基于OpenMP的高分三号数据并行转换算法

高分三号是我国首颗民用C波段多极化合成孔径雷达卫星。PolSARpro是欧空局支持下的一款极化SAR图像处理的开源软件,为了方便利用该软件处理高分三号数据,本文提出了一种基于OpenMP并按照PolSARpro软件的数据格式要求进行并行转换的算法,实现将高分三号极化数据快速精确转化为复数散射矩阵S2数据格式,并且通过KingMap V8.0平台实现了该算法并在实际数据中进行测试,验证了算法的可行性、高效性和正确性。     

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。     

顾及地形因素的S-RVOG模型和PD相干最优算法联合反演植被高度

针对极化干涉SAR植被高度反演中RVOG模型未考虑地形影响,且三阶段算法受到地面相位估计误差和纯体相干性估计误差影响,提出了一种植被高度反演思路,采用考虑地形因素的S-RVOG模型作为反演模型校正地形影响,同时引入PD相干最优算法用于改善三阶段算法中直线拟合地表相位估计和纯体相干性估计精度。为验证算法的有效性,首先采用欧空局提供的PolSARpro软件模拟了不同地形坡度水平的PolInSAR数据进行仿真试验,然后采用德国宇航局提供的E-SAR机载全极化SAR数据进行真实植被场景测试,并进行了定性和定量分析。结果表明,本文方法对于不同坡度水平数据,均能有效改善传统RVOG反演模型中地形影响和三阶段算法自身误差影响,反演精度更高。     

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.     

结合Singh四分量分解的高分三号全极化SAR影像分类

不同于一般分类算法基于像素统计的分类,忽略了地物的散射特性,文中提出了一种保持地物散射特性的分类方法。这种方法将Singh提出的Singh四分量分解与基于复Wishart分布的最大似然分类器相结合,对高分三号全极化影像进行分类。利用Singh四分量分解获得表面散射、体散射、二次散射和螺旋体散射,然后将前3种基础散射分别划分为多个聚类,根据复Wishart距离进行类间合并,直到获得指定类别数,输入复Wishart分类器进行迭代分类,最后进行类别合并获得最终分类结果。试验表明本文算法具有较好的分类效果且验证了利用高分三号全极化卫星数据进行影像分类的可行性。     

基于高分三号极化SAR数据的农作物散射特性分析及分类

高分三号卫星是我国首颗多极化的高分辨率C波段SAR卫星,其于2017年1月正式交付用户使用后,主要被用于海洋遥感方面的研究。而极化SAR对于农作物的结构特征十分敏感,适合于农作物监测及分类。文中首次利用高分三号的极化SAR数据分析不同农作物的极化散射特性,然后利用H/α-wishart分类和H/A/α-wishart分类方法对湖南省岳阳县洞庭湖实验区域的高分三号极化SAR数据进行分类。整体分类精度高于85%,Kappa系数大于0.8。实验结果表明,高分三号全极化数据能够较好地表征农作物的散射特性,并可用于极化SAR农作物分类研究。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

高分二号卫星遥感影像控制点自动提取

针对传统的手动和半自动方式无法快速有效地进行控制点提取,该文提出了一种高效自动化的高分二号卫星影像控制点提取方法。采用Harris算法和基于地理位置的匹配算法求解特征点,利用随机抽样一致性(RANSAC)算法进行误差剔除,最小二乘匹配获得最优解,并进行高分二号卫星影像的几何校正,实现了较好的校正结果。实验结果表明:所采用算法可以快速有效的提取控制点,可应用于高分辨卫星数据的控制点提取与几何校正。     

基于多源卫星影像基础地理信息数据更新技术研究

选取三种精度的卫星影像数据,其中高分二号卫星影像数据精度能够达到1.0米,高分一号卫星影像与资源三号卫星影像精度分别达到2.0米和2.1米,在进行基础地理数据信息更新时,应当优先选取高分二号高分辨率卫星影像数据资源,并利用高分一号与高分三号卫星影像资源对不完善地方进行补充,通过这种方法,获得的DOL平面检测精度、DLG平面检测精度均符合标准要求。     

CNN结合SLIC的PolSAR区域化分类

针对PolSAR分类易受散斑噪声影响出现"椒盐"现象的问题,提出一种CNN结合SLIC算法的PolSAR分类方法。选取荷兰Flevoland地区机载L波段全极化数据作为实验数据,通过Pauli、Huynen和Yamaguchi分解获取了9维特征向量,利用指定窗口尺寸内像素在特征维度的分布特征作为CNN的输入端,在选取实际标签作为训练集进行训练的基础上,通过对网络学习率和随机失活率等参数调整优选,经过200次迭代将影像分为大豆、小麦和建筑等15种地类,并结合SLIC算法获取区域化分类结果。实验结果显示总体分类精度达到97%,Kappa系数为0.94,效果明显优于传统SVM和Random Forest分类算法,同时对国产高分三号全极化数据进行了分类,证明了该分类算法的有效性。