(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210449907.0 (22)申请日 2022.04.26 (71)申请人 中国电子科技 集团公司第十四研究 所 地址 210039 江苏省南京市雨 花台区国睿 路8号 (72)发明人 徐一凡　刘爱芳　林幼权　 (74)专利代理 机构 南京知识律师事务所 32 207 专利代理师 刘丰　高娇阳 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) G06T 7/11(2017.01) G06T 7/13(2017.01)G06T 7/187(2017.01) (54)发明名称 一种基于极化和干涉信息的植被和建筑分 类方法 (57)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。 权利要求书2页 说明书5页 附图4页 CN 114782747 A 2022.07.22 CN 114782747 A 1.一种基于极化和干涉信息的植被和建筑分类方法， 其特 征在于： 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； 其中， 用于试验的SAR图像包括： 主天线水平极化发射水平极化接收的复图像、 主天线 水平极化发射垂直极化接 收的复图像、 主天线垂直极化发射水平极化接 收的复图像、 主天 线垂直极化发射垂直极化接收的复图像以及辅天线水平极化发射水平极化接收的复图像； 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图像进行 极化分类， 并进行类别合并， 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中的主天线水平极化发射水平极化接收的复图像和辅天线水平极化发射水 平极化接收的复图像计算相干系 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。 2.根据权利要求1所述的基于极化和干涉信 息的植被和建筑分类方法， 其特征在于： 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。 3.根据权利要求1所述的基于极化和干涉信 息的植被和建筑分类方法， 其特征在于： 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。 4.根据权利要求3所述的基于极化和干涉信 息的植被和建筑分类方法， 其特征在于： 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， 进行极化分解， 得到表面散射、 二次散射以及体散射功率； 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； 将每种散射类型内 的像素各划分为3 0个聚类； 然后使用W ishart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。 5.根据权利要求1所述的基于极化和干涉信 息的植被和建筑分类方法， 其特征在于： 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％， 则将权　利　要　求　书 1/2 页 2 CN 114782747 A 2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％。 6.根据权利要求1所述的基于极化和干涉信 息的植被和建筑分类方法， 其特征在于： 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 设置阈值T1， 若平 均相干系数 超过阈值T1， 则将对 应区域标记为1； 若平均相干系数 未超过阈值T1， 则将对 应区域标记为0 。 7.根据权利要求1所述的基于极化和干涉信 息的植被和建筑分类方法， 其特征在于： 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 。 8.根据权利要求7所述的基于极化和干涉信 息的植被和建筑分类方法， 其特征在于： 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。权　利　要　求　书 2/2 页 3 CN 114782747 A 3