[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

说明书

本发明公开的基于数据补偿的复杂地形SAR地物分类方法，首先对SAR图像进行预处理，得到不同极化方式的后向散射图像；接着，得出局部入射角并分析其数学模型，从而判定叠掩区域与阴影区域并对叠掩区域进行补偿；然后对补偿后的降轨图像进行极化矩阵转换并进行极化分解，得到极化参数；接着，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；接着，构建2D‑CNN地物识别模型，并利用数据集进行训练与测试；最后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。采用本发明的方法可以有效解决SAR传感器对有高程起伏的山体等复杂地形进行成像时，图像几何失真的技术问题。

技术领域

本发明属于图像处理技术领域，特别涉及一种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。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是地理调查和地形测绘的有效遥感数据源，其具有全天时全天候的观测能力，不易受云雾干扰。SAR图像地物分类是遥感图像地物分类中重要的研究内容之一。使用SAR图像地物分类在水域变化检测、土壤湿度、城市变迁等领域具有重要意义，其研究受到了广泛关注。

由于SAR传感器的侧视和距离成像特性，对有高程起伏的山体等复杂地形进行成像时，会导致图像的几何失真，如叠掩和阴影。这可能导致图像的散射特性与实际场景不一致。几何失真区域由于散射特征的错误会造成地物的错分类现象。如叠掩现象会导致后向散射系数与建筑区域类似，无法感知叠掩区域真正的地物类型。当前绝大部分分类方法仅针对平坦区域，未考虑复杂地形的影响。在图像特征提取方面，从双极化数据中提取出来的特征基本上只包含极化特征，尤其是缺乏代表植被覆盖的特征。因此，如何消除几何畸变区域的影响、选择有效的特征融合以满足在地形复杂度高、地物类型丰富的SAR图像中进行地物识别，是当前实现复杂地形区域完整准确的地物分类亟需解决的问题。

发明内容

本发明的目的是提供一种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，从而解决SAR传感器对有高程起伏的山体等复杂地形进行成像时，会发生图像几何失真的技术问题。

本发明的技术方案如下：

本发明公开了一种基于数据补偿的复杂地形SAR地物分类方法，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。

优选地，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；