π/4简缩极化合成孔径雷达建筑物区域提取方法与流程

π
/4简缩极化合成孔径雷达建筑物区域提取方法
技术领域
1.本发明涉及简缩极化合成孔径雷达遥感领域，尤其涉及一种π/4简缩极化合成孔径雷达(sar)建筑物区域提取方法。


背景技术：

2.随着合成孔径雷达(synthetic aperture radar，sar)测量技术的高速发展，研究方向向着多极化、多频率、多角度方向演进，其中，极化sar作为sar测量技术的重要分支，在地物分类、目标识别和灾害检测等方面，发挥着重要的作用。简缩极化sar作为极化sar的新兴技术，其幅宽较大，目前已有的基于简缩极化sar的应用方法较少，在各个应用领域均具有巨大的应用潜力。
3.建筑物作为重要的地物类型之一，其密度、数量等可作为城市规划、人口密度估计和灾害评估等应用的依据，建筑物区域的提取准确性，对于应用评估是十分重要的。目前已有的建筑物提取方法主要包括两大类：基于散射模型的建筑物区域提取方法和基于极化参数的建筑物区域提取方法，基于散射模型的建筑物区域提取方法是通过选取二面角散射占优的点作为建筑物区域候选点，区分建筑物区域和非建筑物区域，该方法是一种非监督的二分类方法，建筑物提取结果强依赖于分解结果的准确性；基于极化参数的建筑物区域提取方法是通过统计分析，选取极化参数的阈值，区分建筑物区域和非建筑物区域，该方法是一种有监督的二分类方法，建筑物提取结果强依赖于极化参数的鲁棒性。受限于已有方法的数量可选限制和应用限制，方法的有效性仍然是一个开放性问题。如何将新兴技术用于建筑物区域提取，丰富建筑物提取方法，合理、正确地建筑物区域，仍然是一项技术挑战。


技术实现要素：

4.有鉴于此，本发明提出一种π/4简缩极化sar建筑物区域提取方法，所述方法包括：
5.s1：π/4简缩极化sar图像数据预处理；
6.s2：获取预处理后的π/4简缩极化sar图像，计算得到简缩极化特征；
7.s3：利用简缩极化特征，计算得到水体提取器、建筑物区域平行/垂直于雷达视线方向的正交建筑物区域提取器和建筑物区域与雷达视线方向存在大型倾斜角度的倾斜建筑物区域提取器；
8.s4：通过选取典型区域进行统计分析，得到水体提取器、正交建筑物提取器和倾斜建筑物区域提取器阈值，并将阈值用于提取建筑物区域，获取建筑物区域提取结果。
9.上述方案中，所述方法还包括：
10.对全极化sar图像完成滤波和多视等预处理操作后，利用全极化sar数据与简缩极化sar数据之间的转换关系，将全极化sar数据转换为π/4简缩极化sar数据，用于后续处理，该步骤具体实施方式如下：
11.获取所述全极化sar图像的相干矩阵的集合平均值《[t]》：
[0012][0013]
其中，t
ij
(i＝1,2,3；j＝1,2,3)表示全极化相干矩阵的集合平均值《[t]》的第i行、第j列元素；上标“h”表示矩阵的共轭转置；k为pauli基，
[0014]
其中，s
hh
为垂直发射、垂直接收的后向散射，s
hv
为垂直发射、水平接收的后向散射，s
vv
为水平发射、水平接收的后向散射。
[0015]
在π/4简缩极化sar中，2
×
2相干矩阵可以用stokes矢量表示为：
[0016][0017]
其中，参数j
ij
(i＝1,2；j＝1,2)表示π/4简缩极化sar相干矩阵的第i行、第j列元素，g＝(g0,g1,g2,g3)
t
是stokes矢量，gk(k＝0,1,2,3)表示stokes矢量第k行的元素。stokes矢量与全极化sar数据间的对应关系为：
[0018][0019]
上述方案中，所述方法还包括以下分步骤：
[0020]
s21：利用所述步骤s1获取的简缩极化sar相干矩阵j2，计算得到非负实特征值λ1和λ2，λ1和λ2的表达式为：
[0021][0022][0023]
s22：计算简缩极化雷达植被指数(rvi)和各向异性度(pa)，构建rvi和pa参数，构建rvi/pa平面，用于划分不同地物类型，前述两简缩极化参数的表达式为；
[0024][0025]
其中，参数μ＝λ2/λ1。
[0026]
s23：计算可用于描述与雷达视线方向存在大型倾斜角度的倾斜建筑物区域的简缩极化参数(p
lb
)，该参数的表达式为：
[0027][0028]
上述方案中，所述方法还包括：
[0029]
利用rvi、pa和p
lb
，构建水体提取器、建筑物区域平行/垂直于雷达视线方向的正交建筑物区域提取器和建筑物区域与雷达视线方向存在大型倾斜角度的倾斜建筑物区域提取器，上述提取器的表达式为：
[0030]
水体提取器：dw＝(1-rvi)
·
pa
[0031]
正交建筑物区域提取器：d
ob
＝(1-rvi)
·
(1-pa)
[0032]
倾斜建筑物区域提取器：
[0033]
上述方案中，所述方法还包括以下分步骤：
[0034]
s41：在图像中选取正交建筑物区域、倾斜建筑物区域和非建筑物区域等典型区域用于统计分析，绘制统计直方图，选取直方图曲线交点作为不同类型区域判定阈值，直观对比分析不同提取器对应的阈值；
[0035]
s42：利用步骤s41获取的提取器阈值，分别得到倾斜建筑物区域和正交建筑物区域提取结果：
[0036]
正交建筑物区域提取结果：
[0037]
倾斜建筑物区域提取结果：
[0038]
其中，tw，t
ob
和t
lb
分别对应水体提取器、正交建筑物区域提取器和倾斜建筑物提取器的阈值。
[0039]
s43：将步骤s42获取倾斜建筑物区域提取结果和正交建筑物区域提取结果相融合，得到最终的研究区域建筑物提取结果。
[0040]
本发明的优点及有益效果在于：通过构建与雷达视线方向成不同倾斜角度的建筑物区域提取器，可以更合理、准确地提取研究区域的建筑物区域，为简缩极化sar建筑物区域提取技术提供了新的思路，改善了现有简缩极化sar建筑物提取方法较为稀缺的现状。
附图说明
[0041]
附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
[0042]
图1为本发明实施例一种π/4简缩极化sar建筑物区域提取方法流程示意图；
[0043]
图2为本发明实施例选取的用于确定提取器阈值的正交建筑物区域、倾斜建筑物区域和非建筑物区域等典型区域；
[0044]
图3为本发明实施例应用场景的建筑物区域提取结果。
具体实施方式
[0045]
为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明实施例。
[0046]
如图1所示，本发明实施例的π/4简缩极化sar建筑物区域提取方法包括以下步骤：
[0047]
s1：π/4简缩极化sar图像数据预处理；
[0048]
s2：获取预处理后的π/4简缩极化sar图像，计算得到简缩极化特征；
[0049]
s3：利用简缩极化特征，计算得到水体提取器、建筑物区域平行/垂直于雷达视线方向的正交建筑物区域提取器和建筑物区域与雷达视线方向存在大型倾斜角度的倾斜建筑物区域提取器；
[0050]
s4：通过选取典型区域进行统计分析，得到水体提取器、正交建筑物提取器和倾斜建筑物区域提取器阈值，并将阈值用于提取建筑物区域，获取建筑物区域提取结果。
[0051]
以高分三号(gf-3)在美国旧金山地区获取的全极化sar图像数据为例，验证本发明在实际工程应用中的有效性，该图像大小为7681
×
5833像素(方位向
×
距离向)，距离向和方位向的分辨率均为8m，在进行后续处理前，利用窗口大小为7
×
7的滤波器进行滤波。
[0052]
具体地，所述步骤s1还包括：
[0053]
对gf-3获取的全极化sar图像完成滤波和多视等预处理操作后，利用全极化sar数据与简缩极化sar数据之间的转换关系，将全极化sar数据转换为π/4简缩极化sar数据，用于后续处理，该步骤具体实施方式如下：
[0054]
获取所述全极化sar图像的相干矩阵的集合平均值《[t]》：
[0055][0056]
其中，t
ij
(i＝1,2,3；j＝1,2,3)表示全极化相干矩阵的集合平均值《[t]》的第i行、第j列元素；上标“h”表示矩阵的共轭转置；k为pauli基，
[0057]
其中，s
hh
为垂直发射、垂直接收的后向散射，s
hv
为垂直发射、水平接收的后向散射，s
vv
为水平发射、水平接收的后向散射。
[0058]
在π/4简缩极化sar中，2
×
2相干矩阵可以用stokes矢量表示为：
[0059][0060]
其中，参数j
ij
(i＝1,2；j＝1,2)表示π/4简缩极化sar相干矩阵的第i行、第j列元素，g＝(g0,g1,g2,g3)
t
是stokes矢量，gk(k＝0,1,2,3)表示stokes矢量第k行的元素。stokes矢量与全极化sar数据间的对应关系为：
[0061][0062]
具体地，所述步骤s2还包括以下分步骤：
[0063]
s21：利用所述步骤s1获取的简缩极化sar相干矩阵j2，计算得到非负实特征值λ1和λ2，λ1和λ2的表达式为：
[0064]
[0065][0066]
s22：计算简缩极化雷达植被指数(rvi)和各向异性度(pa)，构建rvi和pa参数，构建rvi/pa平面，用于划分不同地物类型，前述两简缩极化参数的表达式为；
[0067][0068]
其中，参数μ＝λ2/λ1。
[0069]
s23：计算可用于描述与雷达视线方向存在大型倾斜角度的倾斜建筑物区域的简缩极化参数(p
lb
)，该参数的表达式为：
[0070][0071]
具体地，所述步骤s3包括：
[0072]
利用rvi、pa和p
lb
，构建水体提取器、建筑物区域平行/垂直于雷达视线方向的正交建筑物区域提取器和建筑物区域与雷达视线方向存在大型倾斜角度的倾斜建筑物区域提取器，上述提取器的表达式为：
[0073]
水体提取器：dw＝(1-rvi)
·
pa
[0074]
正交建筑物区域提取器：d
ob
＝(1-rvi)
·
(1-pa)
[0075]
倾斜建筑物区域提取器：
[0076]
具体地，所述步骤s4还包括以下分步骤：
[0077]
s41：在图像中选取正交建筑物区域、倾斜建筑物区域和非建筑物区域等典型区域用于统计分析，选取的典型区域如图2所示。绘制统计直方图，选取直方图曲线交点作为不同类型区域判定阈值，直观对比分析不同提取器对应的阈值；
[0078]
s42：利用步骤s41获取的提取器阈值，分别得到倾斜建筑物区域和正交建筑物区域提取结果：
[0079]
正交建筑物区域提取结果：
[0080]
倾斜建筑物区域提取结果：
[0081]
其中，tw，t
ob
和t
lb
分别对应水体提取器、正交建筑物区域提取器和倾斜建筑物提取器的阈值。
[0082]
s43：将步骤s42获取倾斜建筑物区域提取结果和正交建筑物区域提取结果相融合，得到最终的研究区域建筑物提取结果。本发明所提建筑物提取方法的最终建筑物区域提取结果如图3所示。
[0083]
至此，已经结合附图对本实施例进行了详细描述，依据以上描述，本领域技术人员应对本发明π/4简缩极化sar建筑物区域提取方法有了清楚的认知。
[0084]
本发明所提供的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
[0085]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。