基于SAR极化分解的一维DCNN土地利用分类方法

摘要

本发明属于土地利用分类领域，涉及基于SAR极化分解的一维DCNN土地利用分类方法，具体为：获取作业区范围内不同时期的R2SLC以及待分类土地利用样本数据，并获得更多土地利用标签，将样本标签数据转为栅格格式；作业区划分为不同的子区，在每一个子区计算相干矩阵的6个特征、极化熵值、极化平均角、极化反熵和旋转域零角特征，合并得到多极化多特征数据集；将每个子区的数据进行最大最小值归一化，并分成train数据集和val数据集；用深度学习框架设计1DCNN神经网络结构并训练、优化模型参数；以优化模型对未知的覆盖区影像进行逐像素识别，最终获得分类结果。本发明的方法减少了SAR图像的边缘卷积计算复杂度，节省了海量SAR土地利用分类处理时间。