一种基于极化参数约束的分布式目标识别方法与流程

本发明实施例涉及目标数据识别，具体涉及一种基于极化参数约束的分布式目标识别方法。

背景技术：

1、公开该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。

2、ps-insar技术作为目前较为常用的地质形变监测技术，虽可提供稳定可靠的形变监测结果，但是其密度很低，在探测形变场时，不能提供详细的形变场细节。

3、ds-insar方法可以获取研究区域的高密度形变场。分布式散射体(ds)是指地物性质较为一致，且能够在一定时间内保持稳定的散射体。在影像上，ds对应于具有相同分布特征的多个像素，这些像素点属于同一地物,影像中90％左右的像素点为ds点，ps点所占比例则很少。在进行时序分析时，ds能够提供更加丰富的形变细节。ds在空间上分布广泛，其中包括房顶，裸地，道路，闲置耕地等。除了以上几种地物类型之外，常见的ds还包括荒山，沙漠，低矮灌木丛，水泥地等。

4、在寻找ds点时，需要在给定的距离内找寻具有相同的相位统计特性的点，并将点进行聚类分析，可靠的ds-insar形变场的获取与精确的ds点选取有着很大的关系。常规的ds选点方式往往只依据统计特性，并未考虑ds的自然属性或利用状态的因素，降低了ds选取的正确率。利用土地利用分类的方法进行ds约束，其可以适当改进ds选取精度，因为ds的物理特性具有较高的一致性，同一个ds点对应同一种地物，因此其表面粗糙程度、复介电系数、后向散射系数等物理特性基本一致。但同种地物不一定有相同的散射特性，只靠地物分类并没有依靠极化特征值的效果好，且使用土地利用类型数据增加了数据资料，分类的精度也影响了ds选取的精度。

技术实现思路

1、为此，本发明实施例提供一种基于极化参数约束的分布式目标识别方法，以解决现有技术中由于针对ds选点的精确度以及正确率不足而导致的分布式目标点识别不准确的问题。

2、为了实现上述目的，本发明的实施方式提供如下技术方案：

3、在本发明的实施方式中，提供了一种基于极化参数约束的分布式目标识别方法，方法包括如下步骤：

4、s1：获取n幅时序sar影像，通过影像预处理获取感兴趣区的时序sar影像堆栈；

5、s2：基于时序sar影像堆栈，计算每幅sar影像的幅度、平均幅度和相干性；

6、s3：基于时序sar影像堆栈，计算每幅sar影像的每个像素点的极化熵h和平均散射角α；

7、s4：设置同质像元检测窗口进行同质像元选取，优化同质像元的选取结果；

8、s5：基于平均幅度、相干性设置相关阈值，结合连通性阈值完成ds同质点的选取。

9、进一步地，步骤s1中，通过对裁剪后的影像进行多视、滤波预处理，获取感兴趣区的不同极化类型的rslc影像。

10、进一步地，步骤s2中，基于时序sar影像堆栈，计算每幅sar影像的幅度、平均幅度和相干性，其包括如下步骤：

11、s2.1：每幅影像的幅度amp通过下面公式计算获取：

12、ampi＝abs(rslci)               (1)

13、其中，abs(rslci)为求绝对值，i＝1,2,3,...,n，n表示影像数量；

14、s2.2：平均幅度ampave及相干性coh通过下面公式计算获取：

15、

16、

17、其中，e[yy*t]表示期望，y＝[y1,y2,...，yn]t表示分布式目标的同质点在n景sar影像上的复观测量归一化后的结果，即

18、进一步地，步骤s3中，优化同质像元的选取具体应用如下步骤

19、基于以下公式计算每幅影像的极化特征值h和平均散射角α；

20、

21、

22、

23、

24、

25、其中，s为散射矩阵，k为目标散射矢量，t表示矩阵转置，<·>表示时间平均或空间平均，ki是特征向量，表示复共轭转置，λi是特征值，pi是从特征值(λi)获得的伪概率，其中

26、进一步地，步骤s4中同质像元的选取如下

27、s4.1：设置同质像元检测窗口大小m*n，即m行n列，且均为奇数；

28、s4.2：以幅度信息为数据源，设置窗口内各像素的极化熵h和平均散射角α的约束条件，当窗口内中心像元的约束条件可用，且与窗口内其他像元存在相同时，则对窗口内的所有像素逐一与窗口中心点进行ad检验确定同质像元，否则不做检验。

29、计算极化熵h与平均散射角α的约束条件公式如下：

30、v＝f(hsegi，αsegi)               (9)

31、其中，hsegi为极化熵h分割阈值，αsegi为平均散射角α分割阈值，f为两个阈值的函数，该函数能够表示所有的散射机制，并会依据分割阈值将研究区规划为不同的散射机制类别，以每一种不同的散射机制类别作为同一种约束对整个研究区进行划分，再选择合适的窗口进行同质像元的检验，当检测窗口内中心像元的约束条件可用，且与窗口内其他像元存在相同时，则对窗口内的所有像素逐一与窗口中心点进行ad检验确定同质像元，否则不做检验。

32、s4.3：对同质像元检测窗口内中心像元及其同质像元进行连通性检测，统计同质像元检测窗口内同质像元的数量。

33、进一步地，步骤s4中采用ad检验进行同质像素选取包括统计量测试，两个像素的采样值p和q的测试统计量可以定义为

34、

35、式中，和为采样值p和q的经验累积分布函数，为两个样本集合分布的经验累积分布函数。

36、进一步地，步骤s5中，基于平均幅度图、相干性设置相关阈值，结合连通性阈值完成ds同质点的选取工作。其包括如下步骤：

37、s5.1：基于平均幅度图、相干性设置相关阈值。基于平均幅度图效果，参考水陆边界等条件设置经验阈值剔除非ds点，计算整个ds区块的相干性，如果整体相干性小于设定的经验相干性阈值时，则作为非ds点。

38、s5.2：基于统计的同质像元检测窗口内同质像元的数量，设置连通性经验阈值，完成ds区块的最终选点工作。

39、根据本发明的实施方式，该方法具有如下优点：该方法可以使sar数据信息充分利用，极大提升了sar数据的使用价值。而且能够在无需其他数据辅助的前提下，进一步优化了ds选取过程与质量。利用精匹配后的时序sar影像，基于极化分解得到每幅影像的多个极化参数，将这些参数作为约束条件参与ds同质点选取过程，设置参数约束阈值优化分布式目标选取结果，最后基于相干性或平均强度图设置连通性阈值选取最终ds点。

技术特征：

1.一种基于极化参数约束的分布式目标识别方法，其特征在于包括如下s：

2.根据权利要求1所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤s1中，通过对裁剪后的影像进行多视、滤波预处理，获取感兴趣区的不同极化类型的rslc影像。

3.根据权利要求2所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤s2中，基于时序sar影像堆栈，计算每幅sar影像的幅度、平均幅度和相干性，其包括如下步骤：

4.根据权利要求1所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤s3中，优化同质像元的选取具体应用如下步骤

5.根据权利要求4所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤s4中同质像元的选取如下

6.根据权利要求5所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，所述步骤s4中采用ad检验进行同质像素选取包括统计量测试，两个像素的采样值p和q的测试统计量可以定义为

7.根据权利要求1所述的一种基于极化参数约束的分布式目标识别方法，其特征在于，在所述步骤s5中，基于平均幅度图、相干性设置相关阈值，结合连通性阈值完成ds同质点的选取工作，其包括如下步骤：

技术总结
本发明实施例公开了一种基于极化参数约束的分布式目标识别方法，包括如下步骤：获取N幅时序SAR影像，通过影像预处理获取感兴趣区的时序SAR影像堆栈；基于时序SAR影像堆栈，计算每幅SAR影像的幅度、平均幅度和相干性；基于时序SAR影像堆栈，计算每幅SAR影像的每个像素点的极化熵H和平均散射角α；设置同质像元检测窗口进行同质像元选取，优化同质像元的选取结果；基于平均幅度、相干性设置相关阈值，结合连通性阈值完成DS同质点的选取，该方法可以使SAR数据信息充分利用，极大提升了SAR数据的使用价值。而且能够在无需其他数据辅助的前提下，进一步优化了DS选取过程与质量。

技术研发人员：吴磊,孙世山,李进田
受保护的技术使用者：北京深蓝空间遥感技术有限公司
技术研发日：
技术公布日：2024/1/15