论文部分内容阅读
极化合成孔径雷达(polarimetrie Synthetie Aperture Radar,简写POLSAR)是一种先进的遥感信息获取手段,具有全天时、不受天气影响的特点,全极化合成孔径雷达的系统有四种不同收发方式,分别是水平发射水平接收(HH)、水平发射垂直接收(HV)、垂直发射垂直接收(VV)、垂直发射水平接收(VH),由于不同的极化组合方式,全极化SAR可以记录地物在这四种极化组合方式下的散射信息,完整地记录了目标后向散射特性,由于HV和VH是互易的,HH、HV、VV这三种不同的组合有一定的关系,如何利用三个通道之间的关系,本文基于这三个通道上相似的结构信息构建联合稀疏模型并且与极化特征的联合稀疏模型相结合,提出了几种改进的全极化SAR分类方法,并且应用到海洋SAR和多时相全极化SAR上,主要包括以下几点:(1)提出一种基于联合稀疏表示的海岸带地物全极化SAR分类方法,主要介绍了全极化SAR三个通道的联合稀疏模型和基于极化特征的联合稀疏模型。本章节主要利用全极化SAR三个通道在一些具有很强纹理特性但散射特性较弱的海岸线地物上具有相似性,构造三通道的联合稀疏模型,并且与基于极化特征构建的联合稀疏模型结合,利用稀疏重构得到的稀疏系数作为分类器的输入然后进行分类,这种方法能够使得海洋周围一些具有较大经济利益的地物能够得到较高的分类正确率。(2)提出一种基于字典迁移与近邻正则加权联合稀疏的多时相全极化SAR分类方法。首先在联合稀疏的基础上提出了近邻正则加权联合稀疏模型,利用在源域的多时相全极化SAR图像上学习到具有代表性的字典迁移到目标域的多时相全极化SAR图像上,同时更新字典用于目标域的全极化SAR分类。本章节提出的基于三通道的近邻正则加权联合稀疏相比较联合稀疏能够减小全极化SAR三通道之间差异性所带来的误差,通过与经典的方法对比,表明了本章算法在分类上具有一定的优势,并且字典的迁移相比较直接在数据上采样训练字典,可以节省时间。(3)提出一种基于多时相全极化SAR分类的变化检测及目标识别方法,提出了一种基于稀疏表示的目标识别模型,主要是利用稀疏表示最小重构残差和已知地物类别的平均重构残差最为约束条件,将多时相全极化SAR图像的差异图即变化部分再进一步处理,将其变化部分重新分类,最后得到最终变化区域的目标识别图。传统的变化检测仅仅是找出差异图,将差异图显示出来即可,而在本章节中,不仅仅将变化区域检测出来,并且基于稀疏表示利用字典的有效代表性将变化的区域进行了目标识别,这样可以对极化SAR进行细致的划分,该方法易于实现,思路比较简单,利于理解。