[发明专利]基于数据补偿的复杂地形SAR地物分类方法、系统、存储介质及电子设备

权利要求书

1.一种基于数据补偿的复杂地形SAR地物分类方法，其特征在于，包括以下步骤：

步骤S101、对SAR图像进行预处理，得到不同极化方式的后向散射图像；

步骤S102、分析雷达卫星成像的几何模型，得到局部入射角；

步骤S103、分析局部入射角的数学模型，判定叠掩区域与阴影区域；

步骤S104、利用升轨数据对降轨数据中的叠掩、阴影区域进行补偿；

步骤S105、对补偿后的降轨图像进行极化矩阵转换，之后进行极化分解，得到极化参数；

步骤S106、提取补偿后的降轨图像的相关极化特征与双极化雷达植被指数，并对极化特征数据与双极化雷达植被指数进行特征融合；

步骤S107、构建数据集，分别为训练集、验证集；

步骤S108、构建地物识别模型，并利用数据集进行训练与测试；

步骤S109、利用训练好的模型对补偿后的图像进行分类，并将结果输出。

2.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S101中，对SAR图像进行预处理的具体方法为：

(1)对SAR升轨图像和降轨图像分别进行复数据转换，由复数据转换成幅度数据；

(2)对幅度数据进行多视与滤波处理，优化几何特征，达到降噪的目的；

(3)对步骤(2)得到的图像数据进行地理编码与地形校正处理；

(4)将步骤(3)得到的图像计算地物的后向散射值，得到不同极化方式的后向散射图像。

3.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S102中，分析雷达卫星成像的几何模型，得到局部入射角的方法为：根据雷达采集数据时的几何模型获得该时刻的局部入射角θ，其表达式为：

θ＝β-α

其中，β为雷达波侧视角；α为目标点的坡度角。

4.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S103中，分析局部入射角的数学模型，判定叠掩与阴影区域的方法是：

当雷达入射角小于0度时，该目标区域产生顶底倒置，为叠掩区域；当局部入射角大于90度时，该目标区域产生信号缺失，为阴影区域。

5.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S105中，对补偿后的降轨图像进行极化矩阵转换，生成的极化矩阵C2表达式为：

其中，*表示共轭转置，c₁₁、c₂₂均为实数，c₁₂为复数；对极化矩阵进行的极化分解为Cloude极化分解；得到的极化参数包括特征值和特征向量。

6.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S106中，提取的极化特征包含散射功率(SPAN)、差分强度(DI)、功率比(PR)；表达式如下：

其中，|S_HH|²和|S_HV|²是HH和HV极化的强度。dB是给定数字x以10或log10x为底的对数；提取的双极化雷达植被指数(DPRVI)的表达式为：

DPRVI＝1-DoP*P1

其中，DoP是极化度；P1为归一化参数。

7.根据权利要求1所述的基于数据补偿的复杂地形SAR地物分类方法，其特征在于，在步骤S107中，构建数据集的方法为：

用Google Earth对部分区域标注农田、水域、林地和建筑四种地物，并划分训练图像集和测试图像集。