專(zhuān)利名稱(chēng)：一種多頻率sar數(shù)據(jù)農(nóng)作物遙感分類(lèi)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)作物遙感圖像分類(lèi)技術(shù)領(lǐng)域，特別涉及一種多頻率SAR數(shù)據(jù)農(nóng)作物遙感分類(lèi)方法。
背景技術(shù)：
農(nóng)作物遙感監(jiān)測(cè)是遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用的重要內(nèi)容。遙感技術(shù)作為地球信息科學(xué)的前沿技術(shù)，可以在短期內(nèi)連續(xù)獲取大范圍的地面信息，實(shí)現(xiàn)農(nóng)業(yè)信息的快速收集和定量分析，反應(yīng)迅速，客觀性強(qiáng)，是目前最為有效的對(duì)地觀測(cè)技術(shù)和信息獲取手段。尤其近年來(lái)新的高空間分辨率、高光譜、雷達(dá)等遙感技術(shù)的發(fā)展，為農(nóng)業(yè)現(xiàn)代化管理提供了新的機(jī)遇。我國(guó)幅員遼闊，農(nóng)作物種類(lèi)豐富，如何及時(shí)、客觀、準(zhǔn)確地收集我國(guó)農(nóng)作物信息，對(duì)科學(xué)指導(dǎo)農(nóng)業(yè)生產(chǎn)具有重要意義。農(nóng)作物遙感識(shí)別是遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的重要應(yīng)用內(nèi)容，是作物種植面積估算和產(chǎn)量估測(cè)的基礎(chǔ)，具有重要的意義。其中，農(nóng)作物遙感估產(chǎn)是應(yīng)用遙感信息和遙感方法估算作物產(chǎn)量的過(guò)程。遙感信息是指在各種遙感平臺(tái)上，使用各種傳感器獲取作物及其環(huán)境背景的反射、輻射信息的瞬時(shí)記錄。經(jīng)計(jì)算機(jī)處理、識(shí)別、分類(lèi)、信息提取等遙感方法，并結(jié)合數(shù)理統(tǒng)計(jì)分析和地學(xué)分析，最后估測(cè)出農(nóng)作物的最終產(chǎn)量。根據(jù)遙感資料來(lái)源的不同，農(nóng)作物遙感估產(chǎn)可分為空間遙感作物估產(chǎn)和地面遙感作物估產(chǎn)。前者又包括以應(yīng)用衛(wèi)星資料為主的航天遙感作物估產(chǎn)和以應(yīng)用飛機(jī)航測(cè)資料為主的航空遙感作物估產(chǎn)，估產(chǎn)的范圍廣、 宏觀性強(qiáng)。后者是根據(jù)地面遙感平臺(tái)獲取的農(nóng)作物光譜信息進(jìn)行估產(chǎn)，估產(chǎn)范圍較小。農(nóng)作物遙感估產(chǎn)包括對(duì)農(nóng)作物生長(zhǎng)過(guò)程的動(dòng)態(tài)監(jiān)測(cè)、種植面積測(cè)算、單位面積產(chǎn)量估測(cè)和總產(chǎn)量估測(cè)。在空間遙感估產(chǎn)中，農(nóng)作物種植面積估算是遙感估產(chǎn)的重要依據(jù)之一。但是由于中國(guó)自然環(huán)境和種植制度的復(fù)雜性，作物插花種植現(xiàn)象普遍存在，使農(nóng)作物的遙感分類(lèi)難度較大，即使采用Quickbird等高空間分辨率影像仍然存在混合像元和分類(lèi)精度的問(wèn)題。利用微波信號(hào)與地物的相互作用，獲取地表的后向散射特征，具有一定的穿透性，在對(duì)地觀測(cè)中具有獨(dú)特的優(yōu)勢(shì)，而且微波傳感器可以全天時(shí)、全天候地獲取數(shù)據(jù)， 在農(nóng)作物遙感分類(lèi)上擁有較大優(yōu)勢(shì)，在多云雨地區(qū)則優(yōu)勢(shì)更加明顯。然而，微波傳感器接收的信號(hào)受相干斑噪聲的干擾，影響了對(duì)地物目標(biāo)的提取和分析，利用單景SAR(SynthetiC Aperture Radar，合成孔徑雷達(dá))數(shù)據(jù)進(jìn)行農(nóng)作物遙感分類(lèi)往往很難達(dá)到令人滿意的分類(lèi)精度。微波與地物相互作用的過(guò)程會(huì)隨著SAR數(shù)據(jù)的頻率、極化方式和入射角等因素的影響，而多頻率SAR數(shù)據(jù)能夠提供多頻率、多極化方式和多種入射角信息。由于微波對(duì)植被的穿透力隨波長(zhǎng)的改變而變化，因而不同頻率的SAR可以獲取作物從冠層到莖干不同高度的信息及其下層土壤的含水量等信息，因此基于多頻率SAR數(shù)據(jù)在提高農(nóng)作物遙感分類(lèi)精度方面具備發(fā)展?jié)摿Α?同時(shí)，由于多頻率SAR數(shù)據(jù)會(huì)為農(nóng)作物的分類(lèi)引入更多的數(shù)據(jù)冗余，SAR數(shù)據(jù)數(shù)量的增加，不一定會(huì)對(duì)最終分類(lèi)結(jié)果的精度有很明顯的提高，同時(shí)還需要更多的數(shù)據(jù)處理時(shí)間和數(shù)據(jù)購(gòu)買(mǎi)費(fèi)用。因此必須發(fā)明一種能夠有效地利用多頻率SAR數(shù)據(jù)提高農(nóng)作物分類(lèi)精度的方法，這也是一項(xiàng)難度較大又急需解決的任務(wù)。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問(wèn)題針對(duì)現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明為了解決現(xiàn)有技術(shù)中農(nóng)作物遙感分類(lèi)精度難以提高的問(wèn)題，提供了一種多頻率SAR數(shù)據(jù)農(nóng)作物遙感分類(lèi)方法，以多頻率SAR影像數(shù)據(jù)為數(shù)據(jù)源，利用支持向量機(jī)(SVM)分類(lèi)方法，通過(guò)加入紋理特征信息，實(shí)現(xiàn)對(duì)農(nóng)作物的精確分類(lèi)。( 二 )技術(shù)方案為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案一種多頻率SAR數(shù)據(jù)農(nóng)作物遙感分類(lèi)方法，所述方法包括步驟Si,根據(jù)作物物候期并結(jié)合地面觀測(cè)數(shù)據(jù)，確定合適時(shí)間的ASAR及TerraSAR-X數(shù)據(jù)作為數(shù)據(jù)源，并對(duì)選定的SAR數(shù)據(jù)進(jìn)行預(yù)處理；S2，利用灰度共生矩陣GLCM方法提取SAR影像的紋理特征；S3，利用SVM方法對(duì)SAR數(shù)據(jù)進(jìn)行分類(lèi)；S4，使用地面驗(yàn)證數(shù)據(jù)對(duì)SVM方法的分類(lèi)結(jié)果進(jìn)行驗(yàn)證。優(yōu)選地，步驟Sl中，所述數(shù)據(jù)源的確定具體為參考?xì)v史物候數(shù)據(jù)，分別在拔節(jié)初期、拔節(jié)后期和開(kāi)花期獲取三景ASAR數(shù)據(jù)，并獲取一景與開(kāi)花期的ASAR數(shù)據(jù)同時(shí)相的 TerraSAR-X 數(shù)據(jù)。優(yōu)選地，所述對(duì)選定的SAR數(shù)據(jù)進(jìn)行預(yù)處理具體為對(duì)所述ASAR及TerraSAR-X數(shù)據(jù)進(jìn)行輻射定標(biāo)、配準(zhǔn)、幾何粗糾正和濾波處理后，再進(jìn)行幾何精糾正。優(yōu)選地，對(duì)ASAR數(shù)據(jù)進(jìn)行輻射定標(biāo)按照Z(yǔ) = A2Sin α/Κ進(jìn)行，其中，是定標(biāo)后的后向散射系數(shù)，A是ASAR影像上像元的數(shù)字量化輸出值，α是對(duì)應(yīng)像元的入射角，K是原始文件的頭文件中給出的絕對(duì)定標(biāo)系數(shù)；對(duì)TerraSAR-X 數(shù)據(jù)進(jìn)行輻射定標(biāo)按照
權(quán)利要求
1.一種多頻率SAR數(shù)據(jù)農(nóng)作物遙感分類(lèi)方法，其特征在于，所述方法包括步驟Si,根據(jù)作物物候期并結(jié)合地面觀測(cè)數(shù)據(jù)，確定合適時(shí)間的ASAR及TerraSAR-X數(shù)據(jù)作為數(shù)據(jù)源，并對(duì)選定的SAR數(shù)據(jù)進(jìn)行預(yù)處理；S2，利用灰度共生矩陣GLCM方法提取SAR影像的紋理特征；S3，利用SVM方法對(duì)SAR數(shù)據(jù)進(jìn)行分類(lèi)；S4,使用地面驗(yàn)證數(shù)據(jù)對(duì)SVM方法的分類(lèi)結(jié)果進(jìn)行驗(yàn)證。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟Sl中，所述數(shù)據(jù)源的確定具體為參考?xì)v史物候數(shù)據(jù)，分別在拔節(jié)初期、拔節(jié)后期和開(kāi)花期獲取三景ASAR數(shù)據(jù)，并獲取一景與開(kāi)花期的ASAR數(shù)據(jù)同時(shí)相的TerraSAR-X數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)選定的SAR數(shù)據(jù)進(jìn)行預(yù)處理具體為對(duì)所述ASAR及TerraSAR-X數(shù)據(jù)進(jìn)行輻射定標(biāo)、配準(zhǔn)、幾何粗糾正和濾波處理后，再進(jìn)行幾何精糾正。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，對(duì)ASAR數(shù)據(jù)進(jìn)行輻射定標(biāo)按照σ°= A2Sin α /K進(jìn)行，其中，σ 0是定標(biāo)后的后向散射系數(shù)，A是ASAR影像上像元的數(shù)字量化輸出值，α對(duì)應(yīng)像元的入射角，K是原始文件的頭文件中給出的絕對(duì)定標(biāo)系數(shù)；對(duì)TerraSAR-X數(shù)據(jù)進(jìn)行輻射定標(biāo)按照σ ° = [Ks (DN)2-(NEBN) ] sin θ及
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，使用NEST3Α軟件對(duì)所述ASAR數(shù)據(jù)進(jìn)行所述輻射定標(biāo)、配準(zhǔn)、幾何粗糾正和濾波處理。
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，對(duì)所述ASAR及TerraSAR-X數(shù)據(jù)進(jìn)行濾波均采用5*5窗口的Gamma自適應(yīng)濾波器進(jìn)行。
7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述幾何精糾正采用二次多項(xiàng)式方法進(jìn)行，兩種數(shù)據(jù)使用相同的RapidEye參考影像進(jìn)行所述幾何精糾正。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S2中，提取所述紋理特征包括提取同質(zhì)性、對(duì)比度、熵以及能量四種紋理信息，將這些紋理信息加入SAR數(shù)據(jù)中。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述紋理信息的提取公式為同質(zhì)性
10.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S3中，基于實(shí)驗(yàn)區(qū)農(nóng)作物類(lèi)型的實(shí)際分布情況，選擇每種作物類(lèi)型的訓(xùn)練樣本，對(duì)SVM分類(lèi)器進(jìn)行訓(xùn)練，進(jìn)而對(duì)農(nóng)作物類(lèi)型進(jìn)行識(shí)別分類(lèi)。
11.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S4中，獲取與所述數(shù)據(jù)源成像時(shí)間同步的地物的真實(shí)分布數(shù)據(jù)，使用總體分類(lèi)精度和Kappa系數(shù)對(duì)分類(lèi)結(jié)果的精度進(jìn)行評(píng)價(jià)。
全文摘要
本發(fā)明涉及農(nóng)作物遙感圖像分類(lèi)技術(shù)領(lǐng)域，提出了一種多頻率SAR數(shù)據(jù)農(nóng)作物遙感分類(lèi)方法。本發(fā)明的方法中，以多景C波段ENVISAT ASAR影像與X波段TerraSAR-X影像為數(shù)據(jù)源，利用支持向量機(jī)(SVM)分類(lèi)方法，通過(guò)加入紋理特征信息，實(shí)現(xiàn)對(duì)農(nóng)作物的精確分類(lèi)。該方法為農(nóng)作物精確分類(lèi)提供了技術(shù)支持，同時(shí)也為農(nóng)作物種植面積遙感估算及產(chǎn)量估測(cè)提供了重要的數(shù)據(jù)支撐和基礎(chǔ)。
文檔編號(hào)G06K9/62GK102194127SQ20111012466
公開(kāi)日2011年9月21日 申請(qǐng)日期2011年5月13日 優(yōu)先權(quán)日2011年5月13日
發(fā)明者吳炳方, 張淼, 李強(qiáng)子, 賈坤 申請(qǐng)人:中國(guó)科學(xué)院遙感應(yīng)用研究所