基于多级分类的极化SAR图像斑点抑制_韩萍
极化SAR影像分类综述
基于目标分解的极化SAR图像分类 摘要：极化SAR图像分类是SAR图像解译的重要内容，从现有的文献来看，基于目标分解理论的极化SAR图像分类算法是所有分类算法中较为实用、准确，且发展较快的。以此为研究背景，论文首先介绍了雷达极化的基础理论，并在此基础上系统地分析了当前各种典型目标分解算法的特性，最后总结了几种典型的基于目标分解理论的极化SAR图像分类算法。 关键词：极化SAR 目标分解图像分类 1引言 极化合成孔径雷达(SAR )通过测量地面每个分辨单元内的散射回波，进而获得其极化散射矩阵以及Stokes矩阵。极化散射矩阵将目标散射的能量特性、相位特性和极化特性统一起来，相对完整地描述了雷达目标的电磁散射特性，为更加深入地研究地物目标提供了重要的依据，极大地增强了成像雷达对目标信息的获取能力。 从极化SAR图像数据中，我们可以提取目标的极化散射特性，从而实现全极化数据的分类和聚类等其他应用。这需要我们对极化数据进行分析，有效地分离出目标的散射特性，其理论核心是目标分解。目标分解理论是Po1SA R图像处理技术中最基本的方法，目标分解的主要目的是把极化散射矩阵或相干矩阵和协方差矩阵分解成代表不同散射机理的若干项之和，每一项对应一定的物理意义。目标分解的突出优点就是它们大都具有明确的物理解释。因为目标回波的极化信息可以反映目标的几何结构和物理特性，所以极化目标分解理论可用于目标检测或分类。目前，极化目标分解理论主要分为基于散射矩阵分解的相干目标分解方法和基于协方差矩阵或相干矩阵的部分相干目标分解两类。本文从目标分解的基本理论出发，对这些分解方法进行了归纳和分析，以便对这些分解方法进行深刻的把握。为目标分解方法应用于SAR图像分类提供一些参考。 2 极化SAR图像的基本理论 2.1 极化合成孔径雷达概述 极化合成孔径雷达是合成孔径雷达向多功能方向发展的一个重要内容，它能
极化SAR影像分类综述
基于目标分解的极化SAR图像分类 硕研2010级6班金姗姗2010010615 摘要：极化SAR图像分类是SAR图像解译的重要内容，从现有的文献来看，基于目标分解理论的极化SAR图像分类算法是所有分类算法中较为实用、准确，且发展较快的。以此为研究背景，论文首先介绍了雷达极化的基础理论，并在此基础上系统地分析了当前各种典型目标分解算法的特性，最后总结了几种典型的基于目标分解理论的极化SAR图像分类算法。 关键词：极化SAR 目标分解图像分类 Abstract：Polarimetric SAR image classification is pivotal in SAR image interpretation. According to current literature, the classification algorithm for polarimetric SAR image based on target decomposition theorems is the most practical and exact one with fast developing speed among all algorithms. Under this background of research, the basic theory on radar polarimetric is discussed at first in this paper. Then the characteristic of typical target decomposition algorithms is analyzed in detail. Finally, typical polarimetric SAR image classification based on target decomposition theorems are summarized. Key words：POLSAR Target Decomposition Image Classification 1引言 极化合成孔径雷达(SAR )通过测量地面每个分辨单元内的散射回波，进而获得其极化散射矩阵以及Stokes矩阵。极化散射矩阵将目标散射的能量特性、相位特性和极化特性统一起来，相对完整地描述了雷达目标的电磁散射特性，为更加深入地研究地物目标提供了重要的依据，极大地增强了成像雷达对目标信息
极化干涉SAR的研究现状与启示_吴一戎
第29卷第5期电子与信息学报Vol.29No.5 2007年5月Journal of Electronics & Information Technology May2007 极化干涉SAR的研究现状与启示 吴一戎洪文王彦平 (中国科学院电子学研究所微波成像技术国家级重点实验室北京 100080) 摘要：阐述极化与干涉结合的基本考虑，介绍极化干涉SAR相干最优和相干目标分解的基本思想，总结分析极化干涉SAR技术、典型星载极化SAR系统研制和极化干涉SAR应用的研究现状，以得到开展极化干涉SAR技术研究的启示。 关键词：极化干涉SAR；极化SAR；干涉SAR；SAR 中图分类号：TN958 文献标识码：A 文章编号：1009-5896(2007)05-1258-05 The Current Status and Implications of Polarimetric SAR Interferometry Wu Yi-rong Hong Wen Wang Yan-ping (National Key Lab of Microwave Imaging Technology, Institute of Electronics, Chinese Academy of Sciences, Beijing 100080, China) Abstract: In this paper, the basic factors of the techniques combining the polarimetric synthetic aperture radar (SAR) with interferometric SAR are considered firstly, and then the basic concepts of coherence optimization and target decomposition of polarimetric SAR interferometry are illustrated. The current status of polarimetric SAR interferometry technique, the developments of typical spaceborne polarimetric SAR systems and the applications of polarimetric SAR interferometry are summarized. Key words: Polarimetric SAR Interferometry; Polarimetric SAR; Interferometric SAR; SAR 1 引言 经过长年的发展，合成孔径雷达(SAR-Synthetic Aperture Radar)技术与系统从单波段、单极化已逐步发展到多波段、全极化SAR、干涉SAR 遥感[1]，最近几年出现的极化干涉SAR (POLINSAR-Polarimetric SAR Interferometry) 把SAR遥感应用推向高潮，期望实现从高分辨率定性成像到精确高分辨率定量测量的转变。 POLINSAR通过极化和干涉信息的有效组合，可以同时提取观测对象的空间三维结构特征信息和散射信息，为微波定量遥感、高精度数字高程信息和观测对象细微形变信息的提取提供了可能性。POLINSAR系统研制、数据处理技术和应用研究已成为国外SAR技术研究的热点。 本文通过对POLINSAR技术、典型星载极化SAR系统研制和POLINSAR应用的研究现状进行总结分析，以期得到开展POLINSAR技术研究的启示。 2 POLINSAR简介 2.1极化与干涉结合的基本考虑 极化SAR(POLSAR-Polarimetric SAR)测量可获得每一像元的全散射矩阵，并合成包括线性极化、圆极化及椭圆极化在内的多种极化散射信息。因此与常规SAR相比，在雷达目标探测[1]、识别、纹理特征的提取、目标方向、物质对称性和组分方面研究具有很大的改善。POLSAR对植被散射 2006-06-20收到，2006-12-29改回体的形状和方向具有较强的敏感性[2]。通过测量每一像元的全极化散射矩阵，有可能将复杂的地物散射过程分解为几种单一的散射过程[3]，并利用地物在不同极化状态下的极化散射信息为更准确地探测目标特征提供可能。全极化数据对遥感定量测量具有很大的应用价值和潜力，是遥感定量测量的重要研究方向。 INSAR主要用于获取地物的空间垂直结构信息[4]。通过该技术可以获取的两个重要的参数分别为干涉相位和相干系数。对于相位，它已广泛应用于DEM生成、地震/火山/冰川/地表沉降和海洋物理参数获取的研究中。近年来，INSAR获取的另一个重要参数——相干系数已被逐步认识并开始应用于地表特征的基础性分析和地表植被高度及生物量的反演研究中，是一个极具潜力的研究领域。SAR干涉技术在实现过程中隐含着这样一个假设，即假定图像中每个像素的信号回波是从固定高度的参考平面上的一个散射中心散射回来的，因而测得的相位差就与这个参考平面的高度成正比。然而，由于地面坡度、粗糙度等因素的存在以及地表植被和体散射的影响，地物对电磁波散射的实际过程极为复杂，分辨单元内往往同时存在多种散射机理，且不同散射的相位中心亦可能位于不同高度上。这时，两幅干涉图之间的相位差只可能反映所有散射体的平均高度而无法反映某一特定散射中心的实际高度。例如，这种现象在有植被覆盖的区域显得尤为严重，这是因为植被覆盖区域的后向散射主要由植被层本身和由植被覆盖下的地面所散射的两种主要信号分量组成。这两个散射中心的高度通常是不同的，因此
使用Cameron分解的极化SAR特征检测
使用Cameron分解的极化SAR特征检测 摘要—本文提供了一种检测特定的极化SAR特征的方法。一个分辨率单元的极化响应可以看做是这个分辨率单元的电磁散射矩阵的一个样本。尽管使用了多个相干孔径，还是能获得散射矩阵的多个样本。通过使用合适的分解和加权对数似然方程，估计被观察的散射矩阵响应匹配已知电磁特征的相似度是有可能的。 关键词：相干，多角度，极化，散射矩阵分解，子孔径处理。 I.引言 有多种分辨率，频率带宽和极化方式的SAR传感器有很大的应用范围，包括土地表面覆盖物的的表征和分类[1]-[5],[30]，和人造目标的探测/表征/分类，比如城市结构[6]-[8]，失事飞机[9]-[12]，轮船[13],[14]，军用车辆[15],[16]，地雷[17],[18]，未爆炸武器(UXO)[19]，等等。 全极化SAR数据集提供给了一个强有力的工具，可以用来描述允许使用复杂的散射矩阵响应的目标的散射行为。利用极化SAR成像的标准方法大多包括用分解变换(举例子来说，见[20]-[30])来使数据标准化这一过程。 极化分解一般分为明显的两类——相干和非相干分解。非相干分解(例如，Cloude-Plottier[3],[26])包含基于局部极化行为的统计信息，而且通常利用相关联的像素或分辨率单元的平均相关矩阵（或米勒矩阵）。相干分解（例如，Krogager[22],[23]，Cameron[24],[25]）是基于单个像素的响应，因此直接用于测量每个像素的复散射矩阵。因为在本文中我们关注的是特定散射中心的检测，不管周围像素的散射机制，所以我们不能使用任何一个利用局部统计信息的分解方法，这将限制我们对相干分解的讨论。 相干分解一般只能产生，由单个主散射中心组成的这些分辨率单元的有效的结果。在主散射体缺少时，斑点响应将导致一个明显的随机散射矩阵，而且产生一个随机响应。事实上，相干解调由于其固有的敏感的斑点噪声，在文献[26]中已经受到了批评。 相干方法的初始应用是描述以像素基础构成像素散射机制的基础的特征。有以下两点考虑是比较中肯的，首先，光极限散射的假设隐含了上散射类型的定义。第二，结果仅在一个给定的分辨率单元有占主要地位的单个散射中心时有效。类似的，正如也将在这篇文章中看到的，没有光极限假设会导致对单个主散射中心
基于ENVI的极化SAR数据处理流程介绍
ENVI Tutorial: Polarimetric SAR Processing and Analysis Table of Contents O VERVIEW OF T HIS T UTORIAL (2) Background: SIR-C/SAR (2) P REPARE SIR-C D ATA (3) Optional: Read a SIR-C CEOS Data Tape (3) Optional: Multilook SIR-C Data (3) S YNTHESIZE I MAGES (4) Default Polarization Combinations (4) Other Polarization Combinations (4) Display Images (5) Define ROIs for Polarization Signatures (6) Extract Polarization Signatures (6) Adaptive Filters (8) Slant-to-Ground Range Transformation (9) Preview CEOS Header (9) Resample Image (9) Texture Analysis (10) Create Color-coded Texture Map (10) Image-Map Output (11)
Overview of This Tutorial This tutorial demonstrates the use of ENVI’s tools for analyzing polarimetric synthetic aperture radar (SAR) data. You will multilook Spaceborne Imaging Radar-C (SIR-C) from Death Valley, California; synthesize images, define ROIs for (and extract) polarization signatures, use adaptive filters, perform slant-to-ground range transformation, use texture analysis, and create an output image-map. Files Used in This Tutorial ENVI Tutorial Data DVD: envidata\ndv_sirc File Description ndv_l.cdp L-band SIR-C subset in ENVI compressed data product (.cdp) format pol_sig.roi Region of interest (ROI) file Background: SIR-C/SAR SIR-C is a polarimetric SAR instrument that uses two microwave wavelengths: L-band (24 cm) and C-band (6 cm). The SIR-C radar system was flown as a science experiment on the Space Shuttle Endeavor in April (SRL-1) and October 1994 (SRL-2), collecting high-quality SAR data over many sites around the world. (A second radar system, XSAR, was also flown on this mission, but these data are neither discussed nor processed here.) Additional information about SIR-C is available on the NASA/JPL Imaging Radar Home Page at https://www.wendangku.net/doc/663372437.html,/.
不同分解方法的极化SAR数据分类
由于平时分类的时候，一般采用的是Cloude 分解的得到的特征值进行分类的。而对于不同的数据，分解方式的不同，相应的分类结果也存在一定的差异，而且对于不同类型的数据，其最优分解方法并不一定是Cloude 分解。所以对两组数据（旧金山数据和海南数据）进行基于不同分解方法的分类实验，对比不同分解下的效果。 这部分实验首先对数据进行极化分解，然后利用分解得到的特征量进行分类。共进行了基于Cloude ，Freeman2，Freeman3，Krogager ，Vanzel ，Yamaguchi3，Yamaguchi4，7种特征分解的分类实验，分类算法采用的基于Wishart 分布的最大似然分类器。 旧金山数据的7种分解方法的分类结果 Cloude 是用的最多的分解方法，除了把数据分解为与散射机制有关的三个特征值321,,λλλ（分别代表三种散射机制：平面散射，二面角散射和体散射），还有具有旋转不变性的散射角a 和熵H 。所以基于cloude 分解的分类结果较为平稳。而对于其他6种分解方式，都是把数据分解为与某种散射机制类型对应的参数，代表该散射类型的强度，不具有旋转不变性的参数，所以适用数据的类型并不是很广，所以不像Cloude 分解那样对各种类型的数据都适用。从下面7幅分类结果看到，基于Cloude 分解的分类结果整体分类效果较好，不存在大范围的错误分类区。但是其他6种分解方式的分类结果，海洋均被划分为多个层次，所以这6种分解方式对海洋的分类适用性不好。但是对比7个分类结果发现，每种分解的分类结果各有优势，如Yamaguchi4和Freeman2中植被和城区的划分效果较好，马球场和高尔夫球场结构完整，而且城区内部道路细节分明，效果均优于Cloude 分解的分类结果。 图1(a)基于Cloude 分解的分类结果 图1(b)基于Vanzel 分解的分类结果
SAR雷达卫星的极化方式
雷达卫星极化方式HH、VV、HV、VH 1.什么是SAR极化方式？ 国科创（北京）信息技术有限公司-极化方式(Polarization）: H水平极化；V 垂直极化，即电磁场的振动方向，卫星向地面发射信号时，所采用的无线电波的振动方向可以有多种方式，目前所使用的有： 水平极化（H）：水平极化是指卫星向地面发射信号时，其无线电波的振动方向是水平方向。垂直极化（V）：垂直极化是指卫星向地面发射信号时，其无线电波的振动方向是垂直方向。使用H和V线性极化的雷达系统用一对符号表示发射和接收极化，因此可以具有以下通道—HH、VV、HV、VH。 雷达遥感系统常用四种极化方式： （1）HH-用于水平发送和水平接收 （2）VV-用于垂直发送和垂直接收 （3）HV-用于水平发送和垂直接收
（4）VH-用于垂直发送和水平接收 这些偏振组合中的前两个被称为相似偏振，因为发射和接收偏振是相同的。最后两个组合称为交叉极化，因为发送和接收极化彼此正交。 2.什么是SAR中单极化、双极化、全极化？ 电磁波发射分为水平波（H）和垂直波（V），接收也分为H和V；单极化是指（HH）或者（VV），就是水平发射水平接收或垂直发射垂直接收；如果研究的是气象雷达领域那一般都是（HH）。 双极化是指在一种极化模式的同时，加上了另一种极化模式，如（HH）水平发射水平接收和（HV）水平发射垂直接收。 全极化技术难度最高，要求同时发射H和V，也就是（HH）（HV）（VV）（VH）四种极化方式。 雷达系统可以具有不同级别的极化复杂度： （1）单极化-HH或VV或HV或VH （2）双极化-HH和HV，VV和VH或HH和VV （3）四个极化-HH，VV，HV和VH 正交极化（即极化）雷达使用这四个极化，并测量通道之间的相位差以及幅度。一些双极化雷达还测量通道之间的相位差，因为该相位在极化信息提取中起着重要作用。 雷达卫星影像在极化方面，不同的被观测物体对于入射的不同极化波，后向散射不同的极化波。因此空间遥感可以使用多波段来增加信息含量，也可以用不同的极化来增强，提高识别目标的准确度。 3.如何选择SAR雷达卫星极化方式？ 经验表明，对于海洋应用，L波段的HH 极化较敏感，而C波段是VV 极化比较好；对于低散射率的草地和道路，水平极化使地物之间有较大的差异，所以，地形测绘用的星载SAR 都使用水平极化；对粗糙度大于波长的陆地，HH或VV