合成孔径雷达SAR图像弱监督地物分类任务全流程(part1)

Cheshire23

已于 2023-08-08 16:23:16 修改

阅读量639

点赞数

文章标签： python 深度学习生成对抗网络计算机视觉 tensorflow 图像处理分类算法

于 2023-08-07 19:05:05 首次发布

本文链接：https://blog.csdn.net/Aqua_MT/article/details/132145379

版权

一、任务介绍

合成孔径雷达（Synthetic Aperture Rader）是一种主动式的对地观测微波成像系统。由于其具有高成像分辨率，支持全天时、全天候观测的特点，且拥有一定的地表穿透能力，故在城乡规划、灾害探测、资源勘查等诸多领域都有着十分重要的实际应用价值。

地物分类任务是指对SAR图像中不同的地表类别进行一种语义分割。例如将下图所示的美国San Francisco海湾地区地表分割为：高密度建筑、中密度建筑、低密度建筑、海洋、植被五个类别。

二、数据集下载

我们选用加拿大太空署于 2007 年发射的极化合成孔径雷达 RADARSAT-2 系统所拍摄的 C 波段美国 San Francisco 海湾地区PolSAR 图像数据集。下载链接：San Francisco | Institut d'Électronique et des Techniques du numéRique - UMR CNRS 6164

点击红框所示部分即可。

下载完成后应该是含有如下内容的压缩包，解压缩即可。

其中名称中含有HH、HV、VH、VV的四个tif文件即是极化合成孔径雷达在发射接收电磁波信号时应用不同的极化方式得到的SAR图像，可以理解为图像的四个通道。

三、数据集处理

3.1 PIE-SAR下载安装

通常我们习惯用极化相干矩阵T来对极化合成孔径雷达数据进行表示和处理。因此接下来我们将借助航天宏图开发的专业雷达影像处理软件PIE-SAR对下载好的数据集进行初步处理，完成从HH、HV、VH、VV四通道到极化相干矩阵T的转换。软件下载链接：PIE软件下载

软件下载完成后正常安装，并依照官网中的操作提示获取软件授权即可，只需要注册账号并填写一些简单的个人信息即可获得一个月的授权使用时长，并且授权可以无限续杯。

3.2 数据导入

下载安装并授权成功后打开PIE-SAR进入其主界面：

在主界面上方一栏中选择“数据导入”-“RS-2”，进入如下界面：

在“参数文件”一栏选择刚刚下载并解压完成的“SAN_FRANCISCO_RS2”文件夹中的product.xml文件，软件会自动导入四通道的SAR图像数据，注意将输出文件数据类型改为tif，其余选项设置如下所示：

待软件数据导入成功后，在输出目录文件夹中会出现如下文件，这就是我们需要的四种不同极化方式下的SAR图像：

3.3 极化矩阵转换

通常而言，我们习惯用极化相干矩阵T的方式来表示SAR图像数据，因此在获得四种极化方式下的SAR图像后，我们需要将其转换为极化相干矩阵。我们在主界面上面一栏中选择“极化SAR”-“极化矩阵转换”，会显示如下界面：

点击“输入路径”，选择刚才数据导入时选择的输出目录文件夹，软件会自动识别四种极化方式的SAR图像。注意将输出数据格式改为tif，其他选项如下图所示，之后点击确定即可。

对于每个像素点来说，其极化相干矩阵是一个3*3大小的对称矩阵，且主对角线上的三个元素都为实数，而其余元素皆为复数。为了避免数据的重复冗余，我们只选择主对角线的三个元素，加上上半三角区中三个元素各自的实部和虚部，这样一共9个数值来表达一个像素点。可以理解为处理后的SAR数据是一幅9通道的图像。因此转换完毕后，在输出路径文件夹中会出现9幅tif图像，分别代表上述的9个通道。