一种零星房屋识别方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种零星房屋识别方法、装置及存储介质，该方法包括获取：SAR数据，对所获取到的SAR数据使用阈值分割，以提取高亮像元；对所提取到的高亮像元进行筛选处理，得到零星房屋所对应的高亮像元点集；对高亮像元点集进行缓冲分析，以剔除混合像元的影响，得到剔除混合像元后的高亮像元点集；使用DEM数据生成坡度图，对高亮像元点集范围计算坡度均值，并设定坡度阈值，以剔除坡度大于坡度阈值的点集集合，得到剔除坡度后的高亮像元点集；取剔除混合像元后的高亮像元点集和剔除坡度后的高亮像元点集二者之间的交集来作为最终的零星房屋提取结果。本发明专利技术充分挖掘中低空间分辨率SAR图像的应用价值，提高基于中低分辨率SAR图像的零星房屋提取准确度。像的零星房屋提取准确度。像的零星房屋提取准确度。

【技术实现步骤摘要】
一种零星房屋识别方法、装置及存储介质
[0001]技术邻域
[0002]本专利技术涉及测绘、遥感与国土资源管理技术邻域，特别是涉及一种基于突出微小像元的中低分辨率极化SAR图像零星房屋识别方法、装置及存储介质。

技术介绍

[0003]合成孔径雷达(Synthetic Aperture Radar，SAR)是一种主动式侧视雷达系统，其成像几何类型属于斜距投影，SAR图像与光学图像在多方面都有较大的区别，如成像机理、几何特征、辐射特征等。SAR图像上的信息是地面物体对雷达波束的反映，主要记录了地面物体的后向散射形成的回波信号。按来源的不同，影响后向散射的因素主要分为两大类：第一类是雷达系统的工作参数，包括雷达传感器的入射角、工作波长、极化方式等；第二类是地面物体的特有性质，包括地表的粗糙程度以及复介电常数等。微波具有一定的穿透性，通常波长越长，穿透能力越强。根据波长情况和极化方式，SAR系统可以透入植被、积雪、裸土等。雷达发射的能量脉冲的电场矢量，可以在垂直(V)或水平(H)面内被偏振。通过控制发射和接收路径中信号的极化方式，可获取不同成像表面的结构信息。极化方式分为同极化(HH或者VV)和交叉极化(VH/HV)，交叉极化反映了两个方向的电场矢量，其图像信息比同极化更为丰富。
[0004]SAR系统成像过程中，地物高亮对雷达波束的后向散射作用非常复杂，SAR图像散射特征可以简单总结为：
[0005]1、图像亮度表示后向散射强度；
[0006]2、像元内地表越粗糙，后向散射越强，图像越亮(如房屋)；
[0007]3、光滑表面为镜面反射，后向散射弱，图像暗色(如水体)；
[0008]4、与散射体的复介电常数有关，含水量越大，后向散射越强。
[0009]SAR图像的分辨率分为方位向和距离向，SAR图像分辨率通常大于每个像元大小。SAR图像上色调的显示，主要取决于地物高亮的后向散射截面。雷达传感器接收到的回波被转换成电信号，并以某一特定的灰度色调记录在光学胶片上，或转换成以特定值表示亮度的数字化像元。雷达图像色调的主要受三个因素影响，即地形起伏、表面粗糙度和复介电常数(含水量)，其中表面的粗糙度在决定雷达回波信号的强度上起着关键作用。交叉极化的回波强度通常比同极化的回波强度更弱，这是因为为了补偿被削弱的回波信号，交叉极化的设计接收带宽往往更高。
[0010]SAR图像的穿透性特征可以有效弥补多云多雨、气候条件复杂地区的光学影像不足的问题，具备全天候、全天时数据获取能力，高分辨率的SAR图像可以达到厘米级，广泛应用于军事邻域，但数据获取的成本较高。成本较低的中低分辨率SAR图像(如哨兵数据)由于其覆盖范围广、重访周期短，在宏观地物的识别上，已经在各类调查监测工作中得到应用，但数据的价值有待充分挖掘。
[0011]SAR图像的分辨率分为方位向和距离向，SAR图像分辨率通常大于每个像元大小。SAR图像上色调的显示，主要取决于地物高亮的后向散射截面。雷达传感器接收到的回波被
转换成电信号，并以某一特定的灰度色调记录在光学胶片上，或转换成以特定值表示亮度的数字化像元。雷达图像色调的主要受三个因素影响，即地形起伏、表面粗糙度和复介电常数(含水量)，其中表面的粗糙度在决定雷达回波信号的强度上起着关键作用。交叉极化的回波强度通常比同极化的回波强度更弱，这是因为为了补偿被削弱的回波信号，交叉极化的设计接收带宽往往更高。
[0012]SAR图像的穿透性特征可以有效弥补多云多雨、气候条件复杂地区的光学影像不足的问题，具备全天候、全天时数据获取能力，高分辨率的SAR图像可以达到厘米级，广泛应用于军事邻域，但数据获取的成本较高。成本较低的中低分辨率SAR图像(如哨兵数据)由于其覆盖范围广、重访周期短，在宏观地物的识别上，已经在各类调查监测工作中得到应用，但数据的价值有待充分挖掘。
[0013]现有的SAR图像高亮检测通常在相干斑噪声滤波后，先在边缘提取和图像分割前进行滤波预处理，常用的滤波方法包括低通滤波、结构滤波、自适应滤波等。滤波后的图像中斑点噪声在一定程度上得到抑制，但同时也可能造成许多关键图像信息的损失，为SAR图像进一步的处理分析带来困难。
[0014](1)点高亮检测。在SAR图像的点高亮检测中，背景的干扰主要表现为相干斑噪声。通常采取适当的滤波方法去除斑点噪声，以及采用一定的图像处理办法增加高亮与背景的对比，从而突出点高亮。或者将背景上的点高亮等同为一个中心突出函数，并使用锐化滤波器进行处理，来检测点高亮。
[0015](2)线高亮检测。SAR图像中的线高亮通常有两种含义，一是表示不同类高亮的界线(边界线性高亮)，如水陆界线，仅作为两类高亮分界线的线性体。二是表示高亮本身(自身线性高亮)，如道路、河流，相对于中低分辨率SAR图像，其宽度往往都比较小，与分辨单元尺寸相当。边界线性高亮由两类相邻地物高亮的后向散射系数差异造成，差异越大越易识别。陆地和水体的散射强度差异引起的水陆边界较为明显，而不同树种之间、同一地块内不同种植作物之间的边界，由于差异较小而较难识别。相邻地物的灰度突变处形成图像边界点，边界点相连则构成图像中的地物边界。但在SAR图像上，噪声点也有灰度突变特征，要注意区分，噪声点是孤立的随机点，与周围的点不相关。
[0016](3)面高亮检测。在SAR图像中，面高亮的检测主要依据是均值和纹理。依靠均值区分不同地物时，需要高亮地物之间的对比度(均值之差)足够大。而纹理不依赖灰度的绝对值，表示的是色调在空间上的相对变化，利用纹理信息可进行地面高亮的提取。面高亮的提取其实也属于图像分割，SAR图像上面高亮的相干斑噪声明显，但受噪声影响的均质区，在纹理测度图像上一般能够与同一灰度区域对应，因而可引入纹理信息来提高图像分割的精度。
[0017]在非建筑区的零星房屋检测是自然资源管理的重要工作，如耕地、园地、林地、草地范围内的房屋极有可能属于违法乱建，对其进行及时有效的监测具有重要意义。现有SAR图像建筑物高亮检测主要是使用高分辨率SAR图像作为数据源，虽然结合机器学习或深度学习方法进行建筑物检测能得到较高的精度，但对SAR数据集的质量和数量要求较高，中低分辨率SAR影像成本更低、获取更容易，在实际应用中的作用不可忽视，而以其为数据源进行建筑物检测的相关研究开展较少。
[0018]零星房屋在中低分辨率SAR图像上往往反映为突出微小像元，可以使用点高亮检
测的思路开展，但一方面零星房屋高亮小，现有的技术难以将其与噪声点进行区分，因此现有的中低分辨率SAR图像的识别更偏向于对更宏观的建成区的识别，对于零星房屋的高亮检测则鲜少有研究；另一方面，现有的技术没有综合考虑到不同极化特征下零星房屋周边地物的散射系数与零星房屋自身散射系数的区别，单纯使用突出中心函数和锐化滤波器处理，缺少对零星房屋的提取约束，零星房屋提取的准确度难以达到预期。

技术实现思路

[0019]本专利技术的目的在于克服上述现有技术的不足，提供一种基于突出微小像元的中低分辨率极化SAR图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种零星房屋识别方法，其特征在于，包括：获取SAR数据，对所获取到的SAR数据使用阈值分割，以提取高亮像元；对所提取到的高亮像元进行筛选处理，得到零星房屋所对应的高亮像元点集；对所述高亮像元点集进行缓冲分析，以剔除混合像元的影响，得到剔除混合像元后的高亮像元点集；使用DEM数据生成坡度图，对所述高亮像元点集范围计算坡度均值，并设定坡度阈值，以剔除坡度大于坡度阈值的点集集合，得到剔除坡度后的高亮像元点集；取剔除混合像元后的高亮像元点集和剔除坡度后的高亮像元点集二者之间的交集来作为最终的零星房屋提取结果。2.如权利要求1所述的零星房屋识别方法，其特征在于，所述SAR数据为交叉极化SAR图像。3.如权利要求1所述的零星房屋识别方法，其特征在于，在对所获取到的SAR数据使用阈值分割之前，对SAR数据进行预处理，获取后地理坐标下的向散射强渡信息，以作为提取零星房屋的基础数据。4.如权利要求3所述的零星房屋识别方法，其特征在于，所述预处理包括：热噪声消除、轨道校正、辐射定标、精改的Lee滤波、距离
‑
多普勒地形校正，以及后向散射系数σ0线性刻度转化为对数刻度dB：σ0(dB)＝10
×
log
10
σ0。5.如权利要求1所述的零星房屋识别方法，其特征在于，所述对所获取到的SAR数据使用阈值分割，以提取高亮像元包括：设置阈值，将SAR数据图像二值化，高亮像元赋值为1，非高亮像元赋值为0，得到二值图。6.如权利要求5所述的零星房屋识别方法，其特征在于，所述对所提取到的高亮像元进行筛选处理，得到零星房屋所对应的高亮像元点集，包括：计算邻域像元信息：使用3
×
...

【专利技术属性】
技术研发人员：王刚，黄兴，罗明帆，周桃勇，叶露，刘其得，肖建能，谭月娇，卢莞祥，
申请(专利权)人：广东省国土资源测绘院，
类型：发明
国别省市：