[發明專利]聯合SVM和AHP的極化SAR圖像滑坡自動檢測方法

在審

• 申請號: 202210134054.1
• 申請日: 2022-02-14
• 公開（公告）號: CN114581700A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 牛朝陽;張浩波;劉偉;高歐陽;李潤生;鄒瑋琦;胡濤
• 申請（專利權）人: 中國人民解放軍戰略支援部隊信息工程大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06K9/62;G06V10/20
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 劉瑩瑩

1.聯合SVM和AHP的極化SAR圖像滑坡自動檢測方法，其特征在于，包括：

步驟1：對災后極化SAR圖像進行預處理，并計算得到所述預處理后的災后極化SAR圖像的極化相干矩陣；

步驟2：基于所述極化相干矩陣提取極化特征，根據所述極化特征采用AHP分析方法確定表面散射機制區域，并進行閾值分割和形態學處理得到疑似滑坡區域；

步驟3：利用所述極化相干矩陣的所有元素構建特征向量，根據所述特征向量對預處理后的災后極化SAR圖像進行SVM監督分類，將分類結果二值化和形態學處理得到滑坡區域分類結果；

步驟4：將步驟2得到的所述疑似滑坡區域與步驟3得到的所述滑坡區域分類結果進行邏輯與運算，運算結果即為滑坡區域。

2.根據權利要求1所述的聯合SVM和AHP的極化SAR圖像滑坡自動檢測方法，其特征在于，步驟2中，所述基于所述極化相干矩陣提取極化特征，具體包括：

對所述極化相干矩陣進行Yamaguchi分解，得到四個散射功率，分別為表面散射功率P_s、二面角散射功率P_d、體散射功率P_v和螺旋體散射功率P_h，對所述四個散射功率進行歸一化；

計算所述極化相干矩陣的同極化分量相關系數實部的正值；

對所述極化相干矩陣進行特征值分解，利用其特征值計算雷達植被指數RVI；

其中，四個所述散射功率、所述同極化分量相關系數實部的正值和所述雷達植被指數RVI均為極化特征。

3.根據權利要求2所述的聯合SVM和AHP的極化SAR圖像滑坡自動檢測方法，其特征在于，按照公式(3)計算所述極化相干矩陣的同極化分量相關系數實部的正值：

其中，ρ_hh-vv表示同極化分量相關系數，Re(·)表示取實部，T₁₁、T₁₂和T₂₂均表示極化相干矩陣中的元素，S_hh和S_vv分別表示散射矩陣的同極化分量，其中下標h、v分別表示發射水平極化波、接收垂直極化波的通道。

4.根據權利要求2所述的聯合SVM和AHP的極化SAR圖像滑坡自動檢測方法，其特征在于，步驟2中，所述根據所述極化特征采用AHP分析方法確定表面散射機制區域，并進行閾值分割和形態學處理得到疑似滑坡區域具體包括：

根據所述極化特征構造如下所示的判斷矩陣：

按照公式(6)利用線性加權和計算滑坡區域疑似程度：

其中，n表示AHP分析方法中利用的極化特征個數，E表示滑坡區域疑似程度，0≤E≤1；E_j是極化特征取值是否位于滑坡閾值區間的評分；W_j是判斷矩陣中的各項極化特征參數的重要性權重；

設定滑坡閾值，若滑坡區域疑似程度數值大于所述滑坡閾值，則判定對應區域為滑坡。

5.根據權利要求4所述的聯合SVM和AHP的極化SAR圖像滑坡自動檢測方法，其特征在于，所述極化特征取值是否位于滑坡閾值區間的評分E_j的計算過程包括：

計算滑坡區域極化特征參數的歸一化累積直方圖，將所述歸一化累積直方圖取值分別為0.1和0.9時所對應的訓練樣本值作為疑似滑坡的閾值區間；

若極化SAR圖像像素的極化特征參數取值位于所述疑似滑坡的閾值區間內，則評分E_j為1，否則為0。

6.根據權利要求4所述的聯合SVM和AHP的極化SAR圖像滑坡自動檢測方法，其特征在于，所述設定滑坡閾值具體為：

利用滑坡區域的訓練樣本統計滑坡區域疑似程度的歸一化累積直方圖，將所述歸一化累積直方圖取值為0.8時所對應的E值設定為滑坡閾值。