本发明属于遥感影像信息提取，具体涉及一种基于多特征优选的双极化sar影像耕作土地提取方法。
背景技术：
1、农业生产和粮食安全问题与国计民生密切相关，近年来对农业生产问题越来越重视。耕地是地表覆盖的主要类型之一，是粮食生产的直接载体，耕地变化对生态环境稳定性和粮食安全有着非常重要的影响。及时准确地获取耕作土地信息对农业生产管理、农业政策和保障粮食安全等方面具有重要意义。
2、传统实地调查的测量方法，需要消耗大量人力物力财力，且时效性较差，难以满足监测需要。遥感技术具有重访周期短，覆盖范围广，不受时空限制等优点，使得大范围检测成为可能，已被广泛应用。卫星遥感技术宏观、动态与实时性的优势使其成为耕地面积提取的重要手段。然而，光学遥感数据易受云雨天气影响，会造成部分地区数据获取难的问题，从而限制其使用。合成孔径雷达(synthetic aperture radar,sar)由于不受光照和天气等条件的限制，能够实现全天时、全天候对地观测，同时具有较强的穿透能力，其他遥感影像无法与之比拟。随着雷达技术的发展，利用sar数据获取耕地面积信息已经逐步成为遥感研究的重要领域。极化方式由单极化向多极化发展，为耕地识别和面积的提取研究提供了强有力的数据保障和技术支持。以往耕地识别提取的研究中大多以光学数据或者单极化、单时相sar影像为主要数据源，而且多数研究是对水稻田进行识别，应用到旱地面积信息的提取研究相对较少。使用遥感手段对耕作土地进行及时的监测，准确预测作物的产量，对保证粮食安全具有非常重要的意义。
3、尽管上述研究有效地验证了sar数据在耕地提取中的可行性，但主要利用的是sar影像后项散射系数这一特征，实现对耕地面积的提取。然而，春播期间的耕作土地与其他地表覆盖类型的后向散射系数相近，不易区分。针对特征不足和可分性不强的问题，目前对于双极化sar数据的研究比较有限。
技术实现思路
1、针对现有技术的不足，本发明设计一种基于多特征优选的双极化sar影像耕作土地提取方法；为了充分利用双极化sar影像的极化信息，基于核密度图和递归特征消除算法筛选出最优特征组合，结合随机森林分类算法对sentinel-1双极化sar影像中耕作土地准确提取，并引入形态学方法作为后处理手段，消除“椒盐现象”，本发明探索研究了双极化sar遥感影像耕作土地图斑提取技术，以期为土地利用变化以及生态环境效益评价提供技术支撑。
2、一种基于多特征优选的双极化sar影像耕作土地提取方法，包括以下步骤：
3、步骤1，对目标区域的sentinel-1双极化sar影像进行预处理，然后使用snap软件提取后向散射系数特征；再通过polsarpro软件利用极化分解的方法获取h/a/α分解的三个极化特征、协方差矩阵特征值、香农熵特征和双极化雷达植被指数特征dprvi，由此构建极化特征集；
4、所述预处理包括精密轨道校正、热噪声去除、辐射定标、斑点滤波、地形矫正；
5、所述极化特征包含极化熵entropy、平均极化散射角alpha和各向异性anisotropy；所述协方差矩阵特征值包括：l1、l2；所述香农熵特征包括：se、se-i、se-p；
6、步骤2，基于步骤1得到的极化特征集，结合目标区域的google earth高清影像以目视解译的方式绘制训练样本数据；
7、具体为：结合google earth提供的高清影像，在sar影像中圈点出耕作土地和非耕作土地的纯净像元点，作为训练样本点数据；
8、所述非耕作土地包括水面、建筑及其他地类；
9、步骤3，将训练样本数据输入到核密度函数模型中，基于核密度分析的方式，剔除无关特征：
10、步骤4，将经过核密度分析后得到的特征组合，利用rfe算法进行特征优选，获得最优特征组合：
11、利用rfe算法进行特征优选的具体过程为：
12、步骤s1：将基于核密度分析筛选过的特征作为初始特征子集输入到随机森林模型中，计算得到每个特征的重要性，并利用交叉验证方法得到特征子集的分类精度；
13、步骤s2：从初始特征子集中剔除重要性最低的一个特征，得到新的特征子集继续训练，重新计算新的特征子集中每个特征的重要性，利用交叉验证方法得到新的特征子集的分类精度；
14、步骤s2：重复步骤s2的操作，直至特征子集为空，得到不同特征数量的特征子集，选取分类精度最高的特征子集作为最佳特征组合，完成特征优选；
15、步骤5，利用最优特征组合作为分类特征，基于随机森林分类算法对双极化sar影像进行耕作土地提取；
16、步骤6，对步骤5获得图像进一步进行剔除或重新分类，以此减少sar影像的“椒盐噪声”；然后对提取结果进一步利用形态学方法进行后处理，获得耕作土地专题图。
17、本发明具体有益效果包括：
18、本发明所述的一种基于多特征优选的双极化sar影像耕作土地提取方法，对研究区内典型耕作土地样本的不同极化特征进行核密度分析，剔除耕作土地与其他地类可区分性差的极化特征，基于随机森林递归特征消除进行特征选择，通过特征优选，构建最优特征集，解决了现有的利用多特征提取耕作土地的方法可能存在特征冗余的问题，探究了sentinel-1双极化数据耕作土地提取的最佳极化特征组合，提高特征集本身区分地物的能力。
1.一种基于多特征优选的双极化sar影像耕作土地提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多特征优选的双极化sar影像耕作土地提取方法，其特征在于，步骤1所述预处理包括精密轨道校正、热噪声去除、辐射定标、斑点滤波、地形矫正；
3.根据权利要求1所述的一种基于多特征优选的双极化sar影像耕作土地提取方法，其特征在于，步骤2具体为：结合google earth提供的高清影像，在sar影像中圈点出耕作土地和非耕作土地的纯净像元点，作为训练样本点数据；
4.根据权利要求1所述的一种基于多特征优选的双极化sar影像耕作土地提取方法，其特征在于，步骤4利用rfe算法进行特征优选的具体过程为：
