CN117390354B - 基于GoaC补偿的极化目标分解方法 - Google Patents
基于GoaC补偿的极化目标分解方法 Download PDFInfo
- Publication number
- CN117390354B CN117390354B CN202311695770.8A CN202311695770A CN117390354B CN 117390354 B CN117390354 B CN 117390354B CN 202311695770 A CN202311695770 A CN 202311695770A CN 117390354 B CN117390354 B CN 117390354B
- Authority
- CN
- China
- Prior art keywords
- scattering
- matrix
- polarization
- expression
- compensation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000010287 polarization Effects 0.000 title claims abstract description 58
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 93
- 238000005388 cross polarization Methods 0.000 claims abstract description 21
- 230000008878 coupling Effects 0.000 claims abstract description 11
- 238000010168 coupling process Methods 0.000 claims abstract description 11
- 238000005859 coupling reaction Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 20
- 230000001427 coherent effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000002184 metal Substances 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims 2
- 238000012512 characterization method Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/76—Arrangements for rearranging, permuting or selecting data according to predetermined rules, independently of the content of the data
- G06F7/78—Arrangements for rearranging, permuting or selecting data according to predetermined rules, independently of the content of the data for changing the order of data flow, e.g. matrix transposition or LIFO buffers; Overflow or underflow handling therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Electromagnetism (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于GoaC补偿的极化目标分解方法，包括以下步骤：输入目标图像的第一相干矩阵；对第一相干矩阵进行旋转，得到缓解元素耦合的第二相干矩阵；对第二相干矩阵进行特征值分解，以得到极化熵；基于全局定向角分解面散射矩阵、二面角散射矩阵及体散射矩阵，以比较交叉极化分量的贡献中面散射和偶次散射的大小，并求解偶次散射参数、面散射参数、面散射功率及二面角散射功率。通过引入极化熵表征的目标分布比，区分交叉极化分量的贡献，并利用全局定向角目标补偿和分布面/二面角散射模型缓解MTD分解时，极化散射矩阵中同极化、交叉极化的耦合、体散射功率过高估计问题。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种基于GoaC补偿的极化目标分解方法。
背景技术
极化合成孔径雷达（POLSAR，极化SAR）是一种先进的对地观测合成孔径雷达系统（SAR）。与传统SAR相比，极化SAR极大地提高了对地面目标散射信息的获取能力，是现代SAR发展的重要方向之一。随着人们对极化SAR理论理解的逐步深入以及SAR技术的不断发展，极化SAR技术在最近几十年取得了突飞猛进的发展。极化SAR在土地覆盖分类、地物参数反演、目标识别、地形测绘、城市变化监测、海洋监测等众多领域正取得日益广泛而深入的应用。极化SAR应用的一个基本前提是对目标的极化特性进行分析。
目标极化分解是一种重要的、常用的目标极化特性分析技术。其中，基于模型的非相干目标极化分解由于操作简单、物理意义明确成为了目标极化分解的重要分支。基于模型的非相干目标极化分解引起了广泛关注，吸引了大批研究人员的注意力，已经成为目标极化分解和极化SAR领域的研究热点、难点。
现有技术中，基于模型非相干目标极化分解方法分解之后，主要存在以下缺点：1、像素总是出现负功率，意味着目标散射回波功率是负数，散射模型不合理，分解方法有偏差；2、无法量化体散射分量对交叉极化分量的贡献。而基于模型非相干目标极化分解出现负功率像素的原因是：1）目标不满足反射对称性，水平极化和垂直极化的散射存在耦合；2）基于模型极化分解属于非相干分解，分解之前需要进行多视或者滤波，导致无法区分或者量化交叉极化分量的贡献来源。
发明内容
针对现有技术的不足，本发明的目的在于提供一种基于GoaC补偿的极化目标分解方法，旨在解决现有技术中，散射模型不合理，分解方法有偏差的技术问题。
为了实现上述目的，本发明是通过如下技术方案来实现的：基于GoaC补偿的极化目标分解方法，包括以下步骤：
输入目标图像的全极化数据，所述全极化数据表示为与所述目标图像对应的第一相干矩阵；
对所述第一相干矩阵进行旋转，得到缓解元素耦合的第二相干矩阵；
对所述第二相干矩阵进行特征值分解，以得到极化熵，并基于所述极化熵表征目标分布比，以量化并区分交叉极化分量的贡献；
基于以下表达式对所述第二相干矩阵进行分解：
；
式中，分别是分解的面散射矩阵、二面角散射矩阵和体散射矩阵，分别是面散射功率、二面角散射功率和体散射功率；
基于全局定向角分解所述面散射矩阵、二面角散射矩阵及体散射矩阵，以比较交叉极化分量的贡献中面散射和偶次散射的大小；
若面散射占优，则判定偶次散射为相干的金属二面角散射，并基于所述偶次散射参数求解面散射参数、面散射功率及二面角散射功率；
若二面角散射占优，则判定面散射为相干的漫散射，并基于所述全局定向角求解偶次散射参数、面散射功率及二面角散射功率。
根据上述技术方案的一方面，所述第一相干矩阵的表达式如下：
。
根据上述技术方案的一方面，对所述第一相干矩阵进行旋转，得到缓解元素耦合的第二相干矩阵的步骤具体包括：
基于以下计算式得到与所述第一相干矩阵对应的全局定向角：
；
式中，是四象限的反正切函数，Im表示对复数取虚部，n＝/>，表示将所述全局定向角/>限定于/>；
基于以下计算表达式对所述第一相干矩阵进行GoaC补偿，得到第二相干矩阵：
；
式中，；
其中，对所述第一相干矩阵进行GoaC补偿后，所述第二相干矩阵的元素满足：
。
根据上述技术方案的一方面，对所述第二相干矩阵进行特征值分解，以得到极化熵并基于所述极化熵表征目标分布比，以量化并区分交叉极化分量的贡献的步骤具体包括：
对所述第二相干矩阵进行特征值分解，以得到特征值，并基于以下表达式得到极化熵H：
；
；
式中，为交叉极化分布比，/>为所述特征值的伪概率，/>的表达式为：
。
根据上述技术方案的一方面，面散射矩阵的表达式如下：
；
所述二面角散射矩阵的表达式如下：
；
式中，，/>分别是偶次散射参数和面散射参数，上标s表示面散射，上标d表示二面角散射，/>，/>和/>是定向角/>的均匀分布散射微粒的分布模型，/>为所述偶次散射参数的共轭复数，/>为所述面散射参数的共轭复数。
根据上述技术方案的一方面，各所述分布模型的表达式如下：
；
；
；
其中，i为s或者d，表示面散射对应的定向角，/>表示二面角散射对应的定向角；
所述体散射矩阵的表达式如下：
。
根据上述技术方案的一方面，所述第二相干矩阵的表达式如下：
。
根据上述技术方案的一方面，若面散射占优，则判定偶次散射为相干的金属二面角散射，并基于所述偶次散射参数求解面散射参数、面散射功率及二面角散射功率的步骤具体包括：
若，则表示面散射占优，则判定偶次散射为相干的金属二面角散射；
并基于以下计算表达式，根据所述偶次散射参数求解所述面散射参数、面散射功率及二面角散射功率：
；
；
；
；
式中，为矩阵元素/>的共轭复数。
根据上述技术方案的一方面，若二面角散射占优，则判定面散射为相干的漫散射，并基于所述全局定向角求解偶次散射参数、面散射功率及二面角散射功率的步骤具体包括：
若，则表示二面角散射占优，则判定面散射为相干的漫散射；
并基于以下计算表达式，根据所述面散射参数求解所述偶次散射参数、面散射功率及二面角散射功率：
；
；
；
。
根据上述技术方案的一方面，所述方法还包括：
基于以下表达式求解全局定向角，以基于所述全局定向角/>得到：
；
基于以下表达式求解全局定向角，以基于所述全局定向角/>得到/>和/>：
。
与现有技术相比，本发明的有益效果在于：通过引入极化熵表征的目标分布比，区分交叉极化分量的贡献，并利用全局定向角目标补偿和分布面/二面角散射模型缓解MTD分解时，极化散射矩阵中同极化、交叉极化的耦合、体散射功率过高估计问题。
附图说明
图1为本发明一实施例中基于GoaC补偿的极化目标分解方法的流程图；
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的多个实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本发明的公开内容更加透彻全面。
请参阅图1，所示为本发明一实施例中的基于GoaC补偿的极化目标分解方法，包括以下步骤：
步骤S100，输入目标图像的全极化数据，所述全极化数据表示为与所述目标图像对应的第一相干矩阵。具体来说，上述第一相干矩阵的表达式为：
（1）。
优选地，在本实施例中，上述步骤S100之后，所述方法还包括：
步骤S110，对所述第一相干矩阵进行多视和极化滤波处理。
步骤S200，对所述第一相干矩阵进行旋转，得到缓解元素耦合的第二相干矩阵。
具体来说，在本实施例中，上述步骤S200具体包括：
步骤S210，基于以下计算式得到与所述第一相干矩阵对应的全局定向角：
（2）；
式中，是四象限的反正切函数，Im表示对复数取虚部，n＝/>，表示将所述全局定向角/>限定于/>；
步骤S220，基于以下计算表达式对所述第一相干矩阵进行GoaC补偿，得到第二相干矩阵：
（3）；
式中，；
其中，对所述第一相干矩阵进行GoaC补偿后，所述第二相干矩阵的元素满足：
（4）。
具体来说，上式（4）表示相干矩阵进行GoaC补偿后，相干矩阵的元素的实部等于0。
步骤S300，对所述第二相干矩阵进行特征值分解，以得到极化熵，并基于所述极化熵表征目标分布比，以量化并区分交叉极化分量的贡献。
具体来说，在实施例中，上述步骤S300包括：
步骤S310，对所述第二相干矩阵进行特征值分解，以得到特征值，并基于以下表达式得到极化熵H：
（5）；
式中，为所述特征值的伪概率，/>。
假设交叉极化分量的贡献同时来自体散射和分布面散射或分布二面角散射。以往的目标分解方法总是将所有交叉极化分量归为体散射贡献。在本实施例中，基于极化熵定义GoaC目标补偿前后的交叉极化分布比p：
（6）；
式中，为交叉极化分布比。
步骤S400，基于以下表达式对所述第二相干矩阵进行分解：
（7）；
式中，分别是分解的面散射矩阵、二面角散射矩阵和体散射矩阵，分别是面散射功率、二面角散射功率和体散射功率。
步骤S500，基于全局定向角分解所述面散射矩阵、二面角散射矩阵及体散射矩阵，以比较交叉极化分量的贡献中面散射和偶次散射的大小。
具体来说，在本实施例中，上述面散射矩阵的表达式如下：
（8）；
所述二面角散射矩阵的表达式如下：
（9）；
式中，，/>分别是偶次散射参数和面散射参数，上标s表示面散射，上标d表示二面角散射，/>，/>和/>是定向角/>的均匀分布散射微粒的分布模型，/>为所述偶次散射参数的共轭复数，/>为所述面散射参数的共轭复数。其中，/>可以是相干散射或者非相干散射的面散射矩阵，/>可以是相干散射或者非相干散射的二角面散射矩阵。
进一步地，各所述分布模型的表达式如下：
（10）；
（11）；
（12）；
其中，i为s或者d，表示面散射对应的定向角，/>表示二面角散射对应的定向角；
所述体散射矩阵的表达式如下：
（13）。
进一步可得：
所述第二相干矩阵的表达式如下：
（14）；
展开式（14），获得：
（15）；
（16）；
（17）；
（18）；
为了求出未知数，引入分布比，定义为体散射交叉极化分量对总的交叉极化分量贡献，即：
（19）；
因此，可得：
（20）。
具体来说，将上述式（20）代入式（15）、（16）可以用来判断偶次散射和面散射的占优情况。
进一步地，在本实施例中，通常表示面散射，/>通常表示二面角散射；
若，则表示面散射占优；
若，则表示二面角散射占优；
步骤S610，若面散射占优，则判定偶次散射为相干的金属二面角散射，并基于所述偶次散射参数求解面散射参数、面散射功率及二面角散射功率。
具体来说。面散射占优，则认为偶次散射为相干的金属二面角散射，即：
（21）。
则由上式（15）和（18）可得：
（22）；
进一步地，通过以下计算式可求解出定向角：
（23）；
上式（23）表示，对进行变化，求得/>的最小值，以得到上述最小值所对应/>的取值；
从而基于上式（10）、（11）和（12）获得，进而基于上式（2）、（3）和（4）得到：
（24）
（25）；
（26）；
式中，为矩阵元素/>的共轭复数。
步骤S620，若二面角散射占优，则判定面散射为相干的漫散射，并基于所述全局定向角求解偶次散射参数、面散射功率及二面角散射功率。具体来说，二面角散射占优，则认为面散射为相干的漫散射，即：
（27）。
则由上式（16）和（17）可得：
（28）；
进一步地，通过以下计算式可求解出定向角：
（29）；
上式（29）表示，对进行变化，求得/>的最小值，以得到上述最小值所对应/>的取值；
从而基于上式（10）-（12）获得，进而基于上式（6）、（20）得到：
（30）；
（31）；
（32）。
综上，本发明上述实施例当中的基于GoaC补偿的极化目标分解方法，主要解决基于模型极化目标分解（Model-based Target Decomposition，MTD）体散射分量过高估计、相干矩阵元素利用不充分的问题。由于目标散射时对极化电磁波存在变极化作用，造成目标散射矩阵元素在传统的水平-水平极化（HH）、垂直-垂直极化（VV）散射系数与水平-垂直极化（HV）散射系数存在耦合，处理时又未加以区分，无法区分交叉极化分量的贡献来源，从而使MTD的体散射分量过高估计。本方案通过引入极化熵表征的目标分布比，区分交叉极化分量的贡献，并利用全局定向角目标补偿（Global Orientation Angle Compensation，GoaC）和分布面/二面角散射模型缓解MTD分解时，极化散射矩阵中同极化、交叉极化的耦合、体散射功率过高估计问题。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出多种变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.基于GoaC补偿的极化目标分解方法，其特征在于，包括以下步骤：
输入目标图像的全极化数据，所述全极化数据表示为与所述目标图像对应的第一相干矩阵；
对所述第一相干矩阵进行旋转，得到缓解元素耦合的第二相干矩阵；
对所述第二相干矩阵进行特征值分解，以得到极化熵，并基于所述极化熵表征目标分布比，以量化并区分交叉极化分量的贡献；
基于以下表达式对所述第二相干矩阵进行分解，：
；
式中，分别是分解的面散射矩阵、二面角散射矩阵和体散射矩阵，分别是面散射功率、二面角散射功率和体散射功率，其中，所述第一相干矩阵/>的表达式如下：
；
基于全局定向角分解所述面散射矩阵、二面角散射矩阵及体散射矩阵，以比较交叉极化分量的贡献中面散射和偶次散射的大小；
若面散射占优，则判定偶次散射为相干的金属二面角散射，并基于所述偶次散射参数求解面散射参数、面散射功率及二面角散射功率；
若二面角散射占优，则判定面散射为相干的漫散射，并基于所述面散射参数求解偶次散射参数、面散射功率及二面角散射功率；
其中，对所述第一相干矩阵进行旋转，得到缓解元素耦合的第二相干矩阵的步骤具体包括：
基于以下计算式得到与所述第一相干矩阵对应的全局定向角：
；
式中，是四象限的反正切函数，Im表示对复数取虚部，n＝/>，表示将所述全局定向角/>限定于/>；
基于以下计算表达式对所述第一相干矩阵进行GoaC补偿，得到第二相干矩阵：
；
式中，；
其中，对所述第一相干矩阵进行GoaC补偿后，所述第二相干矩阵的元素满足：
式中，表示所述第二相干矩阵的元素/>的实部等于零。
2.根据权利要求1所述的基于GoaC补偿的极化目标分解方法，其特征在于，对所述第二相干矩阵进行特征值分解，以得到极化熵并基于所述极化熵表征目标分布比，以量化并区分交叉极化分量的贡献的步骤具体包括：
对所述第二相干矩阵进行特征值分解，以得到特征值，并基于以下表达式得到极化熵H：
；
；
式中，为交叉极化分布比，/>为所述特征值的伪概率，/>的表达式为：
。
3.根据权利要求2所述的基于GoaC补偿的极化目标分解方法，其特征在于，面散射矩阵的表达式如下：
；
所述二面角散射矩阵的表达式如下：
；
式中，，/>分别是偶次散射参数和面散射参数，上标s表示面散射，上标d表示二面角散射，/>，/>和/>是定向角/>的均匀分布散射微粒的分布模型，/>为所述偶次散射参数的共轭复数，/>为所述面散射参数的共轭复数。
4.根据权利要求3所述的基于GoaC补偿的极化目标分解方法，其特征在于，各所述分布模型的表达式如下：
；
；
；
其中，i为s或者d，表示面散射对应的定向角，/>表示二面角散射对应的定向角；
所述体散射矩阵的表达式如下：
。
5.根据权利要求4所述的基于GoaC补偿的极化目标分解方法，其特征在于，所述第二相干矩阵的表达式如下：
。
6.根据权利要求5所述的基于GoaC补偿的极化目标分解方法，其特征在于，若面散射占优，则判定偶次散射为相干的金属二面角散射，并基于所述偶次散射参数求解面散射参数、面散射功率及二面角散射功率的步骤具体包括：
若，则表示面散射占优，则判定偶次散射为相干的金属二面角散射；
并基于以下计算表达式，根据所述偶次散射参数求解所述面散射参数、面散射功率及二面角散射功率：
；
；
；
；
式中，为矩阵元素/>的共轭复数。
7.根据权利要求5所述的基于GoaC补偿的极化目标分解方法，其特征在于，若二面角散射占优，则判定面散射为相干的漫散射，并基于所述全局定向角求解偶次散射参数、面散射功率及二面角散射功率的步骤具体包括：
若，则表示二面角散射占优，则判定面散射为相干的漫散射；
并基于以下计算表达式，根据所述面散射参数求解所述偶次散射参数、面散射功率及二面角散射功率：
；
；
；
。
8.根据权利要求7所述的基于GoaC补偿的极化目标分解方法，其特征在于，所述方法还包括：
基于以下表达式求解全局定向角，以基于所述全局定向角/>得到/>：
；
基于以下表达式求解全局定向角，以基于所述全局定向角/>得到/>和/>：
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311695770.8A CN117390354B (zh) | 2023-12-12 | 2023-12-12 | 基于GoaC补偿的极化目标分解方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311695770.8A CN117390354B (zh) | 2023-12-12 | 2023-12-12 | 基于GoaC补偿的极化目标分解方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117390354A CN117390354A (zh) | 2024-01-12 |
| CN117390354B true CN117390354B (zh) | 2024-04-26 |
Family
ID=89435891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311695770.8A Active CN117390354B (zh) | 2023-12-12 | 2023-12-12 | 基于GoaC补偿的极化目标分解方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117390354B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262223A (zh) * | 2010-05-26 | 2011-11-30 | 中国科学院对地观测与数字地球科学中心 | 一种基于散射矩阵的相干目标分解方法 |
| CN104463227A (zh) * | 2014-12-25 | 2015-03-25 | 西安电子科技大学 | 基于fqpso和目标分解的极化sar图像分类方法 |
| CA2957541A1 (en) * | 2014-08-08 | 2016-02-11 | Urthecast Corp. | Apparatus and methods for quad-polarized synthetic aperture radar |
| CN110516698A (zh) * | 2019-07-15 | 2019-11-29 | 中国科学院电子学研究所 | 全极化图像极化分解方法、装置、电子设备及存储介质 |
| CN115221455A (zh) * | 2022-08-15 | 2022-10-21 | 江西师范大学 | 一种基于模型的极化分解方法、分解装置以及存储介质 |
-
2023
- 2023-12-12 CN CN202311695770.8A patent/CN117390354B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102262223A (zh) * | 2010-05-26 | 2011-11-30 | 中国科学院对地观测与数字地球科学中心 | 一种基于散射矩阵的相干目标分解方法 |
| CA2957541A1 (en) * | 2014-08-08 | 2016-02-11 | Urthecast Corp. | Apparatus and methods for quad-polarized synthetic aperture radar |
| CN104463227A (zh) * | 2014-12-25 | 2015-03-25 | 西安电子科技大学 | 基于fqpso和目标分解的极化sar图像分类方法 |
| CN110516698A (zh) * | 2019-07-15 | 2019-11-29 | 中国科学院电子学研究所 | 全极化图像极化分解方法、装置、电子设备及存储介质 |
| CN115221455A (zh) * | 2022-08-15 | 2022-10-21 | 江西师范大学 | 一种基于模型的极化分解方法、分解装置以及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| A review of target decomposition theorems in radar polarimetry;S.R. Cloude等;IEEE Transactions on Geoscience and Remote Sensing;19960331;498 – 518 * |
| POlsar Target Decomposition with Global Orientation Angle Compensation;Chen Jiehong等;2023 SAR in Big Data Era (BIGSARDATA);20231101;1-4页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117390354A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107229933B (zh) | 自适应体散射模型的freeman/特征值分解方法 | |
| Fernandez | Computational methods for electron tomography | |
| CN101493520B (zh) | 一种基于二维Gamma分布的SAR图像变化检测方法 | |
| Di Martino et al. | Scattering-based nonlocal means SAR despeckling | |
| CN115221455B (zh) | 一种基于模型的极化分解方法、分解装置以及存储介质 | |
| CN112630741B (zh) | 一种全极化合成孔径雷达图像目标补偿peoc方法 | |
| CN117390354B (zh) | 基于GoaC补偿的极化目标分解方法 | |
| Li et al. | The impacts of building orientation on polarimetric orientation angle estimation and model-based decomposition for multilook polarimetric SAR data in Urban areas | |
| Huang et al. | Composite scattering analysis of the ship on a rough surface based on the forward parametric scattering center modeling method | |
| CN117390355B (zh) | 基于lpc补偿的极化目标分解方法 | |
| CN116879860A (zh) | 基于特征值分解的极化sar数据多元散射能量分解方法 | |
| CN117111063A (zh) | 一种极化sar图像特征提取方法 | |
| CN110874833B (zh) | 基于超图匹配的sar图像变化检测方法 | |
| CN108428216B (zh) | 基于散布矩阵特征的二阶偏微分方程遥感图像去噪方法 | |
| Lin et al. | Theoretical model of electromagnetic scattering from 3D multi-layer dielectric media with slightly rough surfaces | |
| CN108710816B (zh) | 一种基于概率融合的极化sar图像建筑物检测方法 | |
| CN107507251B (zh) | 一种双极化sar图像的伪彩色合成方法和装置 | |
| Wang et al. | Interference image registration combined by enhanced scale-invariant feature transform characteristics and correlation coefficient | |
| CN114037897A (zh) | 基于点线奇异性融合的极化sar图像变化检测方法 | |
| CN112558069B (zh) | 全极化合成孔径雷达图像目标补偿eoc方法 | |
| CN111125622A (zh) | 一种改进的混合Freeman/Eigenvalue分解方法 | |
| Zhang et al. | A review for retrieving wind fields by spaceborne synthetic aperture Radar | |
| Sun et al. | An Improved Hybrid Freeman/Eigenvalue Decomposition For Polarimetric SAR Data | |
| Chen et al. | A Calculating Method for the Distance and Included Angles between Lattices in the Electronic Microscopic Image based on the Gaussian Fitting | |
| Gou et al. | 3D point cloud global denoising algorithm based on different noise characteristics |
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 |