一种基于能量约束的极化SAR目标最优分解方法技术

本发明专利技术针对传统Yamaguchi四分量分解存在不满足非负特征值约束的问题，给出了一种基于能量约束的极化SAR目标分解方法。利用该方法可实现在传统方法不满足非负特征值约束时通过对极化SAR的二阶统计量进行分析，以最小化基于模型分解后的剩余矩阵能量为目标函数，在各散射分量功率非负以及剩余矩阵非负的现实约束条件下建立优化问题，建立的该优化问题是一个半正定规划问题，对该模型求解可获取全参数的全局最优解。该方法以剩余能量最小为目标，考虑现实条件约束，建立可全局最优求解的半正定规划问题，通过求解能快速获取基于多基本散射分量的极化SAR目标分解的全参数全局最优解，为高精度极化SAR目标分解提供了保证。为高精度极化SAR目标分解提供了保证。为高精度极化SAR目标分解提供了保证。

【技术实现步骤摘要】
一种基于能量约束的极化SAR目标最优分解方法


[0001]本申请涉及极化SAR目标分类识别的
，特别是一种基于能量约束的极化SAR目标最优分解方法。

技术介绍

[0002]极化SAR(PolSAR)是在合成孔径雷达(Synthetic Aperture Radar,SAR)基础上通过对电磁信息的利用极大地扩展了雷达系统对目标的信息获取能力以及对复杂环境的感知能力，为雷达目标信息的深入发掘和利用提供了强有力的支撑，是现代雷达系统发展的主流方向。作为从极化SAR图像中提取信息的重要方法，极化目标分解是基于切合实际的物理约束解译目标的散射机制，其被广泛应用于参数反演、目标分类、极化校准等领域，是极化SAR技术面向实际应用的重要环节。
[0003]极化SAR目标分解方法可大致分为两类。一类是基于特征值分解的目标分解方法，该方法虽然具有明确的数学背景，但是其并未直接建立特征值特征向量和不同散射机制之间的对应关系，所以散射机制的功率和其它参数难以确定；第二类是基于基本散射模型的极化目标分解方法，其核心是将散射体的散射机理分解为体散射、二次散射、面散射等基本散射分量，通过对各基本散射分量的能量等物理参量进行分析，解译目标的散射机理。这种基于基本散射模型的分解方法其结果具有明确的物理意义，已经得到了广泛的应用。
[0004]但是，基于基本散射模型的极化目标分解大都并未考虑分解结果会导致剩余矩阵能量不符合现实的物理情况；同时在很多基于传统Yamaguchi的四分量分解方法常采用的分步求解，常使得螺旋散射、体散射的贡献被过估计，并且可能导致剩余的二次散射和面散射机理出现与物理原理相违背的负功率情况，这些都将导致极化SAR不能做出切合实际物理意义的目标散射机理的解译。

技术实现思路

[0005]本申请提供了一种基于能量约束的极化SAR目标分解方法。该方法首先对螺旋体散射分量进行估计，进而在体散射、二次散射以及面散射不满足实际物理背景时考虑极化分解后剩余能量的影响，提出对目标分解后的剩余矩阵的能量进行分析，通过最小化剩余矩阵能量来约束剩余矩阵极化分解，同时在各散射分量满足不出现负能量时对分解模型进行全参数优化求解。该方法以最小化剩余矩阵能量，其等价于一个半正定规划(SDP)问题，SDP问题是一个凸优化问题，因此可以最优求解，即能够实现对目标的充分分解。该方法以各基本散射功率非负为约束条件，能够使得分解结果不出现负功率情况，为PolSAR精确目标分解提供了技术支撑。
[0006]第一方面，提供了一种基于能量约束的极化SAR目标最优分解方法，其特征在于，包括：
[0007]在单站后向散射体制下，获取极化散射矩阵信息，求解极化相干矩阵
确定螺旋体散射模型T
C
，并求解相应的螺旋体散射分量P
C
，其中，螺旋体散射分量P
C
满足T
‑
P
C
T
C
半正定，且螺旋体散射分量P
C
的取值范围为0～2Im(T
23
)|；
[0008]在T
‑
P
C
T
C
半正定的基础上，计算极化SAR目标分解模型的求解结果，求解结果包括体散射模型的能量P
V
、二次散射模型的能量P
D
以及面散射模型的能量P
S
。
[0009]结合第一方面，在第一方面的某些实现方式中，所述求解相应的螺旋体散射分量P
C
，包括：
[0010]初步计算螺旋体散射分量P
C
满足P
C
＝2Im(T
23
)|；
[0011]若T
‑
P
C
T
C
半正定，则设置P
C
＝2Im(T
23
)|；
[0012]若T
‑
P
C
T
C
不满足半正定，则按照步长η减小螺旋体散射分量P
C
，直到T
‑
P
C
T
C
半正定。
[0013]结合第一方面，在第一方面的某些实现方式中，η的取值范围为0.01～0.3。
[0014]结合第一方面，在第一方面的某些实现方式中，所述计算极化SAR目标分解模型的求解结果，包括：
[0015]如果求解结果存在异常，通过代价函数和约束条件求解极化SAR目标剩余分解模型，重新计算体散射模型的能量、二次散射模型的能量以及面散射模型的能量，其中，剩余分解模型满足：T
N
＝P
V
T
V
+P
D
T
D
+P
S
T
S
+T
R
，T
R
为分解后的剩余矩阵，代价函数用于缩小T
R
的特征根，约束条件包括以下至少一项：P
V
≥0，P
D
≥0，P
S
≥0，P
C
的取值范围为0～2|Im(T
23
)|。
[0016]结合第一方面，在第一方面的某些实现方式中，所述代价函数满足
[0017]结合第一方面，在第一方面的某些实现方式中，螺旋体散射分量P
C
是T
‑
P
C
T
C
符合半正定条件下的最大取值。
[0018]结合第一方面，在第一方面的某些实现方式中，所述约束条件还包括以下至少一项：
[0019][0020][0021][0022]结合第一方面，在第一方面的某些实现方式中，所述求解结果存在异常，包括以下至少一项：
[0023]二次散射的能量P
S
和/或面散射分量的能量P
D
中存在一个负值；
[0024]体散射分量在相干矩阵中的占比大于权重γ，λ1、λ2、λ3为极化相干矩阵T的3个特征根。
[0025]结合第一方面，在第一方面的某些实现方式中，所述方法还包括：
[0026]根据体散射模型的能量、二次散射模型的能量以及面散射模型的能量，输出成像分析结果，所述成像分析结果用于草地、建筑和海洋的识别结果。
[0027]第二方面，提供了一种电子设备，用于执行如上述第一方面中的任意一种实现方式中所述的方法。
[0028]与现有技术相比，本申请提供的方案至少包括以下有益技术效果：
[0029]1)本专利技术以最小化极化SAR目标分解剩余矩阵能量，符合实际应用。
[0030]2)本专利技术方法可实现各基本散射分量功率非负约束条件下的极化SAR目标分解，解决了现有分解方法中基本散射分量可能出现负功率的缺陷。
[0031]3)本专利技术方法将体散射、二次散射等基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能量约束的极化SAR目标最优分解方法，其特征在于，包括：在单站后向散射体制下，获取极化散射矩阵信息，求解极化相干矩阵确定螺旋体散射模型T
C
，并求解相应的螺旋体散射分量P
C
，其中，螺旋体散射分量P
C
满足T
‑
P
C
T
C
半正定，且螺旋体散射分量P
C
的取值范围为0～2|Im(T
23
)|；在T
‑
P
C
T
C
半正定的基础上，计算极化SAR目标分解模型的求解结果，求解结果包括体散射模型的能量P
V
、二次散射模型的能量P
D
以及面散射模型的能量P
S
。2.根据权利要求1所述的方法，其特征在于，所述求解相应的螺旋体散射分量P
C
，包括：初步计算螺旋体散射分量P
C
满足P
C
＝2|Im(T
23
)|；若T
‑
P
C
T
C
半正定，则设置P
C
＝2|Im(T
23
)|；若T
‑
P
C
T
C
不满足半正定，则按照步长η减小螺旋体散射分量P
C
，直到T
‑
P
C
T
C
半正定。3.根据权利要求2所述的方法，其特征在于，η的取值范围为0.01～0.3。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述计算极化SAR目标分解模型的求解结果，包括：如果求解结果存在异常，通过代价函数和约束条件求解极化S...

【专利技术属性】
技术研发人员：王婷婷，蒋朋辉，李云卿，项红丽，郭媛，陈计全，陈畅，
申请(专利权)人：四川航天燎原科技有限公司，
类型：发明
国别省市：