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

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，它能有效提高获取目标信息的能力，为提高目标分类的精度提供了有力的工具。

传统的单极化合成孔径雷达仅能获得地面场景在某一特定极化收发组合下的目标散射特性，所得到的信息量是有限的。若想对地物的地理和电磁特性作进一步的分析与研究，需要了解地物目标在不同极化收发组合下的回波特性，即所谓的雷达极化信息。这种能够获得地物目标极化散射特性的SAR系统称为极化合成孔径雷达系统。应用极化合成孔径雷达系统进行观测，测量的数据不再只是目标的后向散射系数，而是一个2 2的复散射矩阵。与传统的单极化合成孔径雷达相比，极化合成孔径雷达的突出优点在于测量数据包含了更丰富的目标信息，这样就为信息挖掘提供了可能，因此它在目标检测、识别、分类以及目标参数反演等方面具有显著的优势。

极化合成孔径雷达通过测量地面每个分辨单元内的散射回波，进而获得其Sinclair矩阵和Mueller矩阵，这些极化散射矩阵可以用来完全描述目标散射回波的幅度和相位特性。利用极化合成技术，可以由目标回波的Mueller矩阵计算出天线在任意极化收发组合下所接收到的回波功率值。也就是说，只需获得四种

基本极化组合，即HH 、HV 、VH 和VV 极化，就可以准确地计算出天线在所有可能的极化状态下的接收功率值。总之，极化合成孔径雷达通过调整收发电磁波的极化方式可以获得场景目标的极化散射矩阵，为更加深入地研究目标的散射特性提供了重要的依据，极大地增强了成像雷达对目标信息的获取能力。

2.2极化散射矩阵（Sinclair 矩阵）与Mueller 矩阵

在雷达目标电磁散射特性研究中，雷达散射截面(RCS)是最早出现且使用最为广泛的特征量，它能描述目标对电磁波散射效率，表征了目标散射场与入射场之间的幅度变换特性，但RCS 缺乏对于目标回波相位和极化特性的表征能力。随着雷达研究的进一步深入，更多的学者认识到极化特性对于雷达全面描述目标属性的作用极为重要，因此迫切需要对雷达极化特性具有描述能力的物理量，极化散射矩阵与Mueller 矩阵等能够描述极化效应的量值随之产生。

2.2.1极化散射矩阵

通常情况下，雷达目标在远场区的电磁散射是一个线性过程，若选定了散射坐标系及相应的极化基，则雷达入射波和目标散射波的各极化分量之间存在着极化变换关系，因此，目标的变极化效应可用一个复二维矩阵的形式来表示，称为极化散射矩阵(Sinclair 矩阵)，它代表了特定姿态和观测频率下目标的全部极化信息。在后向散射坐标系中，雷达发射、接收的电磁波可以表示为

T T h T T v T h E v E E += (2-1)

S S h S S v S h E v E E += (2-2)

式中T E 表示发射电磁波Jones 矢量，S E 表示接收电磁波Jones 矢量，h 和v 分别为选定的正交极化基。根据电磁散射的线性性质，发射电磁波T E 与接收电磁波S E 之间的关系可通过一个2⨯2矩阵来表示，此矩阵就称为极化散射矩阵，即：

（2-3）

或者可表示为：

（2-4）