论文部分内容阅读
极化合成孔雷达(Polarimetric Synthetic Aperture Radar,PolSAR)作为一种先进的微波遥感系统,获得高分辨率图像的同时还能获得目标地物的完整电磁散射特性,是对地观测的重要工具。基于散射模型的非相干分解是一种从PolSAR图像中提取极化信息的重要手段。它是通过获得不同散射机制的功率和其它参数进行PolSAR图像分类的一种方法。本文主要研究基于散射模型的非相干分解及图像分类方法。目前,基于散射模型的非相干分解存在的两个问题:(1)由于是在反射对称条件下的极化分解,不考虑交叉极化信息,会导致体散射的功率值过高,因此难以区分森林区域、与PolSAR方位向朝向不同的建筑物等的散射特征。(2)由于没有遵循非负特征值分解,会使散射机制功率有负值,也会导致体散射功率值估计过高,降低了分解结果的可用性。针对上述问题,按照将相干矩阵分解成体散射、偶次散射和表面散射的思路,提出了改进的算方法,针对两部分,第一部分是在非反射对称下进行极化分解,考虑交叉极化相位信息,将相干矩阵中的9个参数全部进行散射功率计算。第二部分是将非负特征值约束引用到体散射参数的计算上,选择能让剩余矩阵是半正定矩阵的最小特征值为体散射功率,保证三种散射机制的非负特征值条件约束。通过每个像元的散射矩阵计算定向角,去定向并判断交叉极化相位正负后,进一步区分表面散射和偶次散射。用Radarsat-2的PolSAR数据进行了实验验证,相比于Freeman分解、Yamaguchi分解、VanZyl分解,本文方法结果,能够使城区的偶次散射功率值明显提高,森林部分体散射功率得到很好抑制。基于以上本文分解算法得到的三分量,用于PolSAR图像分类中。由于部分目标地物表现为混合散射机制,所以分类时不能只将主导散射机制max(Pv,Pd,Ps)作为目标的散射机制。对此,本文提出了两种改进方法。第一种方法是将主导散射设机制P主和次要散射机制P次组成分类平面的方法,将目标地物划分为9种不同的散射类型,并用Wishart分类器迭代精细分类。第二种方法是,考虑散射熵H是反映目标地物的随机性,将散射熵H与散射机制组成分类平面,并用Wishart分类精细分类。分别将本文的分解算法和Freeman分解的三分量用于P主/P次 Wishart和H/P主Wishart实验。对于城镇区域的实验表明本文分解算法的分类精度高于Freeman分解的分类精度,P主/P次Wishart分类总体精度高于H/P主Wishart分类精度。结合相干矩阵完全分解的P主/P次Wishart分类精度最好,对于散射机制相似的道路和水体都正确的区分开,将植被覆盖的道路和植被区域有效的区分来,对于朝向不同的建筑物也进行正确的划分。