[发明专利]一种结合极化分解与地形特征的表碛覆盖型冰川识别方法

权利要求书

1.结合极化分解与地形特征的表碛覆盖型冰川识别方法，包括以下步骤:

第一步、读取SAR影像的散射矩阵后计算相干矩阵，然后对相干矩阵进行极化滤波和方位向校正；

第二步、对相干矩阵实施极化分解，得到表面散射、体散射、二面角散射、散射熵、各向异性和平均散射角共6种极化分解特征；

第三步、根据数字高程模型ASTER GDEM得到研究区各像元的坡度和坡向，并对研究区的六种极化分解特征进行地理编码，得到各像元的局部入射角，随即获得局部入射角影像，结合传感器轨道倾角和各像元的坡向，计算雷达波束与各像元坡向之间的夹角信息，根据所述夹角信息按照从小到大将SAR影像分为多个区域；

第四步、将6个极化分解特征进行多波段合成，得到一个由6个波段组成的多波段特征影像，对其进行主成分分析，所述局部入射角影像作为一个波段与主成分分析结果组合，得到一个多波段影像并作为待分类影像；

第五步、对同时期的光学遥感影像进行面向对象多尺度分割，按照积雪、裸冰、表碛、岩石这四个地物类型对分割结果进行目视解译，选取若干对应地物类型的矢量数据作为该地物类型的样本边界矢量，所述矢量数据为多边形矢量数据；

第六步、首先利用不同地物类型样本边界矢量裁剪所述待分类影像，得到研究区内的分类样本集，包括积雪、裸冰、表碛、岩石四种地物类型样本，然后在SAR影像中选取强后向散射区作为无效数据区样本，共得到五种地类的样本；

第七步、根据第三步中SAR影像分成的多个区域对待分类影像和五种地类的样本进行裁剪，得到每个区域的待分类影像和对应的多种地类样本；

第八步、针对待分类影像的每个区域，使用区域中样本进行分类器训练，并且利用训练后的分类器对待分类影像的该区域进行分类，最终得到待分类影像每个区域的分类结果；

第九步、将待分类影像不同区域的分类结果进行合并，得到最终的冰川识别结果，包括积雪、裸冰、表碛和岩石，其中，积雪、裸冰和表碛为冰川区，岩石为非冰川区。

2. 根据权利要求1所述的结合极化分解与地形特征的表碛覆盖型冰川识别方法，其特征在于：第一步中，对相干矩阵进行Improved Lee Sigma极化滤波，最后进行方位向矫正，削弱地形起伏对电磁波极化特征的影响。

3.根据权利要求1所述的结合极化分解与地形特征的表碛覆盖型冰川识别方法，其特征在于：第二步中，对相干矩阵采用Freeman-Durden分解，得到以下三个极化分解特征：表面散射、体散射和二面角散射，对相干矩阵采用H/A/α分解得到以下三个极化分解特征：散射熵、各向异性和平均散射角。

4. 根据权利要求1所述的结合极化分解与地形特征的表碛覆盖型冰川识别方法，其特征在于：第三步中，使用经重采样到30m空间分辨率的ASTER GDEM数据对极化分解特征进行地理编码。

5.根据权利要求1所述的结合极化分解与地形特征的表碛覆盖型冰川识别方法，其特征在于：第三步中，计算雷达波束与各像元坡向之间的夹角信息，根据所述夹角信息按照0-60度，60-120度，120-180度将SAR影像分为小、中、大三个区域。

6.根据权利要求5所述的结合极化分解与地形特征的表碛覆盖型冰川识别方法，其特征在于：第三步中，计算雷达波束与各像坡向之间的夹角及分区方法如下：

步骤a、利用ASTER GDEM数据计算各像元的坡向；

步骤b、ALOS-2传感器的轨道倾角为97.16°，将二维坐标轴逆时针旋转7.16°，以旋转后的二维坐标轴为基准，X轴表示雷达波束的传播方向，Y轴表示传感器的运行方向；

步骤c、以X轴为中心，分别在逆时针和顺时针方向按照60度间隔，依次划分小、中、大区域，即坡向22.84°-142.84°属于小区域，坡向0-22.84°，142.84°-202.84°，322.84°-360°之间属于中区域，坡向202.84°-322.84°之间属于大区域；

步骤d、统计SAR影像空间范围内每个像素的坡向，对于属于不同区域的像素分别进行对应的赋值，然后将坡向栅格数据按照赋予的值分别转换为矢量数据，得到SAR影像的三个区域空间范围的矢量文件。

7. 根据权利要求1所述的结合极化分解与地形特征的表碛覆盖型冰川识别方法，其特征在于：第五步中，所述遥感影像为Landsat 8 OLI影像。