[发明专利]一种基于时序曲线的多极化雷达图像分类方法及系统

说明书

本发明公开一种基于时序曲线的多极化雷达图像分类方法及系统，该方法包括：(1)采集包含感兴趣区域的多时相多极化雷达图像，进而构造包含多类感兴趣区域的雷达图像类别数据库；(2)对每张所述雷达图像进行预处理，所述预处理包括：将所述雷达图像的地理信息编码、辐射定标、ROI裁剪和归一化处理；(3)对预处理后的雷达图像进行每个像素点的时序特征的提取，并以若干时序特征构建的时序特征曲线为基准建立递归神经网络图像分类器，并对构造好的分类器进行分类训练。本发明通过将同极化和交叉极化的后向散射系数之比定义为极化微波指数估算模型，使得对感兴趣区域的特征分类更加全面，提高了SAR图像分类精度和稳定性。

技术领域

本发明涉及机器学习和雷达图像分类技术领域，具体涉及一种基于时序曲线的多极化雷达图像分类方法及系统。

背景技术

近几年，国内外众多学者便展开了对不同时空尺度下的光学遥感图像进行了分类识别研究。然而，光学遥感数据易受云雨天气影响，往往在感兴趣目标的关键生长期内无法获取足量清晰有用的影像数据，从而影响了目标检测识别的准确性和时效性。合成孔径雷达(SAR)具有全天时全天候的优势，且获得的极化信息对农田及农作物的高度、介电特性、几何参数、结构等参数具有较高的敏感性。它通过对多极化等多维数据的获取为农作物监测和解译提供了更丰富的信息，然而，虽然近年来各国对SAR的设备研制给予了大量的投资，在获取SAR数据方面有了很大发展，但是由于对目标地物的物理散射机制缺乏研究，无法从机理角度将农作物与周围地物的后向散射特征逐一区分，致使农作物SAR分类精度偏低、稳定性较差。另外，传统的分类算法也制约了农作物在不同时区，不同地区间的分类与识别应用。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于时序曲线的多极化雷达图像分类方法，该方法可以解决SAR分类精度偏低、稳定性差的问题，本发明还提供一种基于时序曲线的多极化雷达图像分类系统。

技术方案：本发明所述的基于时序曲线的多极化雷达图像分类方法，该方法包括：

(1)采集包含感兴趣区域的多时相多极化雷达图像，进而构造包含多类感兴趣区域的雷达图像类别数据库；

(2)对每张所述雷达图像进行预处理，所述预处理包括：将所述雷达图像的地理信息编码、辐射定标、ROI裁剪和归一化处理；

(3)对预处理后的雷达图像根据雷达目标特性的散射矩阵进行每个像素点的时序特征的提取，并以若干时序特征构建的时序特征曲线为基准建立递归神经网络图像分类器，并对构造好的分类器进行分类训练。

进一步地，包括：

所述步骤(3)中，由预处理后图像可得雷达目标特性的散射矩阵，其表示为：其中，S_HV表示雷达发射h极化波时，雷达接收到的v极化的散射回波数据；S_HH表示雷达发射h极化波时，雷达接收到的h极化的散射回波数据；S_VH表示雷达发射v极化波时，雷达接收到的h极化的散射回波数据；S_VV表示雷达发射v极化波时，雷达接收到的v极化的散射回波数据。

进一步地，包括：

所述时序特征σ为发射极化波与接收散射回波为同种类型下，同极化对应后向散射系数与交叉极化对应后向散射系数的比值，表示为：或

进一步地，包括：

所述建立递归神经网络图像分类器采用的网络模型为长短期记忆网络。

进一步地，包括：

所述步骤(2)中，ROI裁剪包括将每一类的感兴趣区域对应的多时相雷达图像根据所述感兴趣区域的地理信息进行组合后统一裁剪。

一种基于时序曲线的多极化雷达图像分类系统，包括：