[发明专利]基于极化统计散射成分迁移的极化SAR影像变化检测方法

权利要求书

1.一种基于极化统计散射成分迁移的极化SAR影像变化检测方法，其特征在于，包括：

步骤1，获取时序极化SAR数据，其中，所述时序极化SAR数据包括源域S的时序A极化SAR影像标注样本和目标域T的时序B无标注极化SAR影像数据；

步骤2，时序数据统计散射成分SSC特征提取；

步骤3，源域SSC特征和目标域SSC特征无监督域适应；

步骤4，源域训练模型；

步骤5，基于源域样本的多时相目标域T的极化SAR影像数据跨域分类；

步骤6，多时相数据变化区域获取及变化类别跟踪。

2.根据权利要求1所述的方法，其特征在于,所述步骤2具体包括：

提取源域S的标注样本的统计散射成分特征F_S和目标域T的无标注数据的统计散射成分特征F_T。

3.根据权利要求2所述的方法，其特征在于,所述步骤2还包括：

步骤2.1，提取源域S的标注样本和目标域T的无标注数据的基础极化特征；

步骤2.2，将源域S的标注样本的基础极化特征和目标域T的无标注数据的基础极化特征进行Wishart聚类，得到初始化的每个像素的分类结果；

步骤2.3，统计全部像素的初始类别直方图，直方图的维数对应分类类别数目；

步骤2.4，根据直方图获取本征维度估计，并结合主成分分析将高维度的子块聚类标号直方图统计特征降维为保留本征信息的低维特征，形成统计散射成分特征F_S和统计散射成分特征F_T。

4.根据权利要求3所述的方法，其特征在于,所述步骤3具体包括：

利用无监督域适应方法将统计散射成分特征F_S和统计散射成分特征F_T的特征分布调整为一致，得到源域对齐特征Fs*。

5.根据权利要求4所述的方法，其特征在于,所述步骤4具体包括：

利用已有的源域标签Y_S和源域对齐特征Fs*训练分类器分类模型W。

6.根据权利要求5所述的方法，其特征在于,所述步骤5具体包括：

利用训练好的分类器模型W直接对无标注的目标域特征F_T进行分类。

7.根据权利要求6所述的方法，其特征在于,所述步骤6具体包括：

对于分类结果，基于预先配准或者地理编码信息，将时序影像解译结果的变化信息进行定位，结合变化区域位置检测类别变化信息。