一种基于精细散射模型的极化目标分解方法技术

本发明专利技术属于全极化合成孔径雷达成像遥感技术领域，涉及一种基于精细散射模型的极化SAR目标分解方法，包括以下步骤：(S1)获取极化SAR图像数据；(S2)根据目标分解模型将极化相干矩阵T

A polarimetric target decomposition method based on fine scattering model

【技术实现步骤摘要】
一种基于精细散射模型的极化目标分解方法
本专利技术属于全极化合成孔径雷达(SyntheticApertureRadar，SAR)成像遥感
，涉及一种基于精细散射模型的极化目标分解方法。
技术介绍
极化雷达通过一组极化状态正交的天线发射电磁波，并接收来自目标的散射回波以获取目标的全部极化散射信息。极化目标分解是将观测得到的目标极化散射矩阵、极化相干矩阵或极化协方差矩阵等分解为表征不同散射机理的散射成分，实现对目标散射特性的解译和分析。近年来，极化目标分解在地物分类、目标检测、灾害评估及土壤湿度反演等领域发挥了重要作用。极化目标分解方法一般可以分为两大类，一类是相干目标分解，主要针对极化散射矩阵；另一类是非相干目标分解，主要针对极化相干矩阵或极化协方差矩阵。非相干目标分解又包括基于散射模型的分解和基于特征值-特征向量的分解。通常，基于特征值-特征向量的分解方法具有明确的结果但分解结果物理意义需要进一步的研究，而基于模型的分解方法一般建立在实际物理模型的基础上，散射模型不同分解结果也会有很大的差异。寻找能够准确刻画目标散射机理的散射模型以及快速高效的目标分解方法是基于模型分解方法的关键所在。在传统基于模型的极化目标分解方法中，Freeman-Durden三分量分解方法以及Yamaguchi四分量分解方法是目前较为典型和常用的两种方法。然而，由于反射对称性假设、体散射过估计以及分解结果有负值等问题的存在，传统分解方法存在严重的散射机理解译模糊，尤其是对于取向角较大的人造目标，其二次散射机理会被错误解译为体散射机理。近年来，许多学者致力于研究基于模型的目标分解方法，并提出了许多改进措施，比如极化方位角补偿、螺旋角补偿以及新的体散射模型等等。陈思伟等提出的广义极化目标分解方法是目前公认的分解结果较为准确的分解方法。该方法提出了一种新的广义极化散射模型，分别对二次散射和奇次散射进行精细化建模，使得模型与实际观测值更加吻合，并且通过非线性最小二乘优化的方法求解，减少了散射机理解译模糊，得到了较为准确的分解结果，但是该方法采用非线性最小二乘优化的方法，计算复杂度较高，计算时间较长。
技术实现思路
本专利技术要解决的技术问题是，提供一种基于精细化散射模型的极化目标分解方法。该方法利用精细化建模的广义极化散射模型，以及快速的模型求解方法对极化SAR数据进行目标分解，提升极化SAR目标分解结果的准确性以及计算速度。本专利技术的基本思路是：引入表征极化基旋转的旋转角参数二次散射角和奇次散射角分别对二次散射模型和奇次散射模型进行精细化建模，使得散射模型能够更加准确的刻画实际地物散射机理。利用非负特征值方法求解体散射模型，以及Cloude-Pottier分解中的alpha参数实现二次散射和奇次散射中主导散射机理的判决，优化求解过程，从而实现快速准确的目标分解算法。具体而言，本专利技术针对极化SAR图像中每个点的极化相干矩阵T0，利用分解模型T0＝fvTv+fdTd(θdbl)+fsTs(θodd)+fcTc求解得到体散射能量Pv、二次散射能量Pd、奇次散射能量Ps和螺旋散射能量Pc。首先由极化相干矩阵得到极化方位角POA，然后根据二次散射角θdbl与极化方位角POA之间的关系求出二次散射角，而奇次散射角θodd可以通过方程求解得到，最终求解利用散射模型构建的方程组，得到各个散射分量的能量，完成对极化SAR图像每个像素点的目标分解，实现极化SAR目标散射机理的解译。本专利技术实现简单，对不同极化SAR系统获取的极化SAR图像数据具有很好的鲁棒性，其求解过程均为线性运算，计算简便，可直接用于对各种极化SAR系统获得的不同极化SAR图像数据进行目标分解处理。具体技术方案如下：一种基于精细散射模型的极化目标分解方法，包括以下步骤：(S1)获取极化SAR图像数据；(S2)针对SAR图像数据中每一个像素点的极化相干矩阵T0，根据目标分解模型将极化相干矩阵T0分解为二次散射模型、奇次散射模型、体散射模型和螺旋散射模型的线性加权和；(S3)对于每一个像素点的极化相干矩阵T0，求解极化方位角POA和二次散射角θdbl；(S4)根据螺旋散射模型Tc求解螺旋散射能量Pc；(S5)依据极化相干矩阵T0计算得到门限值th，根据门限值th的大小选择体散射模型Tv，并利用非负特征值的方法求解体散射能量Pv；(S6)求解奇次散射角θodd、奇次散射能量Ps和二次散射能量Pd；(S7)优化处理各散射模型的散射能量；进一步地，所述步骤(S2)中目标分解模型为：T0＝fdTd(θdbl)+fsTs(θodd)+fvTv+fcTc，将极化相干矩阵T0分解为精细化的二次散射模型、精细化的奇次散射模型、体散射模型和螺旋散射模型的线性加权和，其中，Td(θdbl)、Ts(θodd)、Tv、Tc分别为精细化的二次散射模型、精细化的奇次散射模型、体散射模型和螺旋散射模型；θdbl、θodd分别为二次散射角和奇次散射角，fd表示精细化的二次散射模型的模型系数、fs表示精细化的奇次散射模型的模型系数、fv表示体散射模型的模型系数、fc表示螺旋散射模型的模型系数。进一步地，所述步骤(S3)的具体过程为：设极化相干矩阵T0表示为，基于极化SAR图像数据，根据极化方位角计算公式求解得到每个像素点对应的极化方位角参数，根据极化方位角与二次散射角之间的关系求解每个像素点对应的二次散射角参数；极化方位角POA和二次散射角θdbl计算方法为：其中，-22.5°<α<22.5°其中，Re(·)表示取复数的实部，tan-1表示反正切函数。上述求得POA的范围为[-45°，45°)，θdbl的范围为[-45°，45°]进一步地，所述步骤(S4)的螺旋散射模型为：则螺旋散射能量Pc＝fc＝2|Im(T23)|，其中，fc表示螺旋散射模型的系数，|·|表示取数的绝对值，Im(·)表示取复数的虚部。进一步地，所述步骤(S5)的体散射模型求解过程具体为：(S51)计算门限值th：(S52)根据门限值th大小，选取体散射模型集{<Tv1>,<Tv2>,<Tv3>}中的一个模型作为Tv，当-2dB≤th≤2dB时，当th<-2dB时，当th>2dB时，其中<·>表示集合平均处理。(S53)求解体散射能量Pv，Pv＝fv＝min(λk)，其中fv表示体散射模型系数，λk为方程|T0-λTv|＝0的解，k＝1,2,3。λk表示此特征方程特征值中的非负特征值。进一步地，所述步骤(S6)的具体过程为：根据步骤(S2)中的分解模型得到剩余矩阵Tres，Tres＝T0-fvTv-fcTc＝fdTd(θdbl)+fsTs(θodd)，其中其中，Tcs为常规的奇次散射模型，β为奇次散射的模型参数，|β|<1，表示本文档来自技高网...

【技术保护点】
1.一种基于精细散射模型的极化目标分解方法，其特征在于包括以下步骤：/n(S1)获取极化SAR图像数据；/n(S2)针对SAR图像数据中每一个像素点的极化相干矩阵T

【技术特征摘要】
1.一种基于精细散射模型的极化目标分解方法，其特征在于包括以下步骤：
(S1)获取极化SAR图像数据；
(S2)针对SAR图像数据中每一个像素点的极化相干矩阵T0，根据目标分解模型将极化相干矩阵T0分解为二次散射模型、奇次散射模型、体散射模型和螺旋散射模型的线性加权和；
(S3)对于每一个像素点的极化相干矩阵T0，求解极化方位角POA和二次散射角θdbl；
(S4)根据螺旋散射模型Tc求解螺旋散射能量Pc；
(S5)依据极化相干矩阵T0计算得到门限值th，根据门限值th的大小选择体散射模型Tv，并利用非负特征值的方法求解体散射能量Pv；
(S6)求解奇次散射角θodd、奇次散射能量Ps和二次散射能量Pd；
(S7)优化处理得到各散射模型的散射能量。


2.如权利要求1所述的一种基于精细散射模型的极化目标分解方法，其特征在于，
所述步骤(S2)中目标分解模型为：T0＝fdTd(θdbl)+fsTs(θodd)+fvTv+fcTc，其中，Td(θdbl)、Ts(θodd)、Tv、Tc分别为精细化的二次散射模型、精细化的奇次散射模型、体散射模型和螺旋散射模型；θdbl、θodd分别为二次散射角和奇次散射角，fd、fs、fv、fc分别表示对应的模型系数。


3.如权利要求2所述的一种基于精细散射模型的极化目标分解方法，其特征在于所述步骤(S3)的具体过程为：
设极化相干矩阵T0表示为，
则极化方位角POA和二次散射角θdbl计算方法为：

其中，



其中，Re(·)表示取复数的实部，tan-1表示反正切函数。


4.如权利要求1所述的一种基于精细散射模型的极化目标分解方法，其特征在于所述步骤(S4)的螺旋散射模型为：



则螺旋散射能量Pc＝fc＝2|Im(T23)|，其中，fc表示螺旋散射模型的系数，|·|表示取数的绝对值，Im(·)表示取复数的虚部。


5.如权利要求3所述的一种基于精细散射模型的极化目标分解方法，其特征在于所述步骤(S5)的体散射模型求解过程具体为：
(S51)计算门限值th：
(S52)根据门限值th大小，选取体散射模型集{<Tv1>,<Tv2>,<Tv3>}中的一个模型作为Tv，
当-2dB≤th≤2dB时，
当th<-2dB时，
当th>2dB时，
其中<·>表示集合平均；
(S53)求解体散射能量Pv，Pv＝fv＝min(λk)，其中fv表示体散射模型系数，λk为方程|T0-λTv|＝0的非负解，k＝1,2,3。


6.如权利要求3所述的一种基于精细散射模型的极化目标分解方法，其特征在于所述步骤(S6)的具体过程为：
根据步骤(S2)中的分解模型得到剩余矩阵Tres，Tres＝T0-fvTv-fcTc＝fdTd(θdbl)+fsTs(θodd)，
其中
其中，Tcs为常规的奇次散射模型，β为奇次散射的模型参数，|β|<1，表示旋转矩阵，H表示矩阵的共轭转置，右上标*表示复数共轭；

【专利技术属性】
技术研发人员：陈思伟，吴国庆，李郝亮，王雪松，段颜翠，符婷，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43