[发明专利]一种合成孔径雷达扫描模式图像海冰分类方法

说明书

技术领域

本发明涉及对地观测领域，具体涉及一种合成孔径雷达扫描模式图像海冰分类方法。

背景技术

海冰与全球气候、极地环境以及安全息息相关，海冰类型是海冰监测和研究的重要信息。合成孔径雷达(Synthetic Aperture Radar：SAR)的全天时、全天候以及穿透云雾的观测能力，使其成为海冰监测的有效工具，基于SAR数据的海冰分类研究已经广泛开展，并且成为海冰遥感研究的热点。SAR扫描模式(ScanSAR)是通过多个雷达子波束来获取数据的，其中每个子波束覆盖全部测绘带的一部分，所有子带图像拼接即可得到宽测绘带图像。ScanSAR图像以其超宽宽幅获取能力特别适合大面积海冰监测的需要。

然而，ScanSAR海冰分类存在如下问题：

1、海冰雷达回波信号相对较弱，易受到SAR传感器本底噪声的影响，加之，ScanSAR模式在平行飞行方向会产生条纹噪声，在垂直于飞行方向会产生周期性的扇贝效应，这些条纹噪声和扇贝效应影响了海冰分类效果。此外，已有的解决方法通常直接对SAR强度图像进行条纹噪声去除，然后去除条纹后的SAR图像获得的纹理图像依然存在较为明显的条纹，对海冰分类精度的影响依然存在；

2、ScanSAR图像入射角范围较大，导致同一类型海冰的后向散射系数在同一景图像中存在差异；

3、仅仅采用海冰SAR后向散射强度和纹理信息，易引起海冰类型之间的界限会有模糊，导致某些海冰类型不易区分，因此需要挖掘新的海冰类型识别敏感信息，提高海冰类型识别的精度。

发明内容

为了解决上述问题，本发明公开一种合成孔径雷达扫描模式图像海冰分类方法，包括以下步骤：图像预处理步骤，对合成孔径雷达扫描模式图像进行预处理，获得优化后待分类的合成孔径雷达图像；纹理信息提取及优化步骤，获得满足海冰分类要求的合成孔径雷达纹理信息；以及海冰分类步骤，基于所述合成孔径雷达纹理信息对海冰进行初步分类；以及海冰分类优化步骤，结合海冰几何信息对所述初步分类结果进行优化。

优选为，所述图像预处理步骤包括以下子步骤：归一化子步骤，面向合成孔径雷达扫描模式模式的合成孔径雷达数据的入射角后向散射归一化；去噪子步骤，去除合成孔径雷达图像的斑点噪声；以及条带扇贝条纹去除子步骤，进行面向合成孔径雷达图像的基于卡尔曼滤波的扇贝效应及子带拼接条纹去除，得到优化后待分类合成孔径雷达图像。

优选为，所述归一化子步骤中，将合成孔径雷达图像入射角归一化为40度。

优选为，所述纹理信息提取及优化步骤包括以下子步骤：纹理信息提取子步骤，利用灰度共生矩阵方法，明确最优纹理参数，获取纹理特征；判断子步骤，判断所述纹理信息是否满足海冰分类要求，如果判断为所述纹理信息满足海冰分类要求，则直接进入所述海冰分类步骤；以及纹理信息优化子步骤，在所述判断子步骤判断为所述纹理信息不满足海冰分类要求的情况下，直接针对纹理信息，基于卡尔曼滤波去除扇贝效应及子带拼接条纹。重复上述纹理信息提取子步骤、判断子步骤、和纹理信息优化子步骤，直到纹理信息满足海冰分类的要求。

优选为，所述纹理参数包括方差、均质性、对比度和相关性。

优选为，所述海冰分类步骤包括以下子步骤：样本提取子步骤，面向海冰类型提取纹理样本；分类器构建子步骤，基于径向基核函数构建支持向量机分类器；以及分类子步骤，对海冰进行初步分类，获得海冰分类初步结果。

优选为，所述海冰分类优化步骤包括以下子步骤：几何信息提取子步骤，利用海冰初步分类结果提取海冰几何信息；以及优化子步骤，结合所述海冰几何信息，基于决策树技术优化海冰分类结果。

优选为，所述海冰几何信息包括海冰密集度、冰沟。

优选为，所述合成孔径雷达扫描模式图像的幅宽为300～500km。

本发明的合成孔径雷达扫描模式图像海冰分类方法基于纹理对周期性条纹的敏感性，通过多次迭代处理，消除ScanSAR图像扇贝、子带拼接条纹，解决了SAR强度图像条纹噪声去除后，纹理图像中条纹噪声依然明显的问题。并且，综合考虑海冰纹理和几何信息，增加了海冰类型的分类依据，提高了海冰分类精度。

附图说明

图1是合成孔径雷达扫描模式图像海冰分类方法的流程图。

图2是图像预处理步骤的子流程图。

图3是纹理信息提取及优化步骤的子流程图。

图4是海冰分类步骤的子流程图。

图5是海冰分类优化步骤的子流程图。

具体实施方式