论文部分内容阅读
极化合成孔径雷达(极化SAR)是一种多通道的主动式雷达成像系统。它通过对地面发射不同种组合的极化波,然后利用天线接收目标的极化散射回波。极化SAR图像处理则是利用接收到的散射回波获取目标的极化信息来重建观测场景,那么极化SAR图像分类则是利用目标的散射信息对图像对应的地物进行分类。论文主要研究了极化SAR图像分类的无监督分类方法。在没有地物先验信息的情况下,仅利用获得的数据散射信息和统计分布信息对图像进行分类,主要研究内容为:1、分析了基于极化SAR数据二阶统计量的Cloude-Pottier相干分解,根据分解得到的极化散射熵H、平均散射角?、各向异性度A对图像进行分类。引入了Wishart分类器,分析了H-?-Wishart和H-?-A-Wishart无监督分类方法的特点。针对H-?平面分类硬划分的缺点,对H-?平面采用了可容忍区域和不可容忍区域的划分方法,对可容忍区域进行H-?判定规则,对不可容忍区域应用其它判定规则避免硬划分带来的缺陷。2、介绍了极化相似性参数的概念以及性质。将极化相似性参数引入极化SAR图像分类,分析分类效果的优缺点。针对极化相似性参数分类的粗糙性,将极化散射熵引入了分类方法中,研究了结合极化散射熵和极化相似性参数的分类方法,提高了分类效果。3、分析了基于散射模型的极化SAR相干矩阵分解理论,详细分析了Freeman-Durden三分量分解方法,以及这种分解方法存在的缺点。分析了引入Wishart的分类器的基于Freeman-Durden分解的保持极化散射特性的无监督分类方法。针对Freeman-Durden三分量分解方法存在的缺点,研究了一种新的分解方法,这种分解方法结合了散射模型以及相干分解两种方法的优点,改进了Freeman-Durden分解方法存在的缺点,分析表明应用这种分解的分类方法得到的分类效果比Freeman-Durden分解方法的更好。