[發明專利]基于棧式稀疏自編碼網絡的多時相PolSAR散射特征的降維算法

在審

• 申請號: 201910877875.2
• 申請日: 2019-09-17
• 公開（公告）號: CN111079505A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 郭交;李恒輝;劉健;韓文霆;秦立峰
• 申請（專利權）人: 西北農林科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于棧式稀疏自編碼網絡（Stacked?Sparse?Autoencoder，S?SAE）的多時相PolSAR散射特征的降維算法，步驟有：（1）采用多種目標分解方法對每個時相的PolSAR圖像數據進行極化目標分解獲取多個散射特征；（2）設置訓練參數，隱含層層數和神經元個數，使用訓練集對構建的S?SAE網絡進行逐層無監督訓練和整體監督優化訓練；（3）提取網絡的相關參數對高維散射特征進行降維處理，最后使用降維特征作為分類器輸入得到PolSAR圖像的分類結果。本發明結合多種目標分解方法能充分有效發掘的多時相PolSAR數據中的特征信息，進一步提高了多時相PolSAR數據的應用質量，在作物分類中實現了高于多時相復Wishart方法的分類精度，為多時相PolSAR數據的高效應用提供了一種思路。

技術領域

本發明屬于微波遙感數據處理及應用領域，更進一步涉及雷達遙感領域中的多時相極化合成孔徑雷達(Polarimetric Synthetic aperture Aperture Radar,PolSAR)高維散射特征的降維方法和數據應用。本發明可以得到優于傳統降維方法的數據壓縮效果，結合現有的極化目標分解方法可以充分的挖掘多時相PolSAR數據中的分類特征，進而從一定程度上提高了多時相PolSAR數據的應用效率，具體在作物分類的多時相PolSAR數據應用上，實驗表明采用降維特征結合分類器能夠得到優于多時相復Wishart分類方法的分類精度。

背景技術

農作物種植結構，是一個區域的作物類型、分布及面積等信息的綜合，是作物估產、區域農業種植結構調整的基礎，也是確保國家糧食安全和發展精準農業的主要依據。因此，在大尺度的農業遙感中，獲取更高精度的農作物分類信息具有極其重要的意義。

PolSAR作為一種遙感手段，憑借其全時相，全天候的高分辨對地觀測能力，農作物分類成為了極化SAR主要應用之一。如今，對于PolSAR數據已經開發了很多的分類算法，大體可以分為三類，基于統計模型的算法，基于電磁波散射機制的算法，基于先驗知識的算法，這些方法有監督型和非監督型，雖然在分類精度上取得了一定的提升，但這些算法仍存在一定的缺點：(1)算法大多數集中在單時相PolSAR數據的分析來對目標進行分類，但因為不同類型的農作物在不同的生長周期具有不同的散射特性，所以單時相的數據并不能在農作物分類的過程中提供足夠多的信息。為此，有必要采用多時相PolSAR數據進行農作物分類實現更高的分類精度。(2)基于先驗知識盡管能一定程度上提取深一層的分類特征，但人工特征提取的能力是有限的，因為人類知識很難同時理解諸多復雜的因素，如類間相似性，類內變異性，大氣條件和散射機制等多種因素。

目前，隨著大量SAR衛星的成功發射和在軌運行，越來越多的PolSAR系統能夠獲取同一區域內大量的多時相遙感數據，為多時相分析提供了可能。逐漸地，廣泛利用多時全極化相極化PolSAR數據來提升農作物分類表現成為了研究熱點之一。

Jong-Son Lee在文獻“Classification of Multi-Look Polarimetric SAR DataBased on Complex Wishart Distribution”(Int.J.Remote Sensing,VOL.15,NO.11,JULY1994)中提出了一種多時相合成孔徑雷達數據處理中監督分類方法，該方法是通過描述多視全極化SAR 圖像協方差矩陣的統計特性，直接利用該分布進行分割，可充分利用全極化SAR數據的統計先驗知識，并可避免拆分協方差矩陣導致的信息損失，可達到一定程度的分類效果。