[发明专利]基于全极化SAR的积雪识别方法、装置、设备和存储介质在审
| 申请号: | 202210662316.1 | 申请日: | 2022-06-13 |
| 公开(公告)号: | CN115294445A | 公开(公告)日: | 2022-11-04 |
| 发明(设计)人: | 李晖;康璇;黄林 | 申请(专利权)人: | 厦门理工学院 |
| 主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/44;G06V10/764;G06V10/774 |
| 代理公司: | 厦门智慧呈睿知识产权代理事务所(普通合伙) 35222 | 代理人: | 林贤德 |
| 地址: | 361024 福*** | 国省代码: | 福建;35 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 极化 sar 积雪 识别 方法 装置 设备 存储 介质 | ||
本发明实施例提供基于全极化SAR的积雪识别方法、装置、设备和存储介质,涉及积雪识别技术领域。这种积雪识别方法包含S1获取目标区域的全极化Radarsat‑2影像。S2通过极化,提取四个后向散射特征。S3根据VV后向散射特征和VH后向散射特征,获取第一差值和第一比值。S6通过Pauli分解,获取三个极化特征。S7通过Freeman分解,获取三个极化特征。S8通过分解,获取四个极化特征。S9通过Yamaguchi分解,获取四个极化特征。S10上述20个特征,进行波段组合,获取由20个波段组成的多波段特征影像。S11根据20个波段组成的多波段特征影像,采用随机森林分类器进行识别,以获得积雪识别结果。通过组合20个特征,特别是第一差值和第一比值,能够大大降低积雪识别结果的破碎度。
技术领域
本发明涉及积雪识别技术领域,具体而言,涉及基于全极化SAR的积雪 识别方法、装置、设备和存储介质。
背景技术
积雪是冰冻圈中覆盖范围最广、最活跃的要素之一,对全球气候变化、 生态环境和社会经济具有重要的影响作用。近年来,随着全球气候变暖,全 球积雪的持续时间和覆盖范围明显减少,准确的积雪识别和监测,对气候变 化、灾害评估、融雪动态监测、生态环境安全具有重要意义。
积雪多分布于高海拔、高纬度山区,传统的积雪研究方法数据获取难度 大。遥感技术的出现为大范围、高精度积雪识别监测提供了新的可能。与光 学遥感相比,SAR具有穿透云雾、全天时全天候积雪监测和部分穿透性等能 力,在积雪遥感领域得到广泛应用。
但是,在先技术中,积雪识别结果较为破碎,准确率较低,有鉴于此, 申请人在研究了现有的技术后特提出本申请。
发明内容
本发明提供了一种基于全极化SAR的积雪识别方法、装置、设备和存储 介质,以改善上述技术问题。
第一方面、
本发明实施例提供了一种基于全极化SAR的积雪识别方法,其包含步骤 S1至步骤
S1、获取目标区域的全极化Radarsat-2影像。
S2、根据全极化Radarsat-2影像,提取后向散射系数,获取HH后向散 射特征、HV后向散射特征、VH后向散射特征和VV后向散射特征。
S3、根据VV后向散射特征和VH后向散射特征,获取第一差值和第一比 值。其中,第一差值为VV后向散射特征和VH后向散射特征的差值。第一比 值为VV后向散射特征和VH后向散射特征的比值。
S6、根据全极化Radarsat-2影像,通过Pauli分解,获取Pauli_Dbl极 化特征、Pauli_Odd极化特征和Pauli_Vol极化特征。
S7、根据全极化Radarsat-2影像,通过Freeman分解,获取Freeman_Dbl 极化特征、Freeman_Odd极化特征和Freeman_Vol极化特征。
S8、根据全极化Radarsat-2影像,通过分解,获取Entropy极化 特征、Anisotropy极化特征、Alpha极化特征和Lambda极化特征。
S9、根据全极化Radarsat-2影像,通过Yamaguchi分解,获取 Yamaguchi4_Dbl极化特征、Yamaguchi4_Odd极化特征、Yamaguchi4_Vol极 化特征和Yamaguchi4_Hlx极化特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门理工学院,未经厦门理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210662316.1/2.html,转载请声明来源钻瓜专利网。





