[发明专利]一种基于H/α参数变化规律的多时相PolSAR农作物监督分类方法

说明书

本发明公开了一种基于H/α参数变化规律的多时相PolSAR农作物监督分类算法，本发明的实现步骤是：(1)输入n个多时相的全极化SAR图像数据；(2)完成多时相全极化SAR图像的精准配；(3)将每个单时相的全极化SAR数据进行H/α分解，并将所得的H、α值保存在对应的矩阵中；(4)建立训练集；(5)构建分类函数；(6)对各个像素点进行分类匹配；(7)输出分类结果图。本发明在针对多时相PolSAR图像的农作物分类应用中，可以得到精度高于现有经典复Wishart分类方法的农作物分类图，一定程度上提高了PolSAR图像的分类质量。

技术领域

本发明属于微波遥感数据处理及应用技术领域，特别涉及雷达遥感领域中的一种极化合成孔径雷达(Polarimetric Synthetic Aperture Radar，PolSAR)的农作物分类处理，具体为一种基于H/α参数变化规律的多时相PolSAR农作物监督分类方法。

背景技术

农作物分类是极化SAR的主要应用之一。PolSAR作为一种遥感手段，能够提供高分辨对地观测信息，目前大量的研究工作集中在单幅图像上。随着发展的星载系统的运行，而且星载系统运行为多时相分析提供了可能。作物分类信息在作物库存研究领域中具有极其重要的意义，比如作物长势监测、生物量估测、作物产量预测及其他相关应用。近几十年来，作物分类已成为空间遥感领域的研究热点之一。

如今，对于PolSAR数据已经开发了很多的分类算法，大体可以分为三类，基于统计模型的算法，基于电磁波散射机制的算法，基于先验知识的算法，这些方法有监督型和非监督型，但这些算法存在一定的缺点，首先这些算法大多数集中在单时相PolSAR数据的分析，从而对目标进行分类，但因为不同类型的农作物在不同的生长周期具有不同的散射特性，所以单时相的数据并不能在农作物分类的过程中提供足够多的信息，因此数据采集的时间是一个关键因素，但其分类精度不能达到所需要求。为此，有必要采用多时相PolSAR数据实现对不同农作物分类的更高的精度。

Cloude和Pottier在文献“An Entropy Based Classification Scheme for LandApplications of Polarimetric SAR”(IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTESENSING,VOL.35,NO.1,JANUARY 1997)中提出了一种极化合成孔径雷达数据处理中的非监督分类方法，该方法的基本原理为：将极化相干矩阵分解为极化熵H和平均散射角α，其中极化熵和散射角能够很好地描述目标的极化散射特性，可将目标的极化散射特性用由目标熵和散射角组成的分类平面(H-α分类平面)上的某一点位置来描述，H-α分类平面被分成了9个基本区域，代表9类不同的散射机理，从而达到分类的效果。

Jong-Son Lee在文献“Classification of Multi-Look Polarimetric SAR DataBased on Complex Wishart Distribution”(Int.J.Remote Sensing,VOL.15,NO.11,JULY1994)中提出了一种合成孔径雷达数据处理中监督分类方法，该方法是通过描述多视全极化SAR图像协方差矩阵的统计特性，直接利用该分布进行分割可充分利用全极化SAR数据的统计先验知识，并可避免拆分协方差矩阵导致的信息损失，可达到一定程度的分类效果。

上述两种极化合成孔径雷达PolSAR数据处理的分类方法的核心，前者是利用H/α平面进行分类，(1)但是对于农作物而言，随着生长的变化，它的H，α参数也会发生变化，所以在不同时期，H/α平面上分布不同，从一个区域移动到另一区域；(2)在特定的生长周期时，会有大量样本分布在边界区域，导致分类误差较大，甚至完全分错；(3)属于非监督分类。后者是从散射矩阵分布出发，虽然对于多时相分类用到了单个时相的数据，但是只是从协方差矩阵出发，并未利用具体的散射特性，导致分类精度不能满足实际应用要求。

发明内容