多极化SAR溢油探测影响因素分析研究

Polarimetric synthetic aperture radar(SAR) oil spill detection parameters conformity coefficient(μ), Muller matrix parameters(|C|, B_0), the eigenvalues of simplified coherency matrix(λ_(nos)) and the influence of SAR observing parameters, ocean environment and noise level are investigated. Radarsat-2 data are used to make systematic analysis of polarimetric parameters for different incidences, wind speeds, noise levels and the ocean phenomena(oil slick and look likes). The influence of the SAR observing parameters, the ocean environment and the noise level on the typical polarimetric SAR parameter conformity coefficient has been analyzed. The results indicate that conformity coefficient cannot be simply used for oil spill detection, which represents the image signal to the noise level to some extent. When the signals are below the noise level for the oil slick and the look likes, the conformity coefficients are negative; while the signals above the noise level corresponds to positive conformity coefficients. For dark patches(low wind and biogenic slick) with the signal below the noise,polarization features such as conformity coefficient cannot separate them with oil slick. For the signal above the noise, the oil slick, the look likes(low wind and biogenic slick) and clean sea all have positive conformity coefficients, among which, the oil slick has the smallest conformity coefficient, the look likes the second, and the clean sea the largest value. For polarimetric SAR data oil spill detection, the noise plays a significant role. So the polarimetric SAR data oil spill detection should be carried out on the basis of noise consideration.     

一种多极化SAR图像融合方法研究

本文针对多极化SAR图像的融合问题,提出了一种基于非下采样Contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)的图像融合方法。此方法用NSCT对已配准的多极化SAR图像进行分解,得到低频子带系数和各带通子带系数;采用简化的PCNN模型分别对低频子带和高频子带系数进行智能决策,并进行NSCT逆变换得到融合图像。经实验表明该方法能够最大程度地保留原始极化SAR图像的信息,融合效果好于基于单个像素和局部特征的融合方法。     

噪声抑制的多极化SAR海冰图像分割

合成孔径雷达(SAR)海冰图像分割对全球气候研究和保证船舶航行安全具有重要意义。现有的基于区域的马尔可夫随机场(MRF)多极化SAR分割方法,由于受相干斑噪声影响,其区域划分不尽合理,不能有效完成分割。因此,提出一种噪声抑制的多极化SAR海冰图像分割算法,首先在极化总功率图上引入降低噪声的滤波算法,合理划分初始区域,其次考虑区域之间的差异度,从而实现多极化SAR海冰图像的准确分割。以RADARSAT-2和SIR-C获得的全极化海冰图像为实验数据进行验证,结果表明:和其他较先进算法相比,本文算法优势明显,既能高效保持图像连通性,又能增强图像的细节信息,具有更高的分割精度。     

基于多时相多极化差值图的稻田识别研究

提出了一种基于多时相多极化差值图的稻田识别方法,该方法在简化稻田识别算法的同时,仍具有较好的稻田识别精度.以江西省高安地区的早稻识别为例,利用两景ENVISA ASAR交叉极化模式数据(VV/HH)计算了同时相多极化差值图和同极化多时相差值图.由于稻田含有水层和水稻的垂直株型等属性特征,稻田在两时相上VV极化和HH极化后向散射差异都很大,且与其他地物具有明显差别,因此利用同时相多极化差值图可以很好地分辨出稻田来;从时间变化看,HH极化雷达波对水稻生长和稻田的变化比对其他地物的变化更敏感,使稻田分布信息在HH极化多时相差值图中反应突出.而VV极化对地物的时相变化不够敏感.因此,建立最优差值图组合,分别采用阈值分类方法和监督分类方法对差值图组合进行分类提取稻田.通过比较分类结果,认为基于统计分析的监督分类方法更好,其稻田识别的精度达到84.92%.文章最后对提出的稻田识别方法及分类结果进行了分析.     

基于非下采样Contourlet变换的极化SAR图像融合与去噪

针对非下采样Contourlet变换(NSCT)在处理噪声影像中具有的优势,以及同极化SAR图像(HH、VV)之间的相关性与互补性,本文实验了一种基于非下采样Contourlet变换的极化图像融合方法。该方法首先对每个极化图像进行多尺度、多方向分解,然后对不同分解子带系数分别采用有利于斑点噪声去除和信息增强的融合规则进行融合,最终通过NSCT反变换得到融合图像。通过信息熵、相关系数以及等效视数等指标的评价,验证了该方法可以有效地实现信息增强,同时该方法也在一定程度上降低了斑点噪声的负面影响。     

基于双频多极化数据的农作物后向散射特性模拟分析及类型识别

以北京昌平地区为研究区域,获取了2007年该试验区C波段ENVISAT/ASAR数据和L波段ALOS/PALSAR数据,并提取了地物的后向散射系数。首先,利用MIMICS模型对该地区的春玉米、夏玉米和果木的后向散射特性进行模拟和分析;然后,将模拟结果同雷达实际观测数据进行对比;最后,利用不同作物之间的后向散射系数数值大小关系,建立分类二叉树,很好地区分了春玉米和夏玉米,总分类精度达86.66%。研究结果表明:双频多极化雷达数据能够提供有利于作物类型识别的多方面信息,对农作物遥感具有较大的优势和潜力。     

基于最佳指数与HSV彩色空间的SAR图像伪彩色融合

针对极化SAR图像的伪彩色融合问题,本文提出了最佳指数模型结合HSV变换的伪彩色融合的方法。首先,将4个极化数据进行滤波去噪处理,计算4个极化通道的OIF值,以OIF值为依据选择3个极化方式作为最佳极化组合,并分别赋予RGB颜色通道,得到伪彩色融合图像;然后,将RGB彩色图像变换到HSV色彩空间,分别提取出色度分量H、饱和度分量S、亮度分量V1;同时,将颜色合成之外的第四个极化通道的灰度值作为亮度分量V2,将V1和V2进行加权平均,得到新的亮度分量V。最后,将新的分量V和分量H、S逆变换到RGB空间,得到新的伪彩色融合图像。利用RADARSAT-2全极化数据进行了实验,并和分解伪彩色结果对比,从主观观察和客观定量两个方面对伪彩色融合图像的质量进行了评价,验证了Pauli提出方法的有效性。     

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。     

多波段多极化被动微波遥感地震应用研究进展与前沿方向探索

被动微波遥感卫星具有多波段多极化观测能力,其全天候、高灵敏度特性契合了地壳活动及地震的监测分析需求。近年来,地震孕育和发生过程中的热异常遥感监测与分析得到了广泛关注。本文从星载被动微波传感器发展和地震被动微波遥感应用两方面,梳理了多波段多极化被动微波卫星遥感用于地震监测与异常识别的研究现状,剖析了微波数据选择、异常分析方法、观测粗差剔除和信息机理认知等方面的进展与不足。总结了近年微波遥感地震应用的研究进展,阐明了多波段多极化被动微波卫星遥感用于地震异常识别的科学逻辑与复合链条。提出了地震遥感的两个前沿探索方向,即地震微波异常的可靠识别、地应力场变化微波遥感的信息物理。指出了遥感-岩石力学基础试验研究和地震遥感综合分析层面亟待解决的关键问题。进而呼吁,多学科联合、交叉乃至融合是地震遥感科学与技术向纵深发展的必由之路。