，优化几何特征，达到降噪的目的；
[0019](3)对步骤(2)得到的图像数据进行地理编码与地形校正处理；
[0020](4)根据步骤(3)得到的图像计算地物的后向散射值，得到不同极化方式的后向散射图像。
[0021]优选地，在步骤S102中，分析雷达卫星成像的几何模型，得到局部入射角的方法为：
[0022]根据雷达采集数据时的几何模型获得该时刻的局部入射角θ，其表达式为：
[0023]θ＝β
‑
α
[0024]其中，β为雷达波侧视角；α为目标点的坡度角。
[0025]优选地，在步骤S103中，分析局部入射角的数学模型，判定叠掩与阴影区域的方法是：
[0026]当雷达入射角小于0度时，该目标区域产生顶底倒置，为叠掩区域；当局部入射角大于90度时，该目标区域产生信号缺失，为阴影区域。
[0027]优选地，在步骤S105中，对补偿后的降轨图像进行极化矩阵转换，生成的极化矩阵C2表达式为：
[0028][0029]其中，*表示共轭转置，c
11
、c
22
均为实数，c
12
为复数；
[0030]对极化矩阵进行的极化分解为Cloude极化分解；得到的极化参数包括特征值和特征向量。
[0031]优选地，在步骤S106中，提取的极化特征包含散射功率(SPAN)、差分强度 (DI)、功率比(PR)；表达式如下：
[0032][0033][0034][0035]其中，|S
HH
|2和|S
HV
|2是HH和HV极化的强度。dB是给定数字x以10或log10x 为底的对数；
[0036]提取的双极化雷达植被指数(DPRVI)的表达式为：
[0037]DPRVI＝1
‑
DoP*P1
[0038]其中，DoP是极化度；P1为归一化参数。
[0039]优选地，在步骤S107中，构建数据集的方法为：
[0040]用Google Earth对部分区域标注农田、水域、林地和建筑四种地物，并划分训练图像集和测试图像集。
[0041]本专利技术还公开了一种基于数据补偿的复杂地形SAR地物分类系统，包括：
[0042]预处理单元，配置为对SAR图像进行复数据转换、多视处理、滤波、地理编码与地形矫正、计算后向散射值，得到不同极化方式的后向散射图像；
[0043]叠掩阴影提取单元，配置为对降轨图像中的局部入射角进行提取，并按照叠掩阴影不同的局部入射角范围判定叠掩阴影区域；
[0044]叠掩阴影补偿单元，配置为对降轨图像中的叠掩阴影区域利用降轨图像进行补偿，极大消除降轨图像中几何畸变现象；
[0045]特征提取与融合单元，配置为对补偿后图像的极化特征以及双极化特征进行提取，并进行特征融合；
[0046]构建数据集单元，配置为对部分区域标注农田、水域、林地和建筑四种地物，并划分训练图像集和测试图像集；
[0047]模型训练单元，配置为使用融合后的特征进行训练模型，获得最优模型参数；
[0048]结果输出单元，配置为使用训练好的模型对补偿后图像进行分类，得到分类结果，保存输出。
[0049]本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，使所述计算机可读存储介质所在设备执行权利要求 1
‑
7任意一项所述的基于数据补偿的复杂地形SAR地物分类方法。
[0050]本专利技术还公开了一种电子设备，包括：存储器和处理器，所述存储器上存储有可在所述处理器上运行的程序，所述处理器执行所述程序时实现如权利要求 1
‑
7任一所述的基于数据补偿的复杂地形SAR地物分类方法。
[0051]本专利技术的有益效果为：
[0052]本专利技术的方法通过升降轨补偿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据补偿的复杂地形SAR地物分类方法，其特征在于，包括以下步骤：步骤S101、对SAR图像进行预处理，得到不同极化方式的后向散射图像；步骤S102、分析雷达卫星成像的几何模型，得到局部入射角；步骤S103、分析局部入射角的数学模型，判定叠掩区域与阴影区域；步骤S104、利用升轨数据对降轨数据中的叠掩、阴影区域进行补偿；步骤S105、对补偿后的降轨图像进行极化矩阵转换，之后进行极化分解，得到极化参数；步骤S106、提取补偿后的降轨图像的相关极化特征与双极化雷达植被指数，并对极化特征数据与双极化雷达植被指数进行特征融合；步骤S107、构建数据集，分别为训练集、验证集；步骤S108、构建地物识别模型，并利用数据集进行训练与测试；步骤S109、利用训练好的模型对补偿后的图像进行分类，并将结果输出。2.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S101中，对SAR图像进行预处理的具体方法为：(1)对SAR升轨图像和降轨图像分别进行复数据转换，由复数据转换成幅度数据；(2)对幅度数据进行多视与滤波处理，优化几何特征，达到降噪的目的；(3)对步骤(2)得到的图像数据进行地理编码与地形校正处理；(4)将步骤(3)得到的图像计算地物的后向散射值，得到不同极化方式的后向散射图像。3.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S102中，分析雷达卫星成像的几何模型，得到局部入射角的方法为：根据雷达采集数据时的几何模型获得该时刻的局部入射角θ，其表达式为：θ＝β
‑
α其中，β为雷达波侧视角；α为目标点的坡度角。4.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S103中，分析局部入射角的数学模型，判定叠掩与阴影区域的方法是：当雷达入射角小于0度时，该目标区域产生顶底倒置，为叠掩区域；当局部入射角大于90度时，该目标区域产生信号缺失，为阴影区域。5.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S105中，对补偿后的降轨图像进行极化矩阵转换，生成的极化矩阵C2表达式为：其中，*表示共轭转置，c
11
、c
22
均为实数，c
12
为复数；对极化矩...

【专利技术属性】
技术研发人员：郭拯危，毋琳，黄亚博，李宁，王红霞，
申请(专利权)人：河南大学，
类型：发明
国别省市：