论文部分内容阅读
随着ALOS-PALSAR、Radarsat-2等具有全极化探测能力的SAR传感器升空。SAR的全极化特性被广泛引以重视且不断得到研究和应用。在军事目标探测、农作物分类识别、植被生物量估算、地物散射特性分析、分类和变化检测等领域,极化雷达作为一种不可替代的信息获取手段,发挥着重要的作用。全极化雷达获取的原始数据为一个与目标有关的2×2复数矩阵,每个数据包含了幅度信息和相位信息,这些数据不仅可以单个的使用来反映地物的后向散射功率信息,也可以联合不同极化通道的应用以获取地物对发射电磁波的变极化特性,以及地物散射特征信息。本文针对鄱阳湖地区地物的特点,选用了Radarsat-2标准全极化模式数据,对研究区域的地物散射特性进行了研究,重点是应用极化目标分解技术对研究区域进行目标分解及结果的解译和对比分析,结合极化目标分解理论与遥感图像分类方法对全极化SAR数据进行分类,以下为主要的工作和研究成果:
1.应用极化目标分解技术,对该地区的主要地物,如水体、植被、沙滩地等地物进行散射特性分析。分析了这些极化目标极化分解的特点。并给出了Freeman-Durden分解获取的体散射分量与Cloude散射熵间的相关性分析,即随着散射熵的增加,两者相关性降低。研究表明散射熵对体散射的表征不如Freeman分解得到体散射比例描述准确。最后通过对比相干目标分解和非相干目标分解,给出了全极化雷达遥感应用中极化目标分解技术的选择建议。
2.鉴于鄱阳湖地区苔草植被的特点,结合水云模型的近似定量描述,研究了相关极化SAR特征参数,包括雷达植被指数、基于Freeman分解的雷达植被指数、Luneburg熵和归一化的Pedestal,给出了这些参数的求解算式和物理意义解释,以及它们间的相关性分析。
3.分别应用Radarsat-2数据实验了基于S矩阵向量服从复高斯分布的最大似然分类方法和基于协方差C3的Wishart分布的最大似然分类方法,实验表明基于S矩阵的分类受斑点影响非常大,分类精度很低,而基于协方差C3的分类精度较好,但与样本的选择有关。在分析了Freeman-Durden分解和Cloude分解的基础上,分别从两个角度对基于H-Alpha平面的分类方法进行改进,一是,考虑地物三种散射机制的纯度,即表面散射、二面角散射和体散射,引入Freeman-Durden分解得到的占优散射类型,对极化SAR先进行分割,然后在其基础上进行H-Alpha平面和Wishart分类；二是鉴于H-Alpha平面分割未考虑到散射功率参数,引入平均散射功率,并给出了中值分割法来对极化SAR数据进行散射强度占优类型的分割。