多视极化合成孔径雷达图象的分类和极化通道优化

本文提出了一个新的最大似然（ＭＬ）分类算法对多视全极化合成孔径雷达（ＳＡＲ）图象进行分类，给出了应用ＮＡＳＡ／ＪＰＬ机载Ｌ波段四视全极化ＳＡＲ实没数据的试验结果，证明了新算法的有效性。此外，本文还针所提算法应用于部分的多视全极化ＳＡＲ数据中，实现了地貌类型分类的极化通道优化。     

多视极化SAR图象相干斑抑制的研究

本文研究多视极化合成孔径雷达(SAR)图象的相干斑抑制,提出多视极化白化滤波(MPWF)法,并进一步将它发展成具有多通道输出的全极化滤波器。本文还定量地分析了MPWF方法抑制相干斑的能力,并在理论上同全功率法、加权法和功率均衡法进行了比较。应用NASA/JPL机载L波段四视全极化SAR数据的试验结果验证了所提方法的有效性和优越性,也说明了MPWF处理能显著地提高SAR图象的分类精度。     

全极化合成孔径雷达多视图像的极化特征分析

该文基于乘性相干斑模型,对全极化合成孔径雷达多视图像的极化特征参数(同极化比、交叉极化比和同极化相位差)进行了分析,利用实际的模拟数据对特征参数的PDF进行了拟合测试,分析了多视极化特征参数的统计特性对极化相干斑抑制算法的影响。利用极化比和相位差的特点,对地物进行分类,所得分类精度与利用最优极化分类法的分类精度具有可比性。     

AdaBoost算法实现全极化SAR图像分类

文中提出了一种基于AdaBoost算法的全极化SAR(Synthetic Aperture Radar)图像分类方法.该方法将AdaBoost算法与HH、HV和VV三个极化通道数据结合起来,对全极化SAR图像进行分类,充分利用了极化信息和AdaBoost算法的快速收敛性.将该方法的仿真结果与H/α分类方法仿真结果进行比较,发现该方法分类模糊程度较低,在细节上分类更为准确,且在相同的情况下,该算法速度更快.     

全极化合成孔径雷达(SAR)高度信息检测技术

从全极化合成孔径雷达(SAR)二维图像数据中,经过极化综合计,利用快速搜索算法计算每一个图像像素的极化椭圆方向角ψ、△ψ,从而提取雷达方位向的地势倾斜度信息,形成极化SAR三维图像.本文在极化合成孔径雷达(SAR)三维成像快速搜索算法的基础上,提出由Stokes矢量推导的极化椭圆方向角解模糊算法,并利用美国NASA1994年SIR-C采集的真实全极化合成孔径(SAR)二维图像数据,经计算机处理得到了极化合成孔径(SAR)三维成像结果.     

快速搜索算法与极化合成孔径雷达三维成像

从全极化(hh,hv,vh,vv)合成孔径雷达(SAR)图像数据中,可提取方位向的地势倾斜度信息,形成极化SAR三维成像。该文重点研究极化 SAR三维成像快速算法;提出由 Stokes矢量推导的的极化椭圆方向用解模糊算法;讨论目标极化散射特性对提取地势高度信息的影响以及处理方法;并利用真实的极化 SAR图像数据得到了极化三维成像结果。     

一种多视极化SAR广义K-分布的研究

本文提出一种极化合成孔径雷达(SAR)广义K-分布模型用于描述经多视处理的、高分辨率的全极化SAR成像数据的统计特性,其特点是各极化通道的纹理为部分相关的gamma分布.利用纹理与相干斑乘性模型,首先导出了部分相关纹理的联合概率密度函数和多视广义极化SARK-分布概率密度函数;然后给出了基于联合矩的分布参数估计方法;最后利用真实SAR数据进行了模型的试验.     

基于全极化SAR非监督分类的迭代分类方法

本文在全极化合成孔径雷达(SAR)特征分解和最大似然估计(ML)分类的基础上,提出基于全极化SAR极化特征分解及最大似然估计的非监督分类迭代算法.这种方法灵活性好、精度高.本文提出了迭代分类方法的几种方案.针对特征分解和ML分类的各自特点,进行了分析比较,可以根据实际需要选择适合的迭代方法.并利用NASA JPL实验室的实测数据对该迭代分类算法进行了实验研究,得到了很好的实验结果.实验结果证明这种迭代算法有很好的适应性和很强的鲁棒性.     

SVM全极化SAR图像分类中的特征选择

本文将SVM用于全极化SAR图像分类,并提出一种新的应用于SVM分类的特征选择算法。该算法以支持向量个数作为特征评估准则,利用顺序前进法加入特征。基于NASA/JPL实验室AIRSAR系统的L波段荷兰Flevoland全极化数据的与RELIEF-F算法的对比实验表明,在特征个数更少(或相当)的情况下,本文特征选择算法能在更广泛的SVM参数取值范围内获得更高的分类精度。     

多视全极化合成孔径雷达图象的统计分析

本文基于乘性相干斑模型,推导出多视全极化合成孔径雷达(SAR)数据的无条件分布模型广义的K分布,将从中演绎出的单通道多视强度K分布与几种典型地表的实测数据的统计直方图和几种常用的分布模型进行比较,经验地建立了场景纹理的非均匀性与合适的统计分布模型之间的关系。此外,应用统计分析的结果,本文还提出了一个自适应的地貌类型分类方法,使分类精度得到明显提高,说明了统计分析的重要性。     

CLASSIFICATION OF MULTI-LOOK POLARIMETRIC SAR IMAGERY AND POLARIZATION CHANNEL OPTIMIZATION

In this paper, a new maximum likelihood (ML) classification algorithm is proposed to classify the multi-look polarimetric synthetic aperture radar (SAR) imagery. Experimental results with the NASA/JPL airborne L-band polarimetric SAR data demonstrate the effectiveness of the new algorithm. Furthermore, when using the algorithm in the classifications with subsets of the multi-look polarimetric SAR data, the polarization-channel optimization for the terrain type classification is implemented.     

Study on speckle reduction in multi-look polarimetric SAR image

This paper studies the speckle reduction in multi-look polarimetric synthetic aperture radar (SAR) image. A multi-look polarimetric whitening filtering (MPWF) method is presented and extended to form a fully polarimetric filter with multi-channel output. The paper also quantifies the speckle reduction amount achievable by the MPWF, and compares the MPWF with the span, weighting and power equalization methods. Experimental results with the NASA/JPL L-band 4-look polarimetric SAR data verify the effectiveness and superiority of the MPWF, and show that the MPWF is of great advantage for enhancing SAR image classification.     

基于Wishart分布和MRF的多视全极化SAR图像分割

提出一种新的多视全极化SAR图像分割方法.将描述多视协方差矩阵的Wishart分布与马尔可夫随机场模型结合起来,利用迭代条件模型法(ICM)求取最大后验概率准则下的分割结果,其中ICM所需的初始分割图由基于Wishart分布的最大似然法获得.NASA/JPL实验室AIRSAR系统多视全极化数据的实验结果表明,与几种常用方法相比,本文方法分割精度更高,分割结果图中孤立像素少,图像连通性好.     

一种新的多视全极化SAR目标检测器及其性能分析

本文提出一个新的多视极化合成雷达（SAR）的目标检测算法，对均匀和非均匀的杂波及目标模型，分析了该算法的检测性能，给出了检测统计的精确表达式。模拟实验结果表明，本文所提出的目标检测算法明显优于全功率检测算法和利用单通道强度的检测算法。     

Statistical analysis of multi-look polarimetric SAR imagery

With a multiplicative speckle model, this paper shows the multi-look polarimetric synthetic aperture radar (SAR) data obeys a generalized K-distribution. To validate this distribution model, the multi-look intensity K-distribution is particularly tested. The relationship between the heterogeneity coefficient of the scene and the proper statistical model is experimentally established. In addition, based on the results of the statistical analysis, an adaptive classification scheme is presented, and the improved classification shows the importance of the statistical analysis.     

基于小波变换和马尔可夫随机场的极化SAR图像自动分类

本文提出一种对极化合成孔径雷达(SAR)图像进行自动多分辨率分类的方法。首先利用多视极化白化滤波(MPWF)抑制极化SAR图像的相干斑,得到反映地物辐射特征的纹理SAR图像,然后利用小波变换(WT)提取不同分辨率的纹理信息,在最低分辨率级利用Akaik信息准则(AIC)自动估计图像中的纹理类数,进而在各个分辨率级利用马尔可夫随机场(MRF)模型表征各像素间的空间关联信息,并分别利用最大似然(ML)方法和循环条件模式(ICM)进行自动的模型参数估计和最大后验概率(MAP)分类,最后应用NASA/JPL机载L波段极化SAR数据验证了本文所提分类方法的有效性和优越性。     

全极化SAR图像中相干矩阵特征值及其应用

推导了全极化合成孔径雷达相干矩阵的特征值和特征值指数与散射振幅函数的直接关系,并用全极化散射的植被模型讨论了特征值指数与植被稀疏程度的关系,结合Bayes极大似然分类法讨论了特征值指数在全极化多视AirSAR图像分类中的应用,最后用Monte Carlo模拟法给出了理论分类误差。