一种基于极化参数约束的分布式目标识别方法技术

本发明专利技术实施例公开了一种基于极化参数约束的分布式目标识别方法，包括如下步骤：获取N幅时序SAR影像，通过影像预处理获取感兴趣区的时序SAR影像堆栈；基于时序SAR影像堆栈，计算每幅SAR影像的幅度、平均幅度和相干性；基于时序SAR影像堆栈，计算每幅SAR影像的每个像素点的极化熵H和平均散射角α；设置同质像元检测窗口进行同质像元选取，优化同质像元的选取结果；基于平均幅度、相干性设置相关阈值，结合连通性阈值完成DS同质点的选取，该方法可以使SAR数据信息充分利用，极大提升了SAR数据的使用价值。而且能够在无需其他数据辅助的前提下，进一步优化了DS选取过程与质量。进一步优化了DS选取过程与质量。进一步优化了DS选取过程与质量。

【技术实现步骤摘要】
一种基于极化参数约束的分布式目标识别方法


[0001]本专利技术实施例涉及目标数据识别
，具体涉及一种基于极化参数约束的分布式目标识别方法。

技术介绍

[0002]公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。
[0003]PS
‑
InSAR技术作为目前较为常用的地质形变监测技术，虽可提供稳定可靠的形变监测结果，但是其密度很低，在探测形变场时，不能提供详细的形变场细节。
[0004]DS
‑
InSAR方法可以获取研究区域的高密度形变场。分布式散射体(DS)是指地物性质较为一致，且能够在一定时间内保持稳定的散射体。在影像上，DS对应于具有相同分布特征的多个像素，这些像素点属于同一地物,影像中90％左右的像素点为DS点，PS点所占比例则很少。在进行时序分析时，DS能够提供更加丰富的形变细节。DS在空间上分布广泛，其中包括房顶，裸地，道路，闲置耕地等。除了以上几种地物类型之外，常见的DS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于极化参数约束的分布式目标识别方法，其特征在于包括如下S：S1：获取N幅时序SAR影像，通过影像预处理获取感兴趣区的时序SAR影像堆栈；S2：基于时序SAR影像堆栈，计算每幅SAR影像的幅度、平均幅度和相干性；S3：基于时序SAR影像堆栈，计算每幅SAR影像的每个像素点的极化熵H和平均散射角α；S4：设置同质像元检测窗口进行同质像元选取，优化同质像元的选取结果；S5：基于平均幅度、相干性设置相关阈值，结合连通性阈值完成DS同质点的选取。2.根据权利要求1所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤S1中，通过对裁剪后的影像进行多视、滤波预处理，获取感兴趣区的不同极化类型的RSLC影像。3.根据权利要求2所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤S2中，基于时序SAR影像堆栈，计算每幅SAR影像的幅度、平均幅度和相干性，其包括如下步骤：S2.1：每幅影像的幅度Amp通过下面公式计算获取：Amp
i
＝abs(RSLC
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，abs(RSLC
i
)为求绝对值，i＝1,2,3,...,n，n表示影像数量；S2.2：平均幅度Amp
ave
及相干性Coh通过下面公式计算获取：及相干性Coh通过下面公式计算获取：其中，E[yy
*t
]表示期望，y＝[y1,y2,...，y
n
]
T
表示分布式目标的同质点在n景SAR影像上的复观测量归一化后的结果，即4.根据权利要求1所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤S3中，优化同质像元的选取具体应用如下步骤基于以下公式计算每幅影像的极化特征值H和平均散射角α；基于以下公式计算每幅影像的极化特征值H和平均散射角α；基于以下公式计算每幅影像的极化特征值H和平均散射角α；基于以下公式计算每幅影像的极化特征值H和平均散射角α；基于以下公式计算每幅影像的极化特征值H和平均散射角α；其中，...

【专利技术属性】
技术研发人员：吴磊，孙世山，李进田，
申请(专利权)人：北京深蓝空间遥感技术有限公司，
类型：发明
国别省市：