極化SAR影像分類綜述

1、基于目標(biāo)分解的極化 SAR圖像分類碩研2010級(jí)6班金姍姍2010010615摘要：極化SAR圖像分類是SAR圖像解譯的重要內(nèi)容，從現(xiàn)有的文獻(xiàn)來(lái)看，基 于目標(biāo)分解理論的極化SAR圖像分類算法是所有分類算法中較為實(shí)用、準(zhǔn)確， 且發(fā)展較快的。以此為研究背景，論文首先介紹了雷達(dá)極化的基礎(chǔ)理論， 并在此 基礎(chǔ)上系統(tǒng)地分析了當(dāng)前各種典型目標(biāo)分解算法的特性， 最后總結(jié)了幾種典型的 基于目標(biāo)分解理論的極化SAR圖像分類算法。關(guān)鍵詞：極化SAR目標(biāo)分解 圖像分類Abstract: Polarimetric SAR image classification is pivotal in SAR image int

2、erpretation. According to current literature, the classification algorithm for polarimetric SAR image based on target decomposition theorems is the most practical and exact one with fast developing speed among all algorithms. Under this background of research, the basic theory on radar polarimetric

3、is discussed at first in this paper. Then the characteristic of typical target decomposition algorithms is analyzed in detail. Finally, typical polarimetric SAR image classification based on target decomposition theorems are summarized.Key words： POLSAR Target Decomposition Image Classification1引言極化

4、合成孔徑雷達(dá)(SAR )通過(guò)測(cè)量地面每個(gè)分辨單元內(nèi)的散射回波，進(jìn)而獲得其極化散射矩陣以及Stokes矩陣。極化散射矩陣將目標(biāo)散射的能量特性、相 位特性和極化特性統(tǒng)一起來(lái)，相對(duì)完整地描述了雷達(dá)目標(biāo)的電磁散射特性， 為更 加深入地研究地物目標(biāo)提供了重要的依據(jù),極大地增強(qiáng)了成像雷達(dá)對(duì)目標(biāo)信息 的獲取能力。從極化SAR圖像數(shù)據(jù)中，我們可以提取目標(biāo)的極化散射特性，從而實(shí)現(xiàn)全 極化數(shù)據(jù)的分類和聚類等其他應(yīng)用。 這需要我們對(duì)極化數(shù)據(jù)進(jìn)行分析，有效地分 離出目標(biāo)的散射特性，其理論核心是目標(biāo)分解。目標(biāo)分解理論是PolSA R圖像處理技術(shù)中最基本的方法，目標(biāo)分解的主要目的是把極化散射矩陣或相干矩陣和 協(xié)方差矩陣分

5、解成代表不同散射機(jī)理的若干項(xiàng)之和，每一項(xiàng)對(duì)應(yīng)一定的物理意 義。目標(biāo)分解的突出優(yōu)點(diǎn)就是它們大都具有明確的物理解釋。因?yàn)槟繕?biāo)回波的極化信息可以反映目標(biāo)的幾何結(jié)構(gòu)和物理特性， 所以極化目標(biāo)分解理論可用丁目標(biāo) 檢測(cè)或分類。目前，極化目標(biāo)分解理論主要分為基丁散射矩陣分解的相干目標(biāo)分 解方法和基丁協(xié)方差矩陣或相干矩陣的部分相干目標(biāo)分解兩類。本文從目標(biāo)分解的基本理論出發(fā)，對(duì)這些分解方法進(jìn)行了歸納和分析，以便對(duì)這些分解方法進(jìn)行 深刻的把握。為目標(biāo)分解方法應(yīng)用丁 SAR圖像分類提供一些參考。2極化SAR圖像的基本理論2.1極化合成孔徑雷達(dá)概述極化合成孔徑雷達(dá)是合成孔徑雷達(dá)向多功能方向發(fā)展的一個(gè)重要內(nèi)容，它能有效

6、提高獲取目標(biāo)信息的能力，為提高目標(biāo)分類的精度提供了有力的工具。傳統(tǒng)的單極化合成孔徑雷達(dá)僅能獲得地面場(chǎng)景在某一特定極化收發(fā)組合下 的目標(biāo)散射特性，所得到的信息量是有限的。若想對(duì)地物的地理和電磁特性作進(jìn) 一步的分析與研究，需要了解地物目標(biāo)在不同極化收發(fā)組合下的回波特性，即所謂的雷達(dá)極化信息。這種能夠獲得地物目標(biāo)極化散射特性的SAR系統(tǒng)稱為極化合成孔徑雷達(dá)系統(tǒng)。應(yīng)用極化合成孔徑雷達(dá)系統(tǒng)進(jìn)行觀測(cè)，測(cè)量的數(shù)據(jù)不再只是 目標(biāo)的后向散射系數(shù)，而是一個(gè) 22的復(fù)散射矩陣。與傳統(tǒng)的單極化合成孔徑 雷達(dá)相比，極化合成孔徑雷達(dá)的突出優(yōu)點(diǎn)在丁測(cè)量數(shù)據(jù)包含了更豐富的目標(biāo)信 息，這樣就為信息挖掘提供了可能，因此它在目標(biāo)檢

7、測(cè)、識(shí)別、分類以及目標(biāo)參 數(shù)反演等方面具有顯著的優(yōu)勢(shì)。極化合成孔徑雷達(dá)通過(guò)測(cè)量地面每個(gè)分辨單元內(nèi)的散射回波，進(jìn)而獲得其Sinclair矩陣 和Mueller矩陣，這些極化散射矩陣可以用來(lái)完全描述目標(biāo)散射回 波的幅度和相位特性。利用極化合成技術(shù)，可以由目標(biāo)回波的Mueller矩陣計(jì)算出天線在任意極化收發(fā)組合下所接收到的回波功率值。也就是說(shuō)，只需獲得四種基本極化組合，即HH、HV、VH和VV極化，就可以準(zhǔn)確地計(jì)算出天線在所有 可能的極化狀態(tài)下的接收功率值?？傊瑯O化合成孔徑雷達(dá)通過(guò)調(diào)整收發(fā)電磁波 的極化方式可以獲得場(chǎng)景目標(biāo)的極化散射矩陣， 為更加深入地研究目標(biāo)的散射特 性提供了重要的依據(jù),極大地增

8、強(qiáng)了成像雷達(dá)對(duì)目標(biāo)信息的獲取能力。2.2極化散射矩陣(Sinclair矩陣)與 Mueller矩陣在雷達(dá)目標(biāo)電磁散射特性研究中，雷達(dá)散射截面(RCS)是最早出現(xiàn)且使用最為廣泛的特征量，它能描述目標(biāo)對(duì)電磁波散射效率，表征了目標(biāo)散射場(chǎng)與入射場(chǎng) 之間的幅度變換特性，但 RCS缺乏對(duì)丁目標(biāo)回波相位和極化特性的表征能力。 隨著雷達(dá)研究的進(jìn)一步深入，更多的學(xué)者認(rèn)識(shí)到極化特性對(duì)丁雷達(dá)全面描述目標(biāo) 屆性的作用極為重要，因此迫切需要對(duì)雷達(dá)極化特性具有描述能力的物理量，極化散射矩陣與Mueller矩陣等能夠描述極化效應(yīng)的量值隨之產(chǎn)生。2.2.1極化散射矩陣通常情況下，雷達(dá)目標(biāo)在遠(yuǎn)場(chǎng)區(qū)的電磁散射是一個(gè)線性過(guò)程，若選

9、定了散射坐標(biāo)系及相應(yīng)的極化基，則雷達(dá)入射波和目標(biāo)散射波的各極化分量之間存在著極 化變換關(guān)系，因此，目標(biāo)的變極化效應(yīng)可用一個(gè)復(fù)二維矩陣的形式來(lái)表示，稱為極化散射矩陣(Sinclair矩陣)，它代表了特定姿態(tài)和觀測(cè)頻率下目標(biāo)的全部極化信 息。在后向散射坐標(biāo)系中，雷達(dá)發(fā)射、接收的電磁波可以表示為Et =E" E：h(2-1)ES =Ejvs E；hs(2-2)式中£丁表示發(fā)射電磁波Jones欠量，ES表示接收電磁波Jones欠量，h和v分別為選定的正交極化基。根據(jù)電磁散射的線性性質(zhì)，發(fā)射電磁波Et與接收電磁波ES之間的關(guān)系可通過(guò)一個(gè)2乂2矩陣來(lái)表示，此矩陣就稱為極化散射矩陣，即：

10、(2-3)(2-4)或者可表小為:式中r為散射目標(biāo)與接收天線之間的距離，k為電磁波的波數(shù)，S表示極化散射 矩陣。一般情況下，散射矩陣S具有復(fù)數(shù)形式，它是目標(biāo)變極化效應(yīng)的定量描述， 與雷達(dá)的照射和觀測(cè)接收方向有關(guān)。 在特定的照射和觀測(cè)方向上，對(duì)丁給定的工 作頻率和目標(biāo)姿態(tài)，散射矩陣完全表征了照射一觀測(cè)方向上目標(biāo)的相干極化電磁 散射特性。在滿足互易性原理并使用后向散射坐標(biāo)系條件下Shv = Svh,若再忽略絕對(duì)相位值，則極化散射矩陣中只有 5個(gè)獨(dú)立變量(3個(gè)幅度以及2個(gè)相位)。實(shí)際上，目標(biāo)的散射矩陣不但取決丁目標(biāo)本身的形狀、尺寸、結(jié)構(gòu)、材料等 物理因素，同時(shí)也與目標(biāo)和收/發(fā)測(cè)量系統(tǒng)之間的相對(duì)姿態(tài)取

11、向、空間幾何位置 關(guān)系以及雷達(dá)工作頻率等觀測(cè)條件有關(guān)。2.2.2 Mueller 矩陣極化散射矩陣給出了入射波Jones欠量與散射波Jones欠量之間的關(guān)系，由 電磁波極化理論可知，Jones欠量只能用來(lái)描述完全極化電磁波，對(duì)丁廣泛存在 的不完全極化波和完全非極化波則需要用Stokes欠量來(lái)描述。對(duì)丁這種情況，同樣需要一個(gè)矩陣來(lái)建立入射波和散射波之間的聯(lián)系，該矩陣就是Mueller矩陣。為了推導(dǎo)Mueller矩陣的形式，可以定義波的相干欠量如下：C =<E (t)® E (t)，>(2-5)其中險(xiǎn)”表示Kronecher直積，“*表示取共鑰，< >”表示求集合

12、平均。目標(biāo)入射和散射波的相干欠量分別為：Ci=Ei®Ei)(2-6)Cs = EsE；(2-7)式中，巳表示目標(biāo)入射波，Es表示目標(biāo)散射波。散射與入射電磁 Jones欠量之間的關(guān)系為：Es=SEi(2-8)式中E既可以是完全極化的，也可以是部分極化的。極化散射矩陣 S是目標(biāo)本身所具有的特性，與入射電場(chǎng) 耳無(wú)關(guān)。目標(biāo)散射波的相干欠量為:C,=何弟=町)=佃舛)(耶E：)考慮到S與入射電場(chǎng)不相關(guān)，上式可變?yōu)?Ci=(S®S*XEJ®E；) = WCi式中中間矩陣W定義為：1 ss ss s)y xi Xy xyss ss s(2-10)(2-11)利用電磁散射理論中相

13、干欠量與Stokes欠量之間的等價(jià)關(guān)系，可得到目標(biāo)牌 ” w ” yy yy入射電場(chǎng)與散射電場(chǎng)Stokes欠量之間的關(guān)系為：Js =RCs = RWRJj = MJi(2-12)式中M即為目標(biāo)的Mueller矩陣，其計(jì)算表達(dá)式為其中變換矩陣R為:M= RWR從Mueller矩陣的定義式可以看出,(2-13)0 10 -11 0-j 0J (2-14)M是由W經(jīng)過(guò)相似變換得到的，可見(jiàn)M與W存在等價(jià)關(guān)系。而中間矩陣W是由目標(biāo)的極化散射矩陣得到的， 與極化 散射矩陣相比，丟掉了絕對(duì)相位信息。事實(shí)上，還存在一種反映雷達(dá)接收功率與 收發(fā)天線極化之間依賴關(guān)系的 Stokes矩陣，它與Mueller矩陣之間

14、的差異并不大，它們描述了同一個(gè)電磁散射過(guò)程的兩個(gè)不同方面。但兩個(gè)矩陣所包含關(guān)丁目標(biāo)的電磁散射特性信息是完全相同的。由以上分析可以看出，對(duì)丁確定性目標(biāo)，散射 矩陣完全表征了目標(biāo)在特定觀測(cè)條件下的電磁散射特性，它給出了目標(biāo)對(duì)丁入射波與散射波Jones欠量的極化變化關(guān)系；而對(duì)丁起伏性目標(biāo)，Mueller矩陣從統(tǒng)計(jì) 的角度描述了目標(biāo)在特定觀測(cè)條件下的極化散射特性，反映了目標(biāo)對(duì)丁入射波和散射波Stokes欠量的極化變換關(guān)系。從信息量的角度講，Mueller矩陣中僅包含關(guān)丁目標(biāo)極化散射過(guò)程的二階矩信息，而沒(méi)有包含一階及三階以上更高階矩的信 息，因此可以說(shuō)Mueller矩陣所包含的信息對(duì)丁描述目標(biāo)電磁散射特

15、性而言是不 完全的。2.3極化協(xié)方差矩陣與相干矩陣在極化SAR數(shù)據(jù)的分析過(guò)程中，為了表述方便我們常常需要將目標(biāo)的極化 散射矩陣欠量化，從而得到散射欠量，并進(jìn)一步得到目標(biāo)的極化協(xié)方差矩陣和相 干矩陣。極化協(xié)方差矩陣和相干矩陣中包含了雷達(dá)測(cè)量得到的全部極化信息，其復(fù)元素是我們進(jìn)行多極化SAR數(shù)據(jù)分析和處理的基礎(chǔ)。2.3.1協(xié)方差矩陣根據(jù)數(shù)學(xué)法則，散射矩陣S的欠量化可以表示為：S = L s：f =(2一其中上標(biāo)T表示矩陣的轉(zhuǎn)置運(yùn)算，V(S)為矩陣欠量化算子，Trace為求矩陣對(duì)角 線元素之和的運(yùn)算符，耍為一組2乂2的復(fù)矩陣集，它是以Hermitian內(nèi)積形成的 一個(gè)正交基集。對(duì)丁散射矩陣 S的欠量

16、化，可以使用任意一個(gè)能夠使欠量 的 范數(shù)保持不變且包含4個(gè)2 x 2復(fù)矩陣的完全正交基集。用來(lái)實(shí)現(xiàn)散射矩陣欠量化的一種常見(jiàn)完全正交基集如下所示：01 To(2-16)在滿足互易性原理的后向散射情況下,通過(guò)上述欠量化可得到常規(guī)散射欠量'1 0 0 0C二時(shí)巾；卜 很£點(diǎn) 2|相 虹政M|七(2-19)(2-17)其中系數(shù)J2是為了保持散射欠量的范數(shù)不變，即令極化散射總功率(Span)的大小與基矩陣棗的選擇無(wú)關(guān)：|虬卜巾；=卬他($)=如口件時(shí))=辰件2|跖件|(2-18)得到常規(guī)散射欠量k?b后，目標(biāo)的極化協(xié)方差矩陣c可定義為KL的Kronecker 積:2.3.2相干矩陣除了

17、上述給出的欠量化方法，不少學(xué)者還將最初在量子力學(xué)中用來(lái)描述旋轉(zhuǎn) 的正交復(fù)Pauli矩陣基集引入到極化散射矩陣的欠量化過(guò)程中，從而得到了另一 種極為重要的欠量化方法。著名的 Pauli矩陣基集可表示為：(2-20)Pauli散射欠量為:（2-21）T = 卜! （s神 f）（電+靖），2隊(duì)（土+新2(%+隊(duì))以2(%f )K(2-22)在滿足互易性原理的后向散射情況下，通過(guò)欠量化可得到 其中系數(shù)1/據(jù) 和2同樣是為了保持散射欠量的范數(shù)不變實(shí)際上，使用Paull基的好處在丁 Paull矩陣是以基本散射機(jī)理的形式給出 的，由此得到的Pauli散射欠量就非常接近電磁波散射的物理特性，在隨后的章 節(jié)中會(huì)

18、進(jìn)一步發(fā)現(xiàn)這一特點(diǎn)。由此，可定義目標(biāo)的極化相干矩陣 T為如下形式:通過(guò)比較可以看出，極化協(xié)方差矩陣 C與相干矩陣T是不同的，但兩者之間有一些相同的特性，例如兩者都是 Hermitian半正定的，具有相同的非負(fù)特征值和正交特征欠量。實(shí)際上，極化協(xié)方差矩陣與相干矩陣是線性相關(guān)的，兩者通T = NCN,過(guò)以下方式可實(shí)現(xiàn)線性轉(zhuǎn)化:(2-23)與MueUer矩陣相比，相干矩陣特征值分析往往能對(duì)物理機(jī)制給予更好的物理解釋，因此在極化數(shù)據(jù)分解、極化數(shù)據(jù)相干性分析以及極化SAR干涉等許多研究領(lǐng)域都有廣泛的應(yīng)用。3目標(biāo)分解理論目標(biāo)分解理論是 PolSAR圖像處理技術(shù)中最基本的方法，目標(biāo)分解的主要目的是把極化散射

19、矩陣或相干矩陣和協(xié)方差矩陣分解成代表不同散射機(jī)理的若干 項(xiàng)之和，每一項(xiàng)對(duì)應(yīng)一定的物理意義。目標(biāo)分解的突出優(yōu)點(diǎn)就是它們大都具有明 確的物理解釋。因?yàn)槟繕?biāo)回波的極化信息可以反映目標(biāo)的幾何結(jié)構(gòu)和物理特性，所以極化目標(biāo)分解理論可用丁目標(biāo)檢測(cè)或分類。目前，極化目標(biāo)分解理論主要分為基丁散射矩陣分解的相干目標(biāo)分解方法和基丁協(xié)方差矩陣或相干矩陣的部分 相干目標(biāo)分解兩類。3.1相干目標(biāo)分解相干目標(biāo)分解方法主要包括 Pauli分解、Krogager分解、Cameron分解以及 一系歹0對(duì)Cameron分解的改進(jìn)方法。Pauli分解將散射矩陣分解為奇次散射、偶次散射以及與水平方向有45°傾角 的偶次散射。

20、這3種成分是相互正交的，具有一定的抗噪性。但是它們代表的目 標(biāo)特征不是相互獨(dú)立的，只能區(qū)分單次散射和偶次散射兩種散射機(jī)理，這限制了它 的實(shí)際應(yīng)用，因此我們常常用它來(lái)檢驗(yàn)數(shù)據(jù)的有效性。Krogager分解方法把散射矩陣分解為并不相互正交但是代表一定特殊目標(biāo) 特性的基，在圓極化基的基礎(chǔ)上將散射矩陣分解為球、二面體和螺旋體（不同的情 況對(duì)應(yīng)不同的螺旋方向）3種成分，共有6個(gè)參數(shù)包括3個(gè)角度中、氣、0和3個(gè) 實(shí)極化基的系數(shù)KS、Kd、Kh 3個(gè)系數(shù)分別表示3種成分所占的比重。Krogager 分解作用丁相干基下的單個(gè)像素，充分利用了 PolSAR數(shù)據(jù)內(nèi)在的相干特性，對(duì)高 分辨率SAR數(shù)據(jù)比較適用。Ca

21、meron分解將散射矩陣分解為一個(gè)最大對(duì)稱成分和一個(gè)最小對(duì)稱成分（單站雷達(dá)目標(biāo)互易情況下，散射矩陣不對(duì)稱時(shí)分解為一個(gè)最大對(duì)稱成分和一個(gè)非對(duì) 稱成分）,最大對(duì)稱成分再變換進(jìn)行詳細(xì)分類，得到三面體、二面體、窄二面體、偶 極子、柱面體、1/4波振子，左螺旋體和右螺旋體8種成分。由丁這種方法假設(shè)目 標(biāo)的散射是相干的，在分解之前并不進(jìn)行目標(biāo)散射相干性的檢驗(yàn)，因此在非相干散 射區(qū)域就會(huì)產(chǎn)生錯(cuò)誤。Touzi針對(duì)Cameron分解的缺陷提出一種對(duì)稱散射特征化方法 （SSCM）。這種 方法在三面角和二面角正交基向量張成的空間中，用3個(gè)參數(shù)a、&和T以及三面 角一二面角通道的相位差 中sa -中sb來(lái)表示

22、CameronH標(biāo)分解中的最大對(duì)稱成分。SSCM中，最大對(duì)稱成分可以表示為龐加萊球中角 虬、Xc的函數(shù)，這比Cameron 分解中的單位圓盤對(duì)稱散射更完整。SSCM能較好分割目標(biāo)對(duì)稱散射，從而較好 地提取相干散射范圍內(nèi)最大的目標(biāo)對(duì)稱散射成分提供的信息。目標(biāo)散射欠量模型(TSVM)用Takagid共鑰對(duì)角化方法得到5個(gè)獨(dú)立的參數(shù)：目標(biāo)散射角 中和4個(gè)方 位不變的目標(biāo)參數(shù)(Tm、m、 as中as)來(lái)描述散射特性。對(duì)丁對(duì)稱目標(biāo),TSVM 和Cloude分解相同，但Cloude分解依賴丁目標(biāo)方位角，而且TSVM能更好地描述 非對(duì)稱目標(biāo)。將 Cloude分解和TSVM相結(jié)合,Touzi推導(dǎo)出相干目標(biāo)分解

23、 TSVM-CTD模型，這種方法適用丁點(diǎn)目標(biāo)和分布式目標(biāo)的單視和多視SAR數(shù)據(jù)。隨后,Touzi 乂提出了部分相干目標(biāo)分解 TSVM-ICTD模型?；∩⑸渚仃嚨南喔赡繕?biāo)分解把數(shù)據(jù)全部對(duì)應(yīng)丁某幾種特定的簡(jiǎn)單散射機(jī) 理,只能用丁確定性的純目標(biāo)的分解。所謂純目標(biāo)是指散射特性完全可以用散射 矩陣表示的目標(biāo)。對(duì)丁分布式目標(biāo)，需要考慮目標(biāo)的二階統(tǒng)計(jì)特性，需要采用部分 相干目標(biāo)分解方法進(jìn)行研究。3.2部分相干目標(biāo)分解部分相干目標(biāo)分解的主要方法包括 Cloude特征向量分解、Freeman分解、 OEC分解和四成分散射分解等。Cloude提出的基丁目標(biāo)相干矩陣的特征向量分解方法，用特征值分解方法將 目標(biāo)相干

24、矩陣分解為3種相干矩陣的加權(quán)和，并由相干矩陣的特征值推導(dǎo)出 3個(gè) 特征參量：嫡H、各向異性A和a角,它們都與特定的物理特性相聯(lián)系。特征值的 大小代表了某種散射在所有散射中所占的比重。H的大小代表了散射隨機(jī)性的大 ??；A的大小反映了分解中相對(duì)較弱的兩個(gè)散射分量之間的關(guān)系；a角與目標(biāo)的散射機(jī)理相聯(lián)系，娘近0°表示目標(biāo)接近丁平面散射，晶近90 ,表示目標(biāo)接近丁二 面角散射，45°附近表示目標(biāo)接近丁偶極子散射等。Ainsworth等從Cloude分解的特征向量出發(fā)，提出了一種基丁特征向量的分 解方法。他們?cè)趫A極化基下，通過(guò)定義一組復(fù)旋轉(zhuǎn)變換，同時(shí)保留特征向量的正交 性，把特征向量分

25、解成6個(gè)獨(dú)立變量,其中的4個(gè)參數(shù)有著直接的物意義，另外兩個(gè) 為去極化參數(shù)。Holm&Bames分解方法也是基丁極化相干矩陣的特征分解方法，并且也分為3類,所不同的是，其中第一部分是唯一一個(gè)對(duì)應(yīng)穩(wěn)態(tài)目標(biāo)的部分，且散 射能量較大，可以認(rèn)為它是該目標(biāo)的主要散射分量；第二部分則使得任意極化入射 的電磁波的散射都變?yōu)橥耆菢O化波 ，即具有類似丁噪聲的性質(zhì)；三部分為殘留 項(xiàng)。一般情況下，只有第一部分的秩等丁 1,所以分解出來(lái)的3部分當(dāng)中只有第一 部分可以認(rèn)為是一個(gè)固定目標(biāo)的散射。Freeman分解方法是將協(xié)方差矩陣分解為 3種散射成分,由一系列的冠層定 向偶極子得到的體散射成分，由二面角反射器得到

26、的二次散射成分和由一階 Bragg面散射得到的面散射或單散射成分。這種方法適用丁分解P、L和C波段自然分布目標(biāo)區(qū)域的PolSAR圖像，已經(jīng)成功地用丁對(duì)稱情形 Shh SHV5：ShvSVV&0的PolSAR圖像的分解。而且Freeman分解方法是后續(xù) 一系歹0部分相干目標(biāo)分解方法的基礎(chǔ)?？紤]到城鎮(zhèn)區(qū)域的非對(duì)稱反射情況，即SHH SHV)丈橋日SHVSW)7 Moriyama 受Freeman分解方法的啟示，建立的OEC模型將后向散射分為奇次散射、偶次散 射和交義散射3種散射成分,OEC適用丁城鎮(zhèn)地區(qū)建筑物的極化特征分解。隨 后,Yamaguchi等在Freeman 3種成分分解的基礎(chǔ)上

27、，增加螺旋散射成分，建立了四 成分散射模型，從而將Freeman分解的適用范圍推廣到更一般的情況，四成分散射 模型可以分析具有城鎮(zhèn)區(qū)域或具有更復(fù)雜幾何散射結(jié)構(gòu)的區(qū)域。因?yàn)橄喔删仃嚭蛥f(xié)方差矩陣所包含的信息相同，隨后他們乂提出基丁相干矩陣的四成分PolSAR分解方法，該方法和基丁協(xié)方差矩陣分解的結(jié)果相同，優(yōu)點(diǎn)在丁可以用散射矩陣元 素明確表達(dá)4種散射成分，從而定量進(jìn)行PolSAR圖像的解譯。4基丁目標(biāo)分解理論的極化SAR圖像分類極化SAR圖像分類就是根據(jù)極化SAR測(cè)量數(shù)據(jù)的物理、統(tǒng)計(jì)等特性把圖像 中各像索對(duì)應(yīng)的地物劃分為不同的類別，是雷達(dá)極化遙感重要的應(yīng)用之一。作為 極化SAR圖像研究領(lǐng)域的熱點(diǎn)問(wèn)題

28、，極化 SAR圖像分類的各種方法層出不窮， 但由丁地物本身散射表征的復(fù)雜性， 實(shí)現(xiàn)較為精確的地物分類是極為困難的。隨著相關(guān)研究的不斷深入，越來(lái)越多的學(xué)者認(rèn)識(shí)到：通過(guò)目標(biāo)分解理論提取各種能夠表征地物特性的極化散射信息用丁分類將有效地提高極化SAR圖像的分類效果。其中Krogager的SDH分解在圓極化基上將目標(biāo)分解為球，二面體和螺旋體 三種成分;Freeman等人基丁具體物理散射模型，提出了三分量極化分解法，把 極化數(shù)據(jù)分解成平面散射，二面角散射和體散射；1997年，利用提出的分解理論所獲得的散射嫡H與表征地物散射機(jī)理的角度a , Cloude率先得到了著名的H/a分類方算法，從而開(kāi)啟了利用目標(biāo)

29、分解理論研究極化SAR圖像分類的新途徑。隨后，基丁目標(biāo)分解理論的極化 SAR圖像分類方法蓬勃發(fā)展，不斷改善著 分類的效果和性能，成為該領(lǐng)域近10年來(lái)極有潛力的發(fā)展方向。4.1 H/口分類算法散射嫡H和散射角a是表征地物目標(biāo)極化散射特性的兩個(gè)重要參量， 根據(jù)H 和a的取值，可以形成H/ a特征空間。根據(jù)英國(guó)學(xué)者 S.R.Cloude的方法，可以 將整個(gè)H/ a平面劃分為9個(gè)區(qū)域，其中有8個(gè)有效區(qū)域，每一區(qū)域代表一種特殊 的散射類別(見(jiàn)圖4-1),各類別的主要說(shuō)明見(jiàn)表4-1。H/ a目標(biāo)分解方法通過(guò)估 計(jì)潛在的目標(biāo)散射機(jī)理來(lái)理解自然媒質(zhì)的內(nèi)在物理特性，可以進(jìn)行極化雷達(dá)的分類和反演研究。a) H-a

30、特征空f(shuō)ill TIfil示意陶b) H-a特征分時(shí)表4-1 H/船征空間主要散射類型及代表地物區(qū)域邊界主要散射類型代表地物Z10 9s Z/<155£90高散射麻的名忒散射粗壯的樹(shù)木、某些建 筑物Z240<a<55高散射墻的機(jī)帔散射各向異性的針狀粒fZ350號(hào)a號(hào)9。中等散射蜩的二面角城市區(qū)域和穿透向冠 后與樹(shù)間的散射Z40.5" <0.540芭二50中寫散射帽的偶極子散射各向異性的植被Z50< a<40粗糙度中等的去面散射樹(shù)葉、小圓盤樣的棚 球性散射體藝647.5 £a£90'二次或更高的偈次散射各向同性的

31、電介質(zhì)、 金屬二面角” 0 S <0.5H425zs0*.<a<A!SHH和W分量幅度有較大 差異的散射機(jī)理鏡面散射.Bragg表面散射各向異性很強(qiáng)的植被水面、海冰、非常平 滑的陸地衣面H/ a分解的H/ a特征空I可平面如圖4-1所小:圖4-1 H/ a特征分解空間平面圖4.1中9個(gè)區(qū)域的物理散射特性可描述如下:1. z1區(qū)一低嫡表面散射：本區(qū)中骸為小丁 42.5的低嫡表面散射，包括鏡面散 射、布拉格表面散射和其它不會(huì)在 hh和vv分量之間引起180 -相移的特殊散射 機(jī)理。2. z2區(qū)一低嫡偶極子散射：屆丁本區(qū)的散射機(jī)理在hh和vv分量的幅度上有 較大差異，通常產(chǎn)生丁具有

32、很強(qiáng)各向異性特性的植被區(qū)域。 此區(qū)域的范圍可根據(jù) 雷達(dá)測(cè)量hh與vv比率的能力，即定標(biāo)的精度來(lái)確定。3. z3區(qū)一低嫡多次散射：本區(qū)中的散射機(jī)理為具有較低散射嫡的二次及更高的偶數(shù)次散射，如各向同性的電介質(zhì)或金屆二面角的散射。本區(qū)中散射類型的«大丁 47.5?！按祟惿⑸錂C(jī)理下邊界的選擇取決丁散射目標(biāo)的介電常數(shù)以及雷達(dá)測(cè)量精度。以上三個(gè)分類區(qū)域散射墻H的上邊界選取為0.5,這是考慮到各次散射的影 響以及系統(tǒng)測(cè)量噪聲導(dǎo)致嫡升高而選定的一個(gè)典型值。4. z4區(qū)一中嫡表面散射:隨著散射體表面粗糙度的增加，其散射嫡也會(huì)增加。 通常說(shuō)來(lái)，類似丁樹(shù)葉或者小圓盤一樣的橢球形散射體所產(chǎn)生的散射嫡一般介丁

33、 0.6 至U 0.7。5. z5區(qū)一中嫡體散射：此區(qū)域中主要是具有中等散射嫡的偶極子散射，包括 具有各向異性散射特征的植被等地物類型。6. z6區(qū)一中嫡多次散射：此區(qū)域中的散射機(jī)理為具有中等散射嫡的二面角散 射，其典型代表是城市區(qū)域的散射和穿透森林樹(shù)冠后地面與樹(shù)干間的散射。z4、z5、z6區(qū)散射嫡H的上邊界可定為0.9。7. z7區(qū)一高嫡表面散射：該區(qū)不在H/a平面的有效分類區(qū)內(nèi)，因此無(wú)法在散 射嫡大丁 0.9的情況下區(qū)分出表面散射。這說(shuō)明隨著嫡的增加，極化數(shù)據(jù)的可分 性降低。8. z8區(qū)一高嫡體散射：這種類型的散射來(lái)自大片具有各向異性的針狀粒子或 低損耗對(duì)稱粒子，森林樹(shù)冠以及某些具有高度各

34、向異性特性的植被表面的散射就 位丁該區(qū)域。因?yàn)榇藚^(qū)域的散射嫡很高，因此分到本區(qū)中的類別很可能僅僅是一 些不含任何極化信息的噪聲。9. z9區(qū)一高嫡多次散射：本區(qū)中的散射類型在高散射墻時(shí)能區(qū)分開(kāi)偶次散 射，主要是具有粗壯樹(shù)枝和濃密樹(shù)冠的樹(shù)木的散射。 由以上論述可以看出，H/a 分類算法能較好地利用地物表現(xiàn)出的散射機(jī)理信息， 通過(guò)將不同地物表現(xiàn)出的散 射特性與H/o（平面劃分出的區(qū)域相對(duì)應(yīng)，有效地實(shí)現(xiàn)了地物的非監(jiān)督分類。4.2基丁 Freeman分解與復(fù) Wishart分類器的分類算法為了能夠保持地物的極化散射特性，Lee等人丁 2004年提出了基丁 Freeman 分解與復(fù)wishart分類器的

35、地物分類算法，該算法進(jìn)一步有效地利用了地物的散 射機(jī)理信息，同時(shí)通過(guò)區(qū)分不同散射模型使得所分類地物的極化散射特性得以保 持。利用Freeman分解提供的三種散射機(jī)理模型，可將地物目標(biāo)粗略劃分為三大 類別，然后在各大類別內(nèi)進(jìn)行基丁 Wishart迭代的小類合并與再次分類，由丁較 充分地利用了散射機(jī)理信息與統(tǒng)計(jì)分布信息，該算法能明顯改善分類的最終效 果。下面是該算法的詳細(xì)步驟：1. 如果原始數(shù)據(jù)并沒(méi)有進(jìn)行足夠的多視平均，可以對(duì)數(shù)據(jù)進(jìn)行濾波處理。濾波可以降低噪聲干擾，但過(guò)分的濾波則會(huì)導(dǎo)致空間分辨率的下降，所以是否需要濾波視具體情況而定。2. 對(duì)圖像中的每個(gè)像素進(jìn)行 Freeman分解，計(jì)算出三種散射機(jī)理的功率幕 Ps,幾。將每個(gè)像素中功率