基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物(简称为倾斜建筑物)常被分为体散射类型,使得该类建筑物往往被误分为植被。通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberp-faffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行试验,证明该方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

全极化干涉SAR散射功率的非监督分类方法

本文首先通过分析全极化干涉SAR条件下的散射机理,分别计算出来自地表层和植被层的散射功率,并进一步通过确定像素在功率平面上的位置来区分目标,实现对地物的分类。在此基础上,为了充分利用H/α非监督分类结果的有用信息,对基于H/α分类和基于散射功率分类得到的分类集进行组合,并通过复Wishart迭代分类方法进行聚类,得到最终的SAR图像分类结果。本文详细阐述了该方法的原理和实施步骤,并对SIR-C/X-SAR的L波段实际全极化干涉数据进行分类实验,可知该算法无论在分类精确度上还是在迭代速度上,都有较高的性能。     

基于特征值和Singh分解的全极化Radarsat-2图像分类

基于模型的分解发展较快,但存在负功率、体散射过估计、未充分利用相干矩阵等问题,考虑到基于模型分解的优点,采用Singh分解提取极化信息,同时用散射角、极化熵和极化总功率进行补充,再利用SVM对山东禹城地区全极化Radarsat-2数据进行分类。为验证该方法的有效性,将其与H/α/A-Wishart和Yamaguchi-SVM两种分类方法进行比较。结果表明,该方法分类效果较好,总体精度分别提高了6.4%和3.48%。     

ALOS PALSAR全极化图像分类研究

极化干涉相干矩阵服从复Wishart分布,通过对相关系数的分析可以获得不同的地物类别。在总结极化干涉非监督Wishart ML分类流程的基础上,基于该方法对塔河地区全极化PALSAR数据进行了分类,研究结果表明:基于极化干涉的分类方法能够有效区分不同散射机制对应的地物,该分类方法具有较强的适应性,并且类间边界比较明显,这些分类信息为森林资源的开发和利用提供了参考。     

基于散射分量系数的极化SAR数据分类

分析了传统的基于散射功率大小的极化SAR数据分类算法,提出了一种基于散射分量系数的改进算法,实现了全极化SAR数据的有效性分类。     

基于功率和相位联合估计TLS-ESPRIT算法的极化干涉SAR数据分析

在推导各散射信号功率计算方法的基础上,提出基于功率和干涉相位联合估计的TLS-ESPRIT方法。因为干涉图像中的各主散射波和干涉相位能被分别估计,所以该算法可以利用同一分辨单元中不同散射机制后向散射信号功率的不同,将干涉相位分类实现散射中心分离。该方法通过提取两个占优势的相位得到两个高度,从而分别检测出森林的植被层和地表,特别是当散射波不相关并有不同的极化特性时,该方法有较好的性能,从而提高植被高度参数的估计精度。详细阐述该方法的原理和实施步骤,并通过对SIR-C/X-SAR的L波段实际数据进行分析处理,验证算法的有效性。     

引入PD极化相干最优的三阶段植被高度反演算法

经典三阶段植被高度反演算法中地表相位和植被冠层相位估计不准确直接影响反演精度,特别是在植被稀疏区域,植被反演效果较差甚至出现反演失败现象。针对这一问题,本文将PD极化干涉相干优化方法引入三阶段植被高度反演中,提出了一种改进的植被高度反演算法。该方法利用PD极化干涉相干优化方法能最大限度分离相位中心的特性能够获得更准确的地表相位和植被冠层相位,从而提高植被高度反演的精度和稳定性。最后,利用ESA BioSAR项目数据进行试验,结果表明该算法相比经典三阶段算法稳定性更高,反演的地表相位、植被冠层相位和植被高度结果更加可靠。     

基于极化相干层析算法反演森林垂直结构剖面研究

森林的高度和垂直结构剖面都是重要的森林空间结构信息,极化干涉SAR的出现使定量获取森林结构参数成为可能。在分析比较三阶段法、DEM差分法和相干幅度法估计森林高度的基础上,采用相干幅度算法提取的树高,通过勒让德多项式展开以及单基线极化干涉数据提取森林的垂直结构剖面。利用仿真SAR数据进行实验分析,研究表明,通过极化相干层析技术,能够获取准确的森林垂直结构函数。     

基于极化相干层析技术的森林垂直剖面重建研究

极化相干层析技术作为极化干涉合成孔径雷达的一个重要应用方向,在林业遥感方面应用广泛。在分析极化相干层析技术原理的基础上,基于仿真数据从10 m,18 m和22 m三种森林高度以及Deciduous,Pine(2)和Hedge三种树型分别对极化相干层析技术构建森林垂直结构剖面的精度进行了验证,研究结果表明,该方法能够有效构建垂直结构剖面,森林高度和树型对估算结果影响较小,该方法对不同树型和不同高度均具有良好的适应性。     

极化SAR影像分类方法研究

极化SAR图像分类是SAR图像解译的重要内容,快速、准确的SAR图像分类是实现各种实际应用的前提.现基于极化SAR图像的特点,用H-α、Wishart分布及H-α-FCM三种方法对机载全极化SAR数据和星载全极化SAR数据做了分类实验研究.结果表明,由于H-α平面的划分过于简单,这不可避免的会导致分类结果的不稳定性;Wishart分类方法能够清楚地区分开自然地物的主要类型,更符合散射机制的自然分布,并考虑与后向散射强度有关的信息,以一种自适应的方式改变了H-α平面中的决策边界,改善了H-α分类结果;H-α-FCM分类方法能较好的克服H-α分类结果中地物类别的模糊问题.     

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

提出了一种新的基于Cloude-Pottier分解和极化白化滤波(PWF)的全极化SAR数据分类算法。该算法利用PWF的结果来代替反熵A对复WishartH/α分类结果进行进一步细化,按PWF的值将复WishartH/α分类结果由8类分为16类,然后再次进行Wishart迭代分类。实验结果表明,该算法能有效地提高分类精度,分类结果明显优于常规的复WishartH/α分类结果和复WishartH/α/A分类结果。     

机载X波段极化干涉SAR数据非监督分类方法研究

针对经典极化分类算法在处理机载X波段SAR数据时将过多地物分为体散射类型,并且容易受噪声影响,分类结果存在大量误分现象的问题,通过对机载X波段SAR数据非监督分类方法的研究,提出将极化干涉信息用于机载X波段极化干涉SAR数据的分类。通过运用极化干涉数据进行目标分解得到参数A1和A2对数据进行初始分类,然后结合改进的Wishart最大似然分类算法来进行地物的自适应分类。实验结果表明,该方法能有效避免平地效应的影响,抗噪性好,能正确区分三种典型散射类型,分类效果明显优于极化分类效果。     

基于四分量散射模型的多极化SAR图像分类

基于四分量散射模型提出了一种多极化SAR(synthetic aperture radar)图像非监督分类算法。与Freeman三分量散射模型不同,四分量散射模型在Freeman三分量的基础上增加了螺旋散射分量(helix),该分量反映了复杂地貌和不规则城市建筑的散射机理,可以用来处理复杂的场景图像。算法强调了初始分类的重要性,在初始分类中考虑了混合散射机制像素的存在,从而提高了分类结果的精确度。聚类过程中,采用由四个散射分量组成的特征向量进行迭代聚类。为了实现算法的完全非监督,利用特征向量给出了一种新的聚类终止准则。NASA/JPL实验室AIRSAR全极化数据分类实验结果表明,该算法具有较好的分类效果,并获得了较高的分类精度。     

基于模糊算法的极化SAR影像分类

极化合成孔径雷达（POLSAR）由于其能对目标进行更为全面的极化信息的描述,已经成为SAR领域中最先进的传感器之一。本文对模糊集理论中的三种模糊聚类算法进行了系统全面的阐述,并重点研究了基于模糊可能性C均值算法（FPCM）的极化SAR非监督分类方法。     

混合三角网极化干涉SAR影像配准

以常用SAR影像三步配准法为基础,针对国产机载X波段极化干涉SAR影像的变形特点,提出了一种分块格网与三角网相结合的极化干涉SAR配准方法。首先,在影像分块的基础上利用最大-次大相干系数识别不可靠点;再用三角网限制配准误差传播;最后,进行配准模型系数求解。实验结果表明,所提出的改进方法相比于普通方法,提高了极化干涉SAR影像的配准精度,有效地改善了主辅影像的干涉质量,适用于新型国产机载极化干涉SAR数据的后处理。     

面向城市地物分类的L波段SAR影像极化特征提取与分析

针对ALOS PALSAR全极化数据提取了多种极化特征,分析其对人工地物、裸地、农田、林地、水体5种典型地物的提取能力。实验结果表明,利用全极化SAR影像提取的极化特征可以较好地区分城市典型地物类型,并且全极化数据的地物区分能力优于双极化数据。对于单一时相的数据分类结果而言,人工地物与其他非人工地物的极化特征差别最大,水体与林地也较容易区分,而裸地和农田容易混淆。     

极化SAR干涉测量模拟研究

极化SAR干涉测量将极化测量技术和干涉测量技术巧妙地结合，能够提高干涉测量精度，尤其是在植被覆盖的情况下，不仅能够测量地表地形，而且使得估计植被高度成为可能。因此，近几年来国际上对极化SAR干涉测量技术的研究越来越重视，极化SAR干涉测量已成为SAR应用技术发展的重要方向。通过模拟技术深入研究极化SAR干涉测量理论和方法，并提出了一种新的极化SAR干涉测量改进算法，模拟实验结果表明，该算法可以进一步提高测量精度。     

极化干涉SAR数据地表土地类型分类

基于新疆和田地区1994年10月9日和10日SIR-C-L波段全极化雷达数据。首先对极化干涉测量的基本原理和数据处理流程进行了详细的阐述，接着，用Cloude相干最优算法得到了与3种地物散射机制相对应的3个最优相干图。并且就地物相干性对极化的强烈依赖和3种散射机制中地物的最优相干特性进行了分析，具有最高相干值的相位图在提取DEM方面较有利，具有最低相干值的相干图在地物识别方面较有利。最后，在对最优相干系数。后向散射系数和熵进行数据相关性分析基础上，利用得到的最优相干系数，熵和后向散射系数数据进行了土地类型的识别和分类，得到了很好的效果。     

基于粒子群算法的全极化SAR图像非监督分类算法研究

提出了一种基于H/α/A和粒子群优化(PSO)算法的全极化SAR数据非监督分类方法。该方法利用H/α/A对全极化SAR数据进行基于散射机理的初分类,计算各类别的聚类中心,并利用计算结果对PSO算法进行初始化,然后采用PSO对极化SAR数据进行迭代分类。在运算过程中,引入了基于最大似然准则的复Wishart距离,以提高分类器的性能。实验结果验证了该算法的有效性,所提出算法的分类结果优于传统的Wishart-H/α/A分类方法。