基于目标散射相似性的POLSAR图像无监督 地物散射分类新方案

针对H-Alpha散射分类存在的不足,本文提出了一种基于目标散射相似性的POLSAR图像地物散射分类新方案.该方案首先利用散射随机性将地物分为高散射随机性、中散射随机性和低散射随机性三类,然后根据散射相似性参数对这三类进一步细分.由于该方案根据散射相似性参数自动确定散射类别,克服了采用Alpha人工确定散射类别的不足;散射相似性参数计算简便,克服了H-Alpha散射分类运算量偏大的不足.作为一种实际应用,在新方案框架下,本文给出了一种基于球面散射、偶次散射和体散射相似性参数,以及散射随机性的度量参数——极化散射熵的散射分类新方法.该方法在利用极化散射熵将地物分为三类基础上,根据三个散射相似性参数进一步将地物分为十类.由于这三种典型散射对应实际地物散射,该方法的十种散射类别能很好地描述实际地物情况.实测极化数据的实验结果,验证了新方案的可行性和新方法的有效性.     

一种度量目标散射相似性的新参数

针对目标相似性参数度量分布式目标与典型目标散射相似程度不准确的问题,本文利用规范散射Pauli基矢量和分布式目标相干矩阵,定义了一个度量目标散射相似性程度的新参数--目标散射相似性.由于该参数综合考虑了分布式目标主散射机制、次要散射机制与规范散射的相似性,以及不同散射机制对廊的发生概率,因而它能准确反映分布式目标与规范目标散射的平均近似程度.与相似性参数一样,新参数具有目标旋转不变性、尺度无关性等特性.作为一种实际应用,给出了分布式目标与金属球、角反射器等典型目标的散射相似性.结合旧金山地区AIRSAR极化数据,讨论了这些相似性测度在地物分类方面的应用.     

一种度量目标散射随机性的新参数

针对现有目标散射随机性度量参数运算量偏大、度量不合理等问题,本文提出了一种基于目标散射回波极化度的度量目标散射随机性的新参数——散射随机系数。在分析散射回波极化度与散射随机性之间的相互关系的基础上,首先给出了基于散射回波极化度的散射随机系数定义。然后通过分析新参数随着目标各向异性和散射阶次的变化情况,阐明新参数在度量目标散射随机性方面是合理的。最后结合San Francisco和Flevoland两地区的实测极化数据验证了新参数在度量目标散射随机性方面的有效性,与极化散射熵的对比实验结果表明了在大数据量的POLSAR图像散射分类应用中新参数运算效率更高。      

一种基于目标散射鉴别的POLSAR图像地物无监督分类新方法

提出了一种基于目标散射鉴别的POLSAR图像地物无监督分类新方法.该方法首先利用极化散射熵将POLSAR图像地物粗分为高散射随机性、中散射随机性和低散射随机性三种情形;然后提取球面散射、偶次散射和体散射相似性参数将上述三种情形细分为十种;在上述散射分类的基础上,采用新定义的两类目标极化差异度量对地物进行类别迭代调整.由...     

基于极化交叉熵和Yamaguchi分解的飞机目标检测方法

给出了一种基于极化交叉熵和Yamaguchi分解相结合的飞机目标检测方法。首先计算极化SAR图像中各个像素点与平面、左螺旋体、右螺旋体三种基本散射体的相似性参数，并利用相似性参数构造极化交叉熵；然后采用Yamaguchi分解方法提取偶次散射分量功率；最后结合极化交叉熵与偶次散射分量功率构造检测特征量，并进行阈值判别提取飞机目标。利用美国UAVSAR和美国AIRSAR系统采集的全极化实测数据对算法进行实验，结果表明，该算法能够有效的检测出飞机目标，并且虚警较少。      

改进的极化SAR点散射目标扰动滤波检测方法

为完成极化合成孔径雷达(PolSAR)图像中点散射像素目标的检测,从几何扰动滤波检测点散射像素的基本原理出发,分析了经典方法存在的相干度参数阈值无法自适应获取和不同散射机制共享同一阈值两个问题,提出利用Cloude-Pottier分解结果中熵参数的分布情况计算得到阈值,利用平均阿尔法角参数完成不同散射机制的初分类,对初分类的结果排序得到的某种散射机制对应的相干度参数的比例因子,根据比例因子计算得到该类散射机制的阈值,从而完成点散射目标的检测。对机载合成孔径雷达（AIRSAR）数据集中的San Francisco Bay图像进行了实验,结果表明,改进方法在检测性能上优于经典方法。     

针对隐藏目标检测的太赫兹波站开式全极化全息雷达成像实验

将全极化信息引入站开式全息成像系统中,设计了一种频率为0.14 GHz的全极化宽带雷达,并基于该系统完成了隐藏目标检测的太赫兹波站开式全极化全息成像实验。利用极化目标分解方法,分析了隐藏目标的低熵极化散射,研究了在不同角度照射下的平均极化散射机制。实验结果表明:在0.14 THz频段下,典型衣物材料的遮挡会改变背景杂波的散斑样式,但对强散射回波目标的极化散射影响很小;人造目标的极化散射熵较背景杂波更小;模型手枪的主要散射机理为光滑表面对应的低熵表面散射,其中套筒上的斜纹包含了低熵多次散射,这是该目标交叉极化回波的主要来源。     

面向目视解译的全极化SAR船只精细化特征表征方法

随着卫星技术的发展,极化合成孔径雷达(PolSAR)数据的分辨率和数据质量得到大幅提升,为人造目标的精细化目视解译提供了良好的数据条件。目前主要采用多分量分解的方法,但是易造成像素错分问题,为此,该文结合Yamaguchi极化分解和极化熵提出了一种非固定阈值划分的方法用于实现全极化SAR图像船只结构精细化特征表征。Yamaguchi极化分解能够识别基本散射机制,其修正后的体散射模型更符合实测数据,可有效对人造目标进行表征。极化熵H在弱去极化状态下可以看成某一指定等效点的目标散射机制,能够有效突出船只主散射特征。因此,该文通过将Yamaguchi极化分解算法的非固定三分量与极化熵的低中高熵内嵌,将其分为非固定阈值的九分类成分,从而降低硬阈值处理在阈值边界处受噪声影响产生的类别随机性。并且将二次散射和单次散射均显著的区域称为混合散射(MSM),以更好匹配实验中船只典型结构的散射类型。在此基础上,利用广义相似性参数进一步缩短类内距离,采用改进后的GSP-Wishart分类器进行迭代聚类,旨在通过提高二次散射和混合散射机制以提高不同类型船只可区分度。最后,该文采用中国上海某港口的高分三号全极化...     

利用Shannon熵参数的极化干涉SAR图像非监督分类

 本文利用Shannon熵参数,提出了一种极化干涉SAR图像非监督分类方法.Shannon熵是度量雷达照射媒质无序程度的物理量,它可表示成散射强度部分熵、极化部分熵以及干涉部分熵之和.本文利用Shannon熵分解出的干涉项参数结合Wishart最大似然聚类将SAR图像分成初始若干类,结合Shannon熵中散射强度项及极化散射项参数对初始类进行细分,再用层次聚类方法将这些类合并到需要的类数.运用Oberpfafenhoffen地区的PolInSAR数据进行分类,并与L.Ferro-Fmail提出的极化干涉分类方法的结果进行比较,实验结果证明了本文方法的有效性.     

基于半正定约束的极化相似度最优模型匹配目标分解

目标分解是实现极化合成孔径雷达目标分类、检测与识别应用的重要手段。传统方法由于优先对体散射分量进行提取,其体散射能量的高估或二面角散射能量的低估现象较为严重。该文通过引入极化相似度量,基于数据驱动自适应地对基本散射机制的最优匹配模型进行选择。在此基础上,根据极化相似度量确定基本散射机制散射能量提取的优先顺序,并以各阶次剩余矩阵能量非负为约束,最终确定面散射、二面角散射、体散射这3种基本散射机制的能量贡献值。实测数据处理结果及其与光学图像的对比结果表明,该文方法获取的极化目标分解结果优于传统方法,能够准确地提取目标区域的基本散射特征。     

一种基于表面散射相似度的SAR图像极化增强方法

针对传统极化增强在多类目标增强和极化信息保持方面存在的不足,该文基于表面散射的相似度提出了一种新的极化增强方法。该方法根据目标表面散射的相似度,对不同散射类型的目标相干矩阵乘以不同实系数,从而增大了表面散射的目标与其它散射的目标的对比差异。同时由于该方法将表征目标的相干矩阵作为整体进行运算,因而保持了目标的极化信息。最后利用NASA SIR-C/X-SAR实测极化数据验证了该方法的有效性。     

基于相似性的POLSAR占优散射归类及非监督聚类

极化相似性满足旋转不变性、尺度无关性及有界性,基于此,该文提出一种极化相似性与Freeman模型相结合的POLSAR占优散射归类及非监督聚类方法。实验表明,该方法解决了Freeman分解在分类应用中所存在的问题,相比于直接应用Freeman分解的分类方法,在地物散射特征的描述上更加准确。     

Polarimetric Analysis of Bistatic SAR Images From Polar Decomposition: A Quaternion Approach

This paper focuses on polar decomposition, which is based on the quaternion formalism, in single-look and multilook synthetic aperture radar polarimetry. Polar decomposition is used to decompose a bistatic or monostatic polarimetric scattering matrix into a product of a Hermitian matrix (boost) and a unitary matrix (rotation). After an overview of polar decomposition principle and quaternion properties, coherent (single-look complex) and incoherent (multilook) polar decompositions are discussed. In single-look polar decomposition, we introduce the boost parameter and the rotation parameter with the purpose of classifying scattering mechanisms of different natures. New relationships between these geometrical parameters and the scattering matrix elements are obtained. We also briefly reexamine the standard coherent polarimetric target decomposition algorithms in the light of quaternions. Next, an original use of polar decomposition for incoherent polarimetric imaging is proposed, which leads to the definition of the multilook boost parameter and of the degree of polarization dispersion. Subsequently, a new approach is presented, which consists in decomposing the scattering matrix into boost and rotation components before vectorization, then in averaging to generate boost and rotation coherency matrices separately. This leads to new inferred parameters: the boost and rotation entropies, and the concurrent dominant scattering mechanisms. The link between these new parameters and standard polarimetric invariants from the Cloude and Pottier decomposition is discussed. Eventually, the multilook extension of polar decomposition may allow this to be applied to the classification of remote sensing data. In this framework, a set of five parameters reducing to four in the monostatic case can be considered.     

一种结合散射相似性和Wishart的极化SAR图像分类方法

针对基于H-a 平面的目标分类方法运算量偏大的缺点,本文提出了一种结合散射相似性和Wishart的极化合成孔径雷达图像分类方法,提升了数据处理效率。该方法使用参数替代,将目标相干矩阵进行归一化,得到和 H-a 相似的分类效果,且避免计算特征值和特征向量,从而大幅提高了分类效率;通过结合Wishart迭代分类器进行分类来提升分类精度。最后通过对Radarsat-2卫星获取的黄河冰凌区域进行地物分类实验验证了本文方法的有效性,且该方法具有更好的运算效率和地物分类效果。      

Deorientation theory of polarimetric scattering targets and application to terrain surface classification

Deorientation theory of polarimetric scattering targets is presented. Using a transformation of the target scattering vector, the target orientation is turned to a certain fixed state and polarimetric scattering of the transformed scattering vector shows the prominence of the generic characteristics of the target. A new set of parameters u, v, w, /spl psi/ is defined based on a deorientation of the target scattering vector. Numerical simulation of polarimetric scattering of nonspherical particles illustrates the meanings of the parameters u, v, w, /spl psi/ and the entropy H. An unsupervised classification scheme of the terrain surfaces is developed, which classifies the terrain surfaces using the set of u., v, H, and analyzes the orientation distribution of each class based on deorientation angle /spl psi/. As examples, a SIR-C polarimetric image over China's Guangdong Hui-Yang district is classified into eight classes and a AirSAR polarimetric image over Canada's Boreal district is orientation-analyzed using our approach of deorientation and four parameters u, v, /spl psi/, and H.     

基于去取向理论的全极化SAR图像非监督分类

由于复杂地表目标的取向往往是随机分布的,产生散射回波的随机起伏使散射目标分类不容易明确,采用常规的分类方法容易造成地表的分类混淆.文中提出了一种全极化SAR图像非监督分类方法,首先对数据进行极化去取向处理,提取极化特征参数u、v,结合极化熵参数H进行非监督分类;之后将分类结果作为改进C-均值算法的初始类别划分,基于由u/v/H3个参数组成的特征空间,采用迭代方法实现对地物的分类;最后对NASA/JPL实验室的实测数据进行了实验分析,验证了文中所提分类方法的有效性.     

基于去取向理论的全极化SAR图像模糊非监督聚类

由于复杂散射体的随机取向导致其回波具有一定的波动性,利用目标分解理论对全极化SAR图像进行分类时,分类结果会出现一定程度的错分现象。该文提出了一种新的非监督分类算法,该算法首先根据去取向理论,将目标向量旋转到最小交叉极化方向;然后,采用u/v/H参数描述散射机制,以模糊隶属函数代替参数平面的硬阈值划分;最后,以多元复Wishart分布描述相干矩阵,基于Bayes极大似然分类准则进行分类。以中国广东淡水附近的L波段NASA/JPL SIR-C全极化SAR图像作为实验数据进行了仿真试验,并进一步对聚类中心的迁移进行了讨论。试验和讨论结果表明:同基于H/和类k-mean的算法比较,该文的聚类算法对聚类效果有明显改善,类别对应的散射机制也更为准确,分类结果有利于地表类型的自动识别。