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.     

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.     

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实测数据的试验结果,证明了新算法的有效性。此外,本文还将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。     

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。     

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。     

基于无监督分类的多视极化SAR相干斑滤波

相干斑噪声是引起SAR图像降质的主要原因之一。多视极化白化滤波器(MPWF)是一种专门应用于多视极化SAR图像降噪的有效技术。其中,滤波器参数估计的精确度直接决定了其滤波性能的好坏。对此,该文提出了一种新的基于无监督分类的自适应窗算法。该算法以分类图像作为对象;在滑动矩形窗内以中心像素作为参照物,自动搜索与其同类的像素并用于MPWF参数估计。实验结果表明,与其他几种典型的算法相比,该法不仅有效地抑制了相干斑,而且对图像的纹理信息具有很好的保持能力。     

极化干涉SAR的研究现状与启示

阐述极化与干涉结合的基本考虑,介绍极化干涉SAR相干最优和相干目标分解的基本思想,总结分析极化干涉SAR技术、典型星载极化SAR系统研制和极化干涉SAR应用的研究现状,以得到开展极化干涉SAR技术研究的启示。     

基于压缩多信号分类算法的森林区域极化SAR层析成像

该文研究了一种基于压缩多信号分类算法的森林区域极化SAR层析成像方法。其具体步骤包括：全极化的SAR接收成像区域的反射回波,利用各极化通道的信号建立多观测向量模型;应用小波基对高程向结构进行稀疏表示,采用压缩多信号分类算法对观测区域的高程向后向散射系数进行重建,实现对森林区域层析成像。最后,通过仿真实验、PolSARpro仿真数据和德宇航E-SAR的P-波段数据验证了该方法在同等测量精度的要求下可以有效减少SAR层析成像所需的航过数,同时降低了虚假目标的出现概率。     

基于H-α和改进C-均值的全极化SAR图像非监督分类

该文提出一种基于H-α和改进C-均值的全极化SAR图像非监督分类方法.该方法先按H-α对全极化SAR图像进行基于散射机理的分类,再将分类结果作为改进C-均值算法的初始类别划分,从而实现地物分类.迭代次数确定是C-均值动态聚类算法的关键,文中利用图像熵给出了一种新的迭代终止准则.与H-α方法相比,该文方法能在保留分类结果物理散射机理的同时,实现有效的地物分类.NASA/JPL实验室AIRSAR系统获取的L波段旧金山全极化SAR数据的实验结果验证了该文方法的有效性.     

一种基于差异度的极化SAR图像迭代分类方法

该文提出了一种用极化SAR数据协方差矩阵的相关性和回波功率差异来定义的目标间的差异度,并在这一差异度的基础上提出了一种新的迭代分类方法。该迭代方法与基于Wishart距离的迭代分类方法相比,不需要矩阵的求逆运算和矩阵的对数运算,降低了迭代过程的计算量,也不再需要目标的先验信息,扩展了其适用范围。该方法应用于NASA/JPL的SIR-C系统在香港地区的实测极化SAR数据,得到了很好的分类效果。     

SAR图像的极化干涉非监督Wishart分类方法和实验研究

该文在合成孔径雷达图像的极化非监督Wishart分类的基础上,给出了一种利用极化干涉信息对合成孔径雷达图像进行非监督分类的方法。该方法主要利用一(66)的极化干涉相关矩阵,从而可以同时考虑单幅图像的全极化信息以及两幅像对之间的互相关信息。该文详细阐述了该方法的具体实现,并利用NASA/JPL的SIR-C/X-SAR系统在中国天山地区的L波段实测数据进行了实验研究。给出了利用该方法对实验数据进行分类的结果,并与极化非监督Wishart分类的结果进行了比较。结果表明,该方法能够很好地分辨不同类型的地物,保持地物的细节,并且比极化非监督Wishart分类结果有很大改善。     

基于ICA-SCS算法的极化SAR图像相干斑抑制

该文提出了采用基于独立分量分析的稀疏编码收缩(ICA-SCS)算法进行极化SAR图像相干斑抑制的新方法,结合软门限算子,有效抑制了图像中的相干斑噪声,保留了极化信息。实验结果表明,该算法具有较好的边缘保持和噪声抑制能力。     

合成孔径雷达多视图像中4个Stokes参数的统计特性

该文应用散射振幅函数的Wishart联合分布,推导了合成孔径雷达(SAR)多视图像中4个Stokes参数的概率密度函数(PDF)。用视图数和4个Stokes参数的均值解析表达的PDF与现有的R.Touzi和A.Lopes(1996)的结果作了比较。同时,用机载SAR在几个典型区域上的多波段(P,L,C)成像数据验证了4个Stokes参数的理论统计分布,讨论了有效视图数、方差和分布斜度。实验数据与理论分布有相当好的吻合,还讨论了PDF在地表分类中的应用。     

SAR分布目标多视图像分辨特性研究

该文提出了结合目标特性与图像多视数对SAR分辨特性进行分析和评定的方法。基于对SAR目标可分辨概率的研究,以及对SAR复散射回波信号特性的分析,得到了目标之间关于信号幅度比、相位差和多视数的联合概率密度函数,建立了SAR分布目标可分辨特性与目标统计特性以及图像多视数之间的数学关系模型。结合目标可区分条件,探讨分析了目标统计特性和多视处理对SAR系统分辨特性的影响。从该文的研究分析可以看出,由于分布目标信号具有的随机特性,在目标间距离小于传统的分辨率时也存在可分辨性,目标间距离大于系统分辨率时也存在不可分辨性。多视处理相当于增加了目标间的相关性,同样对SAR的分辨特性有较大的影响。该文提出的分辨特性评价指标将SAR系统特性与目标特性相结合,更能真实反映SAR的分辨性能,对SAR系统参数设计和评定有重要意义。     

简缩极化SAR数据处理与应用研究进展

极化信息能丰富合成孔径雷达(SAR)数据的信息量,在农业、环境、海洋、森林、军事等领域取得了广泛的应用,但同时也面临分辨率较低、幅宽较小的问题,带来较高的应用成本。简缩极化SAR(CP SAR)作为一种能同时获取较为丰富的地表信息并实现较大幅宽观测的极化SAR模式,在过去十余年中引起了科研人员的广泛关注。随着印度RISAT-1卫星的成功发射,简缩极化SAR在一系列应用研究中取得了新进展。该文简要介绍了简缩极化SAR的经典数据处理方法,总结了近十余年来简缩极化SAR在农业和海洋应用领域的主要研究成果,最后对其发展方向进行了分析与展望。      

Classification of multifrequency polarimetric SAR imagery using adynamic learning neural network

A practical method for extracting microwave backscatter for terrain-cover classification is presented. The test data are multifrequency (P, L, C bands) polarimetric SAR data acquired by JPL over an agricultural area called “Flevoland”. The terrain covers include forest, water, bare soil, grass, and eight other types of crops. The radar response of crop types to frequency and polarization states were analyzed for classification based on three configurations: 1) multifrequency and single-polarization images; 2) single-frequency and multipolarization images; and 3) multifrequency and multipolarization images. A recently developed dynamic learning neural network was adopted as the classifier. Results show that using partial information, P-band multipolarization images and multiband hh polarization images have better classification accuracy, while with a full configuration, namely, multiband and multipolarization, gives the best discrimination capability. The overall accuracy using the proposed method can be as high as 95% with a total of thirteen cover types classified. Further reduction of the data volume by means of correlation analysis was conducted to single out the minimum data channels required. It was found that this method efficiently reduces the data volume while retaining highly acceptable classification accuracy     

双波段全极化SAR图像非监督分类方法及实验研究

该文首先采用H/分类对像素进行了初始猜测,然后进一步采用Bayes最大似然估计(ML）分类法对像素进行重新归类．不同波段电磁波对地物散射具有不同的属性,因而我们采用双波段全极化SAR数据结合的分类方法,得到了更好的分类结果．SAR图像的相干斑会影响图像的分类准确度和精度．在进行分类处理前,对双波段全极化SAR图像相干斑进行矢量滤波处理．该文使用NASA/JPL实验室在天山地区的实测数据对这些分类算法进行了实验研究．给出了单波段以及双波段全极化SAR分类结果的伪彩色图．其中双波段全极化SAR滤波后数据具有相对最优的分类结果．