本发明专利技术提供一种基于全极化合成孔径雷达的地物目标分类方法和装置，所述方法包括：接收地物目标的反馈信号，形成所述地物目标的影像；对所述的地物目标的影像进行分割生成影像块；从所述的影像块中提取极化特征参数；根据所述极化特征参数对所述地物目标进行分类。所述装置包括：影像接收单元，用于接收地物目标的反馈信号，形成所述地物目标的影像；分割单元，用于对所述的地物目标的影像进行分割生成影像块；参数提取单元，用于从所述的影像块中提取极化特征参数；分类单元，用于根据所述极化特征参数对所述地物目标进行分类。上述本发明专利技术实施例的技术方案为实现对全极化ＳＡＲ影像的地物目标高精度分类提供了一种解决方案。
【技术实现步骤摘要】
本专利技术涉及合成孔径雷达，尤其涉及一种基于全极化合成孔径雷达的地 物目标分类方法和装置。
技术介绍
合成孔径雷达(SAR)是20世纪50年代发展起来的最重要的对地观测 技术，它通过雷达天线在随载体的运动中以一定的时间间隔发射电磁脉冲信 号，在不同位置上接收地面物体反射的回波信号，并记录和存储下来，形成 地面的高分辨率图像。极化是电磁波的基本特征。极化合成孔径雷达 (Polarimetric SAR)通过天线发射不同极化状态的电磁脉冲，如水平极化波 和垂直极化波(常用H表示水平，V表示垂直)，然后又以不同的极化状态 接收地面物体反射的回波，从而得到地物目标在不同发射和接收极化组合下 的散射特性。由于电磁波的极化状态对目标的介电常数、物理特性、几何形 状和取向等比较敏感，因而极化合成孔径雷达具有很强的对地物目标进行分 类和识别的能力。自2006年以后发射的所有新一代卫星合成孔径雷达系统， 包括ALOS PALSAR， TerraSAR， Cosmo-SkyMed， Radarsat-2，都具有多极 化或全极化成像能力。因此，关于SAR极化影像的分析和处理，特别是全极 化SAR影像的分类成为合成孔径雷达遥感领域的重点研究内容。本文H、 ^和"参数分别表示散射熵、各向异性和平均散射角。目标相干矩阵C是根据目标散射矩阵得到的，它是一个3X3半正定的埃 米尔特矩阵，具有3个非负实特征值，可以分解为如下形式C = M《+化《+早,f )5其中A，^4是特征值，且4>4>4>()， W&为对应特征向量，两两正交，上标"H"表示共轭转置。目标相关矩阵被分解为三个相互正交的相关 矩阵的加权和，它们分别代表三个相互独立、互补相关的散射过程单向散射，双向散射和交叉散射。熵"、各向异性^和"角是相干矩阵c的特征值和特征矢量的函数，具有相应的物理意义。散射熵描述了上述三种基本散射过程的混乱程度和无序性，定义如下^ A+几2+4 (2)散射熵^的大小描述了目标散射的随机性。当^=0时，说明目标只有一 种主要的散射机理，相关矩阵只有一个特征值不为零，此时处于完全极化状 态，极化测量所能提供的极化信息量最大。随着熵的逐渐增大，目标去极化 程度增加，目标极化散射信息的不确定性加大，表明目标散射由儿种散射过 程组成。如果熵^值较高，说明三个特征值的大小近似相等，目标处于较高 的去极化状态，不再认为仅存在一个占主要地位的散射机理。在^=1的极限 情况下，所能获得的极化信息为零，目标的散射完全随机，即处于完全非极 化状态。各向异性^描述除了占主导地位的一种散射机制外的其他两种散射机制 的关系，P2+P3 (3)熵相同时，各向异性可以有不同的值，因此它是熵的有益补充。通常， 只有在熵比较高，例如^>0.7时才利用各向异性^作为补充，因为熵很低说明 相关矩阵第二和第三特征值很小，对应散射过程所占总功率的比重很小，因 此受到较强的噪声影响，此时各向异性^也表现得相当杂乱，类似噪声。角《是由目标分解衍生出来的一个重要的角度参数，用来描述地物的散射特性。相干矩阵C的特征向量^可以写成如下形式6夂=一 L咖sin", cos A一 '■ sin"' sin A'一」 (4 )而《角定义为散射角分量的概率加权平均 角的值在之间，它反映了地物的主要散射机理，即三个特征值对应散射机理中的最大项。当《 = 0时，表示地物目标的主要散射机理是各向同 性的表面散射，如平静的水面；随着"角度的增加，反映出的散射机理将变为 各向异性的表面散射；当"=45'时，表示偶极子散射模型，其散射分量有一个 为零；"角继续增大时，反映的散射机理为各向异性的二面角散射；在《=90° 的极端情况下，表示二面角散射。全极化SAR影像记录了地面每个分辨单元在四种基本极化状态，即HH、 HV、 VH、 VV (HH表示水平发射/水平接收状态，其它类推)的散射回波的 幅度(功率)和相位，形成一个散射矩阵。概括而言，关于全极化SAR影像 的分类方法可以归纳为两类。第一类是光学影像分类方法的直接移植，即将 SAR的多极化通道视为光学影像的多光谱，然后把一些针对光学影像发展起 来的分类方法移植过来，处理全极化SAR影像的分类。这些方法包括支持向 量机(SVM)方法，人工神经网络(ANN)方法，高斯-马尔科夫随机场(GMRF) 方法等。这一类方法没有充分利用SAR的极化特征，在很多情况下无法取得 令人满意的结果。第二类是通过分析地物的散射机制来实现影像分类，而对 散射机制的分析主要是通过极化目标分解来实现的。极化目标分解就是将地 物回波的复杂散射过程分解为几种单一的散射过程。极化目标分解的方法主 要有基于目标散射矩阵的分解(如Pauli分解、Krogager分解)、基于散射 模型的分解(如Freeman分解)和基于目标相干矩阵特征值的分解(如Cloude 分解，也即H-A-"分解)。其中Cloude提出的H-A-"分解方法被广泛使用， 成为目标散射特性描述的标准化工具。第二类全极化SAR影像分类方法主要 有基于H-"平面或者H-A-"空间的图像分割非监督分类、基于目标相关矩7阵或者协方差矩阵的复Wishart监督分类、H/A/"非监督分类与Wishart监督 分类结合形成的WishartH/A/"分类等、基于H-A-"参数的贝叶斯分类等。这 些方法是目前国际上主要研究的且被国内研究者纷纷仿效的极化SAR分类方 法，往往能取得比第一类方法更高一点的分类精度，但是也存在不足。主要 表现在1、易受SAR斑点噪声影响，降低分类精度；2、在监督分类中一般 假定极化振幅数据服从高斯分布，极化协方差矩阵服从复Wishart分布，往往 容易产生误差。综上可见，如何实现全极化SAR影像的地物目标高精度分类 仍是目前亟待解决的一个重要课题。
技术实现思路
本专利技术的专利技术目的是为了解决如何实现全极化SAR影像的地物目标高精 度分类的问题。一方面，本专利技术实施例提供了一种基于全极化合成孔径雷达的地物目标 分类方法，所述方法包括接收地物目标的反馈信号，形成所述地物目标的 影像；对所述的地物目标的影像进行分割生成影像块；从所述的影像块中提 取极化特征参数；根据所述极化特征参数对所述地物目标进行分类。另一方面，本专利技术实施例提供了一种基于全极化合成孔径雷达的地物目 标分类装置，所述装置包括影像接收单元，用于接收地物目标的反馈信号， 形成所述地物目标的影像；分割单元，用于对所述的地物目标的影像进行分 割生成影像块；参数提取单元，用于从所述的影像块中提取极化特征参数； 分类单元，用于根据所述极化特征参数对所述地物目标进行分类。上述本专利技术实施例的技术方案为实现对全极化SAR影像的地物目标高精 度分类提供了 一种解决方案。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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专利技术的一些实施例，对于本领域普通技术人员来讲， 在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一种基于全极化合成孔径雷达的地物目标分类方法 流程图2是本专利技术实施例一种基于全极化合成孔径雷本文档来自技高网...
【技术保护点】
一种基于全极化合成孔径雷达的地物目标分类方法，其特征在于，所述方法包括： 接收地物目标的反馈信号，形成所述地物目标的影像； 对所述的地物目标的影像进行分割生成影像块； 从所述的影像块中提取极化特征参数； 根据所述极化 特征参数对所述地物目标进行分类。
【技术特征摘要】
【专利技术属性】
技术研发人员：张永红，张继贤，王梁文敬，宁晓刚，
申请(专利权)人：中国测绘科学研究院，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。