极化sar多成分目标分解方法
【技术领域】
[0001 ] 本发明属于遥感影像的SAR(SyntheticApertureRadar,合成孔径雷达）图像处 理领域，特别设及一种极化SAR多成分目标分解方法。
【背景技术】
[0002] 极化合成孔径雷达通过交替发射水平极化Η和垂直极化V，并接收来自地面雷达观 测目标的散射回波一一水平极化波Η和垂直极化波V，从而获得了观测目标的极化散射矩阵 S2化H/HV/VH/W)。极化散射矩阵将观测目标的散射能力特性、相位特性和极化特性统一起 来，相对完整地描述了雷达观测目标的电磁波散射特性。雷达极化特征可反映观测目标的 几何形状结构、表面粗糖度、对称性和取向等特性。极化目标分解是一种从极化SAR数据中 提取雷达观测目标极化散射特性的有效手段，有助于掲示目标散射体的物理机制，从而有 利于极化SAR数据地物的分类、检测和识别。
[0003] 极化目标分解方法大致可分为两类：（1)针对极化散射矩阵的分解，此时要求目标 的散射特征是确定的或稳态的，散射回波是相干的，故称为相干目标分解（Coherent TargetDecomposition，CTD); (2)针对协方差矩阵、相干矩阵等极化数据的分解，此时观测 目标的散射特征是时变的，散射回波是部分相干、非相干的，故称为非相干目标分解 (IncoherentTargetDecomposition，ICTD)。其中，CTD分解方法包括化uli分解、SDH分解、 Cameron分解和SSCM分解等。该类分解法主要是针对极化散射矩阵S2的分解，在应用时，通 常要求观测目标是确定不变的或稳态的。然而，对于自然界中大量存在的复杂目标而言，目 标散射特性是随时间变化的，通常称为分布式目标。对运类目标的描述，通常采用集合平均 的二阶统计方法进行，从而得到观测目标的协方差矩阵C、相干矩阵T等。对于运类目标的极 化分解，主要包括：Cloude分解、Freeman分解、Yamaguchi分解等。1998年，Freeman&Durden 首先提出了Ξ成分的极化目标分解方法，将原始协方差矩阵C分解为Ξ个散射成分(表面散 射、偶次散射和体散射)的线性组合。该方法假设极化散射矩阵S2的共极化成分与交叉极化 成分的相关系数为0,即= 〇和= 〇 ,故仅适用于反射对称散射的情况。然 而，自然介质并非总是反射对称散射。因此，2005年，Yamaguchi等考虑到非反射对称散射情 况(即片1而、'〉和片，而,〉*〇)，提出了四成分的极化目标分解方法，在原来Ξ成分极 化分解的基础上增加了螺旋体散射成分。但是，现有算法存在求解过程中待求参数个数多 于方程个数的问题，而且现有算法在处理负功率问题时必须采用的强制性功率限制手段， 影响检测、分类结果的合理性和精度。
【发明内容】
[0004] 针对现有技术的W上问题，本发明提供的方法是在W往四成分分解算法的基础 上，增加了可能来自地形或粗糖表面的额外漫散射机制作为第五分解成分，即：将全极化 SAR相干矩阵T或协方差矩阵C分解为五个散射成分一奇次散射、偶次散射、体散射、螺旋体 散射和漫散射一的线性加权和。该方法不仅解决了w往算法求解过程中待求参数个数多于 方程个数的问题，而且也避免了W往算法在处理负功率问题时采用的强制性功率限制手 段。与W往四成分分解方法相比，新方法分解过程更为直接、分解结果更为合理、更具物理 意义(无需多余的功率限制判断来避免负功率的问题），有利于提高极化SAR数据的地物分 类精度。
[000引本发明所述的极化SAR多成分目标分解方法，包括如下步骤：
[0006]步骤10:获得全极化SAR相干矩阵T，或者，获得全极化SAR协方差矩阵C并且将所述 全极化SAR协方差矩阵C转化为全极化SAR相干矩阵T;对所述全极化SAR相干矩阵T进行极化 方位角补偿，获得补偿后的相干矩阵Τ(θ);
[0007]步骤20:对补偿后的相干矩阵Τ(θ)进行矩阵变换，获得协方差矩阵C;
[0008]步骤30:按照公式1将协方差矩阵C分解为奇次散射、偶次散射、体散射、螺旋体散 射和漫散射的线性加权和；
[0009]C=foddCodd+fdblCdbl+fdiffCdiff+fvolCvol+fhlxChlx 公式 1
[0010]式中，fDdd、fdbi、fdiff、fVDI和fhix分别表示待求的奇次散射、偶次散射、漫散射、体散 射和螺旋体散射的贡献值;片<1<1八化1心1::心。1和(：心分别表示已知的奇次散射模型、偶次散 射模型、漫散射模型、体散射模型和螺旋体散射模型；
[0011]步骤40:将协方差矩阵C和已知的五个散射模型代入公式1，可推导出螺旋体散射 贡献值fhix的计算表达式，见公式2:
[001引
公式2
[0013]式中，Im(·)表示取复数的虚部;上标*表示复数共辆;运算符<·〉表示窗口统计 平均;运算符I·I表示复数求模；
[0014]步骤50:确定排除螺旋体散射W外的第一残余协方差矩阵批main4=C-/化Cbb;
[001引步骤60 :选择体散射模型，并利用第一残余协方差矩阵和改进的順抓方 法求解体散射功率fvDl;
[0016] 步骤70:确定排除体散射W外的第二残余协方差矩阵片。。=C-AhChh--/wCw,;
[0017] 步骤80:对第二残余协方差矩阵批趾加4进行特征值分解；
[0018] 步骤90:利用广义相似性参数GSP，结合特征值分解结果，计算奇次散射、偶次散射 和漫散射的贡献值f〇dd、fdbl、fdiff。
[0019] 优选的，在步骤10中，获得全极化SAR协方差矩阵C并且按照公式T=UClfi将所述全 极化SAR协方差矩阵C转化为全极化SAR相干矩阵T;式中
[0020] 优选的，在步骤10中，所述的全极化SAR相干矩阵T的表达式见公式3:
[0021]
[002引式中，5册、5肌、5巾(1、5"为全极化541?传感器获取的雷达回波的四个极化通道;上标* 表示复数共辆；I·I表示复数求模;<·〉表示窗口统计平均。
[0023]优选的，在步骤10中，所述的极化方位角补偿具体包括:按照公式4将所述全极化 SAR相干矩阵T进行处理，获得补偿后相干矩阵Τ(Θ):
[0024] τ(θ)=Κ(θ)ΤΚ(θ)*τ 公式 4
[0025]式中，上标*Τ表示矩阵共辆转置;R(Θ)表示旋转矩阵，即
[0026]
[0027]式中，Re(·)表示取复数的实部。
[0028]优选的，在步骤20中，所述的矩阵变换具体包括:采用公式5将补偿后相干矩阵T (9)转换为协方差矩阵C:
[0029] C=U-1TU 公式5
[0030]
[0031] 优选的，在步骤30中，已知的奇次散射模型CcKid、偶次散射模型Cdbi、漫散射模型 Cdiff、体散射模型CvDl和螺旋体散射模型Chlx分别为：
[0032]
[0033]当体散射模型CvDi为植被冠层体散射模型时，
[0034]
[003引其中μ=101og(< I Svv 12〉/< I S冊12〉）；
[0036]当体散射模型CvDi为倾斜二面角体散射模型时，
[0037]
[0038] 优选的，在步骤60中，所述选择体散射模型具体包括:根据公式6计算打：
[0039]
公式6
[0040] 进而，判断当Cl含0时，选择倾斜二面角体散射模型；当Ci<0时，选择植被冠层体散 射模型，并且根据表达式μ= 101〇g(<ISvv12〉/<IShh12〉）的计算值大小，选择与该μ值相应的 植被冠层体散射模型。
[0041] 优选的，在步骤60中，所述改进的NNm)方法求解体散射功率fvDi具体包括:采用公 式7求解体散射功率fvDl，
[0047]Ca、Pa、％和ζ。分别表示所述体散射模聖
申的参数。
[004引优选的，在步骤80中，所述对第二残余协方差矩阵(G,d,;.}进行特征值分解具体 包括:采用公式8将矩阵第二残余协方差矩阵分解为Ξ个不同单一散射体的加权 和
[0049]
公式 8
[0050] 式中，λ功第二残余协方差矩阵的特征值，且、>〇;Ul为特征值、相应的 特征矢量;Cl为各单一散射体的归一化协方差矩阵，且各矩阵的秩都为1。
[0051] 优选的，在步骤90中，所述的广义相似性参数GSP，通过利用两个散射体的相干矩 阵T或者协方差矩阵C的相关性来衡量二者的相似性程度，其表达式定义为
[0052]
公式 9
[0053]式中，矩阵A、B分别为两个散射体的相干矩阵或协方差矩阵;tr( ·)表示求矩阵的 迹;上标t表示矩阵的共辆转置；II·Mf表示求矩阵的F范数。
[0054]优选的，在步骤90中，利用第二残余协方差矩阵〈CL,,"d?〉的特征值分解结果，采用 公式9结合公式10分别计算奇次散射的散射功率fDdd、偶次散射的散射功率fdbi、漫散射的散 射功率fdiff，
[005引
公式10。
[0056]与现有技术相比，本发明所述的方法在W往四成分分解算法的基础上，增加了可 能来自地形或粗糖表面的额外漫散射机制作为第五分解成分，并考虑到由倾斜二面角引起 的体散射，改进了NNED求解体散射功率的方法；同时，利用广义相似性参数GSP和特征值分 解，计算奇次散射、偶次散射和漫散射的贡献值。该方法不仅解决了W往算法求解过程中待 求参数个数多于方程个数的问题，而且也避免了W往算法在处理负功率问题时采用的强制 性功率限制手段。与W往四成分分解方法相比，新方法分解过程更为直接、分解结果更为合 理、更具物理意义(无需多余的功率限制判断来避免负功率的问题），有利于提高极化SAR数 据的地物检测、分类精度。
【附图说明】
[0057]为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附 图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域 普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据运些附图获得其他的附图。
[0058]图1是本发明所述极化SAR多成分目标分解方法的流程示意图。
【具体实施方式】
[0059]下面结合附图对本发明作进一步详细的描述。
[0060]图1为本发明所述的一种极化SAR多成分目标分解方法的流程图。该种极化SAR多 成分目标分解方法，在W往四成分分解算法的基础上，增加了可能来自地形或粗糖表面的 额外漫散射机制作为第五分解成分，即：将全极化SAR相干矩阵T或协方差矩阵C分解为奇次 散射、偶次散射、体散射、螺旋体散射和漫散射等五个散射成分的线性加权和。该算法采用 改进的NN邸(NonnegativeEige