專利名稱：一種多頻率sar數(shù)據(jù)農(nóng)作物遙感分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)作物遙感圖像分類技術(shù)領(lǐng)域，特別涉及一種多頻率SAR數(shù)據(jù)農(nóng)作物遙感分類方法。
背景技術(shù)：
農(nóng)作物遙感監(jiān)測是遙感技術(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，是目前最為有效的對地觀測技術(shù)和信息獲取手段。尤其近年來新的高空間分辨率、高光譜、雷達等遙感技術(shù)的發(fā)展，為農(nóng)業(yè)現(xiàn)代化管理提供了新的機遇。我國幅員遼闊，農(nóng)作物種類豐富，如何及時、客觀、準確地收集我國農(nóng)作物信息，對科學(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)量的過程。遙感信息是指在各種遙感平臺上，使用各種傳感器獲取作物及其環(huán)境背景的反射、輻射信息的瞬時記錄。經(jīng)計算機處理、識別、分類、信息提取等遙感方法，并結(jié)合數(shù)理統(tǒng)計分析和地學(xué)分析，最后估測出農(nóng)作物的最終產(chǎn)量。根據(jù)遙感資料來源的不同，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)用飛機航測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。后者是根據(jù)地面遙感平臺獲取的農(nóng)作物光譜信息進行估產(chǎn)，估產(chǎn)范圍較小。農(nóng)作物遙感估產(chǎn)包括對農(nóng)作物生長過程的動態(tài)監(jiān)測、種植面積測算、單位面積產(chǎn)量估測和總產(chǎn)量估測。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精度的問題。利用微波信號與地物的相互作用，獲取地表的后向散射特征，具有一定的穿透性，在對地觀測中具有獨特的優(yōu)勢，而且微波傳感器可以全天時、全天候地獲取數(shù)據(jù)， 在農(nóng)作物遙感分類上擁有較大優(yōu)勢，在多云雨地區(qū)則優(yōu)勢更加明顯。然而，微波傳感器接收的信號受相干斑噪聲的干擾，影響了對地物目標的提取和分析，利用單景SAR(SynthetiC Aperture Radar，合成孔徑雷達)數(shù)據(jù)進行農(nóng)作物遙感分類往往很難達到令人滿意的分類精度。微波與地物相互作用的過程會隨著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。由于微波對植被的穿透力隨波長的改變而變化，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)作物遙感分類精度方面具備發(fā)展?jié)摿Α?同時，由于多頻率SAR數(shù)據(jù)會為農(nóng)作物的分類引入更多的數(shù)據(jù)冗余，SAR數(shù)據(jù)數(shù)量的增加，不一定會對最終分類結(jié)果的精度有很明顯的提高，同時還需要更多的數(shù)據(jù)處理時間和數(shù)據(jù)購買費用。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)作物分類精度的方法，這也是一項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)問題針對現(xiàn)有技術(shù)的缺點，本發(fā)明為了解決現(xiàn)有技術(shù)中農(nóng)作物遙感分類精度難以提高的問題，提供了一種多頻率SAR數(shù)據(jù)農(nóng)作物遙感分類方法，以多頻率SAR影像數(shù)據(jù)為數(shù)據(jù)源，利用支持向量機(SVM)分類方法，通過加入紋理特征信息，實現(xiàn)對農(nóng)作物的精確分類。( 二 )技術(shù)方案為實現(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)合地面觀測數(shù)據(jù)，確定合適時間的ASAR及TerraSAR-X數(shù)據(jù)作為數(shù)據(jù)源，并對選定的SAR數(shù)據(jù)進行預(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SAR數(shù)據(jù)進行分類；S4，使用地面驗證數(shù)據(jù)對SVM方法的分類結(jié)果進行驗證。優(yōu)選地，步驟Sl中，所述數(shù)據(jù)源的確定具體為參考歷史物候數(shù)據(jù)，分別在拔節(jié)初期、拔節(jié)后期和開花期獲取三景ASAR數(shù)據(jù)，并獲取一景與開花期的ASAR數(shù)據(jù)同時相的 TerraSAR-X 數(shù)據(jù)。優(yōu)選地，所述對選定的SAR數(shù)據(jù)進行預(yù)處理具體為對所述ASAR及TerraSAR-X數(shù)據(jù)進行輻射定標、配準、幾何粗糾正和濾波處理后，再進行幾何精糾正。優(yōu)選地，對ASAR數(shù)據(jù)進行輻射定標按照Z = A2Sin α/Κ進行，其中，是定標后的后向散射系數(shù)，A是ASAR影像上像元的數(shù)字量化輸出值，α是對應(yīng)像元的入射角，K是原始文件的頭文件中給出的絕對定標系數(shù)；對TerraSAR-X 數(shù)據(jù)進行輻射定標按照
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)合地面觀測數(shù)據(jù)，確定合適時間的ASAR及TerraSAR-X數(shù)據(jù)作為數(shù)據(jù)源，并對選定的SAR數(shù)據(jù)進行預(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SAR數(shù)據(jù)進行分類；S4,使用地面驗證數(shù)據(jù)對SVM方法的分類結(jié)果進行驗證。
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歷史物候數(shù)據(jù)，分別在拔節(jié)初期、拔節(jié)后期和開花期獲取三景ASAR數(shù)據(jù)，并獲取一景與開花期的ASAR數(shù)據(jù)同時相的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，所述對選定的SAR數(shù)據(jù)進行預(yù)處理具體為對所述ASAR及TerraSAR-X數(shù)據(jù)進行輻射定標、配準、幾何粗糾正和濾波處理后，再進行幾何精糾正。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，對ASAR數(shù)據(jù)進行輻射定標按照σ°= A2Sin α /K進行，其中，σ 0是定標后的后向散射系數(shù)，A是ASAR影像上像元的數(shù)字量化輸出值，α對應(yīng)像元的入射角，K是原始文件的頭文件中給出的絕對定標系數(shù)；對TerraSAR-X數(shù)據(jù)進行輻射定標按照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軟件對所述ASAR數(shù)據(jù)進行所述輻射定標、配準、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，對所述ASAR及TerraSAR-X數(shù)據(jù)進行濾波均采用5*5窗口的Gamma自適應(yīng)濾波器進行。
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式方法進行，兩種數(shù)據(jù)使用相同的RapidEye參考影像進行所述幾何精糾正。
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，基于實驗區(qū)農(nóng)作物類型的實際分布情況，選擇每種作物類型的訓(xùn)練樣本，對SVM分類器進行訓(xùn)練，進而對農(nóng)作物類型進行識別分類。
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)源成像時間同步的地物的真實分布數(shù)據(jù)，使用總體分類精度和Kappa系數(shù)對分類結(jié)果的精度進行評價。
全文摘要
本發(fā)明涉及農(nóng)作物遙感圖像分類技術(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(SVM)分類方法，通過加入紋理特征信息，實現(xiàn)對農(nóng)作物的精確分類。該方法為農(nóng)作物精確分類提供了技術(shù)支持，同時也為農(nóng)作物種植面積遙感估算及產(chǎn)量估測提供了重要的數(shù)據(jù)支撐和基礎(chǔ)。
文檔編號G06K9/62GK102194127SQ20111012466
公開日2011年9月21日 申請日期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, 李強子, 賈坤 申請人:中國科學(xué)院遙感應(yīng)用研究所