【技术实现步骤摘要】
本申请涉及遥感监测，尤其涉及一种联合光学和极化sar数据的地物变化检测方法。
技术介绍
1、基于遥感卫星图像的变化检测方法在各种应用中发挥着关键作用，例如地质灾害监测和建筑损害评估等。目前，大多数变化检测研究都利用单一数据源，主要是光学图像。然而，由于卫星重访时间和复杂天气条件(如阴雨天)的影响，光学图像变化检测具有挑战性，在某些情况下甚至不可行。因此，为了在上述场景下获取数据，引入主动传感系统至关重要。合成孔径雷达(sar，syntheticaperture radar)可以在全天候条件下反演地表后向散射信息，在变化检测研究中十分有效且前景广阔。然而，与光学相比，sar图像缺乏光谱信息，对于图像分析人员来说处理起来更具挑战性。
2、联合sar和光学图像的变化检测方法能够有效补充异构遥感源的信息。极化sar和光学遥感影像都是关键的对地观测手段，它们之间存在一些显著的区别和互补关系，这使得它们在不同应用场景中都具有独特的优势，分别具有不同的优缺点，其蕴含的影像信息可以进行有效的互为补充。光学遥感影像通常受到天气和云雾的干扰，这可能导致信息的缺失或不清晰。相比之下，sar卫星可以在各种天气条件下工作，无视这些问题，从而克服了光学遥感影像的不足之处。极化sar影像的成像原理与光学遥感影像完全不同，因此，非专业人员很难直接理解和解释极化sar影像中的地物。不同地物目标在sar影像中具有不同的后向散射特性，反映在图像上表现为不同的可视化效果。此外，由于在同一分辨单元内存在许多散射体，它们的散射回波在sar影像中会相互叠加，形成
技术实现思路
1、本申请实施例提供了一种基于光学和sar影像的地物变化检测方法，可以解决地物变化检测的精确度低的问题。
2、为了达到上述目的，本申请提供了一种联合光学和极化sar数据的地物变化检测方法，该地物变化检测方法包括：
3、获取目标区域在t个时刻的多幅光学影像和多幅sar影像；第t个时刻为当前时刻；
4、基于所有光学影像和所有sar影像获取多个影像对；影像对为光学影像和sar影像的组合；
5、分别获取每幅光学影像的光学真彩色影像；
6、分别获取每幅sar影像的sar伪彩色影像；
7、利用所有影像对对应的光学真彩色影像和sar伪彩色影像对生成对抗网络进行训练，将训练后的生成对抗网络作为影像转换模型；影像转换模型用于将sar影像转换为类光学影像；
8、利用影像转换模型分别将待检测区域在第1个时刻的sar影像转换为历史类光学影像，将目标区域在当前时刻的sar影像转换为当前类光学影像；
9、基于历史类光学影像和当前类光学影像获取待检测区域在当前时刻的地物变化结果。
10、可选的，基于所有光学影像和所有sar影像获取多个影像对，包括：
11、分别针对每幅光学影像，计算光学影像的获取时刻与所有sar影像的获取时刻之间的差值；
12、选取所有差值中数值最小的差值对应的sar影像作为候选sar影像；
13、判断候选sar影像与光学影像之间的分辨率是否相同；
14、若是，则将候选sar影像与光学影像作为一影像对；
15、否则，从所有差值中剔除候选sar影像对应的差值，并返回选取所有差值中数值最小的差值对应的sar影像作为候选sar影像的步骤。
16、可选的，分别获取每幅sar影像的sar伪彩色影像，包括：
17、将sar影像分解为红色影像、绿色影像和蓝色影像；
18、基于sar影像的极化信息，调整红色影像中每个像素点的像素值，得到红色伪彩影像；
19、基于sar影像的极化信息，调整绿色影像中每个像素点的像素值，得到绿色伪彩影像；
20、基于sar影像的极化信息，调整蓝色影像中每个像素点的像素值，得到蓝色伪彩影像；
21、将红色伪彩影像、绿色伪彩影像和蓝色伪彩影像进行叠合，得到sar伪彩色影像。
22、可选的，利用所有影像对对应的光学真彩色影像和sar伪彩色影像对生成对抗网络进行训练，包括：
23、分别针对每个影像对，基于影像对对应的光学真彩色影像和sar伪彩色影像，利用生成对抗网络生成影像对中的sar影像的类光学影像；
24、判断生成对抗网络中损失函数的值是否达到损失函数预设值；
25、若是，则将生成对抗网络作为训练后的生成对抗网络；
26、否则，调整改进生成对抗网站中参数的值，并返回分别针对每个影像对，基于影像对中的光学真彩色影像和sar伪彩色影像，利用生成对抗网络生成sar伪彩色影像对应的sar影像的类光学影像的步骤。
27、可选的，基于历史类光学影像和当前类光学影像获取待检测区域在当前时刻的地物变化结果，包括：
28、基于历史类光学影像和当前类光学影像，利用检测模型检测出待检测区域在当前时刻的地物变化结果。
29、可选的，分别获取每幅光学影像的光学真彩色影像，包括：
30、对光学影像进行颜色校正，获取光学影像的光学真彩色影像。
31、可选的，在利用影像转换模型分别将目标区域在第1个时刻的sar影像转换为历史类光学影像，将待检测区域在当前时刻的sar影像转换为当前类光学影像之前，地物变化检测方法还包括：
32、若待检测区域在第1个时刻的sar影像的尺寸大于影像转换模型输入的规定尺寸，则对待检测区域在第1个时刻的sar影像进行滑窗切片；
33、利用影像转换模型分别对切片后的每个子影像进行转换，得到每个子影像对应的类光学影像，并对得到的类光学影像进行拼接和去缝操作，得到待检测区域在第1个时刻的sar影像对应的历史类光学影像。
34、本申请的上述方案有如下的有益效果：
35、在本申请的实施例中，通过获取目标区域在t个时刻的多幅光学影像和多幅sar影像，然后基于所有光学影像和所有sar影像获取多个影像对，然后分别获取每幅光学影像的光学真彩色影像，再分别获取每幅sar影像的sar伪彩色影像，然后利用所有影像对对应的光学真彩色影像和sar伪彩色影像对生成对抗网络进行训练，将训练后的生成对抗网络作为影像转换模型，再利用影像转换模型分别将目标区域在第1个时刻的sar影像转换为历史类光学影像，将目标区域在当前时刻的sar影像转换为当前类光学影像，最后基于历史类光学影像和本文档来自技高网...
【技术保护点】
1.一种联合光学和极化SAR数据的地物变化检测方法，其特征在于，包括：
2.根据权利要求1所述的地物变化检测方法，其特征在于，所述基于所有光学影像和所有SAR影像获取多个影像对，包括：
3.根据权利要求1所述的地物变化检测方法，其特征在于，所述分别获取每幅所述SAR影像的SAR伪彩色影像，包括：
4.根据权利要求1所述的地物变化检测方法，其特征在于，所述利用所有影像对对应的光学真彩色影像和SAR伪彩色影像对生成对抗网络进行训练，包括：
5.根据权利要求1所述的地物变化检测方法，其特征在于，所述基于所述历史类光学影像和所述当前类光学影像获取所述待检测区域在当前时刻的地物变化结果，包括：
6.根据权利要求1所述的地物变化检测方法，其特征在于，所述分别获取每幅所述光学影像的光学真彩色影像，包括：
7.根据权利要求1所述的地物变化检测方法，其特征在于，在所述利用所述影像转换模型分别将所述目标区域在第1个时刻的SAR影像转换为历史类光学影像，将所述待检测区域在当前时刻的SAR影像转换为当前类光学影像之前，所述地物变化检
...【技术特征摘要】
1.一种联合光学和极化sar数据的地物变化检测方法，其特征在于，包括：
2.根据权利要求1所述的地物变化检测方法，其特征在于，所述基于所有光学影像和所有sar影像获取多个影像对，包括：
3.根据权利要求1所述的地物变化检测方法，其特征在于，所述分别获取每幅所述sar影像的sar伪彩色影像，包括：
4.根据权利要求1所述的地物变化检测方法，其特征在于，所述利用所有影像对对应的光学真彩色影像和sar伪彩色影像对生成对抗网络进行训练，包括：
5.根据权利要求...
【专利技术属性】
技术研发人员：王斌，张欣悦，郭海京，陈展鹏，胡俊，唐品俊，杨柳明，瞿申润，蒋猛，马晓黎，汪嘉霖，王伟娟，李红瑛，陈嘉锋，宋肖峰，
申请(专利权)人：广东省国土资源测绘院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。