论文部分内容阅读
全极化合成孔径雷达(PolSAR)在对目标进行微波成像的同时,可还获得目标的全极化散射信息,是微波遥感技术研究的重要方向。本文主要开展PolSAR的信息处理方法的研究,包括PolSAR信息预处理(PolSAR图像斑点滤波和目标去取向角)和目标分解方法(基于模型的目标分解和基于特征分解的目标分解),主要研究内容和创新点如下:1、PolSAR图像斑点滤波方法研究。针对PolSAR图像斑点滤波的需求,提出了可以同时保留目标的极化散射机制和目标边缘信息的斑点滤波方法。本文引入极化相似性参数以测量滑窗内中心像素点和其他像素点的极化散射机制的相似性,同时使用功率相似性参数以测量滑窗内中心像素点和其他像素点的功率相似性,通过阈值法选择和中心像素点极化散射机制和功率信息均一致的像素点参与滤波,这样保证了被滤波的中心像素点的极化散射机制和目标边缘信息不变。功率信息直接反应目标的边缘信息。2、PolSAR目标去取向角方法研究。现有的目标去取向角方法的缺点是对熵比较高的目标去取向角效果不好,比如取向角较大的建筑物。熵比较高的目标的分辨单元内存在许多散射机制不同的散射体,这些散射体有不同的取向角。现有的方法使用一个取向角代表这些有不同取向角的散射体,所以其取向角效果不好。本文提出了采用分解思路的去取向角方法,把分布目标分解为3个单目标,分布目标的分辨单元内所有的散射体用这3个单目标表示,每个单目标有不同的取向角,然后分别进行去取向角,取得了改善的去取向角效果。3、基于模型的PolSAR目标分解方法研究。在非负特征值分解中,剩余矩阵和面散射分量、双次散射分量的模型不一致,并且散射分量不完全是通过模型的方法求解的。本文对剩余矩阵实施了去取向角和进一步的螺旋角补偿,完全补偿了其产生交叉极化的因素,使补偿后的剩余矩阵的形式和面散射分量、双次散射分量的模型完全一致,最后用模型的方法求解面散射分量和双次散射分量。4、基于特征分解的PolSAR目标分解方法研究。提出了基于相干矩阵T矩阵的没有参数增殖、没有信息丢失的基于特征分解的目标分解方法。借助乘性分解框架,主特征矢量的模型采用TSVM散射矢量模型,拥有9个自由度的T矩阵分解得到9个物理意义明确的参数。本文还提出了改进的目标精细分类方法,并通过实验验证了分解参数和目标分类方法。