论文部分内容阅读
全极化合成孔径雷达(Fully Polarimetric SAR，FP SAR)是一种先进的SAR系统，与传统SAR系统相比，全极化SAR系统提高了对地面目标散射特性的刻画能力。但是全极化SAR系统的性能受到天线技术、数据下载技术、影像覆盖面积、功耗等诸多方面因素的影响，在一定程度上限制了全极化SAR系统的发展。 与全极化SAR系统相比，简缩极化(Compact Polarimetric，CP) SAR系统只发射一个方向的入射波，同时接收两个方向的回波信号，不仅能降低SAR系统设计和维护的难度，提高影像的覆盖范围，同时还能保持一定的全极化信息，其应用潜力在许多研究中得到体现。本文重点研究简缩极化SAR数据分解和分类方法，主要内容包括如下。 (1)简缩极化SAR分解与全极化SAR分解结果的定量分析。首先分析了简缩极化m-δ/m-x分解结果与全极化数据Yamaguchi分解结果之间的定量关系，实验结果表明m-δ/m-x分解能够较准确的描述海洋和森林等目标的散射特性，但对于城市等复杂目标，体散射分量过估计;其次，证明了基于模型的简缩极化SAR数据三分量分解方法实际为“二分”模型;最后，从全极化和简缩极化散射角α的替代参数出发，建立了全极化和简缩极化散射角之间的定量关系，研究发现，对于DCP和CTLR模式的简缩极化SAR数据，其散射角与全极化模式下的散射角近似互余，使DCP和CTLR模式的简缩极化SAR数据保持了散射机制的识别能力; (2)简缩极化SAR图像非监督分类。针对传统简缩极化SAR H-α经验特征空间划分方法的不足，首先引入了Monte Carlo仿真实验，得到了DCP模式的简缩极化SAR数据H-α分解的稳态条件，实验发现，采用7×7的多视滤波窗口进行H-α分解能够得到熵H和散射角α的稳定解;提出了一种基于散射机制密度分布特征的H-α经验特征空间的划分方法，并通过3组星载数据和4组机载数据的各散射机制密度以及密度中心的分布特征，得到了DCP模式的H-α经验特征空间，利用该特征空间能够有效地进行表面散射，多次散射和植被散射非监督分类，分类总体精度超过80％;基于统计结果，本文还对简缩极化散射熵H进行修正，并基于修正结果更新了简缩极化H-α经验特征空间，该特征空间与全极化模式下的H-α特征空间更接近。