CN103675818B - 极化合成孔径雷达数据地物三维距离度量方法及系统 - Google Patents

Abstract

本发明涉及一种极化合成孔径雷达数据地物三维距离度量方法，包括如下步骤：多视处理，构造描述目标的极化相干矩阵；根据先验信息在全极化SAR图像极化相干矩阵中任意选择两类地物；将地物用三分量进行描述；对三分量分别计算距离，构造描述地物之间差别的三维距离；三维距离融合，作为地物分类的判别准则。本发明还涉及一种极化合成孔径雷达数据地物三维距离度量系统。本发明能够简便地应用于极化合成孔径雷达数据处理软件，并获得较高的分类精度。

Description

极化合成孔径雷达数据地物三维距离度量方法及系统

技术领域

本发明涉及一种极化合成孔径雷达数据地物三维距离度量方法及系统。

背景技术

随着雷达技术的发展，极化合成孔径雷达(POLSAR)已成为合成孔径雷达(SAR)的发展趋势，POLSAR能够得到更丰富的目标信息，在农业、林业、军事、地质学、水文学和海洋等方面具有广泛的研究和应用价值。土地覆盖分类是POLSAR的重要应用之一，相比于单极化SAR，POLSAR所提取的极化参数能有效地反应地物的生物、物理参数，能够提高地物分类的精度。

POLSAR通过测量地面每个分辨单元内的散射回波，获得其极化散射矩阵。在POLSAR数据多视处理过程中，需要进行窗口内的集合平均运算，这个过程会损失一些目标信息。多视处理降低了SAR图像的噪声，但同时使得分辨单元内的多个目标由单一的极化相干矩阵/协方差矩阵来表示，在此种情况下所进行的可分性度量难以准确描述两类地物之间的差别。

由于散射过程的复杂性，通过直接分析极化相干矩阵/协方差矩阵来研究特定散射体的物理特性是极其困难的。为了更好的描述多视POLSAR数据的地物特征，各国学者研究了多种目标分解方法，如Barnes-Holm(巴内斯-霍尔姆)分解、Cloude(克劳德)分解、Freeman(弗里曼)分解。

上述目标分解方法已经广泛地应用到地物分类中，然而，现有技术中尚没有将此类分解方法与类别可分性进行结合。

发明内容

有鉴于此，有必要提供一种极化合成孔径雷达数据地物三维距离度量方法及系统。

本发明提供一种极化合成孔径雷达数据地物三维距离度量方法，该方法包括如下步骤：多视处理，构造描述目标的极化相干矩阵；根据先验信息在全极化SAR图像极化相干矩阵中任意选择两类地物；将地物用三分量进行描述；对三分量分别计算距离，构造描述地物之间差别的三维距离；三维距离融合，作为地物分类的判别准则。

其中，所述的多视处理是对单视数据的n*m窗口平均，并将地物目标以极化相干矩阵形式表示。

所述的先验信息是预先知道的信息。

所述的三分量指：极化散射总功率Span、点目标散射分量T₀、分布目标散射分量T_N。

本发明提供一种极化合成孔径雷达数据地物三维距离度量系统，包括相互电性连接的处理模块、选择模块、描述模块、构造模块及融合模块，其中：所述处理模块用于设多视处理，构造描述目标的极化相干矩阵；所述选择模块用于根据先验信息在全极化SAR图像极化相干矩阵中任意选择两类地物；所述描述模块用于将地物用三分量极进行描述；所述构造模块用于对三分量分别计算距离，构造描述地物之间差别的三维距离；所述融合模块用于三维距离融合，作为地物分类的判别准则。

其中，所述的多视处理是对单视数据的n*m窗口平均，并将地物目标以极化相干矩阵形式表示。

所述的先验信息是预先知道的信息。

所述的三分量指：极化散射总功率Span、点目标散射分量T₀、分布目标散射分量T_N。

本发明所提供的极化合成孔径雷达数据地物三维距离度量方法及系统。更加突出不同地物之间的差别，同时减少了同类地物之间的差别，原理简单、计算方便，能够有效提高地物分类的精度。

附图说明

图1为本发明极化合成孔径雷达数据地物三维距离度量方法的流程图；

图2为本发明极化合成孔径雷达数据地物三维距离度量系统的硬件架构图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细的说明。

参阅图1所示，是本发明极化合成孔径雷达数据地物三维距离度量方法较佳实施例的作业流程图。

步骤S401，多视处理，构造描述目标的极化相干矩阵。具体如下：

所述的多视处理是对单视数据的n*m窗口平均，并将地物目标以极化相干矩阵形式表示：

$\begin{array}{c}T=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left[\begin{array}{c}{S}_{11}+S_{\mathrm{22}}\\ S_{11}-S_{\mathrm{22}}\\ 2S_{12}\end{array}\right]\×\left[\begin{array}{ccc}{S}_{11}+S_{\mathrm{22}}& S_{11}-S_{\mathrm{22}}& 2S_{12}\end{array}\right]\\ =\left[\begin{array}{ccc}2A_0& C-jD& H+jG\\ C+jD& B_0+B& E+jF\\ H-jG& E-jF& B_0-B\end{array}\right]\end{array}$

为目标单视散射矩阵，A₀…G为Huynen参数。

步骤S402，根据先验信息在全极化SAR图像极化相干矩阵中任意选择两类地物。所述先验信息是预先知道的信息，比如预先知道哪些信息代表河流。具体过程如下：

所述的选择两类地物是指根据先验知识或POLSAR图像极化相干矩阵RGB显示，采用人工方式，选择两类不同的地物{ω₁}、{ω₂}，其极化相干矩阵分别表示为{T₁}、{T₂}。

步骤S403，将地物用三分量极进行描述。所述三分量指：极化散射总功率Span、点目标散射分量T₀、分布目标散射分量T_N。具体而言：

所述的将地物用三分量极进行描述，指按不同的散射机理对地物目标进行描述。两类不同地物都采用这种分解方法，相关公式如下：

span＝2(A₀+B₀)；

$T_0=\frac{1}{2(B_0-F)}\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]\×{\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]}^{*};$

T_N＝T-T₀。

其中，T₀是秩为1的稳态目标，T_N是秩大于1的分布散射体，具有旋转不变性，所述T为极化相干矩阵。

所述两类地物的分解结果表示为{span¹}、{T₀ ¹}、{T_N ¹}和{span²}、{T₀ ²}、{T_N ²}。

步骤S404，对三分量分别计算距离，构造描述地物之间差别的三维距离。

所述三分量分别计算距离是指对极化总功率span、分布目标散射分量T_N、点目标散射分量T₀分别进行距离的度量，由于三分量的表现形式不同，其度量的方式也不同。

其中，span为1维变量。

$d_1({\mathrm{span}}^1,{\mathrm{span}}^2)=\frac{|m_1-m_2|}{{\mathrm{\σ}}_1+{\mathrm{\σ}}_2}$

d₁()表示度量span的距离，m_i、σ_i，i＝1,2分别为{span¹}，{span²}的均值和方差。

T₀是秩为1的稳态目标，可以表示为3维向量。

$T_0\⇒k=\frac{1}{\sqrt{2(B_0-F)}}\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+j{B}_0-jB-jF\end{array}\right]$

$d_2({T_0}^1,{T_0}^2)=\frac{1}{N_1}\underset{j=1}{\overset{N_1}{\mathrm{\&Sigma;}}}{k}_1^{j^{*}}<{T_0}^1{>}^{-1}{k}_1^j+\frac{1}{N_2}\underset{j=1}{\overset{N_2}{\mathrm{\&Sigma;}}}{k}_2^{j^{*}}<{T_0}^2{>}^{-1}{k}_2^j$

其中，d₂()表示度量T₀的距离，N_i，i＝1,2表示{T₀ ¹}和{T₀ ²}的个数，<T₀ ⁱ>，i＝1,2表示{T₀ ¹}和{T₀ ²}的均值，k_i ^j，i＝1,2表示{T₀ ¹}或{T₀ ²}的第j个样本对应的3维向量。

T_N是秩大于1的分布散射体，只能以3维矩阵形式表示。

$d_3({T_N}^1,{T_N}^2)=Trace({T_N}^{1^{-1}}*{T_N}^2)+Trace({T_N}^{2^{-1}}*{T_N}^1)$

d₃()表示度量T_N的距离，Trace为矩阵的轨迹。

步骤S405，三维距离融合，作为地物分类的判别准则。具体而言，

所述将d₁()、d₂()、d₃()三维距离融合，融合方式为：

参阅图2所示，是本发明极化合成孔径雷达数据地物三维距离度量系统的硬件架构图。该系统包括相互电性连接的处理模块、选择模块、描述模块、构造模块及融合模块。

所述处理模块用于多视处理，构造描述目标的极化相干矩阵。具体如下：

所述的多视处理是对单视数据的n*m窗口平均，并将地物目标以极化相干矩阵形式表示：

$\begin{array}{c}T=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\left[\begin{array}{c}{S}_{11}+S_{\mathrm{22}}\\ S_{11}-S_{\mathrm{22}}\\ 2S_{12}\end{array}\right]\&times;\left[\begin{array}{ccc}{S}_{11}+S_{\mathrm{22}}& S_{11}-S_{\mathrm{22}}& 2S_{12}\end{array}\right]\\ =\left[\begin{array}{ccc}2A_0& C-jD& H+jG\\ C+jD& B_0+B& E+jF\\ H-jG& E-jF& B_0-B\end{array}\right]\end{array}$

为目标单视散射矩阵，A₀…G为Huynen参数。

所述选择模块用于根据先验信息在全极化SAR图像极化相干矩阵中选择两类地物。所述先验信息是预先知道的信息，比如预先知道哪些信息代表河流。具体过程如下：

所述选择模块选择两类地物是指根据先验知识或POLSAR图像极化相干矩阵RGB显示，采用人工方式，选择两类不同的地物{ω₁}、{ω₂}，其极化相干矩阵分别表示为{T₁}、{T₂}。

所述描述模块用于将地物用三分量极进行描述。所述三分量指：极化散射总功率Span、点目标散射分量T₀、分布目标散射分量T_N。具体而言：

所述的将地物用三分量极进行描述，指按不同的散射机理对地物目标进行描述。两类不同地物都采用这种分解方法，相关公式如下：

span＝2(A₀+B₀)；

$T_0=\frac{1}{2(B_0-F)}\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]\&times;{\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]}^{*};$

T_N＝T-T₀。

其中，T₀是秩为1的稳态目标，T_N是秩大于1的分布散射体，具有旋转不变性，所述T为极化相干矩阵。

所述两类地物的分解结果表示为{span¹}、{T₀ ¹}、{T_N ¹}和{span²}、{T₀ ²}、{T_N ²}。

所述构造模块用于对三分量分别计算距离，构造描述地物之间差别的三维距离。

所述三分量分别计算距离是指对极化总功率span、分布目标散射分量T_N、点目标散射分量T₀分别进行距离的度量，由于三分量的表现形式不同，其度量的方式也不同。

其中，span为1维变量。

$d_1({\mathrm{span}}^1,{\mathrm{span}}^2)=\frac{|m_1-m_2|}{{\mathrm{\&sigma;}}_1+{\mathrm{\&sigma;}}_2}$

d₁()表示度量span的距离，m_i、σ_i，i＝1,2分别为{span¹}，{span²}的均值和方差。

T₀是秩为1的稳态目标，可以表示为3维向量。

$T_0\&DoubleRightArrow;k=\frac{1}{\sqrt{2(B_0-F)}}\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+j{B}_0-jB-jF\end{array}\right]$

$d_2({T_0}^1,{T_0}^2)=\frac{1}{N_1}\underset{j=1}{\overset{N_1}{\mathrm{\&Sigma;}}}{k}_1^{j^{*}}<{T_0}^1{>}^{-1}{k}_1^j+\frac{1}{N_2}\underset{j=1}{\overset{N_2}{\mathrm{\&Sigma;}}}{k}_2^{j^{*}}<{T_0}^2{>}^{-1}{k}_2^j$

其中，d₂()表示度量T₀的距离，N_i，i＝1,2表示{T₀ ¹}和{T₀ ²}的个数，<T₀ ⁱ>，i＝1,2表示{T₀ ¹}和{T₀ ²}的均值，k_i ^j，i＝1,2表示{T₀ ¹}或{T₀ ²}的第j个样本对应的3维向量。

T_N是秩大于1的分布散射体，只能以3维矩阵形式表示。

$d_3({T_N}^1,{T_N}^2)=Trace({T_N}^{1^{-1}}*{T_N}^2)+Trace({T_N}^{2^{-1}}*{T_N}^1)$

d₃()表示度量T_N的距离，Trace为矩阵的轨迹。

所述融合模块用于三维距离融合，作为地物分类的判别准则。具体而言，

所述将d₁()、d₂()、d₃()三维距离融合，融合方式为：

虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。

Claims (4)

1.一种极化合成孔径雷达数据地物三维距离度量方法，其特征在于，该方法包括如下步骤：

多视处理，构造描述目标的极化相干矩阵：所述的多视处理是对单视数据的n*m窗口平均，并将地物目标以极化相干矩阵形式表示：

为目标单视散射矩阵，A₀、B、B₀…H为Huynen参数；

根据先验信息在全极化SAR图像极化相干矩阵中任意选择两类地物；

将地物用三分量进行描述，所述的三分量指：极化散射总功率Span、点目标散射分量T₀、分布目标散射分量T_N：按不同的散射机理对地物目标进行描述，两类不同地物都采用这种分解方法，公式如下：

span＝2(A₀+B₀)，

$T_0=\frac{1}{2(B_0-F)}\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]\&times;{\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]}^{*},$

T_N＝T-T₀，

两类地物的分解结果表示为{span¹}、{T₀ ¹}、{T_N ¹}和{span²}、{T₀ ²}、{T_N ²}；

对三分量分别计算距离，构造描述地物之间差别的三维距离：

其中，d₁()表示度量span的距离，m_i、σ_i，i＝1,2分别为{span¹}，{span²}的均值和方差，

其中，d₂()表示度量T₀的距离，N_i，i＝1,2表示{T₀ ¹}和{T₀ ²}的个数，<T₀ ⁱ>，i＝1,2表示{T₀ ¹}和{T₀ ²}的均值，k_i ^j，i＝1,2表示{T₀ ¹}或{T₀ ²}的第j个样本对应的3维向量，

其中，d₃()表示度量T_N的距离，Trace为矩阵的轨迹；

三维距离融合，作为地物分类的判别准则：将d₁()、d₂()、d₃()三维距离融合，融合方式为：

2.如权利要求1所述的方法，其特征在于，所述的先验信息是预先知道的信息。

3.一种极化合成孔径雷达数据地物三维距离度量系统，其特征在于，该系统包括相互电性连接的处理模块、选择模块、描述模块、构造模块及融合模块，其中：

所述处理模块用于多视处理，构造描述目标的极化相干矩阵：所述的多视处理是对单视数据的n*m窗口平均，并将地物目标以极化相干矩阵形式表示：

为目标单视散射矩阵，A₀、B、B₀…H为Huynen参数；

所述选择模块用于根据先验信息在全极化SAR图像极化相干矩阵中任意选择两类地物；

所述描述模块用于将地物用三分量进行描述，所述的三分量指：极化散射总功率Span、点目标散射分量T₀、分布目标散射分量T_N：按不同的散射机理对地物目标进行描述，两类不同地物都采用这种分解方法，公式如下：

span＝2(A₀+B₀)，

$T_0=\frac{1}{2(B_0-F)}\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]\&times;{\left[\begin{array}{c}C-G+jH-jD\\ B_0+B-F+jE\\ E+{\mathrm{jB}}_0-jB-jF\end{array}\right]}^{*},$

T_N＝T-T₀，

两类地物的分解结果表示为{span¹}、{T₀ ¹}、{T_N ¹}和{span²}、{T₀ ²}、{T_N ²}；

所述构造模块用于对三分量分别计算距离，构造描述地物之间差别的三维距离：

其中，d₁()表示度量span的距离，m_i、σ_i，i＝1,2分别为{span¹}，{span²}的均值和方差，

其中，d₂()表示度量T₀的距离，N_i，i＝1,2表示{T₀ ¹}和{T₀ ²}的个数，<T₀ ⁱ>，i＝1,2表示{T₀ ¹}和{T₀ ²}的均值，k_i ^j，i＝1,2表示{T₀ ¹}或{T₀ ²}的第j个样本对应的3维向量，

其中，d₃()表示度量T_N的距离，Trace为矩阵的轨迹；

所述融合模块用于三维距离融合，作为地物分类的判别准则：将d₁()、d₂()、d₃()三维距离融合，融合方式为：

4.如权利要求3所述的系统，其特征在于，所述的先验信息是预先知道的信息。