[发明专利]基于纹理特征辅助的SAR影像冰川识别方法

权利要求书

1.基于纹理特征辅助的SAR影像冰川识别方法，包括以下步骤:

第一步、准备遥感影像数据和数字高程模型数据；

步骤1a、下载某地区两景的SAR影像，两者具有相同的轨道号和图幅号；

步骤1b、下载与SAR影像同地区同时期的光学卫星影像，且冰川上方无明显云层覆盖；

步骤1c、下载对应地区DEM数据；

第二步、将两景SAR影像进行干涉处理，包括：

步骤2a、影像配准，使两景SAR影像坐标达到一致；

步骤2b、干涉图计算，通过像元的复数共轭，计算两幅SAR影像像元的相干系数；

步骤2c、去除平地效应和相位解缠，使干涉相位在2π的范围内，生成解缠后的相干系数图；

步骤2d、对解缠后的相干系数图进行地理编码，将相干系数图的坐标转化为地理坐标，以对应地面真实位置；

第三步、对地理编码后的相干系数图生成纹理特征图像，计算水平方向上相隔1个像元距离的一对像素灰度值分别为i和j出现的频次，进而生成灰度共生矩阵，i和j是0到2^M之间的整数，M取值为3,4,5或6，基于灰度共生矩阵提取均值、方差、同质性、反差、相异性、熵、相关性7个纹理特征图像；

第四步、基于纹理特征进行分类器的训练，包括以下步骤：

3a、对光学卫星影像目视解译，选取若干冰川和非冰川；

3b、选取的冰川和非冰川按比例划分为训练组和验证组；

3c、分别使用训练组、验证组中的冰川多边形和非冰川多边形裁剪所述纹理特征图像，得到基于纹理特征的训练样本和验证样本；

3d、选择不同的纹理特征组合所对应的训练样本进行支持向量机分类器训练，使用训练后的模型对该纹理特征组合所对应的验证样本进行分类，并记录每个支持向量机分类器的分类精度；

3e、分类精度最高的支持向量机分类器为最优分类器，对应的纹理特征组合为最佳纹理特征组合；

第五步、使用所述最优分类器对最佳纹理特征组合所对应的纹理特征图像进行分类，得到分类结果，完成冰川识别。

2.根据权利要求1所述基于纹理特征辅助的SAR影像冰川识别方法，其特征在于：所述两景SAR影像的时间间隔不超过36天。

3.根据权利要求1所述基于纹理特征辅助的SAR影像冰川识别方法，其特征在于：所述SAR影像为Sentinel-1A影像，两景Sentinel-1A影像的时间间隔为12天，所述光学卫星影像为Landsat影像，所述DEM影像为SRTM DEM影像。

4.根据权利要求1所述基于纹理特征辅助的SAR影像冰川识别方法，其特征在于：第三步中，均值、方差、同质性、反差、相异性、熵、相关性的计算公式如下：

(1)均值mean：代表图像亮度

(2)方差variance：代表图像像元值与均值之间的偏差

variance＝∑∑(f(i,j)-mean)²

(3)同质性homogeneity：代表图像灰度的均匀性

(4)反差contrast和相异性dissimilarity：代表图像灰度的对比性

contrast＝∑∑(i-j)²f(i,j)²

dissimilarity＝∑∑|i-j|f(i,j)

(5)熵entropy：代表图像平均信息量

entropy＝-∑∑f(i,j)log[f(i,j)]

(6)相关性correlation：代表不同相对位置上相似性程度和相关匹配程度

其中，i，j为像素灰度值，f(i,j)为像素灰度值分别为i和j出现的概率，n为窗口大小，σ²＝∑∑(i-j)²f(i,j)。

5.根据权利要求1所述基于纹理特征辅助的SAR影像冰川识别方法，其特征在于：第三步完成后，对7个纹理特征图像合成一景多特征影像，然后进行第四步的步骤3c中，使用多边形裁剪多特征影像完成对所有纹理特征图像的裁剪。