【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。