[发明专利]一种基于SAR影像的地物分类方法及装置

说明书

本申请提供了一种基于SAR影像的地物分类方法及装置。该方法包括：利用深度学习模型对待分类区域的SAR影像进行粗分类，获得初始地物类别；利用条件随机场模型处理初始地物类别，获得后验概率；对后验概率进行超像素边界约束，获得后验约束概率；最后，根据后验约束概率确定最终的地物类别。该方法在深度学习模型进行地物分类之后，引入条件随机场模型和超像素，分别进行后验处理和边界约束处理，提升了识别SAR影像中各个像素所属地物类别的准确度。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种基于SAR影像的地物分类方法及装置。

背景技术

合成孔径雷达(synthetic aperture radar，SAR)技术为遥感对地观测提供了独特的视角，其具有的穿透能力使得遥感数据源的时空维度得到很大扩展。作为微波遥感领域重要的基础性研究之一，基于SAR影像的地物分类在城市遥感、精细农业、应急减灾、海冰监测、溢油污染等领域展现了巨大的价值。

对SAR影像进行地物分类的现有方法主要包括：通过统计模型对SAR影响的强度分布进行建模，从而构建不同地物类别的差异性特征，以此区分影像中的地物类别；利用形态学方法对SAR影像做特征提取和重构，将影像图转换为特征图，然后对SAR影像进行分类；还有的，利用信号变换分析方法充分突出SAR影像多方向的信号频率特征，对空间频率局部化分析，然后通过伸缩平移运算对信号逐步地多尺度细化(高频处时间细分，低频处频率细分)达到地物分类的目的。

现有方法通常都忽视了SAR数据特有的散射机理及相干成像的随机性特点，同时，没有考虑SAR影像中地物的边界区域，导致获得的分类结果存在精度低、边缘结构保持能力差以及实用性弱等缺点。

发明内容

本申请实施例提供了一种基于SAR影像的地物分类方法及装置，利用条件随机场模型对待分类SAR影像的初始分类结果进行后验处理，以及进行超像素边界约束，考虑了SAR数据的散射机理和相干成像的特点、以及边缘结构特点，提高了SAR影像的分类精度。

第一方面，本申请实施例提供了一种基于SAR影像的地物分类方法，该方法包括：

获取待分类区域的SAR影像，SAR影像中包括多个像素；

利用深度学习模型获得多个像素所属的初始地物类别；

根据多个像素所属的初始地物类别，利用条件随机场模型获得多个像素属于各个地物类别的后验概率，初始地物类别为各个地物类别中的任意一种；

对多个像素属于各个地物类别的后验概率进行超像素边界约束，获得多个像素属于各个地物类别的后验约束概率；

根据多个像素属于各个地物类别的后验约束概率，确定多个像素所属的地物类别。

本申请实施例中，通过条件随机场模型对深度学习模型获得的初分类结果进行后验，借助条件随机场模型体现出了SAR各像素之间的空间相关性，将SAR影像的散射和相干成像的特点考虑在内，使得分类更加精确；此外，对后验的结果进行超像素约束，进一步加强的分类结果的准确性。

在一种可能的实施方式中，在利用预先训练的深度学习模型获得多个像素所属的初始地物类别之前，方法还包括：

利用预先获得的训练样本训练深度学习模型，训练样本根据SAR影像对应的目视解译结果确定，深度学习模型由卷积神经网络组成。

本申请实施例中，通过SAR影响的目视解译结果获得训练样本，充分利用了影像中的局部纹理强相关性特征，提高了深度学习模型的分类结果的准确性。

在一种可能的实施方式中，根据多个像素所属的初始地物类别，利用条件随机场模型获得多个像素属于各个地物类别的后验概率包括：

将多个像素所属的初始地物类别和多个像素的像素值代入条件随机场模型；