CN103323830A - 基于极化干涉合成孔径雷达的三元素分解方法及装置 - Google Patents

Abstract

本发明公开了一种基于极化干涉合成孔径雷达(SAR)的三元素分解方法，包括：利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数；利用所述极化干涉相似性参数选择对应的体散射模型；利用所述体散射模型及图像数据计算得到分解后的三元素。本发明还同时公开了一种基于极化干涉SAR的三元素分解装置，能够克服体散射成分过分估计的问题，从而得到准确度更高的目标分解结果。

Description

基于极化干涉合成孔径雷达的三元素分解方法及装置

技术领域

本发明涉及极化干涉合成孔径雷达(SAR，Synthetic Aperture Radar)领域的目标分解技术，尤其涉及一种基于极化干涉SAR的三元素分解方法及装置。

背景技术

目前，利用极化干涉SAR的极化数据进行目标分解的方法包括：一、基于散射矩阵分解的相干目标分解方法，具体有Pauli分解法、Krogager分解法、Cameron分解法及对Cameron分解法的改进方法；二、基于协方差矩阵或相干矩阵的部分相干目标分解，具体有Cloude特征向量分解法、Freeman分解法及四成分散射分解法等。

但是，上述所有分解方法都是采用固定的体散射、偶次散射和表面散射模型，这样就会造成植被成分被过高估计和对地物的有向散射不敏感的问题。比如，以Freeman分解法为例，当建筑物表面的散射取向与入射波的方向有关时，城镇区域产生有向非对称反射，城镇区域产生有向非对称反射与森林的极化散射机制类似，所以Freeman分解法无法有效地区分建筑物和植被。可见，现有技术中的相干目标分解方法，无法克服体散射成分过分估计的问题，从而无法得到准确度更高的目标分解结果。

发明内容

有鉴于此，本发明的目的在于提供一种基于极化干涉SAR的三元素分解方法及装置，能克服体散射成分过分估计的问题，从而得到准确度更高的目标分解结果。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种基于极化干涉SAR的三元素分解方法，该方法包括：

利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数；

利用所述极化干涉相似性参数选择对应的体散射模型；

利用选定的所述散射模型及图像数据计算得到分解后的三元素。

上述方案中，所述利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数，包括：

对极化干涉SAR获取的同一目标的两组图像数据分别进行去取向处理，得到两组去取向后的图像数据；

利用所述两组去取向的图像数据计算得到极化干涉相似性参数。

上述方案中，所述利用所述两组去取向的图像数据计算得到极化干涉相似性参数，包括：

分别对同一目标的所述两组去取向的图像数据进行矢量化计算，利用两组矢量化后的图像数据计算得到极化干涉相似性参数。

上述方案中，所述利用所述极化干涉相似性参数选择对应的体散射模型，包括：

当所述极化干涉相似性参数小于或等于0.5时，根据任意一组图像数据的水平通道数据及垂直通道数据之间的比值关系，选定对应的体散射为主导的散射模型；

当所述极化干涉相似性参数大于0.5时，直接选定对应的体散射不为主导的散射模型。

上述方案中，所述利用选定的所述散射模型及图像数据计算得到分解后的三元素，包括：

利用选定的所述散射模型计算得到体散射功率，及利用任意一组图像数据计算得到表面散射和偶次散射功率。

本发明还提供了一种基于极化干涉SAR的三元素分解装置，该装置包括：参数计算模块、选择模块和分解模块；其中，

参数计算模块，用于利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数，将所述极化干涉相似性参数发送给选择模块；

选择模块，用于利用参数计算模块发来的所述极化干涉相似性参数选择对应的体散射模型，将选定的体散射模块发送给分解模块；

分解模块，用于利用选择模块发来的所述体散射模型及图像数据计算得到分解后的三元素。

上述方案中，所述参数计算模块，具体用于对极化干涉SAR获取的同一目标的两组图像数据分别进行去取向处理，得到两组去取向后的图像数据；利用所述两组去取向的图像数据计算得到极化干涉相似性参数。

上述方案中，所述参数计算模块，具体用于分别对同一目标的所述两组去取向的图像数据进行矢量化计算，利用两组矢量化后的图像数据计算得到极化干涉相似性参数。

上述方案中，所述选择模块，具体用于当所述极化干涉相似性参数小于或等于0.5时，根据任意一组图像数据的水平通道数据及垂直通道数据之间的比值关系，选定对应的体散射为主导的散射模型；当所述极化干涉相似性参数大于0.5时，直接选定对应的体散射不为主导的散射模型。

上述方案中，所述分解模块，具体用于利用选定的所述散射模型计算得到体散射功率，及利用参数计算模块发来的图像数据计算得到表面散射和偶次散射功率；

相应的，所述参数计算模块，还用于向所述分解模块发送任意一组图像数据。

本发明所提供的基于极化干涉SAR的三元素分解方法及装置，能通过对同一目标的两组图像数据的处理，得到同一目标对应的极化干涉相似性参数，再根据所述极化干涉相似性参数选定对应的体散射模型，进而利用所述体散射模型和图像数据计算得到分解后的三元素。如此，就可以灵活的所述极化干涉相似性参数确定目标对应的散射模型，从而有效的克服体散射成分过分估计的问题，得到准确度更高的目标分解结果。

附图说明

图1为本发明基于极化干涉SAR的三元素分解方法流程示意图；

图2为本发明基于极化干涉SAR的三元素分解装置组成结构示意图。

具体实施方式

本发明的基本思想是：利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数；利用所述极化干涉相似性参数选择对应的体散射模型；利用选定的所述散射模型及图像数据计算得到分解后的三元素。

下面结合附图及具体实施例对本发明再作进一步详细的说明。

本发明提出的基于极化干涉SAR的三元素分解方法，如图1所示，包括以下步骤：

步骤101：利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数。

具体的，对极化干涉SAR获取的同一目标的两组图像数据分别进行去取向处理，得到两组去取向后的图像数据；利用所述两组去取向的图像数据计算得到极化干涉相似性参数。

这里，所述同一目标的两组图像数据的获取方法可以为：两次干涉飞行，极化干涉SAR主天线或副天线获取的两组图像数据；或者，在一次干涉飞行中分别获取极化干涉SAR主天线及副天线的两组图像数据。

所述去取向处理为现有技术，可以为将图像数据旋转到最小交叉极化方向，其采用的计算方法为使用以下公式：

$\left[\begin{array}{cc}{S}_{\mathrm{hh}}& S_{\mathrm{hv}}\\ S_{\mathrm{vh}}& S_{\mathrm{vv}}\end{array}\right]=\left[\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]S\left[\begin{array}{cc}\cos \mathrm{\θ}& -\sin \mathrm{\θ}\\ \sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right];$

其中，S_hh、S_hv、S_vh和S_vv表示极化干涉SAR的图像数据的四通道数据；

θ的计算方法为： $\mathrm{\θ}=\frac{1}{4}{\tan }^{-1}\left(\frac{2\mathrm{Re}\left\{T_{23}\right\}}{T_{22}-T_{33}}\right);$

其中，T₂₃及T₂₂的计算方法可以采用公式：

$T^{\′}=R\left(\mathrm{\θ}\right)\left[\begin{array}{ccc}{T}_{11}& T_{12}& T_{13}\\ T_{21}& T_{22}& T_{23}\\ T_{31}& T_{32}& T_{33}\end{array}\right]R{\left(\mathrm{\θ}\right)}^H$ $R\left(\mathrm{\θ}\right)=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos 2\mathrm{\θ}& -\sin 2\mathrm{\θ}\\ 0& \sin 2\mathrm{\θ}& \cos 2\mathrm{\θ}\end{array}\right];$ 其中，T表示对矩阵S进行矢量化计算得到的相干矩阵，T’表示对T进行去取向后的相干矩阵。

所述利用所述两组去取向的图像数据计算得到极化干涉相似性参数包括：分别对同一目标的所述两组去取向的图像数据进行矢量化计算，利用两组矢量化后的图像数据计算得到极化干涉相似性参数。

其中，所述极化干涉相似性参数与现有技术中已有的极化相似性参数相比，所述极化相似性参数不仅与散射矩阵的幅度信息无关又与目标散射有取向角无关，是分析目标特性的有效参数，只能判断两个不同地物的相似性程度；而所述极化干涉相似性参数不仅有极化相似性参数的特点，而且可以反应同一目标在两次干涉飞行情况下的相似程度，即包含地物的结构信息。所述极化干涉相似性参数具体体现为建筑物的所述极化干涉相似性参数值较高，植被的所述极化干涉相似性参数值较低。

所述对同一目标的所述两组去取向的图像数据进行矢量化计算可以为使用公式k_i＝[S_hhi′+S_vvi′S_hhi′-S_vvi′2S_hvi′]，其中，i用于表示两组去取向的图像数据，i＝1，2；S_hhi′表示两组中的一组水平极化方向的去取向后的图像数据的相干矩阵，S_vvi′表示两组中的一组垂直极化方向的去取向后的图像数据的相干矩阵、S_hvi′表示两组中的一组交叉极化方向的去取向后的图像数据的相干矩阵。

所述利用两组矢量化后的图像数据计算得到极化干涉相似性参数为：将两组矢量化后的图像数据的归一化点积的绝对值作为极化干涉相似性参数，具体计算公式为： $r(k_1,k_2)=\frac{\left|{k_1}^H{k}_2\right|}{{\left|\right|k_1\left|\right|}_2^2{\left|\right|k_2\left|\right|}_2^2}.$

步骤102：利用所述极化干涉相似性参数选择对应的体散射模型。

具体的，当所述极化干涉相似性参数小于或等于0.5时，根据任意一组图像数据的水平通道数据及垂直通道数据之间的比值关系，选定对应的体散射为主导的散射模型；

当所述极化干涉相似性参数大于0.5时，直接选定对应的体散射不为主导的散射模型。

比如，当所述极化干涉相似性参数小于或等于0.5时，确定体散射为主导因素，进一步利用10log(<|S_VV|²>/<|S_HH|²>)计算得到图像数据的水平通道数据及垂直通道数据之间的比值关系，按照以下对应关系根据所述比值关系选定对应的体散射模型：

当log(<|S_VV|²>/<|S_HH|²>)≥2dB时，使用体散模型 $\&lang;{\left[C_3\right]}_v\&rang;=3/8*\left[\begin{array}{ccc}1& 0& 1/3\\ 0& 2/3& 0\\ 1/3& 0& 1\end{array}\right];$

当-2dB≤10log(<|S_VV|²>/<|S_HH|²>)＜2dB时，使用体散模型

${\&lang;\left[C_3\right]\&rang;}_v=1/30*\left[\begin{array}{ccc}6& 0& 4\\ 0& 8& 0\\ 4& 0& 16\end{array}\right];$

当log(<|S_VV|²>/〈|S_HH|²〉)＜-2dB时，使用体散模型 ${\&lang;\left[C_3\right]\&rang;}_v=1/30*\left[\begin{array}{ccc}16& 0& 4\\ 0& 8& 0\\ 4& 0& 6\end{array}\right];$

当所述极化干涉相似性参数大于0.5时，确定体散射不是主导元素，采用的散射模型如下 ${\&lang;\left[C_3\right]\&rang;}_v=7/30*\left[\begin{array}{ccc}1& 0& -1\\ 0& 16/7& 0\\ -1& 0& 1\end{array}\right].$

以极化相似性参数作为判断条件，不受相干矩阵的绝对能量值和目标取向角的影响，自适应的选择体散射模型可以有效地区分城镇区域的有向二面角散射和体散射，克服传统三元素分解利用固定散射模型分解的弊端。

步骤103：利用选定的所述散射模型及图像数据计算得到分解后的三元素。

具体的，利用选定的所述散射模型计算得到体散射功率，及利用任意一组图像数据计算得到表面散射和偶次散射功率。其中，所述计算方法均为现有技术，这里不做赘述。

由于采用了上述本发明的步骤，使得体散射功率过估计现象得到了明显的解决。

如图2所示，本发明提供了一种基于极化干涉SAR的三元素分解装置，该装置包括：参数计算模块21、选择模块22和分解模块23；其中，

参数计算模块21，用于利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数，将所述极化干涉相似性参数发送给选择模块22；

选择模块22，用于利用参数计算模块21发来的所述极化干涉相似性参数选择对应的体散射模型，将选定的体散射模块发送给分解模块23；

分解模块23，用于利用选择模块22发来的所述体散射模型及图像数据计算得到分解后的三元素。

所述参数计算模块21，具体用于对极化干涉SAR获取的同一目标的两组图像数据分别进行去取向处理，得到两组去取向后的图像数据；利用所述两组去取向的图像数据计算得到极化干涉相似性参数。

所述参数计算模块21，具体用于将图像数据旋转到最小交叉极化方向完成去取向处理，其采用的计算方法为使用以下公式：

$\left[\begin{array}{cc}{S}_{\mathrm{hh}}& S_{\mathrm{hv}}\\ S_{\mathrm{vh}}& S_{\mathrm{vv}}\end{array}\right]=\left[\begin{array}{cc}\cos \mathrm{\&theta;}& \sin \mathrm{\&theta;}\\ -\sin \mathrm{\&theta;}& \cos \mathrm{\&theta;}\end{array}\right]S\left[\begin{array}{cc}\cos \mathrm{\&theta;}& -\sin \mathrm{\&theta;}\\ \sin \mathrm{\&theta;}& \cos \mathrm{\&theta;}\end{array}\right];$

其中，S_hh、S_hv、S_vh和S_vv表示极化干涉SAR的图像数据的四通道数据；

θ的计算方法为： $\mathrm{\&theta;}=\frac{1}{4}{\tan }^{-1}\left(\frac{2\mathrm{Re}\left\{T_{23}\right\}}{T_{22}-T_{33}}\right);$

其中，T₂₃及T₂₂的计算方法可以采用公式：

$T^{\&prime;}=R\left(\mathrm{\&theta;}\right)\left[\begin{array}{ccc}{T}_{11}& T_{12}& T_{13}\\ T_{21}& T_{22}& T_{23}\\ T_{31}& T_{32}& T_{33}\end{array}\right]R{\left(\mathrm{\&theta;}\right)}^H$ $R\left(\mathrm{\&theta;}\right)=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos 2\mathrm{\&theta;}& -\sin 2\mathrm{\&theta;}\\ 0& \sin 2\mathrm{\&theta;}& \cos 2\mathrm{\&theta;}\end{array}\right];$ 其中，T表示对矩阵S进行矢量化计算得到的相干矩阵，T’表示对T进行去取向后的相干矩阵。

所述参数计算模块21，具体用于分别对同一目标的所述两组去取向的图像数据进行矢量化计算，利用两组矢量化后的图像数据计算得到极化干涉相似性参数。其中，所述极化干涉相似性参数与现有技术中已有的极化相似性参数相比，所述极化相似性参数不仅与散射矩阵的幅度信息无关又与目标散射有取向角无关，是分析目标特性的有效参数，只能判断两个不同地物的相似性程度；而所述极化干涉相似性参数不仅有极化相似性参数的特点，而且可以反应同一目标在两次干涉飞行情况下的相似程度，即包含地物的结构信息。所述极化干涉相似性参数具体体现为建筑物的所述极化干涉相似性参数值较高，植被的所述极化干涉相似性参数值较低。

所述参数计算模块21，具体用于对同一目标的所述两组去取向的图像数据进行矢量化计算可以为使用公式k_i＝[S_hhi′+S_vvi′S_hhi′-S_vvi′2S_hvi′]，其中，i用于表示两组去取向的图像数据，i＝1，2；S_hhi′表示两组中的一组水平极化方向的去取向后的图像数据的相干矩阵，S_vvi′表示两组中的一组垂直极化方向的去取向后的图像数据的相干矩阵、S_hvi′表示两组中的一组交叉极化方向的去取向后的图像数据的相干矩阵。

所述参数计算模块21，具体用于将两组矢量化后的图像数据的归一化点积的绝对值作为极化干涉相似性参数，具体计算公式为：

所述选择模块22，具体用于当所述极化干涉相似性参数小于或等于0.5时，根据任意一组图像数据的水平通道数据及垂直通道数据之间的比值关系，选定对应的体散射为主导的散射模型；当所述极化干涉相似性参数大于0.5时，直接选定对应的体散射不为主导的散射模型。

比如，所述选择模块22，具体用于当所述极化干涉相似性参数小于或等于0.5时，确定体散射为主导因素，进一步利用10log(<|S_VV|²>/<|S_HH|²>)计算得到图像数据的水平通道数据及垂直通道数据之间的比值关系，按照以下对应关系根据所述比值关系选定对应的体散射模型：

当log(<|S_VV|²>/<|S_HH|²>)≥2dB时，使用体散模型 $\&lang;{\left[C_3\right]}_v\&rang;=3/8*\left[\begin{array}{ccc}1& 0& 1/3\\ 0& 2/3& 0\\ 1/3& 0& 1\end{array}\right];$

当-2dB≤10log(<|S_VV|²>/<|S_HH|²>)＜2dB时，使用体散模型

${\&lang;\left[C_3\right]\&rang;}_v=1/30*\left[\begin{array}{ccc}6& 0& 4\\ 0& 8& 0\\ 4& 0& 16\end{array}\right];$

当log(<|S_VV|²>/<|S_HH|²>)＜-2dB时，使用体散模型 ${\&lang;\left[C_3\right]\&rang;}_v=1/30*\left[\begin{array}{ccc}16& 0& 4\\ 0& 8& 0\\ 4& 0& 6\end{array}\right];$

当所述极化干涉相似性参数大于0.5时，确定体散射不是主导元素，采用的散射模型如下 ${\&lang;\left[C_3\right]\&rang;}_v=7/30*\left[\begin{array}{ccc}1& 0& -1\\ 0& 16/7& 0\\ -1& 0& 1\end{array}\right].$

所述分解模块23，具体用于利用选定的所述散射模型计算得到体散射功率，及利用参数计算模块21发来的图像数据计算得到表面散射和偶次散射功率；相应的，所述参数计算模块21，还用于向所述分解模块23发送任意一组图像数据。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (10)

1.一种基于极化干涉合成孔径雷达SAR的三元素分解方法，其特征在于，该方法包括：

利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数；

利用所述极化干涉相似性参数选择对应的体散射模型；

利用选定的所述散射模型及图像数据计算得到分解后的三元素。

2.根据权利要求1所述的方法，其特征在于，所述利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数，包括：

对极化干涉SAR获取的同一目标的两组图像数据分别进行去取向处理，得到两组去取向后的图像数据；

利用所述两组去取向的图像数据计算得到极化干涉相似性参数。

3.根据权利要求2所述的方法，其特征在于，所述利用所述两组去取向的图像数据计算得到极化干涉相似性参数，包括：

分别对同一目标的所述两组去取向的图像数据进行矢量化计算，利用两组矢量化后的图像数据计算得到极化干涉相似性参数。

4.根据权利要求1所述的方法，其特征在于，所述利用所述极化干涉相似性参数选择对应的体散射模型，包括：

当所述极化干涉相似性参数小于或等于0.5时，根据任意一组图像数据的水平通道数据及垂直通道数据之间的比值关系，选定对应的体散射为主导的散射模型；

当所述极化干涉相似性参数大于0.5时，直接选定对应的体散射不为主导的散射模型。

5.根据权利要求4所述的方法，其特征在于，所述利用选定的所述散射模型及图像数据计算得到分解后的三元素，包括：

利用选定的所述散射模型计算得到体散射功率，及利用任意一组图像数据计算得到表面散射和偶次散射功率。

6.一种基于极化干涉SAR的三元素分解装置，其特征在于，该装置包括：参数计算模块、选择模块和分解模块；其中，

参数计算模块，用于利用极化干涉SAR获取的同一目标的两组图像数据，计算得到极化干涉相似性参数，将所述极化干涉相似性参数发送给选择模块；

选择模块，用于利用参数计算模块发来的所述极化干涉相似性参数选择对应的体散射模型，将选定的体散射模块发送给分解模块；

分解模块，用于利用选择模块发来的所述体散射模型及图像数据计算得到分解后的三元素。

7.根据权利要求6所述的装置，其特征在于，

所述参数计算模块，具体用于对极化干涉SAR获取的同一目标的两组图像数据分别进行去取向处理，得到两组去取向后的图像数据；利用所述两组去取向的图像数据计算得到极化干涉相似性参数。

8.根据权利要求7所述的装置，其特征在于，

所述参数计算模块，具体用于分别对同一目标的所述两组去取向的图像数据进行矢量化计算，利用两组矢量化后的图像数据计算得到极化干涉相似性参数。

9.根据权利要求6所述的装置，其特征在于，

所述选择模块，具体用于当所述极化干涉相似性参数小于或等于0.5时，根据任意一组图像数据的水平通道数据及垂直通道数据之间的比值关系，选定对应的体散射为主导的散射模型；当所述极化干涉相似性参数大于0.5时，直接选定对应的体散射不为主导的散射模型。

10.根据权利要求9所述的装置，其特征在于，

所述分解模块，具体用于利用选定的所述散射模型计算得到体散射功率，及利用参数计算模块发来的图像数据计算得到表面散射和偶次散射功率；

相应的，所述参数计算模块，还用于向所述分解模块发送任意一组图像数据。

Images