[发明专利]一种基于灰色关联分析和主成分分析的散射体识别方法

权利要求书

1.一种基于灰色关联分析和主成分分析的散射体识别方法，其特征在于：具体按以下步骤执行：

S₁：获取N景时间序列SAR影像，并对所述SAR影像进行裁剪、配准、多视预处理，得到多视后的SAR影像；

S₂：基于时序SAR影像逐像元开窗计算中心像元的幅度值与窗口内其余像元幅度值的灰色关联度，根据经验设置灰色关联度阈值挑选出相似像元；

S₃：基于上述的窗口内相似像元，计算平均相干矩阵，采用主成分分析方法分解相干矩阵，计算第一主成分贡献率；

S₄：根据第一主成分贡献率大小设置阈值，识别永久散射体。

2.根据权利要求1所述的一种基于灰色关联分析和主成分分析的散射体识别方法，其特征在于，步骤S₁具体按以下步骤执行：

S₁₁：获取N景原始的时序SAR影像；

S₁₂：在所述SAR影像范围内建立感兴趣区，将所有SAR影像裁剪至与感兴趣区同一范围；

S₁₃：选取一景SAR影像为主影像，将其余从影像配准到主影像空间；

S₁₄：根据配准结果执行8：1的多视处理，得到多视后的SAR影像。

3.根据权利要求1所述的一种基于灰色关联分析和主成分分析的散射体识别方法，其特征在于，在步骤S₂中，计算窗口内中心像元与其余像元的灰色关联度，并设置阈值识别相似像元，计算公式如式(1)-式(2)：

其中，k为像元的时序序号，k＝1,2,…,N；i为窗口内除中心像元外，其余像元的序号，有i＝1,2,…S；S为窗口内除中心像元外，所有像元的数量总和；x₀(k)表示中心像元时序为k时的幅度值；x_i(k)表示窗口内非中心像元i的时序为k时的幅度值；ρ为分辨系数，ρ∈[0,1]，通常取0.5；ξ_i(k)为灰色关联系数；w_i为像元权重，通常设为1；r_i为各个像元与中心像元的灰色关联度；r_T为关联度阈值。

4.根据权利要求1所述的一种基于灰色关联分析和主成分分析的散射体识别方法，其特征在于，步骤S₃具体按以下步骤执行：

S₃₁：根据步骤S₃识别的窗口相似像元计算平均相干矩阵，如公式(3)：

其中，为相似像元平均相干矩阵；y＝[y₁,y₂…,y_N]^T为SAR影像时序复观测量x＝[x₁,x₂…,x_N]^T归一化后的结果，E表示求期望；H表示复共轭转置；n_sp表示窗口内相似像元数量；

S₃₂：求出相干矩阵后，采用主成分分析方法，分解相干矩阵并计算第一主成分贡献率，计算公式如式(4)-式(5)：

其中，为相干矩阵；U为酉矩阵；∧表示N×N维特征值对角矩阵；H为复共轭转置；λ_i为特征值；θ_i为特征值λ_i对应的特征向量；λ₁为最大特征值；C₁为第一主成分贡献率。

5.根据权利要求1所述的一种基于灰色关联分析和主成分分析的散射体识别方法，其特征在于，在所述步骤S4根据SAR影像中像元的第一主成分贡献率大小，设置阈值识别永久散射体，计算公式如式(6)：

其中，C₁为第一主成分贡献率；C_T为贡献率阈值；Ω为SAR影像所有像元集合；Ω_PS为永久散射体像元集合。

6.一种计算机存储介质，其特征在于，在所述存储介质上存储有计算机程序，当计算机程序被执行时，实现如上述权利要求1-5任一所述的方法。