合成孔径雷达简缩极化干涉数据的植被高度反演技术研究

该文提出了一种利用合成孔径雷达简缩极化干涉数据进行植被高度反演的三阶段方法。将全极化干涉数据处理中的相干最优方法引入简缩极化干涉数据处理,由相位最优相干系数对应的最优相位获得体去相干系数和地表相位的初始估计,利用相干区域边界提取方法更新体去相干系数,得到精确的植被高度估计值。采用欧空局提供的L波段的模拟全极化干涉数据构造简缩极化数据集,将该数据用于植被反演,反演结果验证了提出方法的有效性。     

单基线PolInSAR反演算法研究

极化干涉合成孔径雷达(PolInSAR)测量是一种集极化雷达(PolSAR)和干涉雷达(InSAR)测量技术于一体的新的对地观测技术,利用极化干涉雷达数据反演地表植被参数特别是森林的垂直结构参数是当前极化干涉研究的热点问题。经典的单基线PolInSAR反演算法是Cloude和Papathanassiou提出的三阶段反演算法,但是该算法在相干值估计、直线拟合和散射体去相干估计等方面都存在着误差,直接影响反演精度。该文提出了一种新的基于统计特征和PolInSAR相位最优化算法的反演算法,并采用PolInSAR模拟数据验证了该算法的有效性。     

相干区域长轴的快速估计方法及其应用

相干区域的长轴作为复相干系数间最长的连线,反映了复干涉相干系数线性变化趋势,因此在基于相干散射模型的极化干涉森林应用中具有重要研究意义。针对遍历搜索方法估计长轴效率低、精度受采样间隔限制的不足,该文提出一种相干区域长轴的快速估计方法。该方法将相干区域外切矩形的切点连线作为长轴的初始估计,利用逼近技术求解长轴。为提高森林高度估计性能,该文还提出一种应用长轴信息反演森林参数的方法。松树林的极化干涉仿真数据的结果表明,快速估计方法运行时间远低于遍历搜索方法,且长轴估计精度高于遍历搜索方法,利用长轴信息估计的森林高度更接近于仿真森林高度。     

双基线极化干涉合成孔径雷达的植被参数提取

由于单基线极化干涉SAR技术(如三阶段法、ESPRIT算法等)反演植被参数的方法受限于具有最小地体幅度比的观测数据,影响冠层或地表有效相位中心的估计,因此往往低估植被的高度。该文通过增加另一个基线的极化干涉SAR数据在一定程度上解决单基线反演技术存在的这个缺陷,并适当改进双基线极化干涉SAR技术,降低植被参数估计的动态偏差,最后用模拟数据和实际数据验证了该方法。     

基于幅相一致性校正的稳健植被参数反演方法

植被参数反演是极化干涉合成孔径雷达(PolInSAR)的重要应用。传统反演方法未考虑观测样本数据幅度和相位的非平稳特性,以及观测信号非均匀分布对其散布区域线性变化主导方向估计的影响。针对这些问题,该文首先采用经过幅度和相位一致性校正的数据样本估计极化相干矩阵,提高了极化干涉复相干系数的估计性能,并提出了映射空间均衡化(MSR)处理技术以消除观测信号非均匀分布对主导方向提取的影响,通过引入主成分分析(PCA)方法进一步提高了参数反演算法的性能。利用欧空局(ESA)发布的软件PolSARPro仿真验证了该文方法在植被参数反演方面具有更好的稳健性和估计精度。     

基于极化干涉SAR 反演植被高度的改进三阶段算法

利用极化干涉合成孔径雷达(Polarimetric Interferometry SAR, PolInSAR)数据反演森林参数问题为当前PolInSAR 研究的热点问题。经典的森林参数反演算法是基于随机散射体模型(Random Volume over Ground, RVoG)的阶段反演算法,该算法中直线拟合误差和体散射估计误差会严重影响反演精度。为了提高树高估计精度,该文使用整体最小二乘法直线拟合得到更精确的地表相位估计结果,并提出以Gamma 函数为线性度量自适应地估计体散射去相干,得到了改进的PolInSAR 三阶段反演算法,实验结果表明改进算法可靠有效。      

具有极化特征的植被相干散射模型及参数反演

重点研究了具有极化特征的植被相干散射模型及参数反演算法。基于目标分解理论,推导了植被及地表回波的极化干涉相干系数与植被高度、衰减系数、地形相位等参数之间的数学关系,以衰减系数作为极化分量的函数,建立了具有明显极化特征的植被及地表相干散射模型。在此基础上,以全极化干涉相干系数作为输入参量,考虑模型对极化的依赖性,采用三阶段法对植被的物理参量进行反演,获得了地形相位和植被高度。在环境可控的微波暗室内构建了极化干涉半实物合成孔径雷达系统对模型进行实验验证,获取了南洋杉和土壤所构成场景的极化干涉回波数据,实验结果表明:采用该模型在场景的地体幅度比小于-10dB的情况下,植被反演高度与实际高度的误差仅为0.03m,说明了模型的有效性。     

基于模型的π/4模式简缩极化干涉数据目标分解

基于模型的目标分解是极化合成孔径雷达(SAR)的一个重要应用,基于模型目标分解依赖于极化数据仅能获得各散射机制的能量信息.该文将基于模型的分解技术应用到π/4模式的简缩极化干涉SAR(C-PolInSAR)数据中,对互相关矩阵进行分解,在获得各散射机制功率的同时获得对应的散射相位中心.该文首先推导出3种散射机制π/4简缩极化SAR干涉观测下散射模型,然后运用数值计算方法进行目标分解,最终求解出各散射机制的功率贡献及相位中心高度信息.仿真数据验证了该算法的有效性,分析了不同波段及不同地表参数对分解结果的影响.     

一种改进的基于干涉相位的基线估计方法

该文研究了基于干涉相位的基线估计方法,对原有基于干涉相位傅里叶变换的算法从4个方面进行了改进。提出了精确计算干涉相位瞬时频率的方法;指出了干涉相位样本区域分布原则,能够有效改善采用最小二乘拟合方法时方程的病态性;提出了能够有效剔除干涉相位噪声较大及地形变化剧烈区域对估计精度影响的定量化样本区域选取准则;通过计算差分干涉相位迭代求解优化估计精度。利用改进算法对双天线干涉和重轨干涉数据进行了基线估计,结果表明该文算法相比原有算法鲁棒性和精度都大大提高,适合机载重轨干涉SAR的基线估计。     

遥感、遥测、遥控

TP722.62006011742基于干涉极化SAR数据的森林树高反演/于大洋,董贵威,杨健,彭应宁,王超,张红(清华大学电子工程系)//清华大学学报(自然科学版).―2005,45(3).―334～336.将C1oude极化干涉散射模型和ESPRIT算法结合来降低森林参数反演的运算量。利用ESPRIT算法对Cloude模型中的     

PolInSAR极化误差对最优相干相位的影响研究

极化干涉SAR定量应用中,极化误差会导致最优干涉相位估计误差。该文研究了极化干涉SAR测量处理中极化误差的传递,基于极化相干最优过程理论提出了一个新极化误差传递模型。在此基础上通过仿真验证并分析了极化误差对极化干涉最优干涉相位估计的影响,其结论能为在实际应用中进行精度分析和提出定标指标要求提供理论依据和参考。     

基于分类统计的PolInSAR植被高度最大似然估计

极化干涉SAR是一种集极化和干涉SAR优势于一体的新型遥感技术.结合两层植被随机体散射模型和极化分解技术,基于极化干涉SAR数据的概率分布统计特征,提出一种利用参数迭代求解预测模璎和测量值最小似然距离的植被高度反演方法.该方法克服了传统最大似然估计方法需已知地表散射特征参数的约束,减少了计算复杂性.最后通过极化干涉SAR仿真数据实验分析,文中算法相对于三阶段反演算法提高了植被高度估计的精度.验证了算法的有效性.     

极化干涉SAR面向城区不同处理模式的误差影响分析

极化干涉合成孔径雷达(PolInSAR)在城区等复杂场景下的应用受到了越来越多的关注。面向城区的极化干涉SAR处理主要包括基于极化最优相干的干涉测高、基于极化分解的干涉测高、联立极化干涉观测方程直接求解不同散射机制高度这3种模式。现有研究对各类误差在极化干涉SAR不同处理模式下的综合影响分析尚很欠缺。该文在构建极化干涉SAR误差模型的基础上,提出了联立极化观测方程下散射机制的求解方法,推导了极化失真和干涉误差在极化干涉SAR不同处理模式下的综合影响模型,并通过仿真验证了模型的正确性,同时给出了3种处理模式补偿误差后的高度反演结果,补偿误差后通过极化最优相干得到建筑区域高度的均方根误差(RMSE)为2.77 m。在此基础上,通过仿真给出了极化干涉SAR不同处理模型下的误差影响曲线,比较了不同处理模型受误差影响的程度,并给出了合理解释,研究结果为极化干涉SAR系统设计、处理方法选择及数据应用提供了参考。      

Adaptive model-based scattering decomposition of Polarimetric SAR Interferometry

In this paper, a new decomposition method is proposed to solve the problems that vegetation component is overestimated and is not sensitive to directional scattering features with traditional polarimetric Synthetic Aperture Radar （SAR） decomposition. It uses a Polarimetric Interferometric Similarity Parameter （PISP） calculated from Polarimetric SAR Interferometry （PolInSAR） datasets to the scattering decomposition. The PISP is proposed to reveal the geometric sensitivity of SAR inter- ferometry. It is defined by three optimized mechanisms obtained from PolInSAR datasets, therefore, it not only relates to the coherent scattering mechanism closely, but also sufficiently uses the phase and amplitude information. The PISP of building is high, and forest＇s PISP is low. The proposed method uses the PISP as a judge condition to select different vegetation model adaptively. The decomposition results show the proposed method can effectively solve the vegetation ingredients overestimation problem. In addition, it is sensitive to the directional scattering.     

Single-baseline polarimetric SAR interferometry

Examines the application of single-baseline polarimetric SAR interferometry to the remote sensing and measurement of structure over forested terrain. For this, a polarimetric coherent scattering model for vegetation cover suitable for the estimation of forest parameters from interferometric observables is introduced, discussed and validated. Based on this model, an inversion algorithm which allows the estimation of forest parameters such as tree height, average extinction, and underlying topography from single-baseline fully polarimetric interferometric data is addressed. The performance of the inversion algorithm is demonstrated using fully polarimetric single baseline experimental data acquired by DLR's E-SAR system at L-band     

基于极化干涉相似性参数的四元素分解

该文针对传统极化合成孔径雷达(PolSAR)分解方法过高估计植被成分的问题,提出一种基于极化干涉相似性参数(PISP)的极化干涉分解方法。利用极化干涉合成孔径雷达(PolInSAR)的3组最优相干散射机制定义的PISP具有对地表散射体空间分布敏感的特性和旋转不变性。该文基于PISP的物理意义对植被模型进行改进,使利用该模型分解相干矩阵得到的不同地物体散射功率具有自适应性。最后利用欧空局(DLR)E-SAR获取的L波段全极化干涉数据验证该分解方法的有效性,实验结果表明,该算法得到的分解结果能有效区分植被和建筑物。     

Unsupervised PolInSAR classification based on optimal coherence set

Aiming to solve the misclassification problems of unsupervised polarimetric Wishart classification algorithm based on Freeman decomposition, an unsupervised Polarimetric Synthetic Aperture Radar (SAR) Interferomery (PolInSAR) classification algorithm based on optimal coherence set parameters is studied and proposed. This algorithm uses the result of Freeman decomposition to divide the image into three basic categories including surface scattering, volume scattering, and double-bounce. Then, the PolInSAR optimal coherence set parameters are used to finely divide each of the three basic categories into 9 categories, and the whole image is divided into 27 categories. Because both the Freeman decomposition result and optimal coherence set parameters indicate specific scattering characteristics, the whole image is merged into 16 categories based on physical meaning. At last, the Wishart cluster is employed to obtain the final classification result. To preserve the purity of scattering characteristics, pixels with similar scattering characteristics are restricted to be classified with other pixels. The final classification results effectively resolve the misclassification problem, not only the buildings can be effectively distinguished from vegetation in urban areas, but also the road is well distinguished from grass. In this paper, the E-SAR PolInSAR data of German Aerospace Center (DLR), are used to verify the effectiveness of the algorithm.