一种基于多时相SAR后向散射特征的林区地物分类方法与流程

本发明涉及图像识别与遥感信息处理，具体涉及一种基于多时相sar后向散射特征的林区地物分类方法。

背景技术：

1、合成孔径雷达(sar)具有不受光照条件限制、对云雾等天气条件具有一定适应性的特点，已应用于森林资源调查、林区地物识别及生态环境监测等领域。通过分析sar影像中的雷达散射信息，可以对林区内的不同地物类别进行识别和分类。

2、林区地物具有较强的空间异质性和动态变化特征，其雷达散射响应容易受到植被状态、地表条件、地形环境以及观测条件等因素影响。同一地物在不同观测时间下可能表现出不同的散射特征，而不同地物在部分观测条件下又可能具有较为接近的散射响应，使得林区中部分地物类别之间的区分较为困难。同时，复杂地形条件还可能导致不同区域的雷达观测特征存在较大差异，增加地物分类的不确定性。

3、现有林区地物分类过程中，在面对地物类别较多、类别间特征相近以及同类地物内部差异较大的情况时，分类结果容易受到观测数据变化和区域环境差异的影响，部分像元可能出现类别混淆、分类结果波动以及局部区域分类不稳定等现象，从而影响林区地物分类结果的准确性和可靠性。因此，林区复杂环境下的地物分类准确性和稳定性仍有进一步提升的需求。

技术实现思路

1、本发明通过提供一种基于多时相sar后向散射特征的林区地物分类方法，以解决现有技术中林区地物分类过程中不同地物类别的特征差异难以充分表征，导致分类结果准确性和稳定性不足的技术问题。

2、鉴于上述问题，本发明提供了一种基于多时相sar后向散射特征的林区地物分类方法，包括：

3、获取目标林区多时相的双极化sar影像及数字高程模型数据，对sar影像进行辐射定标与几何配准，提取同极化通道和交叉极化通道的后向散射系数；

4、根据数字高程模型数据与sar影像的轨道参数，计算各像元的局部入射角，根据局部入射角确定地形散射校正系数，根据地形散射校正系数对后向散射系数进行地形校正；

5、根据地形校正后的多时相后向散射系数，计算各像元的极化比时序曲线和时序统计特征，时序统计特征至少包括时序均值、时序方差和相邻时相变化率；

6、将极化比时序曲线和时序统计特征输入预训练的多尺度分类模型，输出各像元的初始分类概率；

7、根据各时相独立分类结果，计算各像元的时序分类一致性指标，根据时序分类一致性指标修正初始分类概率，输出林区地物分类结果。

8、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

9、通过地形散射校正降低地形起伏对sar后向散射特征的影响，并利用多时相后向散射信息构建极化比时序曲线及多维时序统计特征，结合多尺度分类模型获得像元初始分类概率；进一步根据各时相分类结果确定时序分类一致性，并对初始分类概率进行修正，从而提高不同林区地物特征的区分能力，降低分类冲突像元的误分类概率，提升林区地物分类结果的准确性、稳定性和可靠性。

1.一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，包括：

2.如权利要求1所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，根据数字高程模型数据与sar影像的轨道参数，计算各像元的局部入射角，根据局部入射角确定地形散射校正系数，根据地形散射校正系数对后向散射系数进行地形校正，包括：

3.如权利要求1所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，根据地形校正后的多时相后向散射系数，计算各像元的极化比时序曲线和时序统计特征，包括：

4.如权利要求3所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，计算各像元的极化比时序曲线，包括：

5.如权利要求1所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，将极化比时序曲线和时序统计特征输入预训练的多尺度分类模型，输出各像元的初始分类概率，包括：

6.如权利要求5所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，多尺度分类模型的训练步骤包括：

7.如权利要求1所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，根据各时相独立分类结果，计算各像元的时序分类一致性指标，根据时序分类一致性指标修正初始分类概率，输出林区地物分类结果，包括：

8.如权利要求7所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，根据时序分类一致性指标修正初始分类概率，输出林区地物分类结果，还包括：

9.如权利要求8所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，概率修正模型的构建方法包括：

10.如权利要求8所述的一种基于多时相sar后向散射特征的林区地物分类方法，其特征在于，输出修正后的最终分类概率之后，还包括：