CN102393513B - 一种基于自然分布场景和稀少定标器的极化定标方法 - Google Patents

Abstract

本发明是一种基于自然分布场景和稀少定标器的极化定标技术，用于对畸变极化合成孔径雷达(SAR)数据的定标纠正。本发明突破了国内机载极化SAR数据的定标瓶颈，发展了不借助人工角反射器而利用广泛分布的自然地物进行极化数据串扰定标的技术，然后只需一个或少量的三面角反射器进行极化接收通道不平衡度的定标。同时，利用存在大范围相似雷达后向散射特性的自然地物场景在距离向的强度变化拟合出天线方向图。并充分利用极化地物信息，对各极化SAR通道数据都采用同一天线方向图进行校正，从而能够保持校正前后地物目标的极化散射特征。

Description

一种基于自然分布场景和稀少定标器的极化定标方法

技术领域

本发明属于雷达数据处理技术领域，特别涉及极化合成孔径雷达数据的定标处理。

背景技术

定标技术是任何测量数据定量研究的前提，对于理解合成孔径雷达(SAR)系统性能，描述SAR系统的局限性以及改进系统性能都有重要意义。目前，SAR数据处理正由定性研究向定量研究发展，随着大量具备多频率、多极化成像性能的新型SAR传感器的出现，定标技术也迅速发展起来，并由单通道的定标技术逐渐向多通道多极化的定标技术演化。定标要求能从所收集的数据中获得整个系统参数的准确定量的描述，经过校正后的SAR图像应当具有逐日逐幅的可重复性，图像幅内和各通道之间的稳定性，以及已知的、合理的精度。

SAR定标一般可以分为内定标和外定标。在最初的SAR系统设计阶，需要完成内定标的设计工作，即利用机内设备（如：校准单音，调频信号）将定标信号加入雷达数据流来确定系统性能特性的过程，以便在雷达系统工作寿命期间测量重要的系统参数，如接收机增益、发射机输出功率等。在系统实际工作阶段，与经常进行的内定标测试相比，外定标测试虽然较少，但非常重要且必要。因为在飞行期间天线性能的测量非常困难，通常不进行直接测量，而是在飞行前对天线性能进行地面测试，在实际飞行中用外定标技术来测量。外定标优于内定标之处在于它是直接测量端到端的系统性能，能够测量出那些很难进行测量的系统参数，如天线方向图、波束中心增益和角度以及信号传播效应等。特别是对于各种SAR系统，内定标只能测量各SAR内部系统性能的相对漂移，但由于传感器本身误差的影响以及工作性能的差异，各种SAR系统之间的绝对增益等性能参数是不同的，只有通过对测量设备的校准，获得测量数据和校准数据之间的量化关系，才能为比较和分析来自不同SAR系统、不同时间、不同空间获取的SAR数据奠定基础。

对于多极化SAR系统（包含四个极化通道，即HH,HV,VH,VV），由于两个极化收发通道幅相特性不一致以及天线交叉极化、收发开关泄漏、环行器隔离度不够等因素影响，将使SAR图像目标极化散射矩阵产生误差，需要对这些误差进行校准，才能形成精确的极化目标散射矩阵。因此，对于多极化SAR系统，除了常规单通道SAR的辐射定标外，还要进行极化定标，本发明就是针对多极化SAR数据的一种极化定标方法。

一般来说，可以采用散射矩阵已知点目标和分布目标来进行极化定标。前者通常采用人工定标器(如三面角，二面角等)和极化有源定标器，为了得到极化定标参数，至少需要三个不同类型的定标器。但一个点目标只能定标它附近很小的区域，在整个测绘带中就需要大量点目标。后者是采用极化散射计精确地测量分布目标的Mueller矩阵来进行极化定标，可以避免前者的问题。另外，比如亚马逊热带雨林，同时满足反射对称、旋转对称和方位对称特性，面积分布广阔且均一，是理想的星载极化SAR系统的定标目标，已成功应用于日本的ALOS-PALSAR等星载极化SAR系统。但特定分布目标定标算法依赖于人们对各种地物极化特性的深刻理解，特别是对于机载系统平台，类似于热带雨林的分布目标更不易获得。因此，就目前实际情况来说，极化定标多采用混合式定标，即结合点目标定标和特定分布目标定标的特点，通过系统模型假设（如天线互易、收发系统畸变一致）和地物散射特性假设（如方位向对称）直接从数据本身得到相位不平衡和串扰因子，只用一个三面角定标器完成通道间相对幅度不平衡的定标。该方法使用非常简便，由于减少了使用点目标的数量，因此对于点目标的性能要求大大降低。

显而易见，如何利用极化SAR数据本身来获得尽可能多的系统畸变参数是极化定标的发展目标，也是难点所在，这样在降低对极化SAR系统定标假设要求的同时，也增强了极化定标算法应用于不同极化SAR系统、不同地物场景的通用性和鲁棒性。

发明内容

本发明是一种基于自然分布场景和稀少定标器的极化SAR数据定标方法，在二阶极化定标模型的基础上，利用无串扰模型的假设条件，结合非线性方程迭代技术来不断逼近串扰存在的情况，从而估计出极化SAR数据定标所需的参数。该算法突破了国内机载极化SAR数据的定标瓶颈，发展了不借助人工角反射器而利用广泛分布的自然目标进行极化串扰定标的技术，避免了在成像场景内布设大量人工角反射器，从而大大增强了对数据进行定标处理的适用性和鲁棒性，只需一个或少量的三面角反射器进行极化通道不平衡度的定标。而且，利用存在大范围后向散射特性相似的自然目标的场景来估计天线方向图，一方面避免了布设大量人工角反射器，另一方面利用大量相似特性的地物在距离向（垂直载机飞行的方向）或方位向（载机飞行方向）的积分可以快速估计出图像强度变化，利用强度变化的拟合曲线估计出天线方向图。同时充分利用极化地物信息，对各极化SAR通道数据都采用同一天线方向图进行校正，从而能够保持校正前后地物目标的极化散射特征。最后，可以实现整个极化SA数据定标流程。附图1给出了本发明的极化SAR定标方法流程图，下面参照附图1对本发明的技术解决方案作具体描述。

I．二阶极化定标模型的建立

采用分布目标进行串扰定标需要满足几个假设：a) 天线互易原理，即S_HV＝S_VH；系统影响可以用两次线性过程描述，因此观测到的2*2极化散射矩阵

可以写成

$\tilde{O}=R\tilde{S}T+N=\left[\begin{array}{cc}{r}_{11}& r_{12}\\ r_{21}& r_{22}\end{array}\right]-\left[\begin{array}{cc}{S}_{\mathrm{HH}}& S_{\mathrm{HV}}\\ S_{\mathrm{VH}}& S_{\mathrm{VV}}\end{array}\right]-\left[\begin{array}{cc}{t}_{11}& t_{12}\\ t_{21}& t_{22}\end{array}\right]+N---\left(1\right)$

其中，

为目标的实际极化散射矩阵，N为系统噪声，R和T分别是由天线接收和发射时引入的相位和幅度畸变矩阵，其畸变矩阵元素分别为r₁₁，r₁₂，r₂₁，r₂₂和t₁₁，t₁₂，t₂₁，t₂₂。S_pq是指p极化接收，q极化发射时天线所接收到的信号或数据，其中p,q=H,V，即H为水平极化和V为垂直极化。

将上面的写为向量形式，则有

O＝MS+N        (2)

其中，O和S为4*1向量，M为4*4的矩阵，N表示系统的加性噪声影响。定标参数的定义如下

1）串扰因子：u＝r₂₁/r₁₁，v＝t₂₁/t₂₂，w＝r₁₂/r₂₂，z＝t₁₂/t₁₁

2）接收通道不平衡：k＝r₁₁/r₂₂

3）接收和发射通道不平衡之间的比值α²＝(r₂₂t₁₁)/(r₁₁t₂₂)

注意,k和α都期望为1。串扰项u,v,w,z与1相比应足够小。因此，观测极化散射向量O可写为

$\left[\begin{array}{c}{O}_{\mathrm{HH}}\\ O_{\mathrm{HF}}\\ O_{\mathrm{FH}}\\ O_{\mathrm{FF}}\end{array}\right]=\left(t_{\mathrm{FF}}{r}_{\mathrm{FF}}\mathrm{k\α}\right)\left[\begin{array}{cccc}\mathrm{k\α}& {\mathrm{v\α}}^{-1}& \mathrm{w\α}& \mathrm{vw}{k}^{-1}{\mathrm{\α}}^{-1}\\ \mathrm{zk\α}& {\mathrm{\α}}^{-1}& \mathrm{wz\α}& {\mathrm{wk}}^{-1}{\mathrm{\α}}^{-1}\\ \mathrm{uk\α}& {\mathrm{uv\α}}^{-1}& \mathrm{\α}& {\mathrm{vk}}^{-1}{\mathrm{\α}}^{-1}\\ \mathrm{uzk\α}& {\mathrm{u\α}}^{-1}& \mathrm{z\α}& k^{-1}{\mathrm{\α}}^{-1}\end{array}\right]-\left[\begin{array}{c}{S}_{\mathrm{HH}}\\ S_{\mathrm{HF}}\\ S_{\mathrm{FH}}\\ S_{\mathrm{FF}}\end{array}\right]$

$=\left(t_{\mathrm{FF}}{r}_{\mathrm{FF}}\mathrm{k\α}\right)\left[M\right]-\left[\begin{array}{c}{S}_{\mathrm{HH}}\\ S_{\mathrm{HF}}\\ S_{\mathrm{FH}}\\ S_{\mathrm{FF}}\end{array}\right]---\left(3\right)$

不考虑绝对辐射定标和噪声项的影响，可以去掉(t_FFr_FFkα)项。在没有串扰影响的情况下，即u＝v＝w＝z＝0，式(3)可以简化，即

$\left[\begin{array}{c}{O}_{\mathrm{HH}}\\ O_{\mathrm{HV}}\\ O_{\mathrm{VH}}\\ O_{\mathrm{VV}}\end{array}\right]\∝\left[\begin{array}{cccc}\mathrm{k\α}& & & \\ & {\mathrm{\α}}^{-1}& & \\ & & \mathrm{\α}& \\ & & & k^{-1}{\mathrm{\α}}^{-1}\end{array}\right]-\left[\begin{array}{c}{S}_{\mathrm{HH}}\\ S_{\mathrm{HV}}\\ S_{\mathrm{VH}}\\ S_{\mathrm{VV}}\end{array}\right]=\left[G\right]-\left[\begin{array}{c}{S}_{\mathrm{HH}}\\ S_{\mathrm{HV}}\\ S_{\mathrm{VH}}\\ S_{\mathrm{VV}}\end{array}\right]---\left(4\right)$

如果没有串扰，首先调整α去补偿交叉极化不平衡（即O_HV和O_VH），然后调整k值，用kα补偿共极化不平衡（即O_HH和O_VV）。当存在串扰时，就没有这么直接，因为k，α与串扰参数u,v,w,z耦合。该方法需要假设反射互易性（scattering reciprocity），即S_HF＝S_FH，由观测值O_HF、O_FH之间的差异来决定定标参数值。只有在应用串扰定标和相对辐射定标处理后，S_HF和S_FH才在统计意义上相等。

由于相干全极化SAR系统收集了各极化通道之间的相关性。这些相关性提供了额外的约束用于定标过程。那么根据式(3)得到极化协方差矩阵

[C]＝[O][O]⁺∝[M][S][S]⁺[M]⁺＝[M][∑][M]⁺        (5)。

II分布式极化串扰定标

在步骤I获得的二阶串扰定标模型，建立起了观测极化协方差矩阵[C]和实际极化协方差矩阵[∑]之间的畸变关系，因此，极化串扰定标就归结于畸变矩阵[M]的解算。根据S_HF＝S_FH的假设，则有

$\left\{\begin{array}{c}{\mathrm{\Σ}}_{\mathrm{HFHF}}={\mathrm{\Σ}}_{\mathrm{FHFH}}\\ {\mathrm{\Σ}}_{\mathrm{HFHF}}={\mathrm{\Σ}}_{\mathrm{FHHF}}\\ \mathrm{Im}\left({\mathrm{\Σ}}_{\mathrm{FHHF}}\right)=0\\ {\mathrm{\Σ}}_{\mathrm{HFHH}}={\mathrm{\Σ}}_{\mathrm{FHHH}}\\ {\mathrm{\Σ}}_{\mathrm{HFFF}}={\mathrm{\Σ}}_{\mathrm{FHFF}}\end{array}\right.---\left(6\right)$

上式前三项为实数，剩下的两项为复数，共7个方程。然而要求解的定标参数为6个复数变量，即k,α,u,u,w,z；

$\left[\mathrm{\Σ}\right]=\left[\begin{array}{cccc}{\mathrm{\Σ}}_{\mathrm{HHHH}}& A^{*}& A^{*}& {\mathrm{\Σ}}_{\mathrm{HHFF}}\\ A& \mathrm{\β}& {\mathrm{\β}}^{*}& B\\ A& {\mathrm{\β}}^{*}& \mathrm{\β}& B\\ {\mathrm{\Σ}}_{\mathrm{FFHH}}& B^{*}& B^{*}& {\mathrm{\Σ}}_{\mathrm{FFFF}}\end{array}\right]---\left(7\right)$

其中，∑_HFHF＝∑_FHFH＝β,∑_FHHF＝β′,Im(∑_FHHF)＝0，

A＝∑_HFHH，A＝∑_FHHH,B＝∑_HFFF,B＝∑_FHFF        (8)

理论上，β＝β^*，但考虑到（极化）系统噪声的存在允许β≥β^*；

假设串扰参数为零，定标矩阵[M]变为[G]，可得

$[{{\mathrm{\Σ}}^{\text{'}}]={\left[G\right]}^{-1}[C]{{\left[G\right]}^{+}}^{-1}}^{}$

$=\left[\begin{array}{cccc}{C}_{\mathrm{HHHH}}/{\left|k\right|}^2{\left|\mathrm{\α}\right|}^2& C_{\mathrm{HHHF}}{\mathrm{\α}}^{*}/\mathrm{k\α}& C_{\mathrm{HHFH}}/k{\left|\mathrm{\α}\right|}^2& C_{\mathrm{HHFF}}{k}^{*}{\mathrm{\α}}^{*}/\mathrm{k\α}\\ C_{\mathrm{HFHH}}\mathrm{\α}/k^{*}{\mathrm{\α}}^{*}& C_{\mathrm{HFHF}}{\left|\mathrm{\α}\right|}^2& C_{\mathrm{HFFH}}\mathrm{\α}/{\mathrm{\α}}^{*}& C_{\mathrm{HFFF}}{k}^{*}{\left|\mathrm{\α}\right|}^2\\ C_{\mathrm{FFHH}}/k^{*}{\left|\mathrm{\α}\right|}^2& C_{\mathrm{FHHF}}{\mathrm{\α}}^{*}/\mathrm{\α}& C_{\mathrm{FHFH}}/{\left|\mathrm{\α}\right|}^2& C_{\mathrm{FHFF}}{k}^{*}{\mathrm{\α}}^{*}/\mathrm{\α}\\ C_{\mathrm{FFHH}}\mathrm{k\α}/k^{*}{\mathrm{\α}}^{*}& C_{\mathrm{FFHF}}k{\left|\mathrm{\α}\right|}^2& C_{\mathrm{FFFH}}\mathrm{k\α}/{\mathrm{\α}}^{*}& C_{\mathrm{FFFF}}{\left|k\right|}^2{\left|\mathrm{\α}\right|}^2\end{array}\right]---\left(9\right)$

那么

$\left\{\begin{array}{c}\mathrm{\β}\≅{\mathrm{\Σ}}_{\mathrm{HFHF}}^{\′}=C_{\mathrm{HFHF}}{\left|\mathrm{\α}\right|}^2\\ \mathrm{\β}\≅{\mathrm{\Σ}}_{\mathrm{FHFH}}^{\′}=C_{\mathrm{FHFH}}{\left|\mathrm{\α}\right|}^{-2}\\ {\mathrm{\β}}^{*}\≅{\mathrm{\Σ}}_{\mathrm{FHHF}}^{\′}=C_{\mathrm{FHHF}}{\mathrm{\α}}^{*}/\mathrm{\α}\end{array}\right.---\left(10\right)$

参数α的相位将使C_FHHF和C_HFFH的相位归零，β,β^*之差用来确定极化系统噪声η。观测协方差矩阵元素C_HFHF、C_HFFH、C_FHHF和C_FHFH设置交叉极化增益α和系统噪声η；

$\left\{\begin{array}{c}A=(C_{\mathrm{HFHH}}\mathrm{\α}/{\mathrm{\α}}^{*}+C_{\mathrm{FHHH}}/{\left|\mathrm{\α}\right|}^2)/2k^{*}=({\mathrm{\Σ}}_{\mathrm{HFHH}}^{\′}+{\mathrm{\Σ}}_{\mathrm{FFHH}}^{\′})/2\\ B=(C_{\mathrm{FHFF}}{\mathrm{\α}}^{*}/\mathrm{\α}+C_{\mathrm{HFFF}}{\left|\mathrm{\α}\right|}^2)k^{*}/2=({\mathrm{\Σ}}_{\mathrm{HFFF}}^{\′}+{\mathrm{\Σ}}_{\mathrm{FHFF}}^{\′})/2\end{array}\right.---\left(11\right)$

实际上，参数k一般与后面的定标方程无关，因为它不明显依赖于HV或VH回波。给定α,A和B之后，式(8)中的最后四个方程可以确定四个串扰参数的估计。然而，从式(3)看到，串扰定标补偿会影响交叉极化增益α，因此当串扰参数改变时需要同时更新相应的α,A和B值；

最后，非线性方程式（5）可以从大量像素的平均极化协方差矩阵通过迭代方法求得定标参数α,u,v,w,z。值得注意的是，这些像素的收集主要来自于广泛存在于自然界的分布式地物，因为自然界的分布式地物大多满足天线互易条件，通过阈值法剔除高亮度的人工地物（如城区建筑、电塔等）像素，避免极化串扰解算中极化信息的污染。

III．自适应接收通道不平衡校正

当步骤II完成即实现极化串扰定标之后，可认为α＝1,u＝v＝w＝z＝0，此时的观测极化协方差矩阵设为[W]。为了估算通道的不平衡度k，由式（4）可知

$W_{\mathrm{HH}}{W}_{\mathrm{FF}}^{+}=\frac{k^2}{{\left|k\right|}^2}{S}_{\mathrm{HH}}{S}_{\mathrm{FF}}^{+}$

$\frac{W_{\mathrm{HH}}^{+}{W}_{\mathrm{HH}}}{W_{\mathrm{FF}}^{+}{W}_{\mathrm{FF}}}={\left|k\right|}^4\frac{S_{\mathrm{HH}}^{+}{S}_{\mathrm{HH}}}{S_{\mathrm{FF}}^{+}{S}_{\mathrm{FF}}}---\left(12\right)$

那么就可以估算k的幅度和相位。如果在成像区域事先设置一些三面角反射器进行定标检验，则对于这些三面角反射器有

$\frac{S_{\mathrm{FF}}^{+}{S}_{\mathrm{FF}}}{S_{\mathrm{HH}}^{+}{S}_{\mathrm{HH}}}=1$

$\arg \left(S_{\mathrm{HH}}^{+}{S}_{\mathrm{FF}}\right)=0---\left(13\right)$

在这些三面角反射器的设置点可以估算出k的幅度和相位，即

$\left|k\right|={\left|\frac{W_{\mathrm{HH}}^{+}{W}_{\mathrm{HH}}}{W_{\mathrm{FF}}^{+}{W}_{\mathrm{FF}}}\right|}_{\mathrm{\α}}^{1/4}$

$\arg \left(k\right)=\frac{1}{2}\arg {\left(W_{\mathrm{HH}}{W}_{\mathrm{FF}}^{+}\right)}_{\mathrm{\α}}---\left(14\right)$

其自适应性表现在：若在距离向上k值变化不大，则采用若干个k值估计的平均用于通道不平衡度校正；若在距离向上k值变化较大，则利用距离向上分布的多个三面角反射器，根据估计的多个k值在距离向上拟合出k值变化曲线。可以认为前者为全局方法，后者为局部方法，局部方法可细调距离向上的通道不平衡，但可能需要更多的角反射器。

V．极化天线方向图校正

当步骤III完成即实现极化通道不平衡校正之后，除串扰因子α＝1,u＝v＝w＝z＝0外，极化接收通道不平衡k也等于1。但此时极化SAR图像仍受天线方向图的影响，导致SAR图像在距离向上强度分布不均。因此需要在距离向上估计SAR图像强度的分布，进行天线方向图校正；

（1）不同极化通道对同一地物具有不同散射特性，可能会导致从不同极化通道数据估计到的天线方向图不一致，影响前面已定标数据的极化散射特性。因此，由各极化SAR通道数据生成一幅极化总功率图像(SPAN)，其定义如下：

SPAN＝|S_HH|²+|S_HF|²+|S_FH|²+|S_FF|²        (15)

因为总功率(SPAN)图像是HH，HV，HV和VV极化强度图像的加权和，因此具有较低的噪声水平，并且在HH,HV和VV图像中出现的各种特征都会出现在SPAN图像中；

（2）为了提高校正技术的场景适用性，不受地面布设的人工角反射器限制。本发明采用基于场景分布地物的极化天线方向图估计，即尽量选择以平坦相似自然地物占主导的农村场景，通过极化总功率图(SPAN)中实测数据的曲线拟合即可估计出天线方向图，然后将从SPAN图像中估计出共同的天线方向图应用到不同极化通道数据，从而达到极化散射特征保持的目的；

此外，利用天线方向图的归一化处理,在SAR系统稳定的前提下,可推广至同一视角下同一条带甚至不同条带的不同数据的天线方向图校正。

附图说明

图1为本发明极化SAR定标处理流程图。

图2为本发明实验1-原始极化SAR图像。

图3为本发明实验1-定标前的极化串扰因子。

图4为本发明实验1-定标后的极化串扰因子。

图5为本发明实验1-定标前的收发通道不平衡度。

图6为本发明实验1-定标后的收发通道不平衡度。

图7为本发明实验1-基于分布平坦场景的天线方向图估计。

图8为本发明实验1-极化天线方向图校正后的极化SAR图像。

图9为本发明三面角反射器的理论极化响应图。

图10 为本发明实验1-定标前的极化响应图(跑道内三面角反射器I)。

图11 为本发明实验1-定标后的极化响应图(跑道内三面角反射器I)。

图12 为本发明实验1-定标前的极化响应图(跑道内三面角反射器II)。

图13 为本发明实验1-定标后的极化响应图(跑道内三面角反射器II)。

图14为本发明实验2-原始极化SAR图像。

图15为本发明实验2-定标前的极化串扰因子。

图16为本发明实验2-定标后的极化串扰因子。

图17为本发明实验2-定标前的收发通道不平衡度。

图18为本发明实验2-定标后的收发通道不平衡度。

图19为本发明实验2-基于分布平坦场景的天线方向图估计。

图20为本发明实验2-极化天线方向图校正后的极化SAR图像。

图21 为本发明实验2-定标前的极化响应图(草地内三面角反射器I)。

图22 为本发明实验2-定标后的极化响应图(草地内三面角反射器I)。

图23 为本发明实验2-定标前的极化响应图(草地内三面角反射器II)。

图24 为本发明实验2-定标后的极化响应图(草地内三面角反射器II)。

具体实施方式

下面结合图1-图24对本发明作进一步说明。

实验1：2010年1月31日X波段极化SAR数据

采用国内中国电科集团38所于2010年1月31日在中国海南某地获取的X波段机载极化SAR数据，图像大小为7601*4901像素，图2是该地区的原始HH极化通道的SAR图像。

首先，根据步骤I和步骤II，利用成像场景中数据自身信息进行串扰因子的求解，当计算出串扰因子后，可将观测到的极化SAR数据进行串扰因子补偿，实现数据的极化串扰定标。图3和图4给出了实验1数据极化定标前后的串扰度，定标前数据的各串扰项分别为-18.79dB, -21.19dB, -18.78dB, -21.18dB，定标后分别为-38.43dB, -39.18dB,-38.43dB, -39.18dB，满足小于-30dB的串扰精度要求，其中-30dB是美国SIR-CSAR要求的数据串扰精度，理论上串扰因子越小越好。同时，接收和发射通道不平衡之间的比值α在定标前后的数值如图5和图6所示，数据定标前的收发通道幅度不平衡为0.6647(-1.7737dB), 相位不平衡为132.8°。定标后其收发通道幅度不平衡为0.9997(-0.0013dB), 相位不平衡为-0.0004263°，可以看出，定标后的收发通道不平衡已非常接近理想极化数据要求的幅度不平衡（0dB)和相位不平衡（0°）。

然后，利用成像场景中事先布设好的若干个三面体角反射器，由步骤III计算出各角反射器的极化接收通道不平衡度

，用其估计均值

来补偿极化SAR数据的接收通道不平衡k。此时极化数据定标后的图像在纵向(即距离向)上仍存在较明显的明暗变化，即上下两端图像呈暗色、中间图像呈亮色。图7是利用平坦的场景估计得到的天线方向图，其中纵向上实测的数据强度分布如暗色的粗糙曲线所示，亮色的平滑曲线为实测强度分布的拟合曲线，即估计的天线方向图。图8是经过极化天线方向图校正后的成像场景HH极化SAR图像，可以看出相对于图2，图8中纵向上的明暗变化已明显消除。

最后，极化定标精度利用在成像场景中人工布设的角反射器从目标极化信号图的相似性和极化散射矩阵的定标值两方面来验证。极化信号图是一种三维图，在一定程度上反映了目标在特定极化组合下产生的回波功率的变化情况。当发射和接收天线的极化状态一致时极化响应称为共极化响应图，当它们极化状态正交时的极化响应称为交叉极化响应图。图9给出的是三面角反射器的理想极化响应图(其中左边三维图为共极化响应图，右边三维图为交叉极化响应图)。

跑道上的三面角反射器I

图10是实验1中布设在跑道上三面角反射器I的定标前极化响应图，这与图9的理论极化响应图相差甚远，但经过极化定标后，图11的真实极化响应图已非常接近理论值，定标后真实目标（即三面角反射器I）的极化响应与三面角反射器理论共极化响应的相关系数约为0.9619,与理论交叉极化响应的相关系数约为0.9776。该角反射器的极化散射矩阵经归一化即S_HH为1∠0°后，则根据S_FF的值可估计出极化幅度定标精度为-0.2687dB,极化相位定标精度为9.0158°。

跑道上的三面角反射器II

图12-图13是跑道上三面角反射器II的定标结果分析，经过极化定标后，其真实极化响应图已非常接近理论值，其共极化响应的相关系数约为0.9926,交叉极化响应的相关系数约为0.9978，极化幅度定标精度为0.0736dB,极化相位定标精度为-5.538°，其定标精度要优于三面角反射器I的结果。

实验2：2009年12月20日X波段极化SAR数据

采用国内中国电科集团38所于2009年12月20日在中国海南某地获取的X波段机载极化SAR数据，图像大小为7893*4702像素，图14是原始HH极化通道的SAR图像。

与实验1一样，首先根据步骤I和步骤II，利用成像场景中数据自身信息进行数据的极化串扰定标。图15和图16给出了实验2数据极化定标前后的串扰度，定标前数据的各串扰项分别为-18.91dB，-20.3dB，-18.9dB，-20.29dB，定标后分别为-35.14dB，-35.19dB，-35.14dB，-35.19dB，也满足小于-30dB的串扰精度要求。同时，接收和发射通道不平衡之间的比值α在定标前后的数值如图17和图18所示，数据定标前的收发通道幅度不平衡为0.6580 (-1.7737dB),相位不平衡为155.5°。定标后其收发通道幅度不平衡为1.002(0.0087dB), 相位不平衡为0.05444°，非常接近理想极化数据要求的通道不平衡（0dB)和相位不平衡为（0°）。

然后，利用成像场景中事先布设好的若干个三面体角反射器，由步骤III计算出各角反射器的极化接收通道不平衡度

，用其估计均值来补偿极化SAR数据的接收通道不平衡k。此时极化数据定标后的图像与实验一结果一样，距离向上天线方向图引起的图像明暗变化仍存在，利用实验二中的平坦场景可估计得到天线方向图，如图19所示。图20是经过极化天线方向图校正后的成像场景HH极化SAR图像，可以看出相对于图14，图20中纵向上的明暗变化已明显消除。

最后，极化定标精度利用在成像场景中布设的角反射器来验证：

草地内的三面角反射器I

图21是实验2中三面角反射器I定标前的极化响应图，这与图9的理论极化响应图相差甚远，与实验1 中的原始极化数据一样，未经极化定标前，无法正确解释地物目标特性，满足后期遥感数据应用的定量要求。但经过极化定标后，图22的真实极化响应图已非常接近理论值，其共极化响应的相关系数约为0.9828,交叉极化响应的相关系数约为0.9986，其极化幅度定标精度为-0.5399dB,极化相位定标精度为-3.8026°。

草地内的三面角反射器II

图23是定标前三面角反射器的极化响应图，经过极化定标后，图24的真实极化响应图已非常接近理论值，其共极化响应的相关系数约为0.9834,交叉极化响应的相关系数约为0.9899,其极化幅度定标精度为-0.98dB,极化相位定标精度为0.8003°。

因此，通过在飞行实验区多次布设的标准角反射器及其理论极化散射值分析，其结果表明本发明的极化串扰定标精度为<-30dB，极化幅度和相位定标精度也分别满足±1 dB以及±10°的要求，其极化响应图相似性达到95%以上，可以满足极化SAR数据后期目标正确解译以及定量应用的需求。

Claims (5)

1.一种基于自然分布场景和稀少定标器的极化定标方法，主要包括二阶极化数据定标模型的建立、分布式极化串扰定标、自适应接收通道不平衡校正、极化天线方向图校正四个关键步骤。

2.如权利要求1所述的一种基于自然分布场景和稀少定标器的极化定标方法，其特征在于：所述二阶极化数据定标模型的建立，在一阶极化散射矩阵的极化定标模型的基础上，首先转换成基于极化向量形式的定标模型，并定义串扰比因子u、v、w、z，接收通道不平衡度因子k以及接收和发射通道间的不平衡度α，简化求解参数；然后根据极化向量与极化协方差矩阵之间的关系，即极化向量之间的复共轭相乘得到极化协方差矩阵，最后建立起基于二阶极化协方差矩阵的极化定标模型。

3.如权利要求1所述的一种基于自然分布场景和稀少定标器的极化定标方法，其特征在于：所述分布式极化串扰定标只有一个天线互易即S_HF＝S_FH的弱系统假设，对于自然界存在的绝大多数目标，都满足该天线互易条件；但是，图像中的人造目标信息的引入会造成极化校正失败，因此通过强度阈值设置滤除可能的人工强点目标信息，然后再利用图像数据本身包含的自然目标信息；在二阶极化定标模型的基础上，假设定标模型存在零串扰因子，通过非线性方程迭代求解来消除串扰因子与接收通道不平衡度因子k以及接收和发射通道间的不平衡度α之间的耦合，最终实现极化串扰因子的估算。

4.如权利要求1所述的一种基于自然分布场景和稀少定标器的极化定标方法，其特征在于：所述自适应接收通道不平衡校正，在上述分布式极化串据定标完成后，可认为还只存在极化接收通道的不平衡度k，这包括接收通道的幅度和相位不平衡；根据三面角反射器同极化分量即S_HH＝S_FF之间的理论值，可以估算出 k 的幅度和相位；当只有一个三面角反射器，用该反射器用于整景极化数据的通道不平衡度校正；当存在三个以上三面角反射器时，可对多个不平衡度校正因子进行曲线拟合，以实现精确的不平衡度校正。

5.如权利要求1所述的一种基于自然分布场景和稀少定标器的极化定标方法，其特征在于：所述的极化天线方向图校正技术，通过分析均匀分布目标的SAR图像来测量距离向双程方向图，利用地物类型变化不大且较为平坦的农村地区，通过距离向雷达后散射强度的大场景样本采样，在缺乏大量角反射器的情况下仍估计出距离向天线方向图，同时利用总功率图像获得的天线方向图估计来校正各极化通道数据以保持极化数据的散射特性。

Images