学位论文 > 优秀研究生学位论文题录展示

特征值非负约束下的基于模型的极化SAR分解研究

作　者: 程晓光
导　师: 龚健雅
学　校: 武汉大学
专　业: 摄影测量与遥感
关键词: 极化合成孔径雷达极化分解散射机制散射模型散射机制分类
分类号: P237
类　型: 博士论文
年　份: 2014年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

作为一种主动遥感方式,极化合成孔径雷达(PolSAR)具有全天时全天候工作能力,其分辨率一般高于普通的真实孔径雷达。最近几年,它开始在军事,测绘,农业,林业,地质等领域得到广泛应用。作为一种从PolSAR中提取信息的重要方法,极化分解,尤其是基于模型的非相干极化分解,是最近几年PolSAR领域内最活跃的方向之一。它可以获得不同散射机制的功率和其它参数,进而用于PolSAR影像分类,干涉SAR,极化相干斑滤波,土壤粗糙度和湿度估计等。自从Freeman和Durden提出三分量分解法后到现在,研究人员已经提出了二十多种基于模型的非相干分解法。这些方法虽然得到了不少成功的应用,但是普遍存在诸如不满足特征值非负约束,出现负功率值,高估体散射功率,对极化信息利用不充分,对地面散射采用相干散射模型进行模拟,不能描述去极化,以及难以有效区分森林和分布方向不平行于SAR方位向的建筑物等问题。一般采用真实数据对分解法进行验证,缺乏和真值的比较,难以定量评估分解法对各分量功率及其它参数估计的准确度。针对上述问题,本文首先创建了一个基于极化分解的模拟框架,模拟不同分量的参数,计算它们不基于反射对称的散射模型,得到功率加权后的相干矩阵。通过对模拟得到的相干矩阵利用不同方法进行分解,可以将分解结果与模拟参数进行定量比较。作者还挑选了不同散射机制主导的模拟数据,以更好地模拟真实情况。本文提出了两种高度自适应的分解法。这两种方法都进行去方位处理,应用特征值非负约束到螺旋散射和体散射参数的计算,采用Neumann自适应散射模型和双极子来描述体散射,选择能让体散射解释最多交叉极化功率的参数作为最优的体散射参数。但是第一种分解法不基于反射对称计算体散射参数(简称为RAVD),导致在一般情况下,螺旋散射和体散射不能解释所有的交叉极化功率。为此,采用Neumann模型描述主导地面散射以解释剩余的交叉极化功率,采用相干模型描述次要地面散射。而第二种分解法计算体散射参数时基于反射对称假设(简称为RSVD),使得在大部分以表面或双次散射为主的区域,体散射和螺旋散射能解释全部的交叉极化功率,再由van Zyl分解即可获得表面散射和双次散射的参数。但是在部分森林地区,少部分交叉极化功率不能由体散射和螺旋散射解释。在这种情况下,对观测到的相干矩阵进行三分量分解,其中体散射和主导地面散射均由反射对称的Neumann模型描述。如果上述分解不能取得合理结果,则进行三分量反射不对称分解。利用模拟数据和UAVSAR数据所做的实验表明,在绝大多数情况下,这两种方法可以匹配除T13外其它观测到的相干矩阵中的元素。如果进行三分量反射不对称分解,则有可能匹配除T13虚部之外的其它相干矩阵元素。RSVD避免了负功率值的出现,而RAVD的结果中,负功率值的比例也低于0.070%。两种分解法明显降低了对体散射功率的高估,估计各分量功率的准确度高于几种最新的特征值非负分解法。在大多数情况下,RAVD估计不同分量的方位角随机度和复散射系数的准确度优于RSVD,而且在它的结果中,森林和延伸方向不平行于SAR方位向的建筑物可以较为容易地区分开。但是在以表面散射或双次散射为主的区域,RSVD估计各分量功率的效果优于RAVD.本文还提出了一种基于功率的非监督散射机制分类法。散射机制类被定义为不同主导和次要散射机制的组合。通过分析不同散射机制的特征以及两种散射机制混合时的特征,作者给出了一种基于极化特征和特征域分割的散射机制分类法。由于该分类法基本不依赖于极化分解,所以避免了对体散射功率的高估和特征值分解。该分类法的效率大大高于Wishart-H/alpha法和模糊H/alpha法,而且能够提供次要散射机制的类别。该方法可以用于PolSAR影像的快速分类,其分类结果可以作为更复杂的分类器的初始分类。它还可能用于简化基于模型的非相干分解。在利用模拟数据的实验中,该方法给出的Kappa系数为0.864。该方法识别主导散射机制的效果显著优于H/alpha法,Wishart-H/alpha法和模糊H/alpha法。UAVSAR数据的实验表明,该方法能够有效识别森林和城区的主导和次要散射机制。

全文目录

本文的创新点  5-11
摘要  11-13
ABSTRACT  13-16
1 引言  16-28
  1.1 SAR简介  16-18
    1.1.1 SAR定义  16
    1.1.2 SAR遥感优势  16
    1.1.3 全极化SAR简介  16-17
    1.1.4 SAR应用  17-18
  1.2 极化分解  18-19
    1.2.1 相干分解  18
    1.2.2 非相干分解  18-19
  1.3 基于模型的极化分解法  19-23
    1.3.1 研究背景  19-20
    1.3.2 基于模型的极化分解的发展  20-21
    1.3.3 应用现状  21
    1.3.4 存在的问题  21-23
  1.4 散射机制分类  23-25
    1.4.1 研究背景  23-24
    1.4.2 现有的散射机制分类法  24-25
    1.4.3 存在的问题  25
  1.5 解决思路  25-27
    1.5.1 极化数据模拟  25-26
    1.5.2 基于模型的极化分解的解决思路  26
    1.5.3 散射机制分类的解决思路  26-27
  1.6 章节安排  27-28
2 基础理论  28-36
  2.1 极化椭圆  28-29
  2.2 后向散射Sinclair矩阵  29-30
    2.2.1 雷达公式  29
    2.2.2 雷达散射截面  29
    2.2.3 散射系数  29-30
    2.2.4 Sinclair散射矩阵  30
  2.3 散射目标向量  30-31
    2.3.1 Pauli基的特征向量  30-31
    2.3.2 字典基的特征向量  31
  2.4 协方差矩阵和相干矩阵  31-33
    2.4.1 协方差矩阵  31-32
    2.4.2 相干矩阵  32
    2.4.3 统计平均  32-33
    2.4.4 协方差矩阵和相干矩阵的关系  33
  2.5 协方差矩阵和相干矩阵旋转  33-34
  2.6 散射对称  34-35
    2.6.1 反射对称  34
    2.6.2 旋转对称  34
    2.6.3 方位对称  34-35
  2.7 典型散射机制  35-36
3 基于模型的极化分解综述  36-69
  3.1 极化分解基础  36-40
    3.1.1 非相干散射模型推导方法  36-37
    3.1.2 去方位处理  37-38
    3.1.3 相位旋转处理  38-39
    3.1.4 特征值非负约束  39-40
  3.2 最新非相干散射模型  40-45
    3.2.1 Hajnsek体散射模型  40-41
    3.2.2 X-Bragg模型  41
    3.2.3 Lee的双次散射模型  41-42
    3.2.4 Neumann散射模型  42-43
    3.2.5 Antropov体散射模型  43
    3.2.6 Arii散射模型  43-45
  3.3 现有分解法  45-66
    3.3.1 Freeman-Durden分解法  45-47
    3.3.2 Yamaguchi法  47-50
    3.3.3 Freeman二分量分解法  50-51
    3.3.4 Zhang法  51-52
    3.3.5 An法  52
    3.3.6 Singhl法  52-53
    3.3.7 van Zyl法  53-55
    3.3.8 Arii法  55
    3.3.9 Sato法  55-56
    3.3.10 Verma法  56-58
    3.3.11 Cui1法  58
    3.3.12 Yamaguchi-Singh法  58-60
    3.3.13 Zou法  60-61
    3.3.14 Singh2法  61-62
    3.3.15 Chen法  62-63
    3.3.16 Wang法  63-64
    3.3.17 Cui2法  64-66
    3.3.18 Cui3法  66
  3.4 小结  66-69
4 实验数据  69-83
  4.1 模拟数据  69-75
    4.1.1 模拟原则  69
    4.1.2 模拟中使用到的模型  69-70
    4.1.3 各分量功率的模拟  70
    4.1.4 各分量参数的模拟  70-74
    4.1.5 模拟数据分类  74-75
  4.2 UAVSAR数据  75-83
    4.2.1 UAVSAR简介  75-77
    4.2.2 实验区介绍  77
    4.2.3 数据预处理  77
    4.2.4 极化相干斑滤波  77-82
    4.2.5 统计平均窗口大小的选择  82-83
5 高度自适应的极化分解法  83-150
  5.1 引言  83-85
  5.2 去方位处理  85
  5.3 螺旋散射参数的计算  85-87
  5.4 采用固定体散射模型时的参数计算  87-90
    5.4.1 基于反射对称假设计算体散射功率  87-88
    5.4.2 不基于反射对称假设计算体散射功率  88-89
    5.4.3 是否基于反射对称假设得到的体散射功率比较  89-90
  5.5 Neumann自适应体散射模型  90-91
    5.5.1 模型介绍  90-91
    5.5.2 选择模型的方法  91
  5.6 确定体散射参数的标准  91-95
    5.6.1 最大P_V标准  91-92
    5.6.2 最小P_X标准  92-94
    5.6.3 最大P_V标准和最小P_X标准的区别  94-95
  5.7 剩余矩阵中T_(22≥T_(33)的约束  95-96
  5.8 不基于反射对称计算体散射参数的分解法  96-99
    5.8.1 分解模型  96-97
    5.8.2 分解  97-99
  5.9 基于反射对称计算体散射参数的分解法  99-107
    5.9.1 采用反射对称的体散射和地面散射模型的分解  100-105
    5.9.2 采用反射不对称的体散射和地面散射模型的分解  105-107
  5.10 实验  107-144
    5.10.1 待比较的方法  107-109
    5.10.2 定量指标  109-111
    5.10.3 模拟数据的结果  111-119
    5.10.4 UAVSAR数据的结果  119-144
  5.11 讨论  144-148
  5.12 小结  148-150
6 基于功率的散射机制分类  150-166
  6.1 主导和次要散射机制的定义  150
  6.2 典型散射机制的典型极化特征  150-152
    6.2.1 T_(11)分析  150-151
    6.2.2 T_(33)分析  151-152
    6.2.3 |ρ_(12)|分析  152
  6.3 分类预处理  152-153
  6.4 非监督散射机制分类  153-155
    6.4.1 散射机制类定义  153
    6.4.2 T_(11)-T_(33)空间的分割  153-155
    6.4.3 非监督分类  155
  6.5 实验  155-165
    6.5.1 模拟数据的结果  155-159
    6.5.2 UAVSAR数据的结果  159-165
  6.6 小结  165-166
7 结论与展望  166-170
  7.1 结论  166-168
  7.2 展望  168-170
参考文献  170-183
附录  183-198
  缩写表  183-184
  公式推导和证明  184-198
    1 去方位后的T_(22)和T_(33)  184-186
    2 不基于反射对称假设计算体散射功率  186-187
    3 选择[T_(Neum_Horz)]或[T_(Neum_Vert)]的方法  187-189
    4 余项分量缺乏物理意义的证明  189-191
    5 由L/N和M相位求解S_(VV)  191-192
    6 RAVD的剩余矩阵分解  192-194
    7 反射不对称分解  194-196
    8 旋转不变约束证明  196-198
攻博期间的科研成果  198-200
  论文  198
  专利  198
  参与项目  198-200
致谢  200

特征值非负约束下的基于模型的极化SAR分解研究

内容摘要

全文目录

相似论文