混合本征模型的多视SAR影像海冰密度检测

目的 SAR影像中像素光谱测度的空间相关性蕴含着海洋表面和海冰更加丰富的空间特性及其变化信息,因此合理建模这种相关性是高分辨率SAR影像海冰精准解译的关键。提出一种利用随机模型及空间统计学测度刻画海冰空间结构的方法。方法 本文首先,在空间统计学框架下,SAR影像被表示为多值Gamma模型和泊松线Mosaic模型线性加权构建的混合模型,其中多值Gamma模型用于描述海洋表面雷达信号背向散射变化的连续性,而泊松线Mosaic模型则用于表征不同类型海冰表面雷达信号背向散射变化的区域性。利用上述混合模型的一阶、二阶变异函数,建模蕴含在SAR影像中海冰空间结构的变化。结果 对RADARSAT-1影像海冰结构建模并反演其密度。实验区域真实海冰密度分别为20%,80%等,运用本文方法反演所得海冰密度与真实海冰密度误差正负不超过10%。结论 本文提出混合本征模型用以刻画SAR强度影像中海冰像素强度变化的空间关系,能够较好地反演Ungava湾海冰密度分布。为利用遥感影像检测空间机构提供一种全新的方法。     

利用变异函数估计SAR影像海冰参数

随着遥感技术的不断发展,SAR（Synthetic Aperture Radar,合成孔径雷达）影像开始广泛用于空间数据分析。本文在随机几何和空间统计学的基础上,利用随机模型和空间统计学测度解译SAR影像海冰空间结构。在传统二阶变异函数的基础上,创新性地提出一阶变异函数,并以此刻画SAR影像海冰空间结构,从而更加全面、准确地辨识各种类型海冰结构。该方法将SAR影像海冰空间结构建模成两随机函数的线性加权和混合随机模型,其中,多值Gamma随机函数表征海水与海冰的连续性变化,Poisson Mosaic随机函数表征海水与海冰之间的局域性变化。并定义该混合随机模型的理论一阶、二阶变异函数以刻画海冰空间结构变化。对给定SAR影像计算其实际变异函数值,利用最小二乘拟合理论与实际变异函数,得到理论模型参数,并以此反演海冰空间结构信息。本文对加拿大Ungava湾的RADARSAT-1影像进行实验,时间为4月到6月的海冰融化期,海冰结构变化明显。实验结果表明提出的方法可以准确描述不同时期各种类型海冰空间结构。