CTLR简缩极化干涉合成孔径雷达分解方法技术

本发明专利技术公开了一种CTLR简缩极化干涉合成孔径雷达分解方法，包括：获取极化干涉SAR图像数据，根据全极化SAR数据与CTLR简缩极化SAR数据间的转换关系，将全极化SAR数据转换为CTLR模式简缩极化SAR数据；计算极化干涉最优参数，确定体散射模型的优化因子；根据体散射模型优化因子对体散射模型进行优化；根据优化后的体散射模型推导体散射能量、表面散射能量和二面角散射能量的表达形式。本发明专利技术将CTLR简缩极化目标分解方法扩展至CTLR简缩极化干涉目标分解算法，改善了现有CTLR简缩极化干涉SAR分解方法较为稀缺的现状。与CTLR简缩极化目标分解算法相比，该算法同时利用了图像干涉信息和极化信息，倾斜建筑物区域的体散射能量过估计问题得到明显的改善，分解结果与实际地物散射机制较为相符。制较为相符。制较为相符。

【技术实现步骤摘要】
CTLR简缩极化干涉合成孔径雷达分解方法


[0001]本专利技术涉及简缩极化合成孔径雷达领域的目标分解技术，尤其涉及一种CTLR模式下的简缩极化干涉合成孔径雷达分解方法。

技术介绍

[0002]极化合成孔径雷达(Polarimetric Synthetic Aperture Radar，PolSAR)是合成孔径雷达(Synthetic Aperture Radar，SAR)的重要分支之一，可用于地质、水文和环境等多个应用领域。简缩极化SAR是极化SAR的重要组成部分：简缩极化SAR与双极化SAR同为单发双收极化模式，但较之双极化SAR，简缩极化SAR能获取更丰富的散射信息；与全极化SAR相比，简缩极化SAR的时序控制电路更为简单，所需脉冲重复频率设置值较低，幅宽较宽。极化目标分解技术作为简缩极化SAR图像目标散射机制解译的重要处理手段之一，可以对目标的物理散射特性进行直接描述，但已有算法存在散射机制解译局限性。极化干涉SAR技术同时利用极化信息和干涉信息，在目标散射机制解译方面具有重大的潜力，但是系统复杂性和算法复杂性较高，现有应用算法较少，鲁棒性较差，简缩极化干涉分解技术更是处于初始研究阶段，基于简缩极化干涉分解算法的地物散射机制解译仍然是一项技术挑战。

技术实现思路

[0003]有鉴于此，本专利技术提出一种CTLR简缩极化干涉合成孔径雷达分解方法，其特征在于，所述方法包括：
[0004]S1：获取极化干涉SAR图像数据，根据全极化SAR数据与CTLR简缩极化SAR数据间的转换关系，将全极化SAR数据转换为CTLR简缩极化SAR数据；
[0005]S2：计算极化干涉最优参数，确定体散射模型的优化因子；
[0006]S3：根据所述体散射模型优化因子对体散射模型进行优化；
[0007]S4：根据所述优化后的体散射模型推导体散射能量、表面散射能量和二面角散射能量的表达形式。
[0008]上述方案中，所述方法还包括：
[0009]对同一地区获取的两幅全极化SAR图像完成滤波和多视预处理操作，选取其中一幅图像为主图像，另一幅图像为副图像；随后，利用全极化SAR数据与CTLR简缩极化SAR数据之间的转换关系，将全极化SAR数据转换为CTLR简缩极化SAR数据，用于后续处理，该步骤具体实施方式如下：
[0010]获取所述两幅全极化SAR图像的相干矩阵的集合平均值分别为<[T1]>和<[T2]>：
[0011][0012]其中，T
ij
(i＝1,2,3；j＝1,2,3)和T
′
ij
(i＝1,2,3；j＝1,2,3)分别表示主、副全极化相干矩阵的集合平均值<[T1]>和<[T2]>的第i行、第j列元素；上标“Η”表示矩阵的共轭转
置；k1和k2分别为主、副全极化图像的Pauli基，其表达式分别为和其中，S
HHi
(i＝1,2)为垂直发射、垂直接收的后向散射，S
HVi
(i＝1,2)为垂直发射、水平接收的后向散射，S
VVi
(i＝1,2)为水平发射、水平接收的后向散射。
[0013]G＝(g0,g1,g2,g3)
Τ
是Stokes矢量，g
k
(k＝0,1,2,3)表示Stokes矢量第k+1行的元素；Stokes矢量与全极化SAR数据间的对应关系为：
[0014][0015]其中，Re(
·
)和Im(
·
)分别表示实部和虚部。主、副图像的Stokes矢量表示为：
[0016][0017]其中，g
km
(k＝0,1,2,3)表示Stokes矢量G
m
的第k行的元素，g
ks
(k＝0,1,2,3)表示Stokes矢量G
s
的第k行的元素。
[0018]上述方案中，所述方法还包括：
[0019]极化干涉信息可以利用6
×
6相干矩阵进行表示。由k1和k2的外积定义的6
×
6半正定Hermitian矩阵表达式为：
[0020][0021]其中，
[0022][0023]<
·
>为多视平均。[T
m
]和[T
s
]为半正定Hermitian矩阵，分别包含每组天线获得的全部的极化信息，[Ω
12
]为非Hermitian矩阵，包含极化信息和干涉信息。
[0024]在极化干涉SAR中，干涉相干系数和相位信息对极化状态有很强的依赖性。与极化相似性参数的定义类似，引入单位投影矢量ω1和ω2，将Pauli基散射矢量k1和k2分别投影到ω1和ω2上，极化干涉相似性参数(P
PISP
)的表达式为:
[0025][0026]其中，P
PISP
∈[0,1]，|
·
|代表绝对值运算，[ω1]＝[ω
1,opt1
，ω
1,opt2
，ω
1,opt3
]和
[0027][ω2]＝[ω
2,opt1
，ω
2,opt2
，ω
2,opt3
]分别为主、副图像最优散射矢量组成的最优散射矩阵，ω
i,optj
(i＝1,2；j＝1,2,3)为主或副图像最优散射矩阵的第j个元素。参数P
PISP
的取值是唯一的，不随目标取向角的变化而变化，该参数可以用于保证两幅图像间的相干最优化。因此，构建极化干涉最优参数P
PIOP
用于后续的分解处理，极化干涉最优参数P
PIOP
的表达式为：
[0028][0029]上述方案中，所述方法还包括：
[0030]利用极化干涉最优参数P
PIOP
，优化Freeman提出的体散射模型，Freeman提出的体散射模型的表达式为：
[0031][0032]经极化干涉最优参数P
PIOP
优化后的体散射模型的表达式为：
[0033][0034]上述方案中，所述方法还包括：
[0035]Stokes矢量G
m
被分解为：
[0036][0037]其中，G
v
表示随机体散射机制部分的Stokes矢量，G
p
表示秩为1散射机制部分的Stokes矢量，包括CTLR极化模式下的表面散射和二面角散射；m
v
和m
p
表示体散射成分和秩为1的散射成分的系数，α和是散射变量。
[0038]为了简化后续的计算流程，令c＝
±
cos2α，则，Stokes矢量各元素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种CTLR简缩极化干涉合成孔径雷达分解方法，其特征在于，所述方法包括：S1：获取极化干涉SAR图像数据，根据全极化SAR数据与CTLR简缩极化SAR数据间的转换关系，将全极化SAR数据转换为CTLR简缩极化SAR数据；S2：计算极化干涉最优参数，确定体散射模型的优化因子；S3：根据所述体散射模型优化因子对体散射模型进行优化；S4：根据所述优化后的体散射模型推导体散射能量、表面散射能量和二面角散射能量的表达形式。2.根据权利要求1所述的CTLR简缩极化干涉合成孔径雷达分解方法，其特征在于，其特征在于：在步骤S1中还包括：对同一地区获取的两幅全极化SAR图像完成滤波和多视预处理操作，选取其中一幅图像为主图像，另一幅图像为副图像；随后，利用全极化SAR数据与CTLR简缩极化SAR数据之间的转换关系，将全极化SAR数据转换为CTLR简缩极化SAR数据，用于后续处理。3.根据权利要求1或2所述的CTLR简缩极化干涉合成孔径雷达分解方法，其特征在于，其特征在于：在步骤S1中，具体实施方式如下：获取所述两幅全极化SAR图像的相干矩阵的集合平均值分别为<[T1]>和<[T2]>：其中，T
ij
(i＝1,2,3；j＝1,2,3)和T
′
ij
(i＝1,2,3；j＝1,2,3)分别表示主、副全极化相干矩阵的集合平均值<[T1]>和<[T2]>的第i行、第j列元素；上标“Η”表示矩阵的共轭转置；k1和k2分别为主、副全极化图像的Pauli基，其表达式分别为和其中，S
HHi
(i＝1,2)为垂直发射、垂直接收的后向散射，S
HVi
(i＝1,2)为垂直发射、水平接收的后向散射，S
VVi
(i＝1,2)为水平发射、水平接收的后向散射。4.根据权利要求3所述的CTLR简缩极化干涉合成孔径雷达分解方法，其特征在于，其特征在于：在步骤S1中还包括：G＝(g0,g1,g2,g3)
Τ
是Stokes矢量，g
k
(k＝0,1,2,3)表示Stokes矢量第k行的元素；Stokes矢量与全极化SAR数据间的对应关系为：主、副图像的Stokes矢量表示为：
其中，g
km
(k＝0,1,2,3)表示Stokes矢量G
m
的第k行的元素，g
ks
(k＝0,1,2,3)表示Stokes矢量G
s
的第k行的元素。5.根据权利要求1所述的CTLR简缩极化干涉合成孔径雷达分解方法，其特征在于，其特征在于：在步骤S2中还包括：极化干涉信息利用6
×
6相干矩阵进行表示；由k1和k2的外积定义的6
×
6半正定Hermitian矩阵表达式为：其中，<
·
>为多视平均；[T
m
]和[T
s
]为半正定Hermitian矩阵，分别包含每...

【专利技术属性】
技术研发人员：王宇，葛大庆，张玲，刘斌，李曼，吴琼，万祥星，
申请(专利权)人：中国自然资源航空物探遥感中心，
类型：发明
国别省市：