[发明专利]多频段全极化SAR与多光谱遥感图像融合的船舰识别方法

权利要求书

1.一种多频段全极化SAR与多光谱遥感图像融合的船舰识别方法，其特征在于，包括步骤：

获取船舰同一地理位置的多频段全极化SAR图像和多光谱遥感图像；

对所述多频段全极化SAR图像进行辨识度预处理，得到多频段全极化SAR预处理图像；

裁剪保留所述多频段全极化SAR预处理图像与所述多光谱遥感图像的重叠区域，得到多频段全极化SAR裁剪图像和多光谱遥感裁剪图像；

将所述多频段全极化SAR裁剪图像与所述多光谱遥感裁剪图像进行空间特征和光谱特征融合，得到多波段融合图像；

将所述多波段融合图像进行特征堆叠，得到多波段图像；

利用训练好的水域模型对所述多波段图像进行海岸线特征提取，得到水域区域特征，并利用训练好的船舰模型对所述水域区域特征进行船舰特征提取，得到船舰识别与定位信息。

2.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法，其特征在于，

所述多频段全极化SAR图像包括L频段全极化SAR图像和C频段全极化SAR图像，其中，所述L频段全极化SAR图像和所述C频段全极化SAR图像均包括HH、HV、VH、VV四种极化方式。

3.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法，其特征在于，对所述多频段全极化SAR图像进行辨识度预处理，得到多频段全极化SAR预处理图像，包括：

对所述多频段全极化SAR图像依次进行多视处理、图像配准处理、滤波处理以及地理编码和定标处理，得到所述多频段全极化SAR预处理图像。

4.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法，其特征在于，裁剪保留所述多频段全极化SAR预处理图像与所述多光谱遥感图像的重叠区域，得到多频段全极化SAR裁剪图像和多光谱遥感裁剪图像，包括：

根据所述多频段全极化SAR预处理图像与所述多光谱遥感图像的地理位置吻合度裁剪保留每幅图像的重叠区域，得到所述多频段全极化SAR裁剪图像和所述多光谱遥感裁剪图像。

5.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法，其特征在于，将所述多频段全极化SAR裁剪图像与所述多光谱遥感裁剪图像进行空间特征和光谱特征融合，得到多波段融合图像，包括：

利用Gram Schmidt融合方法将所述多频段全极化SAR裁剪图像中每个频段的每个极化SAR裁剪图像分别与所述多光谱遥感裁剪图像中每个波段的遥感裁剪图像进行融合，得到所述多波段融合图像。

6.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法，其特征在于，利用训练好的水域模型对所述多波段图像进行海岸线特征提取，得到水域区域特征，并利用训练好的船舰模型对所述水域区域特征进行船舰特征提取，得到船舰识别与定位信息，包括步骤：

利用所述多波段图像中的水域特征训练数据对第一深度学习神经网络进行训练得到所述训练好的水域模型；

利用所述多波段图像中的船舰特征训练数据对第二深度学习神经网络进行训练得到所述训练好的船舰模型；

利用训练好的水域模型对所述多波段图像进行海岸线特征提取，得到所述水域区域特征；

利用训练好的船舰模型对所述水域区域特征进行船舰特征提取，得到所述船舰识别与定位信息。

7.根据权利要求6所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法，其特征在于，利用所述多波段图像中的水域特征训练数据对第一深度学习神经网络进行训练得到所述训练好的水域模型之前，还包括步骤：

利用深度学习框架对所述多波段图像进行特征学习以将水域区域与陆地区域分开，得到用于提取水域区域的训练数据，其中，所述用于提取水域区域的训练数据包括所述水域特征训练数据和所述船舰特征训练数据。