一种利用SAR数据监测蚝排区域的方法及装置、用户设备

摘要

本发明实施例利用SAR数据监测蚝排区域的方法、装置和用户设备，该方法包括：获取原始全极化SAR数据后，将该原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，再将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征，再根据后向散射特征体现在水体和蚝排区域上的差异，构建RWAI指数，最后根据RWAI指数和相关的类别特征描述条件提取蚝排区域。本发明实施例实现了利用SAR数据来对海水蚝排养殖区域的提取，能够有效监测蚝排区域，且大大降低了成本。

说明书

技术领域

本发明涉及沿海环境遥感信息提取领域，尤其涉及一种利用SAR数据监测蚝排区域的方法。

背景技术

目前，对海水蚝排养殖的监测手段主要包含以下四种：(1)航空遥感巡视；(2)船舶海面巡视；(3)航海雷达探测。其中，航空遥感巡视受地理区域以及天气影响较大，在我国多云多雾的华南沿海地区并不适用，并且航空飞机在夜晚飞行时其搭载的传感器并不能有效识别海水蚝排养殖区域，除此之外，航空飞机每次作业的成本高昂，对长时间序列的监测不利。船舶海面巡视则受到海面航行状况与航行视线因素的影响较大，很难有效地对海面目标进行定位识别，并且船舶作业的成本也比较高昂。航海雷达探测技术的作用范围十分有限，想要快速获取大面积的海水养殖区域信息十分困难，对长期大范围的海水养殖区域进行监测更是耗时、耗财、耗力。

卫星遥感监测技术是目前比较热门的技术。在星载SAR发展的初期，国内外科学家开展了大量基于多时相单(双)极化的SAR海面目标识别研究，比如利用一系列的SAR数据进行舰船目标的监测，或者对舰船目标的船迹进行监测，所使用的方法主要是一般特征识别和常用分类器识别；还有一些学者利用SAR数据对大面积的海洋溢油监测提供了技术手段，所使用的方法主要是利用后向散射特征以及一些复杂模型对溢油区域进行自动识别等。但是利用卫星遥感监测技术对海水养殖区域进行监测的研究则很少，主要原因是SAR在发展初期主要应用于军事领域，海水养殖由于分布零散且普遍规模较小，容易不受重视，但如今海水养殖业快速扩展，规模越来越大，但由于海水养殖行业发展无序、管理难，致使一些沿海地区的港区、锚地、航道等被非法侵占，对海上通行造成极大的不便与隐患，威胁海上运输安全。所以，急需一种普遍可行的技术手段对海水蚝排区域进行监测。

发明内容

本发明实施例公开了一种利用SAR数据监测蚝排区域的方法及装置、用户设备，能有效监测蚝排区域。

本发明实施例第一方面公开一种利用SAR数据监测蚝排区域的方法，包括：

获取原始全极化合成孔径雷达(SAR)数据，并将所述原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，得到预处理后的全极化SAR数据；

将所述预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征；

根据所述后向散射特征体现在水体和蚝排区域上的差异，构建用于突出蚝排区域特征的RWAI指数；

根据所述RWAI指数和相关的类别特征描述条件提取蚝排区域。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法中，将原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，得到预处理后的全极化SAR数据的步骤包括：

对所述全极化SAR数据进行极化定标处理，将图像的灰度值转变为后向散射系数；

然后对经极化定标处理后的全极化SAR数据利用PolSARpro的ASF模块进行几何校正；

再对经几何校正处理后的全极化SAR数据进行多视处理和Boxcar滤波，得到预处理后的全极化SAR数据。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法中，将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征的步骤具体为：

采用Cloude分解方法对全极化SAR数据进行处理，将极化相干矩阵分解为极化散射角、极化散射熵和反熵。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法中，根据后向散射特征体现在水体和蚝排区域上的差异，构建用于突出蚝排区域特征的RWAI指数的步骤具体为：

根据所述后向散射特征在水体和蚝排的差异，将特征数据极化散射熵、体散射分量以及交叉极化强度组合构建成RWAI指数：

其中H表示极化散射熵；P_v表示体散射分量；S_HV表示交叉极化强度。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法中，所述根据RWAI指数和相关的类别特征描述条件的阀值提取蚝排区域的步骤包括：

首先通过多尺度分割得边界清晰的水体和陆地对象，通过特征描述实现对水域类型和陆地类型的划分；然后以水域类型为基础，再次通过多尺度分割得到蚝排边界清晰的影像对象；

再根据所述影像对象、所述RWAI指数以及蚝排区域的邻接关系特征、形状特征等提取蚝排区域。

作为一种可选的实施方式，在本发明实施例第一方面中，在所述将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征的步骤之后，所述方法还包括：

将所述后向散射特征进行归一化处理。

本发明实施例第二方面公开一种利用SAR数据监测蚝排区域的装置，包括：

获取模块，用于获取原始全极化合成孔径雷达(SAR)数据；

预处理模块，用于将获取模块获取的原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，得到预处理后的全极化SAR数据；

后向散射特征提取模块，用于将预处理模块预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征；

RWAI指数构建模块，用于根据后向散射特征提取模块提取的后向散射特征体现在水体和蚝排区域上的差异，构建用于突出蚝排区域特征的RWAI指数；

蚝排区域提取模块，用于根据RWAI指数构建模块构建的RWAI指数和相关的类别特征描述条件提取蚝排区域。

作为一种可选的实施方式，在本发明实施例第二方面中，所述预处理模块包括：

极化定标处理单元，用于对所述全极化SAR数据进行极化定标处理，将图像的灰度值转变为后向散射系数；

几何校正单元，用于对经极化定标处理后的全极化SAR数据利用PolSARpro的ASF模块进行几何校正；

去噪单元，用于对经几何校正处理后的全极化SAR数据进行多视处理和Boxcar滤波，得到预处理后的全极化SAR数据。

作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：

归一化处理模块，用于将后向散射特征提取模块提取的后向散射特征进行归一化处理。

本发明实施例第三方面公开一种用户设备，包括本发明实施例第二方面公开的所述利用SAR数据监测蚝排区域的装置。

与现有技术相比，本发明实施例具备以下有益效果：

本发明实施例中，获取原始全极化SAR数据后，将该原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，再将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征，再根据后向散射特征提现在水体和蚝排区域上的差异，构建RWAI指数，最后根据RWAI指数和相关的类别特征描述条件提取蚝排区域。可见，实施本发明实施例实现了利用SAR数据来对海水蚝排养殖区域的提取，大大降低了成本，且省时省力。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种利用SAR数据监测蚝排区域的方法的流程示意图；

图2是本发明实施例公开的另一种利用SAR数据监测蚝排区域的方法的流程示意图；

图3是本发明实施例公开的一种利用SAR数据监测蚝排区域的装置的结构示意图；

图4是本发明实施例公开的另一种利用SAR数据监测蚝排区域的装置的结构示意图；

图5是本发明实施例公开的一种用户设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例公开了一种利用SAR数据监测蚝排区域的方法及装置、用户设备，实现了利用SAR数据来对海水蚝排养殖区域的提取，能够有效监测蚝排区域，且大大降低了成本。以下进行结合附图进行详细描述。

实施例一

请参阅图1，图1是本发明实施例公开的一种利用SAR数据监测蚝排区域的方法的流程示意图。如图1所示，该利用SAR数据监测蚝排区域的方法可以包括以下步骤：

101、获取原始全极化SAR数据；

首先，获取原始全极化SAR数据。其中，本实施例中使用的数据为Radarsat-2卫星的单视复型数据SLC(Single Look Complex，SLC)，它采用单视处理，保留了SAR相应信息，以32bit复数形式记录图像数据，极化方式为精细四极化，空间分辨率5米。

102、将原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，得到预处理后的全极化SAR数据；

获取原始全极化SAR数据后，需要对原始全极化SAR数据进行预处理，具体的，首先对全极化SAR数据进行极化定标处理，将图像的灰度值转变为后向散射系数；然后对经极化定标处理后的全极化SAR数据利用PolSARpro的ASF模块进行几何校正；再对经几何校正处理后的全极化SAR数据进行多视处理和Boxcar滤波，得到预处理后的全极化SAR数据。

103、将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征；

全极化SAR数据的目标分解是指将极化散射矩阵、极化相干矩阵或者极化协方差矩阵分解为不同成分，用以表示目标散射体的不同散射特性。本实施例中采用Cloude分解方法对全极化SAR数据进行处理，即使用特征值分解的方法将极化相干矩阵分解为三种成分，分别是极化散射角、极化散射熵和反熵。

104、构建RWAI指数根据后向散射特征在水体和蚝排的差异，将特征数据极化散射熵、体散射分量以及交叉极化强度组合构建成RWAI指数：

其中H表示极化散射熵；P_v表示体散射分量；S_HV表示交叉极化强度。

105、根据RWAI指数和相关的类别特征描述条件提取蚝排区域；

根据RWAI指数和相关的类别特征描述条件提取蚝排区域，具体的：首先通过多尺度分割，实现对水域和陆地的对象划分，根据特征描述划分水域类型和陆地类型；然后以水域类型为基础，再次通过多尺度分割获得蚝排边界界定清晰的影像对象；再根据影像对象、RWAI指数以及蚝排区域的邻接关系特征、形状特征等提取蚝排区域类型。

在图1所描述的方法，获取原始全极化SAR数据后，将该原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，再将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征，再根据后向散射特征提现在水体和蚝排区域上的差异，构建RWAI指数，最后根据RWAI指数和相关的类别特征描述条件提取蚝排区域。本发明实施例利用Radarsat-2卫星SLC全极化SAR数据的不同极化信息，对海水蚝排区域的后向散射特性进行分析，构建RWAI指数对海面蚝排区域进行高精度提取，实现了利用SAR数据来对海水蚝排养殖区域的提取和有效监测，大大降低了成本。

实施例二

请参阅图2，图2是本发明实施例公开的另一种利用SAR数据监测蚝排区域的方法的流程示意图。如图2所示，该利用SAR数据监测蚝排区域的方法可以包括以下步骤：

201、获取原始全极化SAR数据；

首先，获取原始全极化SAR数据。其中，本实施例中使用的数据为Radarsat-2卫星的单视复型数据SLC(Single Look Complex，SLC)，它采用单视处理，保留了SAR相应信息，以32bit复数形式记录图像数据，极化方式为精细四极化，空间分辨率5米。

202、对全极化SAR数据进行极化定标处理，将图像的灰度值转变为后向散射系数；

全极化SAR数据的成像机理十分复杂，有其特殊的辐射和几何畸变，并且还伴有SAR数据固有的相干斑噪声，因此SAR数据处理有其特殊的极化定标、几何校正以及去噪的处理方法。

首先对Radarsat-2卫星全极化SAR数据进行极化定标处理，将图像的灰度值转变为后向散射系数σ，转换关系具体为：

其中I_j是指对应于图像中这一点的入射角，β⁰是雷达亮度值。其中，β⁰的计算公式如下：

其中DN_j是图像中某点的灰度值，A3是全极化SAR数据的头文件中自带的一个固定偏移量，A2_j可以通过LUT插值计算。

由于以dB表示的后向散射系数是以对数形式储存的，所以在进行其它运算时比较不便，本实施例中将后向散射系数σ转换成更容易参与运算的幅值A，二者转换关系具体为：

σ＝10×log₁₀A²,

其中，σ表示后向散射系数，A表示幅值。

203、对经极化定标处理后的全极化SAR数据利用PolSARpro的ASF模块进行几何校正；

然后利用PolSARpro的ASF模块对对经极化定标处理后的全极化SAR数据进行几何校正，校正后像元大小为5米×5米。

204、对经几何校正处理后的全极化SAR数据进行多视处理和Boxcar滤波，得到预处理后的全极化SAR数据；

地面目标在一个雷达分辨单元面积内是由许多散射体组成的，这些散射体对于入射的雷达波都会产生向后散射，各散射体后向散射波相干叠加的结果会在SAR图像中产生斑点噪声。由于SAR数据斑点噪声的存在，要在信息提取前对数据进行去噪处理，具体的除了进行多视处理外，还要进行Boxcar滤波，这样做可以在降低噪声影响的同时，能非常好的保护原有信息。

205、将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征；

全极化SAR数据的每个像元可以用一个2×2的复数矩阵来表示，即包含目标散射体所有的电磁散射信息的极化散射矩阵[S]：

其中，S_HH表示水平同极化分量，S_VV表示垂直同极化分量，S_VH与S_HV表示交叉极化分量。

在满足互易性原理，即S_HV＝S_VH，时，还可以得到极化相干矩阵[T]和极化协方差矩阵[C]，具体为：

其中，A＝S_HH+S_VV，B＝S_HH-S_VV，C＝2S_HV＝2S_VH；

全极化SAR数据的目标分解是指将极化散射矩阵、极化相干矩阵或者极化协方差矩阵分解为不同成分，用以表示目标散射体的不同散射特性。本实施例中采用Cloude分解方法对全极化SAR数据进行处理，即使用特征值分解的方法将极化相干矩阵[T]分解为三种成分，分别是极化散射角α、极化散射熵H和反熵A。极化散射角α是表示电磁波经过目标散射体散射后从0°到90°变化的参量，反映了目标散射体的散射机制。当α＝0°时，对应散射机制中各向同性的奇次散射；当0°＜α＜45°时，对应散射机制中各向异性的奇次散射；当α＝45°时，对应散射机制中的偶极子散射，即由植被产生的体散射；当45°＜α＜90°时，对应散射机制中各向异性的偶次散射；当α＝90°时，对应散射机制中各向同性的偶次散射。极化散射熵H表示媒质散射的随机性。其取值范围为0≤H≤1。当H＝0时，表示各向同性的完全极化散射状态；当0＜H＜1时，表示由完全极化散射到完全随机散射的过渡状态；当H＝1时，表示各向异性的随机散射状态。反熵A是极化散射熵H的补充参数，它反映了除优势散射机制以外的两个相对弱势散射机制的大小关系。

对于全极化SAR数据，首先要将极化散射矩阵[S]转化为极化相干矩阵[T]，并计算极化相干矩阵[T]的特征值。计算公式为：

其中，λ_i表示极化相干矩阵[T]的特征值；e_i表示极化相干矩阵[T]的特征向量；α表示目标散射体的散射机制，其取值范围为0°≤α≤90°；β表示目标散射体的方位角，其取值范围为-180°≤β≤180°；φ、δ、γ分别表示目标散射体的相位角。

然后计算平均极化散射角α，计算公式如下：

最后计算极化散射熵H，计算公式如下：

其中，

206、将后向散射特征进行归一化处理；

Radarsat-2卫星全极化SAR数据中可以挖掘很多后向散射特征用于目标识别，但由于数据量纲的差异，不同数据的值域之间相差巨大，为避免较大值对较小值的遮盖，采用归一化的方法，将提取的向散射特征进行标准化处理，将数据值域统一到[0，1]，消除量纲的影响。其计算公式为：

其中，X′_i表示标准化处理后的数据，X_i为原始数据，X_max,X_min分别为数据产品的最大值和最小值。

207、构建RWAI指数；

基于以上处理，再利用后向散射特征在水体和蚝排区域的差异，将3种特征数据，即极化散射熵、体散射分量和交叉极化强度组合构建成RWAI指数，突出蚝排区域特征：

其中，H表示极化散射熵；P_v表示体散射分量；S_HV表示交叉极化强度。

208、根据RWAI指数和相关的类别特征码描述条件提取蚝排区域；

根据RWAI指数和相关的类别特征码描述条件提取蚝排区域，具体的：

在本实施例中采用面向对象的分类方法，对数据进行多尺度分割处理，多尺度分割是将每个像元作为一个种子点，将特征相似的相邻像元或者对象进行合并，当对象内部异质性达到设定阈值时结束合并，通过组合三个分割参数，即尺度、形状因子和紧致度因子，设置前述三个分割参数的组合阈值来获得合适尺度的影像对象，顾及特征的影像对象有利于水域与陆地的划分，以及包括蚝排在内的水域细节的突出，以影像对象为分类单位可以克服传统基于像素分类方法中产生的“椒盐”现象，放大蚝排与水域、陆地等非目标区域的差异，提高分类精度。基于分割后的影像对象，通过对于RWAI阈值的设置及其他相关特征的描述实现对于蚝排目标的提取。由于分类结果仍然受相干斑噪声影响，存在破碎的图斑，为了生成高质量的专题图，还要对分类结果进行Elimination处理来消除零碎图斑，进一步降低由噪声引起的误差。

首先，根据需要结合提取区域的环境特点，提取包括蚝排区域在内的水域范围，通过较大尺度的分割(分割参数设置为：分割尺度：500，形状因子：0.2，紧致度因子：0.5)得到边界清晰的水域和陆地对象，基于一定特征的类别描述实现水域和陆地类别的划分，例如体散射分量特征：小于4的为水域，大于4为陆地；其次，以水域范围为基础，再次进行多尺度分割(分割参数设置为：分割尺度：15，形状因子0.2，紧致度因子0.5)，完成对水域细节的划分，创建内部较为均质的的蚝排、滩涂、水等对象，设置合适的阈值(RWAI<800)为提取标准进行蚝排区域的提取。同时考虑到可能出现大面积的养殖水面、网箱，以及滩涂等的散射特征与蚝排较为接近，容易引起RWAI值较高而导致错分的问题，在进行蚝排区域提取时，除设定RWAI阈值外，设置附加条件，如蚝排与周围地物的邻接关系特征(例如：蚝排养殖一般集中分布在水中，若为孤立目标，即邻域20m内无同类目标存在，则剔除；若邻接陆地，则剔除)、蚝排的形状特征(蚝排多呈长方形，长宽适中，实验中采取参数为1.5-3.0，若长宽比不在此范围内则剔除)等，对提取结果加以限制。附加条件的设置要综合考虑影像及实际条件。其中，RWAI指数是对雷达的极化特征做的优化，目的是突出蚝排；而RWAI阈值的设置则是在优化后的特征中做筛选，提取蚝排区域。

其中，实施图2所描述的方法利用Radarsat-2卫星SLC全极化SAR数据的不同极化信息，对海水蚝排区域的后向散射特性进行分析，构建RWAI指数，采用面向对象的分类方法，对数据进行多尺度分割处理对海面蚝排区域进行高精度提取，实现了利用SAR数据来对海水蚝排养殖区域的提取，能够有效监测蚝排区域，且大大降低了成本。

实施例三

请参阅图3，图3是本发明实施例公开的一种利用SAR数据监测蚝排区域的装置的结构示意图。如图3所示，该利用SAR数据监测蚝排区域的装置包括：

获取模块301，用于获取原始全极化合成孔径雷达(SAR)数据；本实施例中使用的数据为Radarsat-2卫星的SLC数据，它采用单视处理，保留了SAR相应信息，以32bit复数形式记录图像数据，极化方式为精细四极化，空间分辨率5米。

预处理模块302，用于将获取模块301获取的原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，得到预处理后的全极化SAR数据；具体的，首先对全极化SAR数据进行极化定标处理，将图像的灰度值转变为后向散射系数；然后对经极化定标处理后的全极化SAR数据利用PolSARpro的ASF模块进行几何校正；再对经几何校正处理后的全极化SAR数据进行多视处理和Boxcar滤波，得到预处理后的全极化SAR数据。

后向散射特征提取模块303，用于将预处理模块302预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征；全极化SAR数据的目标分解是指将极化散射矩阵、极化相干矩阵或者极化协方差矩阵分解为不同成分，用以表示目标散射体的不同散射特性。本实施例中采用Cloude分解方法对全极化SAR数据进行处理，即使用特征值分解的方法将极化相干矩阵分解为三种成分，分别是极化散射角、极化散射熵和反熵。

RWAI指数构建模块304，用于根据后向散射特征提取模块303提取的后向散射特征体现在水体和蚝排区域上的差异，构建用于突出蚝排区域特征的RWAI指数；具体的，将特征数据极化散射熵、体散射分量以及交叉极化强度组合构建成RWAI指数：

其中H表示极化散射熵；P_v表示体散射分量；S_HV表示交叉极化强度。

蚝排区域提取模块305，用于根据RWAI指数构建模块304构建的RWAI指数和相关的类别特征描述条件提取蚝排区域；具体的：在本实施例中采用面向对象的分类方法，对数据进行多尺度分割处理，然后通过组合三个分类特征，即尺度、形状因子和紧致度因子，并设置前述三个分类特征的组合阈值来提取蚝排养殖区域，这样可以提供蚝排区别于其它散射地物的最大信息。由于分类结果仍然受相干斑噪声影响，存在破碎的图斑，为了生成高质量的专题图，还要对分类结果进行Elimination处理来消除零碎图斑，进一步降低由噪声引起的误差。首先，根据需要结合提取区域的环境特点，提取包括蚝排区域在内的水域范围，通过较大尺度的分割和阈值设置将水域范围区分开来；其次，以水域范围为基础，再次进行多尺度分割，完成对水域细节的划分，创建内部较为均质的的蚝排、滩涂、水等对象，设置合适的阈值为提取标准进行蚝排区域的提取。同时考虑到可能出现大面积的养殖水面、网箱，以及滩涂等的散射特征与蚝排较为接近，容易引起RWAI值较高而导致错分的问题，在进行蚝排区域提取时，除设定RWAI阈值外，设置附加条件，如蚝排与周围地物的邻接关系(例如：蚝排养殖一般集中分布在水中，若为孤立目标，即邻域20m内无同类目标存在，则剔除；若邻接陆地，则剔除)、蚝排的形状特征(蚝排呈长条状，长宽比较大，实验中采取参数为1.5，若小于该值则剔除)等等，对提取结果加以限制。附加条件的设置要综合考虑影像及实际条件。

其中，实施图3所描述的装置中获取模块301获取原始全极化SAR数据后，预处理模块302将该原始全极化SAR数据进行极化定标、几何校正以及去噪的预处理，然后由后向散射特征提取模块303将预处理后的全极化SAR数据进行后向散射特征提取得到后向散射特征，RWAI指数构建模块304再根据后向散射特征提现在水体和蚝排区域上的差异，构建RWAI指数，最后蚝排区域提取模块305根据RWAI指数和相关的类别特征描述条件提取蚝排区域。本发明实施例利用Radarsat-2卫星SLC全极化SAR数据的不同极化信息，对海水蚝排区域的后向散射特性进行分析，构建RWAI指数对海面蚝排区域进行高精度提取，实现了利用SAR数据来对海水蚝排养殖区域的提取，能够有效监测蚝排区域，且大大降低了成本。

实施例四

请参阅图4，图4是本发明实施例公开的另一种利用SAR数据监测蚝排区域的装置的结构示意图。如图4所示的利用SAR数据监测蚝排区域的装置是在图3所示装置的基础上的优选实施例。

进一步的，在实施例三的基础上，本实施例中的装置还包括：

归一化处理模块306，用于将后向散射特征提取模块303提取的后向散射特征进行归一化处理；具体的，Radarsat-2卫星全极化SAR数据中可以挖掘很多后向散射特征用于目标识别，但由于数据量纲的差异，不同数据的值域之间相差巨大，为避免较大值对较小值的遮盖，采用归一化的方法，将提取的向散射特征进行标准化处理，将数据值域统一到[0,1]，消除量纲的影响。其计算公式为：

其中，X′_i表示标准化处理后的数据，X_i为原始数据，X_max,X_min分别为数据产品的最大值和最小值。

进一步的，预处理模块302包括：

极化定标处理单元3021，用于对全极化SAR数据进行极化定标处理，将图像的灰度值转变为后向散射系数；具体的，将图像的灰度值转变为后向散射系数σ，转换关系具体为：

其中I_j是指对应于图像中这一点的入射角，β⁰是雷达亮度值。其中，β⁰的计算公式如下：

其中DN_j是图像中某点的灰度值，A3是全极化SAR数据的头文件中自带的一个固定偏移量，A2_j可以通过LUT插值计算。

由于以dB表示的后向散射系数是以对数形式储存的，所以在进行其它运算时比较不便，本实施例中将后向散射系数σ转换成更容易参与运算的幅值A，二者转换关系具体为：

σ＝10×log₁₀A²,

其中，σ表示后向散射系数，A表示幅值。

几何校正单元3022，用于对经极化定标处理后的全极化SAR数据利用PolSARpro的ASF模块进行几何校正，校正后像元大小为5米×5米。

去噪单元30323，用于对经几何校正处理后的全极化SAR数据进行多视处理和Boxcar滤波，得到预处理后的全极化SAR数据；地面目标在一个雷达分辨单元面积内是由许多散射体组成的，这些散射体对于入射的雷达波都会产生向后散射，各散射体后向散射波相干叠加的结果会在SAR图像中产生斑点噪声。由于SAR数据斑点噪声的存在，要在信息提取前对数据进行去噪处理，具体的除了进行多视处理外，还要进行Boxcar滤波，这样做可以在降低噪声影响的同时，能非常好的保护原有信息。

其中，实施图4所描述的装置利用Radarsat-2卫星SLC全极化SAR数据的不同极化信息，对海水蚝排区域的后向散射特性进行分析，构建RWAI指数，采用面向对象的分类方法，对数据进行多尺度分割处理对海面蚝排区域进行高精度提取，实现了利用SAR数据来对海水蚝排养殖区域的提取，能够有效监测蚝排区域，且大大降低了成本。

实施例五

请参阅图5，图5是本发明实施例公开的一种用户设备的结构示意图。其中，图5所示的用户设备包括图3～图4任意一种利用SAR数据监测蚝排区域的装置。实施图5所示的用户设备，利用Radarsat-2卫星SLC全极化SAR数据的不同极化信息，对海水蚝排区域的后向散射特性进行分析，构建RWAI指数，采用面向对象的分类方法，对数据进行多尺度分割处理对海面蚝排区域进行高精度提取，实现了利用SAR数据来对海水蚝排养殖区域的提取，能够有效监测蚝排区域，且大大降低了成本。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本发明实施例公开的一种利用SAR数据监测蚝排区域的方法及装置、用户设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。