极化SAR图像分类综述

对极化SAR(合成孔径雷达)图像分类进行综述.首先建立简略的极化SAB图像分类技术发展流程,并对国内外研究机构在该领域的主要研究成果进行归纳;然后对用于极化SAR图像分类的众多特征进行分类整理,指出其物理意义及在图像分类中的优缺点,并从有监督和无监督的角度综述了现有的极化SAR图像分类方法;最后对极化SAR图像分类存在的问题进行归纳,并指出将来的研究方向.     

基于深度卷积神经网络的图上半监督极化SAR图像分类算法

为实现在只有少量标记数据情况下的高质量的图像分类,本文提出了一种基于深度卷积神经网络的图上半监督极化SAR图像分类算法.该算法将极化SAR图像建模为无向图,并基于该无向图,定义了包含半监督项,卷积神经网络项和类标光滑项的能量函数.算法所采用的卷积神经网络提取抽象的数据驱动的极化特征.半监督项约束了有标记像素的类标在分类过程中保持不变.类标光滑项约束了像素间类标的光滑性.基于对PauliRGB图像进行超像素分割而产生的初始化类标图,交替迭代优化所定义的能量函数直至其收敛.在两幅真实极化SAR图像上的实验结果表明,该算法达到了优异的分类效果,其性能优于当前已有算法.     

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.     

基于加权合成核与三重Markov场的极化SAR图像分类方法

马尔可夫随机场(Markov Random Field,MRF)广泛用于处理遥感图像的分类问题,然而MRF在构建极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像模型时未考虑其非平稳特性且对初始分类较为敏感,为此本文提出了一种基于加权合成核与三重马尔可夫随机场(Triplet Markov Field,TMF)的极化SAR图像分类方法.该方法依据训练样本在特征空间上的距离,提出了加权合成核函数权重系数的自适应确定方法以提高初始分类的精度和普适性;为充分考虑极化SAR图像的非平稳统计特性,利用TMF对极化SAR图像进行统计建模以实现贝叶斯分类.实验结果表明,与基于MRF的极化SAR图像分类方法相比,本文所提方法可获得更高的分类精度和更平滑的同质区域分类结果,而且本文方法能更好地保持图像边缘信息.     

基于联合特征和SVM的极化SAR图像分类方法

极化SAR地物分类作为极化SAR数据解译的关键环节,已成为遥感领域研究的一个新热点。在充分研究现有方法的基础上,给出了一种联合特征和SVM相结合的极化SAR图像分类方法。该方法基于目标分解理论提取极化SAR图像的多类散射特征,并结合具有上下文知识的纹理特征,构建联合特征矢量;利用提取样本区域像素的联合特征矢量训练SVM分类器;将未知数据输入训练好的分类器完成最终的分类。实测SAR图像数据的实验结果表明,算法能够充分利用极化SAR图像电磁散射特性及纹理特征的互补性,具有较好的分类性能。     

利用0-1矩阵分解集成的极化SAR图像分类

全极化合成孔径雷达(PolSAR)图像蕴含更丰富的散射信息,具有更多的可用特征。如何使用这些特征是极化SAR图像分类中非常重要的一步,但是目前尚未对此提出非常明确的准则。为了能够有效地解决上述问题,该文提出一种基于特征加权集成的极化SAR图像分类算法。该算法采用0-1矩阵分解集成方法对包括不同特征的数据集进行学习获得相应加权系数,并通过对每个特征集获得的预测结果进行加权集成来提高极化SAR图像分类性能。首先,输入极化SAR数据,获得极化特征作为原始特征集,并对其进行随机抽取获得不同的特征子集;然后,使用0-1矩阵集成算法得到每个特征值相对应的加权系数;最后,通过对各个特征子集的预测结果进行集成得到最终极化SAR图像分类结果。实测L波段和C波段极化数据的实验结果表明,该算法可以有效地提高极化SAR图像分类的准确度。     

一种双频极化SAR图像分类方法

本文提出了一种利用两种不同频率下的极化SAR图像进行地物分类的新方法,该方法是基于目标的散射特性随频率变化而改变的趋势和程度实现的。基于不同频率下所提取的特征量,定义了特征变化量和特征变化平面。本论文选择了极化熵变化量 和极化度变化量 作为特征,通过将 平面分割为9个区域,进而将目标分为9个类。这种方法反映了目标散射特性随频率的变化关系,物理意义直观,实现方法简单易行。将这种分类方法与Wishart分类器相结合,就可以实现对极化SAR图像的无监督迭代分类。实测的SIR-C数据的分类结果表明,该方法是一种有效的极化SAR图像分类方法。      

基于邻域一致性的极化SAR图像仿射配准

极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度.基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来实现的.目前尚未实现端到端的基于深度卷积神经网络的一步仿射配准.该文提出了一种基于弱监督学习的端到端极化SAR图像配准框架,无需图像切块处理或迭代参数...     

结合特征选择和大尺度谱聚类的极化SAR图像非监督分类

非监督分类是极化SAR图像解译的重要手段,但其分类结果易受到高维特征的影响。针对此问题,本文提出一种结合特征选择和大尺度谱聚类的极化SAR图像非监督分类方法。该方法首先深入分析并提取了极化SAR图像分类中常用的特征参数,包括基于测量数据及其简单线性变换的特征和极化目标分解的特征。然后通过聚类森林特征选择算法进行特征降维处理,去除冗余信息。最后利用过分割产生代表点并构建原始数据与代表点间的二分图,通过大尺度谱聚类算法完成图像的非监督分类。实验结果表明,该方法能够选取有效的特征组合,并得到较为满意的分类效果。      

基于SAR极化特征的SVM道路提取方法研究

SAR图像中道路提取在路网规划建设、灾害监测等领域具有重要的应用价值.传统SAR图像道路提取方法多是基于SAR图像的幅值特性进行提取,缺少对极化特性的解译.此外极化分解方法多应用于水体提取、地物分类、建筑物提取等,较少应用于道路提取.针对现有的道路提取方法数据质量要求高、全极化道路提取研究较少、全极化数据源相干斑噪声影响大的问题,本文首先对全极化数据进行多视处理、滤波去噪预处理,并通过极化分解方法获取20维极化特征散射分量.其次,从散射机理的角度出发,构建鉴别道路信息的最优极化特征矢量.最后,通过SVM分类器得到初步道路提取结果,并通过数学形态法提取道路数据.实验结果表明,该方法达到了98.4%的Acc和65.3%的Iou,具有提取精度高、应用范围广的优点,充分利用高分辨率SAR数据的极化信息,可有效应用于SAR图像的道路提取方法研究中.此外,区分于将光学道路提取的方法直接套用到SAR图像道路提取研究,本文探索了极化特征在SAR图像道路提取中的应用表现,为SAR图像道路提取研究提出新模式新思路.     

极化雷达测量体制研究进展

文中从极化雷达发展趋势的角度,对极化测量关键技术进行了梳理,明确了极化测量雷达体制的概念和内涵,并通过暗室测量实验和仿真实验比较了各测量体制间的差异和优缺点,证明了在目标极化特性快起伏情况下,分时极化测量不能完整准确地反映目标极化特性,此时瞬时极化测量的性能明显优于分时极化测量,并指出了紧凑极化体制的特点及应用。     

一种基于Whitt算法的SAR极化定标改进方法

深入研究了Whitt等提出的基于人造点目标的极化定标算法（Whitt算法）,发现并证明了Whitt算法中对特征值对应次序的判断条件在某些情况下不成立,且分析了特征值次序对应关系错误对失真矩阵求解结果造成的影响。在此基础上,提出了新的判断条件和解决方法,对Whitt算法进行了改进。利用中国科学院电子学研究所研制的一部机载PolSAR系统进行了极化外定标实验验证,结果表明利用该改进算法进行极化定标参数求解具有更好的有效性和稳健性。     

一种新的极化滤波综合性能评估方法

极化合成孔径雷达(SAR)可以获得目标散射的相位信息,这种更加丰富的信息为极化SAR图像相干斑噪声抑制提供了更好的解决方法。通过对几种典型的极化滤波技术的算法实现,基于采样信号波形图、极化特征图和相对标准差,提出了一种新的极化滤波综合性能评估方法。对实测极化SAR数据进行实验验证,结果表明局部统计滤波在图像分辨率的保持、极化信息的保留和相干斑噪声的抑制3个方面都有很好的效果。     

采用混合特征相似性的极化SAR图像降噪算法

针对极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）图像在相干斑抑制过程中面临的结构信息和极化散射信息保持的问题,通过分析PolSAR图像的结构特性和极化特性,建立一种结构特征提取方法,并提出一种采用混合特征相似性的极化SAR图像降噪算法.该算法将图像的结构信息和极化散射信息与降噪过程相融合,能够在抑制相干斑噪声的同时,实现降噪后图像的结构信息和极化信息的有效保持.实测机载极化SAR数据的实验结果验证了算法的有效性.     

全极化转发式假目标特性分析

全极化转发式假目标在极化域上具有逼真的雷达目标特性,给现代导弹防御系统构成了严重威胁。文章综合考虑在干扰机侦收雷达信号与雷达接收干扰信号时的极化基变换,修正了全极化转发式假目标在后向散射坐标系下的数学模型,分析了全极化转发式假目标的互异性与非奇异性质。结果表明,对于常见的单站极化雷达,全极化转发式假目标具有恒定的同极化比和共交极化比,这些确定属性能够为真假目标的极化鉴别提供可靠依据。     

系统误差对点目标极化散射测量的影响

首先推广了现有极化定标模型。在此基础上，评估了极化通道幅相不平衡、天线串扰、法拉第旋转、指向误差角、干扰和系统环境噪声对点目标全极化散射测量的影响，并考虑科学研究和应用需求对上述参数的约束条件，从而得到对极化合成孔径雷达系统设计和极化定标有参考价值的结论。     

干扰条件下极化雷达目标检测性能分析

推导了受干扰目标的极化协方差矩阵及其统计特性,建立了干扰条件下最优极化检测器的数学模型,在此基础上以水面舰船和装甲车辆为例分析了不同干扰功率与干扰机极化配置方式对极化雷达目标检测性能力的影响,揭示了利用压制性干扰降低极化雷达目标检测性能的最佳干扰功率需求。     

基于极化定标的极化隔离度空变分析

极化定标是多极化合成孔径雷达(PolSAR)系统获取真实目标极化散射矩阵的必要步骤。文中针对极化定标过程中存在的极化隔离度距离向空变特性,采用基于无源角反射器的极化定标算法作为仿真工具,对PolSAR系统极化隔离度绝对值及其空变范围对图像中极化隔离度的影响规律进行了分析。分析结果表明:当用于极化修正的极化误差矩阵与PolSAR系统自身极化隔离度不匹配时,极化修正将会使得修正后的图像极化隔离度变差。因此,在进行极化定标时,应当尽可能在定标场沿距离向布设一定间距的多组定标器,从而获取PolSAR系统在整个距离向成像带宽内的极化隔离度拟合曲线,在进行极化修正时对图像中距离向不同的像素点采用曲线中对应位置的极化误差矩阵进行修正,进而得到尽可能接近目标真实极化散射矩阵的估计值。     

基于子孔径分析的极化散射机理研究

在用极化sAR数据研究极化散射机理时,利用的是大量不同方位观察角度下接收的目标散射数据,但通常极化散射特性随方位角的变化并未被考虑。文中提出利用子孔径分析方法研究极化散射机理。子孔径是在不同的方位观察角度下．对整个场景的响应。用子孔径方法分析高分辨率极化sAR图像,可以突出全孔径中雷达后向散射的瞬时变化．因此可用于各向异性特征和非平稳目标的检测。最后利用丹麦EMISAR获取的L波段极化SAR全孔径图像数据进行仿真验证,提出了一种计算相对标准偏差的方法来检测非平稳目标。     

三维极化旋转域解译工具及舰船检测研究

极化雷达有利于获取目标完整的极化信息,在许多应用领域得到了广泛应用。然而,目标相对于雷达视线的几何位置通常会对散射机制产生显著影响。近年来,极化旋转域解译方法成功地表征和利用了这种目标散射多样性。值得注意的是,极化响应同时受到极化方位角和极化椭圆率角的影响。对此,本文将极化旋转域解译方法沿极化椭圆率角维度进行拓展,旨在探索和利用更为完整的目标散射多样性。其主要思想是提出一种三维极化相关方向图,能够同时表征极化相关特征随极化方位角和极化椭圆率角的变化情况。通过研究揭示了不同典型散射体的三维极化相关方向图存在显著差异,着重表现在极值点的分布和曲面起伏程度的不同。在此基础上,本文引入了微分几何中的曲率来描述这种三维流形的性质,并提出了高斯曲率最大值这一新极化特征。结合星载极化合成孔径雷达(Synthetic Aperture Radar, SAR)实测数据验证了高斯曲率最大值特征能够有效地区分舰船和海杂波。结合该特征,本文提出了一种阈值分割的舰船检测方法。与传统的恒虚警率方法和新近提出的NPNF方法相比,本文方法表现出更好的舰船检测性能。尤其是在近岸舰船密集区域,检测性能得到明显提升。