基于极化散射特性的神经网络海岸带信息提取

应用遥感手段开展海岛海岸带监测为海岸带资源开发利用提供科学的信息支撑。采用Radarsat-2数据,开展Cloude极化,获得分解参数,进行海岸带地物特性极化参数特性研究,在此基础上,以辽宁鲅鱼圈作为研究区域,运用神经网络方法开展海岸带信息分类提取研究。结果表明:极化目标分解理论对海岸带信息提取具有一定的应用潜力,采用基于H/α的分类方法能较好地区分单次散射的特征地物,但对于偶次散射和体散射的混合体,仅从极化特征参数还难以区分;综合利用极化散射特性及神经网络分类方法则可以有效进行分类,采用基于SPOT5数据的"我国近海海洋综合调查与评价专项"遥感调查成果为验证标准,精度达到88.5%。分类精度与训练样本有关,此外,海岸带区域地物分布往往较为复杂,对于复杂地物的散射机制研制,是下一步研究工作的重点。     

基于主成分分析和决策级融合的高光谱图像分类方法研究

为了评价主成分分析方法和决策级数据融合方法对高光谱图像地物分类结果的影响,作者利用各分类器和主成分分量的优势,提出了两组地物分类结果的决策级融合策略,利用8种常用监督分类方法对高光谱原始图像和PCA变换后不同分量组合图分类得到的结果进行决策级融合,并应用覆盖黄河入海口新老河道交界处的CHRIS/PROBA高光谱图像开展实验研究。结果表明:直接采用每类地物分类精度最高的、空穴和缝隙采用总体分类精度最高的融合策略,在综合考虑生产者精度和用户精度的情形下,仅使用最大似然法、支持向量机和人工神经网络3种分类方法,按照分类精度从高到低的顺序进行的融合分类效果最好,总体分类精度为87.82%。与8种监督分类方法中效果最好的最大似然法相比,精度提高了2.7个百分点,同时明显减少了错分现象,尤其是对于分布面积较小的翅碱蓬和柽柳,滩涂被误分为翅碱蓬、芦苇被误分为柽柳的现象大大降低。     

基于最大似然法的钓鱼岛航空遥感 监视监测信息提取

基于国家海岛监视监测系统的高精度影像数据,运用最大似然分类法对钓鱼岛监视监测信息图像进行监督分类,较 为准确地提取出钓鱼岛基本地物类型,清晰反演钓鱼岛地貌特征,并引用了主次要分析去噪法进一步提高了分类精度,取得 较好的分类效果。     

全极化X波段雷达掠散射海面回波统计分布特征研究

尽管复Wishart分布已被广泛应用于SAR数据统计分析，然而该分布函数却很少被用来研究雷达海面掠散射回波时间序列的统计特征。本文通过分析IPIX雷达海面掠散射回波数据发现：大尺度海浪遮挡区的雷达回波能量很低，主要是雷达系统噪声，如果将该部分低能量回波数据剔除以后，真实海面的IPIX 雷达回波时间序列数据亦满足圆高斯分布，因此，IPIX 雷达海面回波的时间序列数据也必然满足复Wishart分布。在此，我们基于Wishart分布模型分别对全极化IPIX 雷达不同极化通道数据的海面回波时间序列数据进行了统计研究，并推导给出了不同通道数据协方差矩阵元素实部、虚部及相位差等参数的统计分布函数模型。通过与雷达测量数据比计较可见，推导所得理论统计模型与实际测量数据吻合很好。本文所得结论对进一步深入理解掠散射海面雷达回波的统计特征具有一定理论意义。     

基于高分光学与全极化SAR的海南八门湾红树林种间分类方法

合理的红树种间组成结构是有效发挥红树林湿地生态价值的前提,明确的红树林种间分布信息是开展红树林生态系统治理和规划工作的有效依据。针对海南八门湾红树林湿地,基于高分三号(GF-3)全极化合成孔径雷达(synthetic aperture radar,SAR)和高分六号(GF-6)多光谱遥感数据,本文提取了35个红树林遥感特征,利用极端梯度提升树(eXtremegradientboosting,XGBoost)算法开展了特征重要性排序、特征筛选和红树林种间分类实验,将其与传统的支持向量机(supportvectormachine,SVM)、随机森林(randomforest,RF)机器学习算法进行精度比较,并基于XGBoost算法进行了3种特征组合方式(优选特征、多光谱特征、全极化SAR特征)的分类精度比较,旨在探索XGBoost对红树林种间分类的适用性和光学与全极化SAR数据对红树林种间分类的能力。结果表明:1)识别红树林种类的优势特征依次为多光谱的光谱波段、极化分解参数、光谱植被指数,且仅利用前8个优选特征(绿光波段反射率G、蓝光波段反射率B、Yamaguchi面散射分量Ys、近红外波...     

基于Landsat-8 的湛江东海岛地物分类研究

“宝钢湛江项目”的实施对近十年湛江东海岛的地物分布产生剧烈影响，尤其是工业用地。本文基于2013 年、2017 年和2021 年的陆地卫星8 号（Landsat-8） 数据对湛江东海岛进行地物分类，研究该区域近十年的用地变化趋势。以2013 年数据为参照：采用归一化水体指数（Normalized Difference Water Index，NDWI） 模型和谱间关系模型实现水陆分离，比对选择分离效果较优者以提取东海岛岸线；对比最大似然法、神经网络法和支持向量机法3 种监督分类方法，选择提取地物效果最优者应用于其余数据。基于Google earth 在线地图及无人机实测数据构建验证点集，使用混淆矩阵进行精度评价。结果表明：谱间关系模型的水陆分离效果较优，提取海岛岸线的精确度有明显提升；支持向量机法的分类总体精度和Kappa 系数最高，分类结果能较好地反映研究区的真实地物分布；汇总三年数据的分类结果，发现用于发展工业的土地面积增长突出且处于持续增长趋势。谱间关系模型与支持向量机法分别实现了对东海岛岸线和地物类型的准确提取，得出近十年研究区的用地变化趋势，能为研究区的用地规划提供参考。     

HY-2A卫星高度计不同重跟踪方案对反演海浪有效波高的影响

本文基于Amarouche的二阶理论回波模型,导出了带有偏度系数的二阶理论回波模型;针对HY-2A卫星高度计波形特点,引入了奇异值分解滤波,并根据最大似然估计算法反演参数的不同得到6种重跟踪方案;利用其中的五参数方案处理该波形数据,获得海面散射点高度概率密度函数中偏度的合理取值为0.15;将结果分别与浮标、Jason-1和HY-2AIDR有效波高对比,分析6种方案反演有效波高的准确度,确定了MLE4_SVD(波形重跟踪之前进行滤波)对HY-2A高度计重跟踪更适合反演有效波高。     

条带消除对于高光谱图像分类效果的影响——以CHRIS/PROBA图像为例

以CHRIS/PROBA高光谱图像数据为例,使用非监督分类的ISODATA和监督分类的最大似然法、支持向量机等3种经典的图像分类算法,对消条带前后的图像分别开展分类实验,并对分类结果做了分析。实验结果表明,消条带处理可以较好地改善高光谱图像分类结果的目视效果,能够消除不同类别斑块边缘因条带而产生的"毛刺"现象,这对地物斑块的形状及几何分布敏感的研究(如景观生态学)至关重要;但消条带处理对于提高分类精度的效果并不显著,精度提高最大值不到2%。     

基于极化参数的SVM海上溢油识别

溢油对海洋环境造成的危害越来越大,及早发现对于减灾防灾具有重要意义。目前,运用极化SAR进行溢油探测已成为遥感监测的一个重要方面,本文基于SIR-C数据,开展极化SAR的溢油监测,提取极化参数熵H,散射角α和反熵A,运用SVM监督分类方法,进行溢油信息提取。结果表明,基于SVM的分类精度要强于基于H-α分类的分类结果。     

基于散射相似性参数的全极化合成孔径雷达船只检测

全极化合成孔径雷达(SAR)数据提供了丰富的散射信息,目前被广泛应用于海上船只目标的检测。本文首先利用一种方便有效的极化散射信息分析法-散射相似性参数统计分析了船只目标与海面的散射特性,重点分析了两者散射机制间的差异,并基于该差异提出了一个新的全极化SAR船只目标检测量(SSM),该检测量同时考虑了极化SAR数据的空间信息,有效提高了船海对比度。然后基于核密度估计提出了对检测量SSM的模型估计方法,结合恒虚警率(CFAR)检测方法实现了对船只目标的检测。利用RADARSAT-2全极化数据对本文的方法进行验证,并与典型的极化SAR船只目标检测方法比较,实验结果表明了本文方法对船只目标检测的有效性。     

基于多特征多核学习的全极化SAR溢油提取方法

全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据具有丰富的极化信息,能够提取出大量异构性特征。核学习方法在解决小样本、高维特征分类问题上具有优势,但异构特征对不同核函数具有响应差异。本文利用一种引入先验标签的多核学习方法进行全极化SAR的溢油信息提取,即基于分析结果对特征集进行遴选与组合,分别在每个特征组合中训练得到一个预备层核函数,以新获取的预备层核函数作为新的底层核函数,对全部特征进行学习分类。通过提取与分析溢油和海水的统计特征、物理散射特征和纹理特征,建立溢油全极化SAR特征谱,并利用引入先验标签的多核学习分类器进行溢油提取实验。结果表明,该方法能够利用全极化SAR多维异构特征的互补特性有效提高溢油分类提取精度。     

High resolution polarimetric radar scattering measurements of lowgrazing angle sea clutter

This paper presents fully polarimetric radar scattering measurements of low grazing angle sea clutter. The measurements were obtained at a three degree grazing angle using a high range resolution (1.5 m) X-Band polarimetric radar operated from a shore site overlooking the Chesapeake Bay. The radar employs pulse-to-pulse switching between orthogonal transmitted polarizations and simultaneously measures two orthogonally polarized components of the backscattered wave to obtain full polarimetric information about the scattering process. The complete Stokes matrix, computed by averaging successive realizations of the polarization scattering matrix, is used to obtain polarization signatures and to determine the polarization dependence of the clutter. Sea spike echoes are shown to be weakly polarized and to exhibit polarization signatures indicative of multiple independent scattering mechanisms. Clutter echoes in the absence of sea spikes are shown to be highly polarized and to exhibit polarization signatures indicative of a single dominant scattering mechanism     

雷达波段对多极化SAR海面溢油检测极化特征参数的影响

多极化SAR数据海面溢油检测研究日益受到重视。本文研究不同波段极化SAR数据的海面溢油检测能力，为最大程度减小观测条件、环境因素等的影响，选取准同步获取的SIR-C/X多极化SAR数据。针对海面油膜、生物油膜和低风区疑似溢油现象，研究L波段和C波段的共极化相位差、一致性系数、极化熵、各向异性和平均散射角等极化特征对海面油膜以及不同海面暗斑现象的检测能力。研究结果表明:在海面溢油检测以及探测不同暗斑现象间差异方面，C波段总体优于L波段；L波段，极化分解特征各向异性参数优于共极化相位差和一致性系数；C波段，共极化相位差、一致性系数特征优于极化分解特征各向异性和极化熵，结合平均散射角特征有助于滤除生物油膜和低风区。     

全极化SAR图像中溢油极化特征研究

相比于单极化SAR图像,全极化SAR图像不仅能体现海面目标的几何特征、后向散射特征,还能体现目标的极化特征。因此,在溢油检测方面,极化SAR更具优势。特征提取作为溢油检测的关键步骤,直接影响到溢油检测的精度。在本文中,我们分析了全极化SAR图像中海面溢油的极化特征,如极化散射熵、平均散射角等。并提出了新的极化特征P,该特征参数能够反映海面目标电磁散射过程中布拉格散射机制和镜面散射机制的比例。为了研究极化特征溢油检测的能力,本文基于SIR-C/X-SAR和Radarsat-2全极化SAR图像开展了相关实验,并对比分析了溢油的多种极化特征。实验结果显示,在中低风速情况下,C波段溢油探测效果优于L波段;本文提出的极化特征P对海面散射机制敏感;基准高度和特征参数P在C波段比其他极化特征更适于溢油检测。     

一种新的用于极化SAR图像船只检测的散射相似性测度

本文提出了一种新的用于极化合成孔径雷达（SAR）海上船只目标检测的测度。首先利用散射相似性参数研究船只与海杂波散射机制的差异。基于这些差异，提出了一种新的船只检测测度，该测度能够有效区分船只目标和海杂波。然后提出了利用核密度估计（KDE）方法对该测度进行建模的方法。基于统计模型，实现了自适应恒虚警率（CFAR）的检测方案。本文利用多景C波段RADARSAT-2极化SAR（Pol-SAR）数据上进行实验，系统分析了所提出测度的海杂波拟合性能与船只检测性能，并与两个经典的极化测度进行了比较，实验和比较结果证明了所提的测度的可行性。     

Validation of automated supervised segmentation of multibeam backscatter data from the Chatham Rise,New Zealand

Using automated supervised segmentation of multibeam backscatter data to delineate seafloor substrates is a relatively novel technique. Low-frequency multibeam echosounders (MBES), such as the 12-kHz EM120, present particular difficulties since the signal can penetrate several metres into the seafloor, depending on substrate type. We present a case study illustrating how a non-targeted dataset may be used to derive information from multibeam backscatter data regarding distribution of substrate types. The results allow us to assess limitations associated with low frequency MBES where sub-bottom layering is present, and test the accuracy of automated supervised segmentation performed using SonarScope® software. This is done through comparison of predicted and observed substrate from backscatter facies-derived classes and substrate data, reinforced using quantitative statistical analysis based on a confusion matrix. We use sediment samples, video transects and sub-bottom profiles acquired on the Chatham Rise, east of New Zealand. Inferences on the substrate types are made using the Generic Seafloor Acoustic Backscatter (GSAB) model, and the extents of the backscatter classes are delineated by automated supervised segmentation. Correlating substrate data to backscatter classes revealed that backscatter amplitude may correspond to lithologies up to 4 m below the seafloor. Our results emphasise several issues related to substrate characterisation using backscatter classification, primarily because the GSAB model does not only relate to grain size and roughness properties of substrate, but also accounts for other parameters that influence backscatter. Better understanding these limitations allows us to derive first-order interpretations of sediment properties from automated supervised segmentation.     

Polarimetric entropy of the ocean surface with a two-scale scattering model

The relationships among an ocean wave spectrum,a fully polarimetric coherence matrix,and radar parameters are deduced with an electromagnetic wave theory.Furthermore,the relationship between the polarimetric entropy and ocean wave spectrum is established based on the definition of entropy and a twoscale scattering model of the ocean surface.It is the first time that the polarimetric entropy of the ocean surface is presented in theory.Meanwhile,the relationships among the fully polarimetric entropy and the parameters related to radar and ocean are discussed.The study is the basis of further monitoring targets on the ocean surface and deriving oceanic information with the entropy from the ocean surface.The contrast enhancement between human-made targets and the ocean surface with the entropy is presented with quad-pol airborne synthetic aperture radar（AIRSAR） data.     

基于HHT方法的地层Q值补偿方法研究

常规的基于叠后地震资料的地层Q值补偿方法受数据平均效应的影响,Q值估算精度较低,导致保真性差,而HHT时频分析可以反映出信号的局部信息,基于以上原因,提出一种基于HHT方法的地层Q值补偿方法。首先应用HHT分频技术将浅层、中深层地震数据分成不同的频率范围,得到不同目标层频率尺度的地震数据;然后在HHT时频域内通过谱比法提取Q值;最后分别进行地层Q值振幅补偿和相位补偿。该方法针对不同的目标地层将地震数据分解成不同的频率尺度,避免了不同频率成分之间的干扰,而且可针对性处理目标层的频率信息,提高了地层Q值提取的稳定性。模型试算和实际资料应用表明,该方法能够有效地对振幅和相位进行补偿,使中深层反射波形得到恢复,主频提高,频带展宽,地震资料的品质得到提升。     

基于极化散射特征的极化合成孔径雷达海冰分类方法研究:以渤海海冰分类为例

海冰监视监测的关键是提取海冰类型,准确提取海冰类型对于评估海冰冰情、保证航海及海洋作业安全具有重要的意义。利全极化合成孔径雷达影像(SAR)的优势,提取海冰的极化散射特征;在此基础上结合二叉树分类思想,开展极化SAR海冰类型的分类算法研究,提高SAR海冰分类精度;与传统的海冰分类方法相比较,验证了本方法的有效性。     

多极化SAR溢油探测影响因素分析研究

Polarimetric synthetic aperture radar(SAR) oil spill detection parameters conformity coefficient(μ), Muller matrix parameters(|C|, B_0), the eigenvalues of simplified coherency matrix(λ_(nos)) and the influence of SAR observing parameters, ocean environment and noise level are investigated. Radarsat-2 data are used to make systematic analysis of polarimetric parameters for different incidences, wind speeds, noise levels and the ocean phenomena(oil slick and look likes). The influence of the SAR observing parameters, the ocean environment and the noise level on the typical polarimetric SAR parameter conformity coefficient has been analyzed. The results indicate that conformity coefficient cannot be simply used for oil spill detection, which represents the image signal to the noise level to some extent. When the signals are below the noise level for the oil slick and the look likes, the conformity coefficients are negative; while the signals above the noise level corresponds to positive conformity coefficients. For dark patches(low wind and biogenic slick) with the signal below the noise,polarization features such as conformity coefficient cannot separate them with oil slick. For the signal above the noise, the oil slick, the look likes(low wind and biogenic slick) and clean sea all have positive conformity coefficients, among which, the oil slick has the smallest conformity coefficient, the look likes the second, and the clean sea the largest value. For polarimetric SAR data oil spill detection, the noise plays a significant role. So the polarimetric SAR data oil spill detection should be carried out on the basis of noise consideration.