CN114942442B - 基于类Bragg区域的星载全极化SAR图像评估方法 - Google Patents

基于类Bragg区域的星载全极化SAR图像评估方法 Download PDF

Info

Publication number
CN114942442B
CN114942442B CN202210874725.8A CN202210874725A CN114942442B CN 114942442 B CN114942442 B CN 114942442B CN 202210874725 A CN202210874725 A CN 202210874725A CN 114942442 B CN114942442 B CN 114942442B
Authority
CN
China
Prior art keywords
matrix
polarization
channel
bragg
phase
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210874725.8A
Other languages
English (en)
Other versions
CN114942442A (zh
Inventor
郭航岚
赵邢杰
禹卫东
刘秀清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202210874725.8A priority Critical patent/CN114942442B/zh
Publication of CN114942442A publication Critical patent/CN114942442A/zh
Application granted granted Critical
Publication of CN114942442B publication Critical patent/CN114942442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于类Bragg区域的星载全极化SAR图像评估方法，包括：第一步，在极化图像中自动选取裸土等类Bragg散射区域作为无旋性区域；第二步，利用无旋性区域估计极化图像通道不平衡；第三步，对初步估计的通道不平衡的相位进行去模糊操作，最后，通过拟合估计结果得到极化图像接收与发射的通道不平衡估计。本发明通过估计极化系统的接收与发射通道不平衡度对极化图像进行评估，以满足应用需求。

Description

基于类Bragg区域的星载全极化SAR图像评估方法
技术领域
本发明涉及一种基于类Bragg区域的星载全极化SAR（合成孔径雷达，SyntheticAperture Radar,）图像评估方法。
背景技术
星载极化SAR图像可以应用于地球观测，灾难评估等领域。极化图像应用的可信度很大程度上由系统的性能决定。随着卫星的运行时间加长，导致极化系统中的硬件系统随着时间而可能出现老化等现象，利用极化图像反演真实地物信息可能会出现失真的现象，因此对于星载系统的极化性能的评估直接决定了后续的应用是否可靠。硬件系统的老化等现象在极化图像中显示为受到串扰与通道不平衡的干扰，因此，对极化数据的评估具体表现为对串扰与通道不平衡的估计。
现有星载极化系统的极化隔离度都能达到-30dB的要求，因此主要考虑极化通道不平衡的估计。与定标方法相同，极化图像的评估也可以根据所选取的目标可以三个大类：纯点目标、点目标与分布式目标相结合以及纯分布式目标。角反射器、有源定标器为人工已知散射矩阵的点目标，这种算法通过人工实地摆放定标器来完成。其缺点在于成本较高定标器不易携带与精准摆放，因此无法应用于大部分图像中。现有的纯分布式目标进行评估的方法是由体散射区域与类Bragg散射区域共同完成对共极化与交叉极化通道不平衡进行评估的。在一些没有大量均匀体散射区域的场景中，这种方法将会受到限制，由此本发明提出了一种只利用裸土等类Bragg散射区域作为纯分布式目标对极化通道不平衡进行估计的方法，可以应用于大量的星载极化SAR图像的性能评估。
发明内容
有鉴于此，本发明的主要目的在于提供一种基于类Bragg区域的星载全极化SAR图像评估方法，该方法利用了类Bragg散射区域的无旋性对极化图像进行通道不平衡的估计。
本发明采用如下技术方案达到上述目的：
一种基于类Bragg区域的星载全极化SAR图像评估方法，包括如下步骤：
步骤1：选取类Bragg散射区域，对图像进行分块；
步骤2：根据步骤1得到每块中类Bragg散射区域的平均观测矩阵，以类Bragg散射的无旋性为目标函数采用牛顿迭代法初步估计接收通道与发射通道幅度与相位不平衡的初步结果；
步骤3：对上述牛顿迭代法得到的初步结果进行去模糊的操作；
步骤4：对估计的通道不平衡的幅度与相位沿着距离向进行线性拟合，获取每一距离向的幅相一致性估计值。
进一步地，所述步骤1具体包括：在去除水、冰的区域，依据
Figure 843264DEST_PATH_IMAGE002
分解得到的
Figure 170340DEST_PATH_IMAGE003
平面中z9区域进行选取，其中H和
Figure 985849DEST_PATH_IMAGE004
分别表示极化相干分解Cloude分解中的熵和平均α角参数，z9区域则代表
Figure 663955DEST_PATH_IMAGE005
平面内低熵低
Figure 223112DEST_PATH_IMAGE004
的区域，或者利用极化参数等效视数以及两种同极化分量的极化相关系数的阈值对类Bragg散射像素进行选取；在距离向与方位向上进行分块处理；预设距离向个数P与方位向个数N。
进一步地，所述步骤2具体包括：对极化干扰矩阵进行建模后，观测的散射矩阵如下所示：
Figure 670274DEST_PATH_IMAGE006
(14)
其中，f 1与f 2分别是接收通道与发射通道不平衡，M pq (p=h,v,q=h,v)是观测矩阵的分量，S pq (p=h,v,q=h,v)表示真实散射矩阵分量。A为复数，表示绝对辐射因子；
将[M]改写为向量形式可得：
Figure 138908DEST_PATH_IMAGE007
(15)
定义观测极化协方差矩阵[O]为：
Figure 569890DEST_PATH_IMAGE008
(16)
其中，O ij （i,j=1,2,3,4）表示[O]矩阵中第i行，第j列的元素，E(·)表示求数学期望操作。
真实协方差矩阵用[C]=E([S][S] H )表示，在下文中，用C ij （i,j=1,2,3,4）表示[C]矩阵中第i行，第j列的元素。螺旋体散射分量如下式所示：
Figure 401579DEST_PATH_IMAGE009
(17)
其中，Im(·)表示求虚部操作。因此构建观测矩阵的优化函数：
Figure 234406DEST_PATH_IMAGE010
(18)
其中，*表示共轭操作，p 1=f 1 -1=a 1+i·b 1，p 2=f 2 -1=a 2+i·b 2，a 1与b 1分别为p 1的实部与虚部，a 2与b 2分别为p 2的实部与虚部。本发明通过牛顿迭代法迭代得到f 1,f 2的初步估计值，Newton迭代法所需偏导数为：
Figure 860560DEST_PATH_IMAGE011
(19)
其中，
Figure 529569DEST_PATH_IMAGE012
(x=a 1,b 1,a 2,b 2) 表示对x进行求偏导数的操作。O mn =O mnre +i·O mnim ，其中，m=2,3,n=1,4，O mnre 与O mnim 表示O mn 的实部与虚部；针对每一距离向块迭代得到通道不平衡的估计值的过程即为Newton迭代法的过程。首先设置迭代的初值，将初值带入线性方程组(20)中求解修正值∆a 1,∆b 1,∆a 2,∆b 2：
[∆a 1,∆b 1,∆a 2,∆b 2] T =([∂F] T [∂F])-1([∂F] T [F]) (20)
其中，[F]矩阵为每一距离向块中，N个方位向块的f UZHEX 观测值的向量：
Figure 430529DEST_PATH_IMAGE013
(21)
公式（21）中，
Figure 852283DEST_PATH_IMAGE014
，l=1,2,...N分别为N个方位向块的f UZHEX 观测值。在第j次迭代中，[∂F]矩阵可以表示为：
Figure 914917DEST_PATH_IMAGE015
(22)
上述矩阵中，
Figure 789332DEST_PATH_IMAGE016
(x=a 1,b 1,a 2,b 2)表示第l个方位向j-1阶x的偏导数。
迭代公式(20)~(22)，根据下式对求解结果进行更新：
Figure 979136DEST_PATH_IMAGE017
(23)
公式（23）中，等式左边为第j次迭代后a 1,a 2,b 1,b 2的估计值，右边为更新公式。
由每次迭代的修正值求解||[∂F][∆a 1,∆b 1,∆a 2,∆b 2] T -[F]||2残差值，当残差小于某一阈值时，当前得到的a 1,b 1,a 2,b 2即为迭代的最终结果，由此得到了接收通道以及发射通道的幅相不平衡的初步结果。
进一步地，假定p 1和p 2的相位和为
Figure 520976DEST_PATH_IMAGE018
，相位差为
Figure 754511DEST_PATH_IMAGE019
，所述步骤3具体包括的步骤如下：
a、对每一距离向块的O 23的相位Arg(O 23)进行直方图统计，峰值所在区间与
Figure 381802DEST_PATH_IMAGE019
估计值进行比较，得到
Figure 358985DEST_PATH_IMAGE020
是否存在±π的模糊；
b、通过归一化相干矩阵的第一个元素<N 11>与
Figure 506064DEST_PATH_IMAGE021
的关系得到
Figure 910500DEST_PATH_IMAGE022
是否存在±π的模糊；被通道不平衡干扰后的<N 11>表示为：
Figure 25087DEST_PATH_IMAGE023
(24)
其中，Tr(·)表示求矩阵的迹操作，T f (1,1)表示受到f 1和f 2的干扰后的相干矩阵T f 的第一个元素，φ 14表示C 14的相位。
根据得到的|p 1|和|p 2|对归一化平均相干矩阵<N>的第一项<N 11>进行初步的校正后，得到：
Figure 540382DEST_PATH_IMAGE024
(25)
其中，
Figure 56814DEST_PATH_IMAGE025
，因此通过判断
Figure 645534DEST_PATH_IMAGE026
的符号得到
Figure 247416DEST_PATH_IMAGE027
是否存在±π的模糊；
c、由上述两个过程得到的去模糊后的
Figure 566402DEST_PATH_IMAGE028
与
Figure 671761DEST_PATH_IMAGE029
联立得到f 1与f 2相位的初步估计值；
d、利用数字高程模型估计出的极化旋转角以及极化数据估计得到的旋转角的一致性可以去除f 1与f 2的相位模糊；
极化数据估计极化旋转角的公式如下：
Figure 683580DEST_PATH_IMAGE030
(26)
其中，Re(·)为取实部操作。tan-1(·)表示取反正切函数操作。
有益效果：
本发明主要提出了一种基于类Bragg散射区域的无旋性对星载极化SAR的极化通道不平衡的幅相一致性的评估方法，可以应用于大部分极化图像的评估中，为后续的极化应用提供可信度依据，对于系统的性能提供极化通道不平衡的估计指标。
附图说明
图1为本发明的基于裸土等类Bragg区域的星载全极化SAR图像评估方法的流程示意图。
图2a，图2b为高分三号沙漠地区示意图；其中图2a为沙漠地区Pauli分解图像；图2b为类Bragg散射区域选择情况，其中白色为所选择的类Bragg散射区域；
图3a，图3b为通道不平衡评估结果示意图，点划线代表f 1的估计结果，虚线代表f 2的估计结果；其中图3a为通道不平衡幅度估计结果示意图；图3b为通道不平衡相位估计结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明针对隔离度在-30dB以下的星载极化SAR系统，对图像进行评估时，第一步，在极化图像中自动选取裸土等无旋性区域，并在距离向与方位向分块，获得各距离向与方位向块无旋性区域的平均观测矩阵；第二步，以类Bragg散射区域的无旋性为优化函数，利用Newton迭代法迭代得到接收通道与发射通道不平衡的初步估计结果；第三步，对第二步得到的接收通道和发射通道不平衡的相位初步结果进行去模糊操作，最后对求得的各距离向块接收通道和发射通道不平衡幅度与相位的结果分别进行拟合后得到每一距离向块准确的幅相不一致估计结果进行评估。如图1所示，具体步骤如下：
步骤101：选取类Bragg散射区域，对图像进行分块；
下面介绍两种在图像中选取类Bragg散射区域的方法，由于所获取的图像是产品图像，可以在去除水、冰等自然水域的区域后，依据
Figure 241600DEST_PATH_IMAGE031
分解得到的
Figure 115009DEST_PATH_IMAGE032
平面中z9区域进行选取，其中H和
Figure 340454DEST_PATH_IMAGE033
分别表示极化相干分解Cloude分解中的熵和平均α角参数，z9区域则代表
Figure 523174DEST_PATH_IMAGE032
平面内低熵低
Figure 834070DEST_PATH_IMAGE033
的区域，也可以利用极化参数等效视数(ENL)以及两种同极化分量极化相关系数(R hhvv )的阈值对裸土像素进行选取。
极化SAR图像中每一像素点为中心以n×n的窗口进行多视处理，其中n为本领域技术人员根据不同场景预设的窗口大小，估计得到极化协方差矩阵。极化SAR图像中，通道不平衡在距离向上变化较大，因此需要对数据在距离向上进行分块处理；所求的接收与通道不平衡为复数，在每一距离向块进行求解时需要至少四个不同的协方差矩阵，因此在本方法具体实施的过程中，需要在距离向与方位向上进行分块处理。具体实施过程中，本领域技术人员可以根据不同场景预设距离向个数P与方位向个数N。
步骤102：以类Bragg散射区域的无旋性为目标函数采用牛顿迭代法初步估计接收通道与发射通道幅度与相位不平衡的初步结果。
对极化干扰矩阵进行建模后，由于产品图像的串扰很小，这里假设为0，观测的散射矩阵如下所示：
Figure 760437DEST_PATH_IMAGE034
(27)
其中，f 1与f 2分别是接收通道与发射通道不平衡，M pq (p=h,v,q=h,v)是观测矩阵的分量，S pq (p=h,v,q=h,v)表示真实散射矩阵分量。A为复数，表示绝对辐射因子。将[M]改写为向量形式可得：
Figure 591121DEST_PATH_IMAGE035
(28)
定义观测极化协方差矩阵[O]为：
Figure 944742DEST_PATH_IMAGE036
(29)
其中，O ij （i,j=1,2,3,4）表示[O]矩阵中第i行，第j列的元素，E(·)表示求数学期望操作。
真实协方差矩阵用[C]=E([S][S] H )表示，在下文中，用C ij （i,j=1,2,3,4）表示[C]矩阵中第i行，第j列的元素。螺旋体散射分量如下式所示：
Figure 477355DEST_PATH_IMAGE037
(30)
其中，Im(·)表示求虚部操作。因此可以构建观测矩阵的优化函数：
Figure 472992DEST_PATH_IMAGE038
(31)
其中，*表示共轭操作，|·|表示取模值操作。p 1=f 1 -1=a 1+i·b 1，p 2=f 2 -1=a 2+i·b 2，a 1与b 1分别为p 1的实部与虚部，a 2与b 2分别为p 2的实部与虚部。本发明通过牛顿迭代法迭代得到f 1,f 2的初步估计值，Newton迭代法所需偏导数为：
Figure 158183DEST_PATH_IMAGE039
(32)
公式（32）中，
Figure 682705DEST_PATH_IMAGE040
(x=a 1,b 1,a 2,b 2) 表示对x进行求偏导数的操作。O mn =O mnre +i·O mnim (m=2,3,n=1,4)，O mnre 与O mnim 表示O mn 的实部与虚部。针对每一距离向块迭代得到通道不平衡的估计值的过程即为Newton迭代法的过程。首先设置迭代的初值，将初值带入线性方程组(33)中求解修正值∆a 1,∆b 1,∆a 2,∆b 2：
[∆a 1,∆b 1,∆a 2,∆b 2] T =([∂F] T [∂F])-1([∂F] T [F]) (33)
其中，[F]矩阵为每一距离向块中，N个方位向块的f UZHEX 观测值的向量：
Figure 702614DEST_PATH_IMAGE041
(34)
公式（34）中，
Figure 970784DEST_PATH_IMAGE042
，l=1,2,...N分别为N个方位向块的f UZHEX 观测值。在第j次迭代中，[∂F]矩阵可以表示为：
Figure 759748DEST_PATH_IMAGE043
(35)
上述矩阵中，
Figure 720751DEST_PATH_IMAGE044
(x=a 1,b 1,a 2,b 2)表示第l个方位向j-1阶x的偏导数。迭代公式(33)~(35)，根据下式对求解结果进行更新：
Figure 710179DEST_PATH_IMAGE045
(36)
公式(36)中，等式左边为第j次迭代后a 1,a 2,b 1,b 2的估计值，右边为更新公式。
由每次迭代的修正值求解||[∂F][∆a 1,∆b 1,∆a 2,∆b 2] T -[F]||2残差值，当残差小于某一阈值时，当前得到的a 1,b 1,a 2,b 2即为迭代的最终结果。由此得到了接收通道以及发射通道的幅相不平衡的初步结果。
步骤103：对所述步骤102的迭代结果进行去模糊的操作。
0上步得到初步的p 1和p 2的相位和与相位差均有可能存在±π的模糊从而导致。假定相位和为
Figure 782041DEST_PATH_IMAGE046
，相位差为
Figure 691091DEST_PATH_IMAGE047
，相位去模糊的具体步骤如下：
a、对每一距离向块的O 23的相位Arg(O 23)进行直方图统计，峰值所在区间与
Figure 291836DEST_PATH_IMAGE048
估计值进行比较，可以得到
Figure 286337DEST_PATH_IMAGE020
是否存在±π的模糊。
b、通过归一化相干矩阵的第一个元素<N 11>与
Figure 630731DEST_PATH_IMAGE049
的关系可以得到
Figure 394288DEST_PATH_IMAGE050
是否存在±π的模糊。被通道不平衡干扰后的<N 11>可以表示为：
Figure 916667DEST_PATH_IMAGE051
(37)
其中，Tr(·)表示求矩阵的迹操作，T f (1,1)表示受到f 1和f 2的干扰后的相干矩阵T f 的第一个元素，φ 14表示 C 14的相位。
根据得到的|p 1|和|p 2|对归一化平均相干矩阵<N>的第一项<N 11>进行初步的校正后，可以得到：
Figure 664043DEST_PATH_IMAGE052
(38)
其中，
Figure 812128DEST_PATH_IMAGE053
，因此通过判断
Figure 695770DEST_PATH_IMAGE054
的符号可以得到
Figure 903897DEST_PATH_IMAGE055
是否存在±π的模糊。
c、由上述两个过程得到的去模糊后的
Figure 607411DEST_PATH_IMAGE056
与
Figure 309919DEST_PATH_IMAGE057
联立得到f 1与f 2相位的初步估计值。
d、数字高程模型估计出的极化旋转角以及极化数据估计得到的旋转角的一致性可以去除f 1与f 2的相位模糊。极化数据估计极化旋转角的公式如下：
Figure 48068DEST_PATH_IMAGE058
(39)
其中，Re(·)为取实部操作。tan-1(·)表示取反正切函数操作。
步骤104：极化图像中通道不平衡会随着距离向的不同而略微有所不同，对不同，这里用线性变化进行表示，因此，为了获得更具有鲁棒性的结果，本方法针对距离向块由近端到远端进行相位与幅度的线性拟合，得到各距离门的接收通道与发射通道的幅相不平衡值。图1为整个算法的流程图。
下面结合具体实施例对本发明的技术方案作进一步详细说明。
实施例1
我们使用中国第一颗高分辨率C波段全极化SAR——高分三号数据开展分析，其工作模式为全极化条带I(Quad-Polarization Stripmap I, QPSI)模式其中包含HH、HV、VH、VV四通道数据，像素分辨率为8m。其设计指标为串扰在-35dB以下，通道不平衡的幅度在±0.5dB以内，相位的指标在±5°以内。
图2展示了实例所选区域的情况，这里选择的是类Bragg散射较多的沙漠地区，成像时间为2019年6月13日。图2给出的是成像区域的Pauli图像与类Bragg散射区域选择情况，该区域选择为中国新疆沙漠区域；图3展示了针对极化通道不平衡的估计结果。图3a为通道不平衡幅度估计结果，该结果随着距离向的变化略有不同，f 1的估计结果整体范围在0.0954dB~0.1546dB，f 2范围在-0.0189dB~0.0155dB；图3b为通道不平衡相位估计结果，f 1的相位最大估计值为3.7150°，最小估计值为2.7835°，而f 2的相位随着距离向在-1.2585°~0.0135°之间变化。该评估结果验证了GF-3经过了长时间的运行，极化系统的性能依然满足设计指标。
在其他情况下本发明仍然适用，并非用于限定本发明的保护范围。本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于类Bragg区域的星载全极化SAR图像评估方法，其特征在于，该方法包括：
步骤1：选取类Bragg散射区域，对图像进行分块；
步骤2：根据步骤1得到每块中的类Bragg散射区域的平均观测矩阵，以类Bragg散射目标的无旋性为目标函数采用牛顿迭代法初步估计接收通道与发射通道幅度与相位不平衡的初步结果，具体包括：
对极化干扰矩阵进行建模后，观测的散射矩阵如下所示：
Figure 505358DEST_PATH_IMAGE001
(1)
其中，f 1与f 2分别是接收通道与发射通道不平衡，M pq 是观测矩阵的分量，S pq 表示真实散射矩阵分量，其中，p=h,v,q=h,v；A为复数，表示绝对辐射因子；
将[M]改写为向量形式得到：
Figure 770117DEST_PATH_IMAGE002
(2)
定义观测极化协方差矩阵[O]为：
Figure 320047DEST_PATH_IMAGE003
(3)
其中，O ij 表示[O]矩阵中第i行，第j列的元素，i,j=1,2,3,4；E(·)表示求数学期望操作；
真实协方差矩阵用[C]=E([S][S] H )表示，用C ij 表示[C]矩阵中第i行，第j列的元素，i,j=1,2,3,4；
螺旋体散射分量如下式所示：
Figure 185104DEST_PATH_IMAGE004
(4)
其中，Im(·)表示求虚部操作；因此构建观测矩阵的优化函数：
Figure 478682DEST_PATH_IMAGE005
(5)
其中，*表示共轭操作，|·|表示取模值操作；p 1=f 1 -1=a 1+i·b 1，p 2=f 2 -1=a 2+i·b 2，a 1与b 1分别为p 1的实部与虚部，a 2与b 2分别为p 2的实部与虚部；
通过牛顿迭代法迭代得到f 1,f 2的初步估计值，Newton迭代法所需偏导数为：
Figure 863527DEST_PATH_IMAGE006
(6)
其中，
Figure 318779DEST_PATH_IMAGE007
表示对x进行求偏导数的操作，其中x=a 1,b 1,a 2,b 2；O mn =O mnre +i·O mnim ，其中,O mn 为O 12，O 13， O 24， O 34；O mnre 与O mnim 表示O mn 的实部与虚部；
针对每一距离向块迭代得到通道不平衡的估计值的过程即为Newton迭代法的过程：
首先设置迭代的初值，将初值带入线性方程组(7)中求解修正值∆a 1,∆b 1,∆a 2,∆b 2：
[∆a 1,∆b 1,∆a 2,∆b 2] T =([∂F] T [∂F])-1([∂F] T [F]) (7)
其中，[F]矩阵为每一距离向块中，N个方位向块的f UZHEX 观测值的向量：
Figure 421864DEST_PATH_IMAGE008
(8)
公式（8）中，
Figure 253554DEST_PATH_IMAGE009
，l=1,2,...N分别为N个方位向块的f UZHEX 观测值；
在第j次迭代中，[∂F]矩阵表示为：
Figure 758485DEST_PATH_IMAGE010
(9)
上述矩阵中，
Figure 384638DEST_PATH_IMAGE011
表示第l个方位向j-1阶x的偏导数，其中，x=a 1,b 1,a 2,b 2；
迭代公式(7)~(9)，根据下式对求解结果进行更新：
Figure 224287DEST_PATH_IMAGE012
(10)
公式（10）中，等式左边为第j次迭代后a 1,a 2,b 1,b 2的估计值，右边为更新公式；
由每次迭代的修正值求解||[∂F][∆a 1,∆b 1,∆a 2,∆b 2] T -[F]||2残差值，当残差小于某一阈值时，当前得到的a 1,b 1,a 2,b 2即为迭代的最终结果，由此得到了接收通道以及发射通道的幅相不平衡的初步结果；
步骤3：对上述牛顿迭代法得到的初步结果进行去模糊的操作；
步骤4：对估计的通道不平衡的幅度与相位沿着距离向进行线性拟合，获取每一距离向的幅相一致性估计值。
2.根据权利要求1所述的基于类Bragg区域的星载全极化SAR图像评估方法，其特征在于，所述步骤1具体包括：在去除水、冰的区域，依据
Figure 62930DEST_PATH_IMAGE013
分解得到的
Figure 219105DEST_PATH_IMAGE014
平面中z9区域进行选取，其中H和
Figure 219422DEST_PATH_IMAGE015
分别表示极化相干分解Cloude分解中的熵和平均α角参数，z9区域则代表
Figure 93837DEST_PATH_IMAGE016
平面内低熵低
Figure 470592DEST_PATH_IMAGE017
的区域，或者利用极化参数等效视数以及两种同极化分量的极化相关系数的阈值对类Bragg散射像素进行选取；在距离向与方位向上进行分块处理；预设距离向个数P与方位向个数N。
3.根据权利要求2所述的基于类Bragg区域的星载全极化SAR图像评估方法，其特征在于：假定p 1和p 2的相位和为
Figure 746852DEST_PATH_IMAGE018
，相位差为
Figure 170268DEST_PATH_IMAGE019
，所述步骤3包括的具体步骤如下：
a、对每一距离向块的O 23的相位Arg(O 23)进行直方图统计，峰值所在区间与
Figure 531979DEST_PATH_IMAGE020
估计值进行比较，得到
Figure 446845DEST_PATH_IMAGE021
是否存在±π的模糊；
b、通过归一化相干矩阵的第一个元素<N 11>与
Figure 577612DEST_PATH_IMAGE022
的关系得到
Figure 919732DEST_PATH_IMAGE023
是否存在±π的模糊；被通道不平衡干扰后的<N 11>表示为：
Figure 768739DEST_PATH_IMAGE024
(11)
其中，Tr(·)表示求矩阵的迹操作；T f (1,1)表示受到f 1和f 2的干扰后的相干矩阵T f 的第一个元素；
Figure 221717DEST_PATH_IMAGE025
表示C 14的相位；
根据得到的|p 1|和|p 2|对归一化相干矩阵<N>的第一项<N 11>进行初步的校正后，得到：
Figure 472570DEST_PATH_IMAGE026
(12)
其中，
Figure 234859DEST_PATH_IMAGE027
，因此通过判断
Figure 571162DEST_PATH_IMAGE028
的符号得到
Figure 827831DEST_PATH_IMAGE029
是否存在±π的模糊；
c、由上述两个过程得到的去模糊后的
Figure 136453DEST_PATH_IMAGE030
与
Figure 617113DEST_PATH_IMAGE031
联立得到f 1与f 2相位的初步估计值；
d、利用数字高程模型估计出的极化旋转角以及极化数据估计得到的旋转角的一致性可以去除f 1与f 2的相位模糊；
极化数据估计极化旋转角的公式如下：
Figure 175133DEST_PATH_IMAGE032
(13)
其中，Re(·)为取实部操作；tan-1(·)表示取反正切函数操作。
CN202210874725.8A 2022-07-25 2022-07-25 基于类Bragg区域的星载全极化SAR图像评估方法 Active CN114942442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210874725.8A CN114942442B (zh) 2022-07-25 2022-07-25 基于类Bragg区域的星载全极化SAR图像评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210874725.8A CN114942442B (zh) 2022-07-25 2022-07-25 基于类Bragg区域的星载全极化SAR图像评估方法

Publications (2)

Publication Number Publication Date
CN114942442A CN114942442A (zh) 2022-08-26
CN114942442B true CN114942442B (zh) 2022-10-21

Family

ID=82910730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210874725.8A Active CN114942442B (zh) 2022-07-25 2022-07-25 基于类Bragg区域的星载全极化SAR图像评估方法

Country Status (1)

Country Link
CN (1) CN114942442B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113945929A (zh) * 2021-12-20 2022-01-18 中国科学院空天信息创新研究院 一种未定标全极化sar无旋性区域选择方法
CN113945928A (zh) * 2021-12-20 2022-01-18 中国科学院空天信息创新研究院 一种基于无旋性区域的全极化sar定标方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113945929A (zh) * 2021-12-20 2022-01-18 中国科学院空天信息创新研究院 一种未定标全极化sar无旋性区域选择方法
CN113945928A (zh) * 2021-12-20 2022-01-18 中国科学院空天信息创新研究院 一种基于无旋性区域的全极化sar定标方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Co-polarization channel imbalance determination by the use of bare soil";Lei Shi et al.;《ISPRS Journal of Photogrammetry and Remote Sensing》;20141231;第53-67页 *
"Polarimetric calibration for the distributed Gaofen-3 product by an improved unitary zero helix framework";Lei Shi et al.;《ISPRS Journal of Photogrammetry and Remote Sensing》;20201231;第229-243页 *
"一种考虑通道噪声的极化SAR定标改进算法";张海瀛 等;《西安电子科技大学学报（自然科学版）》;20161231;第43卷(第6期);第45-50页 *
"不依赖人工定标器的全极化SAR定标研究进展";史磊 等;《遥感学报》;20211130;第25卷(第11期);第2211-2219页 *

Also Published As

Publication number Publication date
CN114942442A (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
AU2010270339B2 (en) Process for filtering interferograms obtained from SAR images acquired on the same area.
CN102393513B (zh) 一种基于自然分布场景和稀少定标器的极化定标方法
CN110632594B (zh) 一种长波长星载sar成像方法
CN108828597B (zh) 滑动聚束模式图像的雷达回波反演方法及装置
Moradikia et al. Joint SAR imaging and multi-feature decomposition from 2-D under-sampled data via low-rankness plus sparsity priors
CN110148165B (zh) 一种基于粒子群优化的三维干涉isar图像配准方法
CN106918810B (zh) 一种存在阵元幅相误差时的微波关联成像方法
CN108226925A (zh) 一种适用于弹载大前斜视时变参数sar的重叠子孔径算法
KR20160050322A (ko) 타깃 탐지의 정확성 개선 방법
US8798359B2 (en) Systems and methods for image sharpening
Zhang et al. Improvement of polarimetric SAR calibration based on the Ainsworth algorithm for Chinese airborne PolSAR data
CN113204023A (zh) 联合ps目标与ds目标的双极化相位优化地表形变监测方法
CN113945928A (zh) 一种基于无旋性区域的全极化sar定标方法
Güngör et al. Compressive synthetic aperture radar imaging and autofocusing by augmented Lagrangian methods
CN106405545B (zh) 一种双时相异模双极化SAR类Pauli假彩色影像合成方法
CN105528767A (zh) 极化sar图像中目标极化相干特征的增强方法
Gaetano et al. Fusion of SAR-optical data for land cover monitoring
CN114942442B (zh) 基于类Bragg区域的星载全极化SAR图像评估方法
CN116626622A (zh) 一种极化合成孔径雷达交叉定标方法
Hu et al. Widely-distributed radar imaging based on consensus ADMM
CN103869299A (zh) 基于自然裸土的极化合成孔径雷达定标方法
Zhao et al. Improved maximum likelihood estimation for optimal phase history retrieval of distributed scatterers in InSAR stacks
Wu et al. Outline reconstruction for radar forward-looking imaging based on total variation functional deconvloution methodxs
CN114037897A (zh) 基于点线奇异性融合的极化sar图像变化检测方法
CN106093944A (zh) 一种适用于恒虚警率检测的稀疏微波成像方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant