一种基于极化和干涉信息的植被和建筑分类方法

摘要

本发明涉及一种基于极化和干涉信息的植被和建筑分类方法，包括：S1，数据获取及预处理；S2，极化SAR分类；S3，极化SAR图像分割，对S1获取的极化SAR图像进行分割，形成连通的同质区域，划分出植被区域和建筑区域；S4，结合复图像计算相干系数，结合S3获取的所有的植被区域和建筑区域，计算各区域的平均相干系数；S5，对S3获取的所有的植被区域和建筑区域进行45°倾斜角直线检测；S6，对植被区域和建筑区域进行重分类。本发明在传统极化SAR地物分类的基础上，利用相干系数和直线检测，进一步对植被区域和建筑区域进行区分，使得误分类的植被和建筑区域得以正确区分，提高地物分类的准确度。

说明书

技术领域

本发明涉及城市测绘领域，尤其涉及一种基于极化和干涉信息的植被和建筑分类方法。

背景技术

在极化SAR地物分类中，由于极化定向角(特别是接近45°的极化定向角)的存在，建筑中往往会识别出大量的体散射分量，这容易将建筑误分类为植被。由于部分植被区域散射环境复杂，散射类型丰富，比如夏天的荷塘，这类植被中往往伴随着较强的二次散射，在分类中容易将植被误分类为建筑。

采用传统的基于极化信息的地物分类方法，容易造成植被和建筑的误分类，不利于将极化SAR地物分类结果直接应用于城市测绘等领域

发明内容

为解决现有的技术问题，本发明提供了一种基于极化和干涉信息的植被和建筑分类方法。

本发明的具体内容如下：一种基于极化和干涉信息的植被和建筑分类方法，包括如下步骤：

S1，数据获取及预处理，获取用于试验的极化SAR图像以及干涉SAR图像对并进行预处理。用于试验的SAR图像包含：主天线水平极化发射水平极化接收的复图像(HHm)、主天线水平极化发射垂直极化接收的复图像(VHm)、主天线垂直极化发射水平极化接收的复图像(HVm)、主天线垂直极化发射垂直极化接收的复图像(VVm)以及辅天线水平极化发射水平极化接收的复图像(HHs)。

S2，极化SAR分类，使用传统极化SAR地物分类方法对S1中预处理后的极化SAR图像(HHm、HVm、VHm和VVm)进行极化分类，得到植被像素和建筑像素。

S3，极化SAR图像分割，对S1获取的极化SAR图像进行分割，形成连通的同质区域。依据S2中分类得到的植被像素和建筑像素在同质区域内的占比大小，划分出植被区域和建筑区域。

S4，结合S1中的HHm和HHs复图像计算相干系数，结合S3获取的所有的植被区域和建筑区域，计算各区域的平均相干系数。

S5，对S3获取的所有的植被区域和建筑区域进行45°倾斜角直线检测。

S6，结合S4获取的各区域的相干系数和S5的45°倾斜角直线检测结果对植被区域和建筑区域进行重分类。

进一步的，S1中，对图像进行预处理包括辐射定标、极化定标、干涉定标以及相干斑去除。

进一步的，S2中，使用的极化SAR方法包括Wishart-H/alpha分类方法或基于散射模型的非监督分类方法。

进一步的，使用基于散射模型的非监督分类方法进行地物分类，包括：

S21，首先进行极化分解，得到表面散射、二次散射以及体散射功率；然后依据表面散射、二次散射以及体散射功率中的最大者，将像素标记为三种散射类型中的一种；接着将每种散射类型内的像素各划分为30个聚类；然后使用Wishart分类器合并聚类，使聚类类别减少到15类。

S22，将15个类别中功率最低的一类划分为第一类，包含阴影、水体以及功率极低的区域；将主散射类型为表面散射的类别合并为第二类，包含裸露土壤等表面散射占优的地物；将主散射类型为二次散射的类别合并为第三类，包含建筑区域，该类别的像素为建筑像素；将主散射类型为体散射的类别合并为第四类，包含植被区域，该类别的像素为植被像素。

进一步的，S3中，使用分水岭分割算法对极化SAR图像进行分割，得到多个连通区域，每个连通区域内的像素具有同质性，属于同一类别；

统计每个连通区域内，占比最高的像素类别以及其所占比例，若其所占比例超过80％，则将该区域内所有像素类别设为占比最高的类别；

若区域内占比最高的像素所占比例小于80％，则将该区域进一步分割，得到更小的连通区域；

统计小连通区域内占比最高的像素所占比例，若占比最高的像素占比超过80％，则将该区域内所有像素类别设为占比最高的类别；

重复以上操作，直到每一个连通区域内占比最高的类别都超过80％。

进一步的，S4中，相干系数γ计算方式为

其中，<·>是数学期望算子，*表示共轭，γ小于等于1，结合S3提取的植被区域和建筑区域，计算各区域的平均相干系数

进一步的，S5中，对S3获取的所有的植被区域和建筑区域进行45°倾斜角直线检测具体步骤包括：

S51，对主天线水平极化发射水平极化接收的复图像、主天线垂直极化发射水平极化接收的复图像和主天线垂直极化发射垂直极化接收的复图像三幅图像分别使用Canny算子检测图像边缘，并将三幅图像的边缘检测结果进行叠加，叠加的边缘检测结果记为G；

S52，使用霍夫变换对S51提取的边缘检测结果G进行直线检测，保留倾斜角在-25°～-65°之间以及25°～65°之间的直线，剔除长度过小的直线；

S53，统计所有植被区域和建筑区域内的S52中检测到的直线数量，设置阈值T2，若区域内检测到的直线数量超过阈值T2，则将对应区域标记为1；若区域内检测到的直线数量未超过阈值T2，则将对应区域标记为0。

进一步的，S6中对植被区域和建筑区域进行重分类包括：对于所有植被区域，若S4中平均相干系数被标记为0，S53中45°倾斜角直线数量被标记为1，则将该区域划分为建筑区域；对于所有建筑区域，若S4中平均相干系数被标记为1，S53中45°倾斜角直线数量被标记为0，则将该区域划分为植被区域。

鉴于传统极化SAR地物分类方法容易造成植被和建筑误分类的缺点，本发明旨在提供了一种基于极化和干涉信息的植被和建筑分类方法，在传统极化SAR地物分类的基础上，利用相干系数和直线检测，进一步对植被区域和建筑区域进行区分，使得误分类的植被和建筑区域得以正确区分，提高地物分类的准确度。

附图说明

下面结合附图对本发明的具体实施方式做进一步阐明。

图1是本发明的基于极化和干涉信息的植被和建筑分类方法的主流程图；

图2是本发明步骤极化SAR分类的流程图；

图3是本发明步骤45°倾斜角直线检测的主流程图；

图4是本发明实施例所用极化SAR数据Paul i基融合图；

图5是本发明实施例使用传统方法进行极化SAR分类结果图；

图6是本发明实施例数据相干系数图；

图7是本发明实施例经过植被区域和建筑区域重分类的结果。

具体实施方式

结合图1-图7，采用本发明一种基于极化和干涉信息的植被和建筑分类方法，对中电十四所生产的N-SAR系统录取的极化干涉SAR数据进行处理。该数据录取于陕西省渭南市，录取时间为2017年4月，该数据的极化融合图如图4所示。该场景包含0°和45°定向角的建筑，0°定向角的建筑极化融合图为红色，45°定向角的建筑极化融合图为绿色。该数据适合用于验证本发明。

如图1所示，本发明一种基于极化和干涉信息的植被和建筑分类方法，包括如下步骤：

S1，数据获取及预处理，获取用于试验的极化SAR图像以及干涉图像对并进行预处理。用于试验的SAR图像包含主天线水平极化发射水平极化接收的复图像(HHm)、主天线水平极化发射垂直极化接收的复图像(VHm)、主天线垂直极化发射水平极化接收的复图像(HVm)、主天线垂直极化发射垂直极化接收的复图像(VVm)以及辅天线水平极化发射水平极化接收的复图像(HHs)。并对以上复图像进行辐射定标、极化定标、干涉定标以及相干斑去除等预处理操作。如图4所示是实施例所用数据的极化融合图。

S2，极化SAR分类，使用传统极化SAR地物分类方法对S1中预处理后的极化SAR图像(HHm、HVm、VHm和VVm)进行极化分类，并进行类别合并，得到植被像素和建筑像素。使用的极化SAR分类方法可以是Wishart-H/alpha分类方法、基于散射模型的非监督分类方法或者其他类似分类方法。具体步骤如下：

S21，如图2所示，不失一般性，本实施例使用基于散射模型的非监督分类方法进行地物分类。首先进行极化分解，得到表面散射、二次散射以及体散射功率；然后依据表面散射、二次散射以及体散射功率中的最大者，将像素标记为三种散射类型中的一种；接着将每种散射类型内的像素各划分为30个聚类；然后使用Wishart分类器合并聚类，使聚类类别减少到15类。

S22，将15个类别中功率最低的一类划分为类1，它通常包含阴影、水体以及功率极低的区域；将主散射类型为表面散射的类别合并为类2，它通常包含裸露土壤等表面散射占优的地物；将主散射类型为二次散射的类别合并为类3，它通常包含建筑区域，该类别的像素为建筑像素；将主散射类型为体散射的类别合并为类4，它通常包含植被区域，该类别的像素为植被像素。

如图5所示，是对实施例数据使用基于散射模型的非监督分类方法分类，并进行类别合并的结果。其中红色像素代表建筑，绿色像素代表植被像素，黄色像素代表裸露土壤像素；黑色像素代表弱散射像素。

S3，对S1获取的极化SAR图像进行分割，形成连通的同质区域。依据S2中分类得到的植被像素和建筑像素在同质区域内的占比大小，划分出植被区域和建筑区域，具体步骤如下：

使用分水岭分割算法对极化SAR图像进行分割，得到多个连通区域，每个连通区域内的像素具有同质性，可认为它们属于同一类别。统计每个连通区域内，占比最高的像素类别以及其所占比例，若其所占比例超过80％，则将该区域内所有像素类别设为占比最高的类别。若区域内占比最高的像素所占比例小于80％，则将该区域进一步分割，得到更小的连通区域。统计小连通区域内占比最高的像素所占比例，若占比最高的像素占比超过80％，则将该区域内所有像素类别设为占比最高的类别。重复以上操作，直到每一个连通区域内占比最高的类别都超过80％。

S4，结合S1中的HHm和HHs复图像计算相干系数，结合S3获取的所有的植被区域和建筑区域，计算各区域的平均相干系数。相干系数γ计算方式为

其中，<·>是数学期望算子，*表示共轭，γ小于等于1。结合S3提取的植被区域和建筑区域，计算各区域的平均相干系数

S5，对S3获取的所有的植被区域和建筑区域检测45°倾斜角直线。建筑区域的体散射主要是由与飞机航线成45°角的建筑散射的，因此检测地物中45°朝向的直线可以判断地物中是否存在45°二面角，进而区分植被区域和建筑区域。如图3所示，45°倾斜角直线检测具体步骤为：

S51，对HHm、HVm和VVm三幅图像分别使用Canny算子检测图像边缘，并将三幅图像的边缘检测结果进行叠加，叠加的边缘检测结果记为G。

S52，使用霍夫变换对S51提取的边缘检测结果G进行直线检测。保留倾斜角在-25°～-65°之间以及25°～65°之间的直线，剔除长度过小的直线。

S53，统计所有植被区域和建筑区域内的S52中检测到的直线数量。设置阈值T2，若区域内检测到的直线数量超过阈值T2，则将对应区域标记为1；若区域内检测到的直线数量未超过阈值T2，则将对应区域标记为0。本实施例中优选T2为15。

S6，结合S4获取的各区域的相干系数和S5的45°倾斜角直线检测结果对植被区域和建筑区域进行重分类。

对于所有植被区域，若S4中平均相干系数被标记为0，若S53中45°倾斜角直线数量被标记为1，则将该区域划分为建筑区域。

对于所有建筑区域，若S4中平均相干系数被标记为1，若S53中45°倾斜角直线数量被标记为0，则将该区域划分为植被区域。

如图7所示是经过植被区域和建筑区域重分类的结果。从图中可见，原本被误分的植被和建筑得到了正确区分。

本发明从误分机理出发，建筑误分为植被是由于雷达与建筑形成45°(或者接近45°)定向角，因此对于场景中接近45°倾斜角的区域需要再次确认其类别；植被误分为建筑是因为植被区域散射种类丰富，可能会包含较强的二次散射(比如树干和地面构成二面角)。对于出分类后的植被和建筑区域，通过45°直线检测、相干系数提取，进一步对其进行分类。通过本发明的方法对植被和建筑区域再分类之后，可以大大降低植被和建筑的误分概率，提升极化SAR地物分类精度，在农林、测绘等方面具有重大应用前景。

在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。