1.一种基于全极化SAR的滑坡识别方法,其特征在于,包括:获取目标区域的目标全极化合成孔径雷达数据、目标光学遥感数据和目标数字高程模型数据;
将所述目标全极化合成孔径雷达数据分别与所述目标光学遥感数据以及所述目标数字高程模型数据进行配准,得到第一配准结果和第二配准结果;
根据所述第一配准结果确定所述目标区域的极化特征;
根据所述极化特征确定所述目标区域的分解特征;
根据所述第二配准结果确定所述目标区域的地形特征;
根据所述目标全极化合成孔径雷达数据确定所述目标区域的纹理特征和色调特征;
根据所述目标光学遥感数据确定所述目标区域的光谱特征;
将所述纹理特征、所述色调特征、所述光谱特征、所述极化特征、所述分解特征和所述地形特征进行融合,得到所述目标区域的目标融合特征;
将所述目标融合特征输入至滑坡体识别模型中进行滑坡体识别,确定所述目标区域中的滑坡区域。
2.根据权利要求1所述的基于全极化SAR的滑坡识别方法,其特征在于,所述将所述目标全极化合成孔径雷达数据分别与所述目标光学遥感数据以及所述目标数字高程模型数据进行配准,得到第一配准结果和第二配准结果,具体包括:对所述目标全极化合成孔径雷达数据、所述目标光学遥感数据和所述目标数字高程模型数据分别进行预处理;
对预处理后的目标全极化合成孔径雷达数据进行彩色合成;
将彩色合成后的目标全极化合成孔径雷达数据与预处理后的目标光学遥感数据进行配准,得到第一配准结果;
将彩色合成后的目标全极化合成孔径雷达数据与预处理后的目标数字高程模型数据进行配准,得到第二配准结果。
3.根据权利要求2所述的基于全极化SAR的滑坡识别方法,其特征在于,对所述目标全极化合成孔径雷达数据进行预处理,具体包括:对所述目标全极化合成孔径雷达数据进行多视处理;
对多视处理后的目标全极化合成孔径雷达数据进行滤波处理;
对滤波处理后的目标全极化合成孔径雷达数据进行地理编码处理,并将地理编码处理后的目标全极化合成孔径雷达数据作为预处理后的目标全极化合成孔径雷达数据。
4.根据权利要求1所述的基于全极化SAR的滑坡识别方法,其特征在于,所述滑坡体识别模型的构建过程包括:获取样本数据集;所述样本数据集包括多个已标注滑坡区域的样本区域的样本全极化合成孔径雷达数据、样本光学遥感数据和样本数字高程模型数据;
根据所述样本全极化合成孔径雷达数据、所述样本光学遥感数据和所述样本数字高程模型数据确定每个所述样本区域对应的样本融合特征;
采用所述样本融合特征对支持向量机模型进行训练,得到滑坡体识别模型。
5.一种基于全极化SAR的滑坡识别系统,其特征在于,包括:数据获取模块,用于获取目标区域的目标全极化合成孔径雷达数据、目标光学遥感数据和目标数字高程模型数据;
配准模块,用于将所述目标全极化合成孔径雷达数据分别与所述目标光学遥感数据以及所述目标数字高程模型数据进行配准,得到第一配准结果和第二配准结果;
极化特征确定模块,用于根据所述第一配准结果确定所述目标区域的极化特征;
分解特征确定模块,用于根据所述极化特征确定所述目标区域的分解特征;
地形特征确定模块,用于根据所述第二配准结果确定所述目标区域的地形特征;
纹理色调特征确定模块,用于根据所述目标全极化合成孔径雷达数据确定所述目标区域的纹理特征和色调特征;
光谱特征确定模块,用于根据所述目标光学遥感数据确定所述目标区域的光谱特征;
特征融合模块,用于将所述纹理特征、所述色调特征、所述光谱特征、所述极化特征、所述分解特征和所述地形特征进行融合,得到所述目标区域的目标融合特征;
滑坡区域确定模块,用于将所述目标融合特征输入至滑坡体识别模型中进行滑坡体识别,确定所述目标区域中的滑坡区域。
6.根据权利要求5所述的基于全极化SAR的滑坡识别系统,其特征在于,所述配准模块包括:数据预处理子模块,用于对所述目标全极化合成孔径雷达数据、所述目标光学遥感数据和所述目标数字高程模型数据分别进行预处理;
彩色合成子模块,用于对预处理后的目标全极化合成孔径雷达数据进行彩色合成;
第一配准子模块,用于将彩色合成后的目标全极化合成孔径雷达数据与预处理后的目标光学遥感数据进行配准,得到第一配准结果;
第二配准子模块,用于将彩色合成后的目标全极化合成孔径雷达数据与预处理后的目标数字高程模型数据进行配准,得到第二配准结果。
7.根据权利要求6所述的基于全极化SAR的滑坡识别系统,其特征在于,所述数据预处理子模块包括:多视处理单元,用于对所述目标全极化合成孔径雷达数据进行多视处理;
滤波处理单元,用于对多视处理后的目标全极化合成孔径雷达数据进行滤波处理;
地理编码处理单元,用于对滤波处理后的目标全极化合成孔径雷达数据进行地理编码处理,并将地理编码处理后的目标全极化合成孔径雷达数据作为预处理后的目标全极化合成孔径雷达数据。
8.根据权利要求5所述的基于全极化SAR的滑坡识别系统,其特征在于,还包括:滑坡体识别模型构建模块,用于构建滑坡体识别模型;
所述滑坡体识别模型构建模块包括:
数据集获取子模块,用于获取样本数据集;所述样本数据集包括多个已标注滑坡区域的样本区域的样本全极化合成孔径雷达数据、样本光学遥感数据和样本数字高程模型数据;
样本融合特征确定子模块,用于根据所述样本全极化合成孔径雷达数据、所述样本光学遥感数据和所述样本数字高程模型数据确定每个所述样本区域对应的样本融合特征;
支持向量机模型训练子模块,用于采用所述样本融合特征对支持向量机模型进行训练,得到滑坡体识别模型。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于运行所述计算机程序以使所述电子设备执行如权利要求1‑4中任意一项所述的基于全极化SAR的滑坡识别方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1‑4中任意一项所述的基于全极化SAR的滑坡识别方法。