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.     

基于改进三分量模型的全极化SAR图像分类

基于改进三分量散射模型提出一种全极化合成孔径雷达（SAR）图像非监督分类方法。运用改进三分量分解模型解决体散射过高估计和负功率像素问题,提出类别重估步骤解决Wishart迭代聚类使聚类中心发生迁移的问题。首先对极化相干矩阵进行去定向操作,将各个像素的定向角旋转为0°;然后利用改进三分量分解模型将目标分解为平面散射、二次散射和体散射3种成分;接着利用3种散射功率计算功率散射熵,根据散射熵和3种散射成分的功率进行初步分类,利用Wishart迭代聚类优化分类结果;最后对Wishart聚类的结果进行类别重估,实现极化SAR图像的非监督分类。结果表明,本文算法的物理意义明确,分类结果易与实际地物相结合,测试区域的总体分类精度为98.6%,Kappa系数为0.973。     

一种改进的极化SAR图像四成分分解方法

目标分解是极化合成孔径雷达（SAR）应用的重要基础,其中四成分分解算法在对城市等复杂地物的分析中有很好的应用。原四成分分解得到的体散射分量通常较大,这是由于所应用的体散射模型不能完全描述实际复杂地物的随机散射过程造成的。为了更好分析地物的实际物理散射特性,结合新的体散射模型,提出了一种改进的全极化SAR图像四成分分解算法。对目标散射相干矩阵进行定向角旋转,利用新的体散射模型对目标矩阵进行分解,在分解过程中加入功率限制以防止分解中负功率的出现。最后对NASA/JPL实验室AIRSAR-L波段的旧金山数据,以及ALOS/PALSAR的北京地区极化数据进行了分析,实验结果验证了该方法的有效性。     

双站合成孔径雷达去取向极化分析

在分析单站合成孔径雷达去取向参数的基础上,研究了双站合成孔径雷达的非对称散射矩阵,利用矩阵代数知识得到双站去取向参数。推导了目标的去取向变换矩阵,将目标散射矢量进行矢量变换,使得研究目标具有相同的取向,目标本身的信息得以凸显。经过去取向变换,对双站模拟图像的特征参数进行分析,为进一步解读双站图像提供了初步手段。     

目标散射的去取向理论和应用(一)去取向理论

提出目标全极化散射的去取向分析理论,通过对目标散射矢量的变换将目标旋转到一个确定的取向,使得原本取向不同、但特征相同的目标能具有相同的散射信息,凸现目标本身特性.对于SAR图像的像素中随机分布目标的目标主散射矢量作去取向分析,凸现该像素中随机分布目标的平均特性.第一部分推导了目标散射矢量的去取向变换公式,并解析定义参数u,v,ω,ψ,由单个或随机分布非球形粒子的全极化散射数值分析了ψ,u,v及熵H的表征意义.在第二部分将用(u,v,ψ)-H设计地表无监督分类模型,先用u,v,H将地表分类不同类别,再对每种类别由ψ分析其取向情况.该分类方法应用于中国广东省惠阳地区的SIR-C数据及加拿大Bo-real地区的AirSAR数据,得到较好的地表分类结果,与传统的α-H方法对比,分类性能明显提高.     

目标散射的去取向理论和应用(二)地表分类应用

由第一部分阐明的目标全极化散射的去取向理论方法,通过对目标散射矢量的变换,分析参数Ψ,u,v及熵H对全极化SAR遥感地表目标的表征意义.在第二部分用矢量辐射传输（VRT）植被模型模拟分析了各个参数在地表分类中的作用,其中H指示了地表覆盖层的复杂程度,v指示了不同的散射机制,u指示了不同目标的特性,Ψ则指示了目标的取向状态.用（u,v,Ψ）-H设计地表无监督分类模型,先用u,v,H将地表分类不同类别,再对每种类别由Ψ分析其取向情况.该分类方法应用于中国广东省惠阳地区的SIR-C数据及加拿大Boreal地区的AirSAR数据,得到较好的地表分类结果,与传统的α-H方法对比,分类性能明显提高.     

基于散射模型的极化SAR图像相干斑抑制算法

针对地表目标散射具有随机取向特性,给出一种新的基于散射模型的极化合成孔径雷达相干斑抑制算法。首先将去取向理论用于相干斑抑制的预处理过程,之后在考虑图像中存在混合散射像素的情况下,通过Freeman分解将像素分成4种散射类型,利用欧式距离分类器对像素进行无监督分类,最后按最小均方误差准则对图像降斑处理。利用美国宇航局喷气推进实验室(NASA/JPL)的AIRSAR系统实测数据进行实验,结果表明,文中方法由于考虑了图像中目标散射的随机取向特性和混合散射情况,并采用相应的处理方法,改善了像素初始分类结果,相干斑抑制效果和分类结果明显优于LEE的基于散射模型降斑算法。