一种双基线极化干涉SAR的建筑物高度估计方法

在城区的建筑物高度估计中,散射单元内不同散射体相位中心不一致导致干涉相位混淆使得建筑物高度反演结果不精确。提出一种双基线的极化干涉合成孔径雷达(synthetic aperture radar,SAR)建筑物高度估计方法,利用两条基线的全极化干涉数据增加观测量,通过建立干涉相位之间的优化准则消除分辨单元内多散射体的相位中心混淆的问题。利用覆盖山东省泰安市的三景高分辨率全极化TerraSAR-X数据进行实验,并通过实地调查验证了实验结果。结果表明,相对于传统的单基线方法,新方法反演获得的建筑物高度的精度更高。     

SAR干涉图降噪的稳健协方差矩阵分解法

干涉图降噪在InSAR技术应用中发挥着重要作用,若降噪效果不好将引起干涉图相位解缠的误差,并进一步导致DEM或形变结果的错误。由于干涉图分辨单元的信号(相位)是由分辨单元内多个散射体的回波信号(相位)叠加而成,本文针对单一主导散射体的散射模型(永久性散射体模型)和只考虑一种散射机制的分布式散射体模型相位的特点,对多基线SAR数据估计的协方差矩阵采用特征值分解的方法来分离相位中的噪声,通过提取最大特征值对应的特征向量(相位),从而实现干涉图降噪的目的。而对于协方差矩阵估计时引入的异质点,本文采用了一种稳健的协方差矩阵估计方法。通过覆盖山西清徐地面沉降形变区的8景真实TerraSAR数据试验验证了该方法的有效性。结果表明该方法比改进的Goldstein滤波方法在相干性提高、有效目标点增加两方面均有显著提高,特别在低相干区域由于相干点的增加也获取了更多的形变监测信息。     

基于功率和相位联合估计TLS-ESPRIT算法的极化干涉SAR数据分析

在推导各散射信号功率计算方法的基础上,提出基于功率和干涉相位联合估计的TLS-ESPRIT方法。因为干涉图像中的各主散射波和干涉相位能被分别估计,所以该算法可以利用同一分辨单元中不同散射机制后向散射信号功率的不同,将干涉相位分类实现散射中心分离。该方法通过提取两个占优势的相位得到两个高度,从而分别检测出森林的植被层和地表,特别是当散射波不相关并有不同的极化特性时,该方法有较好的性能,从而提高植被高度参数的估计精度。详细阐述该方法的原理和实施步骤,并通过对SIR-C/X-SAR的L波段实际数据进行分析处理,验证算法的有效性。     

利用改进三分量分解与Wishart分类的极化SAR图像建筑提取

本文针对基于Freeman分解的建筑提取方法存在的问题, 提出采用圆极化相关系数实现选择性去取向, 同时引入广义体散射模型, 构建面向建筑提取的改进三分量分解模型, 以准确分析地物的散射特性。在此基础上, 发展了一种综合利用改进三分量分解与Wishart迭代分类算法的极化SAR图像建筑提取方法。使用E-SAR全极化数据的试验结果表明, 本文方法能够有效减少建筑与植被的误分, 并提高建筑信息提取的准确性。     

利用改进三分量分解与Wishart分类的极化SAR图像建筑提取方法

本文针对基于Freeman分解的建筑提取方法存在的问题,提出采用圆极化相关系数实现选择性去取向,同时引入广义体散射模型,构建了面向建筑提取的改进三分量分解模型,以准确分析地物的散射特性。在此基础上,发展了一种综合利用改进三分量分解与Wishart迭代分类算法的极化SAR图像建筑提取方法。使用E-SAR全极化数据的试验结果表明,本文方法能够有效减少建筑与植被的误分,并提高建筑信息提取的准确性。     

植被高度的极化干涉互协方差矩阵分解反演法

经典三阶段极化干涉SAR植被高反演算法中地面散射相位估计不准确,从而导致植被高反演精度存在偏差。针对这一关键问题,本文提出基于极化干涉互协方差矩阵分解的植被高度反演新方法。该方法利用Freeman分解理论和极化干涉互协方差矩阵,估计出更准确的地面散射相位;然后,结合RVOG模型反演植被高度。利用欧空局（ESA）的软件PolSARpro模拟的L波段极化SAR数据和亚马逊森林地区的ALOS PALSAR L波段数据进行实验,结果表明本文提出的新算法提取的植被高度相比经典三阶段法精度更高,从而验证了算法的有效性和可靠性。     

一种自适应的混合Freeman/Eigenvalue极化分解模型

全极化SAR数据的极化分解在土地利用分类、目标检测与识别以及地表参数反演等领域得到了广泛应用。目前,主要有基于特征值分解和基于模型分解2类极化分解方法。混合Freeman/Eigenvalue极化分解结合了两者的优势,避免了基于模型的极化分解中负功率问题并且能够利用已知的散射机制解释分解后的散射分量。为了进一步拓展该分解在不同地表类型中的应用,通过引入参数Neumann一般化体散射模型,提出了一种自适应的极化分解模型。利用德国Black Forest地区的L波段AirSAR(airborne synthetic aperture Radar)全极化数据进行实验,并与现有的Yamaguchi三分量模型和自适应非负分解(adaptive nonnegative eigenvalue decomposition,ANNED)对比分析,以验证模型的有效性。研究表明,自适应的混合Freeman/Eigenvalue极化分解模型保证了分解能量的非负性及完全分解,适应于不同类型的地表,能有效地区分不同地类。     

一种基于空间虚拟场景的森林冠层雷达相干散射模型

建立了一种基于分形树和森林动态生长模型的森林冠层雷达相干散射模型.和非相干散射模型相比,相干散射模型不仅考虑了每个散射体的空间位置信息,还保留了后向散射信号中的相位信息.利用已建立的模型模拟了大兴安岭常青林场某一区域白桦纯林的雷达后向散射信号,验证结果说明模型是可靠的,是可以用来反演森林的几何结构和生物物理参数的.     

全卷积网络和条件随机场相结合的全极化SAR土地覆盖分类

针对经典全卷积网络(fully convolution network,FCN)分类精度低、效果差,以及传统的极化合成孔径雷达(PolSAR)土地覆盖分类方法未充分考虑地物散射特性的问题,提出了一种结合改进FCN和条件随机场(conditional random field,CRF)的全极化SAR土地覆盖分类算法。首先,利用Freeman分解和Pauli分解建模全极化SAR影像,同时提取各分解对应的散射特征,参考Freeman分解散射功率获取其主散射分量对应的主散射地物;同时,借鉴在图像分类领域中具有卓越表现的FCN-Vgg19-8s网络,考虑其高层卷积参数量大和低层卷积模型参数优化程度不足,通过在高层和中层分别构建多尺度卷积组和代价函数设计了FCN-MD-8s网络,保证对整体模型参数进行降维和优化;以Freeman分解散射机理特征为基准,采用级连式迁移学习结构,实现FCN-MD-8s网络的模型训练和测试;然后,根据主散射分量所对应的主散射地物,在各分量预测图中提取出主特征地物,得到分量地物分类结果,并将其进行叠加得到全局粗分类;最后,利用全连接CRF结合Pauli相干分解重建假彩色图,对全局粗分类进行全局像素类别转移获得细分类结果。通过对分类结果定性和定量分析,可知提出算法具有有效性和可行性。     

基于散射机制分解的ESPRIT植被高度反演新方法

ERPRIT算法估计的地表散射相位由于易受到森林去极化成分的影响而出现较大的偏差,从而导致植被高度反演结果严重偏低.针对这一问题,本文提出一种基于散射机制分解的ESPRIT植被高度反演算法.该算法关键点是利用Freeman分解理论和极化干涉互协方差矩阵估计得到更加准确的地表散射相位,以替代ESPRIT算法估计的地表散射相位,进而改善植被高度反演的精度.最后,分别利用欧空局（ESA）免费发布的PolSARpro软件模拟L波段极化干涉合成孔径雷达数据和PALSAR真实星载数据验证改进算法的有效性.     

基于Freeman散射熵和各向异性度的极化SAR影像分类算法研究

极化SAR影像中阴影、水体和裸露的耕地3种地物类型有非常相似的极化散射特性,常规基于非相干分解的分类方法难以将其有效地区分。对此,本文引入基于Freeman分解的散射熵Hf和各向异性度Af两个特征参数,并将其用于极化SAR影像分类。首先利用Hf和Af参数将阴影和水体提取出来,然后将其他地物按散射机制分为3大类,并对每一类再次利用Hf和Af参数进行细分,最后通过基于Wishart分布的聚类和迭代分类,得到最终的分类结果。通过利用Radarsat-2在河南登封获取的全极化SAR数据进行试验,表明该算法执行效率高,能够有效地区分阴影、水体和裸露的耕地,并且对其他地物类型也有很好的分类效果。     

一种结合Freeman分解和散射熵的MRF多极化SAR影像分割算法

针对多极化SAR图像,采用Freeman分解理论,将其分为表面散射、偶次散射、体散射、混合散射4种散射机制,并通过H/Alpha分解提取散射熵,将地物初始分为12类,并运用聚合的层次聚类算法对初始分类结果进行合并。利用Wishart分布对特征场进行建模,用模拟退火优化方法求取基于最大后验准则下的分割结果。     

基于四分量散射模型的多极化SAR图像分类

基于四分量散射模型提出了一种多极化SAR(synthetic aperture radar)图像非监督分类算法。与Freeman三分量散射模型不同,四分量散射模型在Freeman三分量的基础上增加了螺旋散射分量(helix),该分量反映了复杂地貌和不规则城市建筑的散射机理,可以用来处理复杂的场景图像。算法强调了初始分类的重要性,在初始分类中考虑了混合散射机制像素的存在,从而提高了分类结果的精确度。聚类过程中,采用由四个散射分量组成的特征向量进行迭代聚类。为了实现算法的完全非监督,利用特征向量给出了一种新的聚类终止准则。NASA/JPL实验室AIRSAR全极化数据分类实验结果表明,该算法具有较好的分类效果,并获得了较高的分类精度。     

针对倾斜建筑物的四分量分解方法

经典的Freeman-Durden三分量分解模型存在着体散射能量过度估计的现象,这种现象易导致倾斜建筑物(即建筑物的排列方向与雷达飞行方向不平行)被错误解译为森林。虽然存在多种分解方法来避免倾斜建筑物的错误解译,但从非反射对称散射的角度来应对体散射能量过度估计目前研究仍较少。因此,提出一种新的四分量分解方法,可有效抑制体散射能量的过度估计,并有助于探测地面目标。文中首先提出一种新的非反射对称模型,结合Freeman-Durden三分量分解模型,发展一种新的四分量分解模型;然后通过非线性最小二乘算法来反演模型;最后,利用ALOS2/PALSAR2卫星全极化数据进行实验。实验结果表明,提出的四分量分解算法能有效地抑制倾斜建筑物区域体散射能量的过度估计,并具有准确探测地面目标物的潜力。     

基于Freeman分解的极化SAR数据相干斑滤波

本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。     

结合Freeman分解与子孔径散射特性的极化SAR图像分类

本文结合Freeman分解和子孔径分析,提出一种新的极化SAR图像分类算法。该方法首先利用子孔径分解,产生不同方位观察角度下的子孔径图像,再利用Freeman分解对各个子孔径图像提取三种散射机理成分的功率,平均后对类别进行细分,最后使用Wishart统计分类器对类别进行分类划分得到最终结果。该方法考虑了极化散射机理在不同方位观察角度下的变化,能够取得较好的分类效果,能够保存主要极化散射特性的纯度,同时还可以动态地设定分类类别数。最后利用EMISAR获取的极化SAR数据进行了仿真,验证了该方法的有效性。     

An improved building detection approach using L-band POLSAR two-dimensional time-frequency decomposition over oriented built-up areas

The objective of this study is to efficiently extract detailed information about various man-made targets in oriented built-up areas using polarimetric synthetic aperture radar (POLSAR) images. This paper develops an improved approach for building detection by utilizing Two-Dimensional Time-Frequency (2-D TF) decomposition. This method performs outstandingly in distinguishing between man-made and natural targets based on the isotropic behaviors, frequency-sensitive responses, and scattering mechanisms of objects. The proposed method can preserve the spatial resolution and exploit the advantages of TF decomposition; specifically, the exact outlines of buildings can be effectively located, and more types of features (e.g., flat roofs, roads, and walls that are oblique to the radar illumination) can be distinguished from forests in complex built-up areas by 2-D TF decomposition. The coarser-resolution subaperture images that are produced in the azimuth direction, which correspond to different looking angles, are beneficial for detecting man-made structures with main scattering centers oriented at oblique angles with respect to the radar illumination. In the range direction, the obtained subaperture images, which correspond to various observation frequencies, can be helpful in distinguishing flat roofs and roads from forests. This method was successfully implemented to analyze both NASA/JPL L-band AIRSAR and L-band EMISAR data sets. The building detection results of the proposed method exhibit a significant improvement over those of other methods and reach an overall accuracy over 80%, with approximately 20% higher than the accuracies of K-means clustering and the entropy/alpha-Wishart classifier and approximately 10% higher than the accuracy of the support vector machine method. Moreover, building details can be precisely detected, obliquely oriented buildings can be identified, and the distinction between buildings and forests is significantly improved, as both visually and statistically indicated. This method is highly adaptable and has substantial application value.