第六章 极化sar 第三节

合集下载

极化SAR散斑滤波和扩展Sigma滤波器

极化SAR散斑滤波和扩展Sigma滤波器

极化SAR散斑滤波和扩展Sigma滤波器摘要随着具有高清晰度和四极化数据的合成孔径雷达(SAR)技术的进步,我们需要更好和有效的极化SAR图像相干斑滤波器算法。

对极化SAR相干斑滤波提出两个要求:1)散斑滤波应只适用于分散媒质,并且强大的硬目标应保持未过滤; 2)为了减少相干斑,散射机制保存应被考虑。

本文的目的包含两个方面:1),提出一种有效的算法,该算法是被改进的Sigma滤波器的扩展,适用于单极化SAR; 2)调查相干斑噪声特性和对具有较高分辨率(分米)单极化SAR图像数据的相干斑噪声滤波器的需求。

提出的过滤器是根据考上述两个要求而考虑的。

它的有效性已经被Jet Propulsion实验室d e 机载合成孔径雷达数据验证,并与boxcar过滤器,Lee滤波器,Wishart-based nonlocal 滤波器做过比较。

对于非常高的分辨率极化SAR系统,如德国航空航天中心F-SAR和日本Pi-SAR2,它们具有分米级的空间分辨率,我们发现,复杂的Wishart分布仍然是有效的描述极化SAR斑点特征的分布式,媒相干斑滤波可能需要根据目标大小进行分析。

25厘米分辨率的F-SAR X波段数据可以解释。

关键词:极化SAR,相干斑去噪,高分辨率SAR。

介绍极化合成孔径雷达(SAR)(Pol-SAR)的后向散射返回可被描述为三个相关的相干干扰过程的相互作用:HH,VV和HV极化。

由于三种极化的相关性,相干斑噪声效应不仅出现在三种强度,而且出现在三个复数相关项上。

为了解释的可靠和极化信息的提取,随机的极化变量必须通过平均相关性或协方差矩阵来减少相邻像素。

这种数据具有非相干散射的特征形式[1]。

它被称为非相干平均,也被称为多视处理,是应用极化SAR必不可少的分析技术,例如Cl oud e-Pottier特征值和特征向量分解[2],基于分解的Freeman-Durd en模型等[3]。

没有足够的非相干平均,导出的参数,如熵,,和各向异性,成为偏见,无法使用。

第六章 极化sar 第三节

第六章 极化sar 第三节

⎡1 0 0 1⎤
C=
k
2 0
l
4
⎢⎢0
0
0
0⎥⎥
24π 2 ⎢0 0 0 0⎥
⎢⎣1 0 0 1⎥⎦
导电球/三面角反射器
共极化响应
交叉极化响应
除了乘性系数不同之外,三面角反射器与导电球的散射矩阵具有 类似的形式。
4
二面角反射器
v 2b
a h
S
=
k 0 ab π
⎡− cos 2α ⎢⎣ sin 2α
⎡ 1 0 1/ 3⎤
[C3 ] V
=
f
v
⎢ ⎢
0
2/3
0
⎥ ⎥
⎢⎣1/ 3 0 1 ⎥⎦
⎡α 2
[C 3 ] d
=
⎢ fd ⎢
0
⎢ ⎣
α
*
0 α⎤

0 0⎥
0
1
⎥ ⎦
⎡β 2 0 β⎤
[C 3 ] s
=
⎢ fs ⎢
0
⎥ 0 0⎥
⎢ ⎣
β
*
0
1
⎥ ⎦
Freeman-Wishart分类流程图
36
Freeman-Wishart分类
Wishart分类器 输入参数A(A>0.5为一 类,A<0.5为另一类)
Wishart分类器 得到最终分类图
结束
H/a/A-Wishart分类器
34
Freeman-Wishart分类
极化SAR分类
9 Complex Wishart distribution(Lee et al.,1994) 9 Wishart+Entropy/Alpha(Lee et al.,1999) 9 Wishart+Entropy/Alpha/Anisotropy(Pottier and Lee,2000) 9 不足:Wishart分类器是统计算子。不同散射机制的像素可能混

极化SAR影像分类综述

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。

极化SAR信息处理技术研究

极化SAR信息处理技术研究

极化SAR信息处理技术研究摘要:极化合成孔径雷达(PolSAR)系统被广泛应用于地球观测,并得到了广泛的研究。

极化SAR信息处理技术是其核心方面之一,包括极化目标分解、多查波束复制和多极化目标检测等方面。

本文从极化信号的特点、多极化目标分解算法和多极化目标检测算法等方面阐述了极化SAR信息处理技术的研究现状,并总结了其相关领域的发展趋势。

关键字:极化SAR,极化目标分解,多查波束复制,多极化目标检测,信息处理一、引言极化合成孔径雷达(PolSAR)系统是一种非常重要的地球观测技术,可提供丰富的地表反射特征信息。

PolSAR系统通过同时收集水平极化(H)和垂直极化(V)以及正交极化(H × V)的雷达散射信号,可获取三种基本的极化参数。

在地球观测、雷达成像和目标识别等方面,极化SAR信息处理技术已经成为不可或缺的研究领域之一。

二、极化信号的特点极化SAR的特点是其具有三个基本的极化参数,即H极化、V极化和正交极化。

这些参数可以通过距离、方位和极化带宽等方面的变化而变化,因此可以提供丰富的地表反射特征信息。

此外,极化SAR信息处理技术还具有较好的鲁棒性和可靠性,能够在复杂的场景下获得高质量的图像数据。

三、极化目标分解极化目标分解是PolSAR信息处理的核心方面之一,其目的是将极化信息转化为物理量和指标,以实现更为精细的地表特征分析和目标识别。

常见的极化目标分解算法包括保角离差分解(PCP)、极化度分解、保极化度分解(H/A/Alpha)、香农分解等。

四、多查波束复制多查波束复制是一种重要的极化SAR信息处理技术,其将多个极化信息图像合并成一个高分辨率、高质量的图像。

同时,多查波束复制还可以提高数据质量和信息量,减少运算量,使得数据可用性更高。

五、多极化目标检测多极化目标检测是一种通过极化散射信息实现目标检测的技术。

常见的多极化目标检测算法包括常规目标检测算法、极化目标检测算法、超分辨检测算法等。

极化SAR图像分类综述

极化SAR图像分类综述

极化SAR图像分类综述
周晓光;匡纲要;万建伟
【期刊名称】《信号处理》
【年(卷),期】2008(024)005
【摘要】对极化SAR(合成孔径雷达)图像分类进行综述.首先建立简略的极化SAB 图像分类技术发展流程,并对国内外研究机构在该领域的主要研究成果进行归纳;然后对用于极化SAR图像分类的众多特征进行分类整理,指出其物理意义及在图像分类中的优缺点,并从有监督和无监督的角度综述了现有的极化SAR图像分类方法;最后对极化SAR图像分类存在的问题进行归纳,并指出将来的研究方向.
【总页数】7页(P806-812)
【作者】周晓光;匡纲要;万建伟
【作者单位】国防科技大学电子科学与工程学院,长沙,410073;国防科技大学电子科学与工程学院,长沙,410073;国防科技大学电子科学与工程学院,长沙,410073【正文语种】中文
【中图分类】N91
【相关文献】
1.极化SAR图像分类方法研究综述 [J], 李建飞
2.极化SAR图像分类方法研究综述 [J], 李建飞;
3.基于CNN和RFC的极化SAR图像分类 [J], 陈彦桥;张泽勇;陈金勇;高峰;柴兴华
4.基于Freeman分解和雷达植被指数的极化SAR图像分类 [J], 李成绕;贾诗超;薛
东剑
5.深度学习在极化SAR图像分类上的应用综述 [J], 毕海霞;魏志强
因版权原因,仅展示原文概要,查看原文内容请购买。

全极化SARInSAR数据定标技术研究

全极化SARInSAR数据定标技术研究
实验结果表明,考虑通道噪声估计的面向高串扰情况的非迭代极化定标算法,在高串扰以及低信噪比情况下,可以实现极化失真参数的精确估计,并且可以实现通道噪声的有效估计。(3)基于裸露地表的同极化通道不平衡度估计定标算法研究针对观测场景了以下研究工作:理论分析了裸露地表在X、Ka等高频波段下的极化散射特性,并利用X波段机载实测数据对其理论极化散射特性进行了验证。
实测数据处理结果表明,在全极化SAR数据定标处理中应用该方法,可以有效提高定标算法的参数估计稳定性以及应对不同场景数据的能力。提出了一种主辅空间极化通道间极化干涉相位校正算法。
该算法利用极化差分干涉相位的统计特性解决参数k引起的交叉极化通道干涉相位不一致问题,同时,利用无垂直结构分布区域极化差分干涉相位为零的特性解决极化定标残余相位误差引起的极化干涉相位不一致问题。实测数据处理结果表明,该算法可以实现对极化干涉相位不一致性的有效校正。
全极化SAR/InSAR数据定标技术研究
全极化合成孔径雷达(Synthetic Aperture Radar,SAR)系统通过发射正交极化电磁波获取地物的全极化散射信息。全极化干涉SAR(Interferometric SAR,InSAR)系统在获取全极化散射信息的基础上,增加了地物干涉信息的获取。
基于理论和实测分析结果,得出了以下结论:在高频波段下,裸露地表的HH极化通道与VV极化通道间的幅度差和相位差较小,而且后向散射能量中的螺旋散射分量很低。因此,裸露地表可以作为一种有效的分布目标定标体。
提出了一种面向X、Ka等高频波段全极化SAR数据的同极化通道不平衡度估计定标算法。该算法充分利用了裸露地表的相位散射特性,将Shi算法中的二维搜索降为一维搜索,实现了同极化通道不平衡度的稳定求解。
该算法在考虑交叉通道噪声功率不一致以及低信噪比情况的基础上,修改了迭代过程中交叉极化通道不平衡参数估计公式,并对原有的迭代过程进行了修订。实验结果表明,该改进算法具有良好的参数估计性能。

极化SAR图像配准与相干变化检测方法研究

极化SAR图像配准与相干变化检测方法研究

摘要极化合成孔径雷达(极化SAR)可在不同的收发极化组合状态下实现对地成像,能够获取比传统单极化SAR更加丰富的目标极化散射信息。

相干变化检测(CCD)利用不同时期的两幅或多幅极化SAR图像提供的不同极化收发组合下同一地理位置的地物信息,实现地物性状变化信息和目标进入或离去的自动检测。

极化SAR相干变化检测在灾害评估、社会经济发展以及军事等领域都有着广泛的应用前景。

本论文研究了极化SAR相干变化检测的图像配准、微弱目标检测、检测后目标的进入和离去自动判别等问题,主要工作如下:1、针对相干变化检测的实现条件问题,根据相干变化对两幅极化图像相干性的要求,导出了参考数据和目标检测极化数据录取过程中载机平台飞行的几何约束条件。

2、针对相干变化检测中的两幅图像匹配问题,提出了一种基于极化矢量幅值和相位综合互信息的相似测度配准方法,能够改善图像配准精度。

3、通过对相干系数分布模型中未知参数最佳逼近参数估计,建立了精确的相干系数概率分布模型。

4、针对低信噪比条件下相干变化检测问题,提出了一种基于检测概率的纽曼-皮尔逊准则的相干变化检测改进算法,能够有效增强低信噪比情况下检测算法的稳健性。

5、针对目标的进入或离去的自动判别问题,引入了基于SAR图像特性的自相干系数的判别方法,比现有方法具有更加稳健和准确的判别效果。

关键词:极化合成孔径雷达(极化SAR)、图像配准、相干变化检测、N-P自适应判别、目标进入或离去IAbstractComparing with the traditional single polarization SAR, the multi-polarization SAR can get more target polarization information in the different polarimetric transceiver states. Coherent change detection(CCD) uses the ground objects information of the same geographic location provided by the multi-polarization SAR images in the different periods and different polarimetrics transceiver states to realize automatic judgment of the change information of the ground objects’ characteristics and the arrival and departure of the targets. The CCD of polarization SAR can be applied in the field of disaster assessment, social economy development, and marine monitoring etc.The problem of image registration, CCD algorithm with low SNR, the automatic judgment of tagets’ arrival or departure after CCD etc are studied. The main works are as follows:1、Aiming at the realization condition problem of CCD, according to the demands oftwo polarization images’ coherence, deriving the data collection geometric constraint condition of flight path for reference and mission image.2、Aiming at the two images’ registration problem of CCD, exploring a registrationmethod based on the similarity measure of amplitude and phase synthetic mutual information in the polarization vector, improving the precision of image registration.3、Thoughing a best approximation algorithm, estimating the unknown probabilitydistribution parameters in the Gaussian model effectively, and building the accurate Gaussian model.4、Aiming at the CCD with low SNR, according to the detection probability,proposing an improved CCD algorithm based on the N-P criterion, improving robustness of the detection algorithm with low SNR effictively.5、Aiming at the automatic judgment of targets’ arrival or departure, introducing theautomatic judgment method of autocorrelation coefficient. Comparing with existing methods, this method can get more accurate and steady judgment performence.IIKeyword: Polarization SAR, image registration, Coherent Change Detection, N-P adaptive judgmentIII目录第一章绪论 (1)1.1研究背景和意义 (1)1.2国内外研究动态 (4)1.3论文的主要工作 (8)第二章极化SAR成像综述 (10)2.1极化合成孔径雷达的概念及国内外发展动态 (10)2.1.1极化SAR的概念 (10)2.1.2极化SAR的国内外发展动态 (11)2.2极化SAR的基础理论 (13)2.2.1 极化矢量的表征形式 (13)2.2.2极化散射特性描述矩阵 (16)2.2.3极化合成技术 (21)2.3极化数据录取的几何约束条件 (22)2.3.1入射余角约束条件 (23)2.3.2方位角约束条件 (24)2.3.3斜距约束条件 (24)2.3.4斜视角约束条件 (25)2.3.5俯仰角约束条件 (26)2.4本章小结 (26)第三章极化SAR图像配准方法 (27)3.1极化SAR图像匹配概述 (27)IV3.1.1极化SAR图像配准的概念 (27)3.1.2 极化SAR图像的变换模型 (28)3.2图像匹配的一般方法 (31)3.2.1基于灰度的图像配准方法 (32)3.2.2基于变换域的图像配准方法 (34)3.2.3基于特征的图像配准方法 (36)3.3极化SAR图像匹配的改进方法 (37)3.3.1Mallat小波分解图像 (38)3.3.2极化信息幅度与相位的互信息最大相似测度 (39)3.3.3弹性TPS插值算法 (41)3.4实验结果及分析 (43)3.4.1 幅度互信息和相位互信息的仿真分析 (43)3.4.2基于幅值和相位互信息相似测度的配准实例 (46)3.5本章小结 (48)第四章极化SAR相干变化检测 (50)4.1相干变化检测的基础理论 (50)4.1.1 相干变化检测算法理论 (50)4.1.2 相干系数估计性能分析 (55)4.2基于N-P自适应判决准则的CCD算法 (55)4.2.1 相干系数分布特性分析 (55)4.2.2 相干系数概率分布建模方法 (56)4.2.3 基于相干系数分布的N-P自适应判决准则 (58)4.2.4 算法性能分析 (59)4.3相干变化检测后的自适应判别 (64)V4.3.1 基于协方差的常用判别算法及其性能分析 (65)4.3.2 基于自相干系数的判别算法及其性能分析 (65)4.3.3 仿真结果及分析 (68)4.4本章小结 (74)第五章总结与展望 (75)5.1工作总结 (75)5.2工作展望 (76)致谢 (77)参考文献 (78)在学期间的研究成果 (81)VI第一章绪论1.1 研究背景和意义变化检测的概念最早由印度学者Ashbindu Snihg提出,其定义为“所谓的变化检测就是根据不同时间的多次观测来确定一个物体的状态变化或确定某现象的变化的过程”,该定义是目前最具权威性的定义。

5.2 极化SAR原理与应用.

5.2 极化SAR原理与应用.

互易性检测
对称性检测
螺旋匹配
非互易散射体
非对称性散射体 右螺旋 左螺旋 三面角 二面角 偶极子 圆柱体 窄双平面
36
注意
Cameron分解的优点在于提供了关于散射体结构的物理信息。 散射体的类型只取决于散射体的形状,且它与归一化的对角 散射矩阵之间具有良好的对应性,计算方便。但是,由于 SAR图像的斑点噪声非常大,而该分解又是基于单个像元的 操作,忽略了噪声的影响。因此,所获得的结果不一定可靠。 对于那些具有强后向散射的物体,在目标与背景之间之比很 大且背景杂波均一的情况下,如平静的海面上的船只等,斑 点噪声并不是很重要的影响因素。
2012-12-19
27
相干目标分解概述
Krogager 分解
Cameron分解
点目标和分布目标 相干性
蕴涵
基于[S]矩阵
Touzi分解
2012-12-19
28
Krogager分解
任何一个复数对称的散射矩阵,能够通过旋转矩阵R进行旋转,用以补 偿天线与最优雷达目标的偏差。旋转后的散射矩阵能够分解成三个分 量,球散射、二面角散射以及螺旋体散射
2012-12-19
12
二面角反射器的极化响应
2012-12-19
13
偶极子 倾斜偶极子
2012-12-19
14
左螺旋 右螺旋
2012-12-19
15
目标散射的物理解释
2012-12-19
16
奇次散射模型
2012-12-19
17
奇次散射模型
2012-12-19
18
漫散射(Bragg)模型
2012-12-19
38
非相干目标分解概述

第六章 极化SAR

第六章 极化SAR

ERS-2VV RADARSAT HH Avon-Severn confluence
雷达发射的电磁波在目标表面感应电流而进行辐射,从而产生散射电
Illustration of how different polarizations (HH, VV, HV & colour composite) bring out different features in an agricultural scene
内容纲要 一.电磁波极化特征及其表征
极化的概念 平面电磁波的电矢量在直角
坐标系中可以分解为水平和
垂直两个分量,而这两个分
量之间的相对关系就构成了
平面电磁波的极化方式。

通常可以用极化椭圆、
Poincare球和Stokes向量
来描述平面电磁波的极化状
态。

极化椭圆
我们建立笛卡尔坐标系,并使z
轴同平面波的传播方向平行。

由麦克斯韦方程,可求出平面
极化椭圆的几个参数
椭圆倾角
椭圆率角
εε
ε
(a)完全极化波

完全非极化波,由于
Poincare球
Poincare球
t t h t t v h E v ∧∧
+r r v r v E E ∧
=
z通常,对于双基雷达系统,极化散射矩阵中有七个独立变量:四个幅度和三个相位差。

z这里不考虑绝对相位,是因为那是没有必要的。

对单基雷达系统,由于互易性,因此只有五个独立变量。

极化SAR散斑滤波和扩展Sigma滤波器

极化SAR散斑滤波和扩展Sigma滤波器

极化SAR散斑滤波和扩展Sigma滤波器摘要随着具有高清晰度和四极化数据的合成孔径雷达(SAR)技术的进步,我们需要更好和有效的极化SAR图像相干斑滤波器算法。

对极化SAR相干斑滤波提出两个要求:1)散斑滤波应只适用于分散媒质,并且强大的硬目标应保持未过滤; 2)为了减少相干斑,散射机制保存应被考虑。

本文的目的包含两个方面:1),提出一种有效的算法,该算法是被改进的Sigma滤波器的扩展,适用于单极化SAR; 2)调查相干斑噪声特性和对具有较高分辨率(分米)单极化SAR图像数据的相干斑噪声滤波器的需求。

提出的过滤器是根据考上述两个要求而考虑的。

它的有效性已经被Jet Propulsion实验室d e 机载合成孔径雷达数据验证,并与boxcar过滤器,Lee滤波器,Wishart-based nonlocal 滤波器做过比较。

对于非常高的分辨率极化SAR系统,如德国航空航天中心F-SAR和日本Pi-SAR2,它们具有分米级的空间分辨率,我们发现,复杂的Wishart分布仍然是有效的描述极化SAR斑点特征的分布式,媒相干斑滤波可能需要根据目标大小进行分析。

25厘米分辨率的F-SAR X波段数据可以解释。

关键词:极化SAR,相干斑去噪,高分辨率SAR。

介绍极化合成孔径雷达(SAR)(Pol-SAR)的后向散射返回可被描述为三个相关的相干干扰过程的相互作用:HH,VV和HV极化。

由于三种极化的相关性,相干斑噪声效应不仅出现在三种强度,而且出现在三个复数相关项上。

为了解释的可靠和极化信息的提取,随机的极化变量必须通过平均相关性或协方差矩阵来减少相邻像素。

这种数据具有非相干散射的特征形式[1]。

它被称为非相干平均,也被称为多视处理,是应用极化SAR必不可少的分析技术,例如Cl oud e-Pottier特征值和特征向量分解[2],基于分解的Freeman-Durd en模型等[3]。

没有足够的非相干平均,导出的参数,如熵,,和各向异性,成为偏见,无法使用。

SAR雷达卫星的极化方式

SAR雷达卫星的极化方式

雷达卫星极化方式HH、VV、HV、VH1.什么是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。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

⎡−1
⎢ ⎣
0
0⎤ 1⎥⎦
二面角反射器
5
左旋螺旋体
左旋螺旋体
⎡1 0 0 1⎤
Kl
=
1 ⎢⎢0 4 ⎢0
0 0
0 0
0⎥⎥ 0⎥
⎢⎣1 0 0 1⎥⎦
Sl
=
1 2
⎡− 1
⎢ ⎣
i
i⎤ 1⎥⎦
⎡ 1 − i − i 1⎤
Cl
=
1 ⎢⎢− i 4 ⎢− i
1 1
1 i⎥⎥ 1 i⎥
⎢⎣−1 − i − i 1⎥⎦
Pd
Pv
Ps
Freeman-Wishart分类
37
Freeman-Wishart分类 2.极化SAR监督分类
38
Wishart分类器
Wishart分类器流程图
开始
初始输入M个聚类
计算每个聚类的相 干矩阵均值
对于每个像素分配 给最小距离的聚类

是否收敛?

结束
39
Wishart分类器 Wishart分类器
40
Wishart分类器 Wishart分类器
41
42
3
∑ H = − Pi log 3 Pi i =1
∑ P i =
λi λj
j
27
反熵(Anisotropy)
H/a分类
区域1:高熵多次散射; 区域2:高熵偶极子散射; 区域3:中熵多次散射; 区域4:中熵植被散射; 区域5:中熵表面散射; 区域6:低熵多次散射; 区域7:低熵偶极子散射; 区域8:低熵表面散射。
9 体散射,冠层散射体的模型是一组方向随机的偶极子; 9 偶次散射,其模型是一个两面角反射器; 9 单次散射,其模型是一阶布拉格表面散射体.
35
Freeman-Wishart分类
Freeman分解将测量到的协方差矩阵 [C 3 ]表示如下
[C3 ] = [C3 ] v + [C3 ] d + [C3 ] s
] sin α i sin βieiγi T
极化Cloude分解
散射角 α 对应着从表面散射( α = 0o)到偶极子散射 (α = 90o)到二面角散射(α = 45o)的变化
25
26
极化Cloude分解
熵( 0 ≤ H ≤ 1)表示散射媒质从
各向同性散射(H=0)到完全随机 散射(H=1)的随机性。其定义如 下
左旋螺旋体
6
右旋螺旋体
右旋螺旋体
⎡ 1 0 0 −1⎤
Kr
=
1
⎢ ⎢
4⎢
0 0
00 00
0
⎥ ⎥
0⎥
⎢⎣−1 0 0
1

− i⎤ 1 ⎥⎦
⎡ 1 − i − i −1⎤
Cr
=
1
⎢ ⎢
4⎢
i i
1 1
1 − i⎥⎥ 1 − i⎥
⎢⎣−1 i
i
1
⎥ ⎦
右旋螺旋体
7
四.极化雷达天线系统
≈0
典型代表?
where, β = RH RV
15
漫散射(Bragg)模型
偶次散射模型
Shh ≥ Shv
Svv ≥ Shv
( ) ( ) ℜ
S
* hh
S
vv
≥ Shv 2
Phase
S
* hh
S
vv
≈π
典型代表?
⎜⎛ α 2 0 0 α ⎟⎞
⎜ C =⎜

0 0
0 0 0⎟
0
0
0
⎟ ⎟
⎜⎝ α * 0 0 1 ⎟⎠
23
24
极化Cloude分解
根据分解理论,可以将相干矩阵[T]分解成三个相干矩阵 的总和
3
[ ] ∑ [ ] T = λn Tn = λ1e1e1*T + λ2e2e2*T + λ3e3e3*T n=1
9 其中 λ i 和 ei 分别表示特征值和特征向量。
特征向量可以写成
[ ei = eiφi cosα i sin α i cos βi eiδi
旧金山海湾地区Pauli分解合成图
H/a-Wishart分类结果
31
H/a-Wishart分类
熵H提供了在同一分辨单元内总散射机制的信息。然而,对于低 熵或中等熵,不能提供有关两个较小特征值之间关系的信息。
32
H/a/A-Wishart分类器
33
H/a/A-Wishart分类器
开始 输入H/分类结果
19
海洋的极化响应 植被的极化响应
20
城区的极化响应 不同波段的影响
21
八.极化SAR分类 1.极化SAR非监督分类
22
散射矩阵的相干分解方法的主要思想是将任意散 射矩阵表示成基本目标的散射矩阵之和的形式, 这些基本散射矩阵可以与某种确定的散射机理联 系起来
[S
]
=
k

ci
[S
]i
i =1
16
偶次散射模型
体散射模型
( ) Phase
S
* hh
Svv
≈π
Shh ≥ Shv
( ) ℜ
S
* hh
S
vv
≥ Shv 2
Svv ≥ Shv
( ) Phase
S
* hh
S
vv
≈ uniform[0,π ]
典型代表?
( ) ℜ
S
* hh
Svv
≥ Shv 2
17
体散射模型
全极化图像的理解
18
全极化图像的理解
极化信号图是一种三维图,在一定程度上 反映了目标在特定极化组合下产生的回波 功率的变化情况。
根据收发天线之间的极化状态,通常有共极化信号图与交叉 极化信号图。
根据收发天线之间的极化状
态,通常有共极化信号图与交 叉极化信号图。
±π 4
极化方 位角
极化椭圆率角
X=0表示所有的线性极化,同
Ψ = 0或π HH极化 极
五.地物极化特性的理解
13
奇次散射
典型代表?
14
奇次散射
漫散射(Bragg)模型
( ) ( ) Shh ≥ Shv Svv

Shv
;

S
* hh
Svv

Shv
2
Phase
S
* hh
S
vv
≈0
Shh ≥ Shv
( ) ℜ
S
* hh
S
vv
≥ Shv 2
Svv ≥ Shv
( ) Phase
S
* hh
Svv
机载极化雷达系统包括双极化天 线、单通道发射机、四通道接收 机和数字记录器,其中数字记录 器能合成极化响应。 在天线设计中,为了获得所需的 辐射方向特性,常使用天线阵。 它是将一些天线按一定位置排列 而形成的,并且各天线中电流的 相位也不同。由天线阵发送出去 的电磁波中,电场强度可分解为 两个相互垂直的分量。直线型天 线产生线性极化波,螺旋型天线 产生圆极化波。 目前大部分极化雷达都设计有水 平极化天线和V极化天线,以极 短的时间交替并同时接收,以便 测量散射矩阵的四个元素值。
内容纲要
一.电磁波极化特征及其表征 二.目标极化散射特性的表征 三.极化响应 四.极化雷达天线系统 五.地物极化特性的理解 六.极化SAR分类
三.极化响应图
1
极化信号图
极化响应又称极化特征,是描述地面散射 体任意极化状态下散射特性的曲面或曲 线。
极化响应与光学遥感中的光谱响应类似, 是分析地物散射的基础。
Ψ=π 2
VV极化
化 波
x= ± π 表示所有的圆极化。 4 VH极化波 交叉极 HV极化波 化波
2
极化响应基座即散射系数最小值点与零值平面之间的距 离。极化响应基座反映极化度的大小。
理想导电体的基座高度为0,说明极化度为1;自然界地物 极化响应的基座高度越高,说明极化度越小,HH与VV信 号的相关性越小,交叉极化越大,也就是多重散射的成份 越多。
Wishart分类器 输入参数A(A>0.5为一 类,A<0.5为另一类)
Wishart分类器 得到最终分类图
结束
H/a/A-Wishart分类器
34
Freeman-Wishart分类
极化SAR分类
9 Complex Wishart distribution(Lee et al.,1994) 9 Wishart+Entropy/Alpha(Lee et al.,1999) 9 Wishart+Entropy/Alpha/Anisotropy(Pottier and Lee,2000) 9 不足:Wishart分类器是统计算子。不同散射机制的像素可能混
⎡ 1 0 1/ 3⎤
[C3 ] V
=
f
v
⎢ ⎢
0
2/3
0
⎥ ⎥
⎢⎣1/ 3 0 1 ⎥⎦
⎡α 2
[C 3 ] d
=
⎢ fd ⎢
0
⎢ ⎣
α
*
0 α⎤

0 0⎥
0
1
⎥ ⎦
⎡β 2 0 β⎤
[C 3 ] s
=
⎢ fs ⎢
0
⎥ 0 0⎥
⎢ ⎣
β
*
0
1
⎥ ⎦
Freeman-Wishart分类流程图
36
Freeman-Wishart分类
合在同一类中。
新方法
9 保持每个像素的散射特性,基于Freeman and Durden分解:
相关文档
最新文档