全极化综合孔径微波辐射计全极化亮温的重构

为了获取全极化信息和降低重构误差,提出了一种改进的全极化重构算法应用于全极化综合孔径微波辐射计,并分析了交叉极化对全极化亮温各分量的影响程度.仿真结果表明,与传统算法相比,改进的全极化重构算法能够有效降低图像重构误差,获取高精确度的全极化亮温数据以满足测量土壤湿度、海表面盐度、海表面风矢量等应用需求.      

一种基于Pauli分解和SVM的全极化SAR监督分类算法

全极化SAR影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和SVM的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征,并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的Pauli-SVM算法可以有效的提高分类的准确性。     

一种基于Pauli分解和支持向量机的全极化合成孔径雷达监督分类算法

全极化合成孔径雷达(SAR)影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和支持向量机(SVM)的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征;并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的PauliSVM算法可以有效地提高分类的准确性。     

张量扩散滤波在极化SAR图像降噪中的应用

为完成对全极化SAR图像相干斑噪声的有效抑制,引入了张量扩散模型。分析并引入了规范化的张量扩散模型,并对扩散张量的设计进行了分析。结合全极化SAR图像数据的格式,对扩散方程进行了改造,提出了适用于协方差矩阵数据格式的滤波方程,并给出了算法的实施步骤。对AIRSAR数据集中的样本图像Flevoland进行了定性的、定量的实验,实验结果表明,新的算法能够有效的提高等效视数并保持图像的空间分辨率和SAR数据的极化属性。     

基于译码转发中继信道的对角正交设计极化空时分组码

构建了基于译码转发中继信道的对角正交设计极化空时分组码(STPBC),该种码可以通过极化天线进行满码率发射和接收.然后设计了码率为1、发射天线数为2和4的码字矩阵,最后与传统对角正交、传统准正交和极化准正交这3种无中继空时分组码(STBC)分别进行了仿真对比.结果表明:2个发射天线和1个接收天线情况下,当BER=10-3时,BPSK调制下STPBC的性能比无中继传统对角正交情况有3.5dB的增益,QPSK调制下有3dB的增益;4个发射天线和1个接收天线情况下,当BER=10-3时,BPSK调制下比上述3种情况分别有6.0,2.7和-1.5dB的增益,QPSK调制下分别有5.5,2.5和-2.5dB的增益;与无中继极化准正交STBC相比,在SNR较低的情况下所提分组码具有较好的性能.     

基于目标分解的面向对象决策树PolSAR影像分类

为了解决极化合成孔径雷达(Polarization Synthetic Aperture Radar,PolSAR)影像单一分类方法不能充分利用其中的丰富信息问题,结合目标分解理论、面向对象思想和C5.0决策树算法,对PolSAR影像进行多种方式的极化分解,提取包含地物散射机理信息的各种极化参数,并将提取的参数分割为对象,最后,采用C5.0决策树算法进行分类.采用RADARSAT-2全极化SAR数据进行实验,并将分类结果与经典的分类方法进行了对比,证明了本文提出方法的有效性.该成果将在PolSAR影像分类中发挥更大的作用.     

CRC辅助PC-polar码的新颖编码算法

针对奇偶校验极化(parity-check polar, PC-polar)码中奇偶校验码检错效率低而导致纠错性能不佳的问题,提出了一种循环冗余校验码辅助PC-polar码的新颖编码算法。用奇偶校验(PC)比特和高汉明权重的冻结比特替换低汉明权重的信息比特来优化极化码的距离谱,并结合5位循环位移寄存器优化PC码的校验函数,再在PC-polar码中加入检错效率较高的循环冗余校验(CRC)码,最后通过控制变量法确定了2种校验码的数量。仿真结果表明,该算法构造的CRC-PC-polar (CRC8, PC6)码在误块率(BLER)为10^-5时,与PC-polar码、CRC-polar码和segmented-CRC-polar码相比分别有0.4 dB、0.1 dB、0.2 dB的净编码增益。由此可知,提出的算法能够改善PC-polar码的纠错性能。     

锥面共形阵列天线实值盲极化DOA估计方法

将快拍数据协方差矩阵分裂思想引入到锥面共形阵列天线的测向中，提出了一种高效的锥面共形阵列盲极化波达方向(DOA)估计方法。该方法将子空间估计过程进行了实值化处理，通过子阵分割解决了协方差矩阵分裂引起的“镜像模糊”问题，同时，对参数估计的理论性能界进行了分析，推导了实值盲极化DOA估计的克拉美-罗界，并讨论了算法复杂度改善情况，在保证DOA估计精度的前提下有效降低了算法复杂度。仿真实验表明，所提算法在信噪比为10 dB时，估计精度与已有盲极化复值算法基本一致，而运算量仅为原算法的60%～70%,证明了算法的有效性。     

基于干涉极化SAR数据的森林树高反演

将C1oude极化干涉散射模型和ESPRIT算法结合来降低森林参数反演的运算量.利用ESPRIT算法对Cloude模型中的散射相位中心进行估计,再将估计得到的散射相位中心代入Cloude模型,从而得到树木高度等参数.采用中国天山地区SIR-C/X-SAR L波段全极化干涉数据对森林地区植被树高进行了反演实验.实验表明,与直接采用Cloude的极化干涉模型进行反演相比,在反演精度不变的情况下,运算时间仅是单独使用Cloude模型的1%～2%.     

采用联合域字典稀疏表示的极化SAR图像分类

针对传统字典学习算法难以有效保持极化SAR图像的空间结构以及难以处理大规模数据的问题,提出了一种基于空域和极化域的联合域字典学习和稀疏表示的分类方法.该方法采用基于联合域流形距离的快速AP聚类进行字典学习.利用局部线性编码对极化SAR图像进行空域和极化域的联合域稀疏表示,充分利用了极化SAR数据集潜在的信息,有效保持极化SAR数据结构的同时降低了算法的时间复杂度.试验结果表明:所提算法适应性强,收敛速度快,能够提高极化SAR图像的分类精度.     

基于极化定向角补偿的思茅松林地上生物量反演

目的 极化合成孔径雷达在森林遥感监测中得到了广泛的应用。由于法拉第旋转和地物结构特性,电磁波极化定向角发生偏移,导致散射特征在机理上存在模糊性。本研究主要分析极化定向角偏移对体散射分量和地上生物量反演的影响。方法 以ALOS PALSAR全极化星载合成孔径雷达(SAR)数据为数据源,基于L波段散射特征,考虑地面与树干之间的二面角散射贡献,研究提出了一种扩展极化水云模型;基于Yamaguchi四分量分解参数和扩展极化水云模型估测思茅松林地上生物量。结果 通过酉变换来补偿极化定向角偏移后,体散射分量高估得到修正,极化定向角补偿后的体散射与实测地上生物量的回归模型较未补偿前效果更好(决定系数R²从0.214提升到0.332)。采用Yamaguchi四分量和扩展极化水云模型的地上生物量估测值和实测值有较强的相关性(R²= 0.644)和较低的均方根误差(23.11 t/hm²)。结论 SAR数据在极化分解前应进行极化定向角补偿,以减少体散射高估和二面角散射低估的问题,提高地上生物量反演精度。半经验极化扩展水云模型具有很好的估测森林地上生物量的潜力。     

极化目标分解在目标分类中的应用

极化目标分解是从极化SAR数据中提取目标特征的重要方法,可以将其概括为两大类:基于S inc lair矩阵的相干目标分解和基于Mueller矩阵、相干矩阵、协方差矩阵的部分相干目标分解.利用相干目标分解中的基于Pau li矩阵分解法、Krogager分解法和Cam eron分解法,对实测极化SAR数据进行分类实验,结果表明极化目标分解对于从极化SAR数据中提取目标特征,进而对其进行分类是可行和有效的.     

基于极化干涉SAR的植被高度反演算法对比分析

极化干涉SAR综合了干涉SAR和极化SAR的优点,被广泛应用于植被高度的反演。对已有的四种基于极化干涉SAR的植被高度反演算法进行了论述,利用PoLSARpor进行仿真数据实验,对比分析了四种植被高度反演算法的优缺点及其适用范围。最后指出极化干涉SAR技术有待进一步研究的方向和问题。为选取基于极化干涉SAR的植被高度反演算法提供参考。     

基于模型微调与AM Softmax的极化SAR图像分类

针对极化SAR图像分类中卷积神经网络（CNN）方法训练时间长、收敛速度慢,原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题,提出一种基于模型微调与加性边际Softmax（AM-Softmax）的极化SAR图像分类方法。该方法通过预训练网络的整体微调,来改进CNN模型的效率和分类准确率,然后以AM-Softmax替代Softmax,以解决SAR图像中类内变化较大的问题,进一步提升分类精度。实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题,模型的分类总体精度达到96%以上。     

极化雷达与光学遥感森林雪灾破坏协同监测

以贵州省扎佐林场为例,利用全极化雷达与光学遥感数据进行森林雪灾破坏状况协同监测,分析了倒伏森林与健康森林的后向散射特性及其差异,重点分析了倒伏森林与健康森林的极化响应特征、散射机制及其差异。基于雪灾破坏前后森林的散射机制变化,利用Freeman-Durden分解方法对倒伏森林进行了识别。为了进一步优化识别效果,引入了高分辨率光学数据,采用优选的融合方法, 将雷达与光学遥感数据融合,得到了较好的倒伏森林识别效果。研究结果表明,利用雷达与光学遥感数据协同监测森林雪灾破坏是可行的,而全极化雷达遥感数据在森林类型识别和森林破坏监测方面具有独特的优势,在我国西南地区的森林资源调查和灾害监测中具有广阔的应用前景。     

分量模型和散射参数的全极化雷达图像分类

在分析了典型的极化目标分解和地物分类算法基础上,提出了融合Yamaguchi分解和H/α(H为散射熵,α为地物散射角)平面分解结果的迭代处理目标分类方法.首先,通过获取4种散射分量及地物的散射熵和散射角,结合6个参量,将极化合成孔径雷达图像中的地物初始分类;然后,利用相干散射矩阵服从Wishart分布的特性进行迭代,获得最终分类结果.实验结果证明,该算法提高了分类性能,运算量小,分类效果较好.     

拉布拉多海一年平整冰厚度SAR反演算法

在利用实测一年平整冰厚数据和同步全极化RADARSAT-2 SAR影像、全面分析不同SAR极化参数对海冰厚度敏感度的基础上,发现Alpha角最高;从理论上证实利用两者相关性反演冰厚的可行性,将所得经验方程用于冰厚反演,其结果与实测数据吻合较好;与现有常用方法的反演结果进行对比表明,新方法误差较小;Alpha角可以用于一年平整冰厚度反演,证明全极化SAR海冰信息反演冰厚确有优势。     

极化散射的各向异性分析及应用

分析典型极化散射机制随着视角等参数变化时产生的各向异性对从物理角度解译遥感图像具有重要意义.为了更好地从散射矩阵中提取出具有一定物理含义的极化信息,分析极化参数的各向异性特征,建立了任意取向散射体的电磁散射模型,模拟其在Cameron极化空间中的变化轨迹分布.其次,基于子孔径的方法,用无人机合成孔径雷达(UAVSAR)数据进行实验验证,计算出了取向角、z参数与视角的关系,与桥体的微扰法(Small Perturbation Method,SPM)二次散射仿真模型的计算结果吻合.     

极化干涉合成孔径雷达技术发展与应用

极化干涉SAR技术是近年SAR遥感领域内的研究热点.本文首先概述了极化干涉SAR技术基本理论,并总结了目前极化干涉SAR技术的应用现状;然后在详细介绍国外ALOS-PALSAR、TerraSAR-X和RADARSAT-2三个典型星载极化SAR系统的基础上,分析了极化干涉SAR技术的应用前景.     

Detection of weak ship signals with the optimization of polarimetric contrast enhancement

An optimization of polarimetric contrast enhancement method is proposed to detect ships with low ship-to-clutter power ratio. The received power is calculated with Kennaugh matrix and an iterative algorithm is adopted to get the optimal polarimetric states. The optimization method depresses the power of ocean clutter and increases the power of ship signal. With the double effects, the contrast of ship to ocean is dramatically increased. Thus small ship or weak signals of low ship-to-ocean power ratio can easily be detected. Ship signals can be distinguished from speckle noise using the different variation trend after optimization, and thus the threshold problem can be avoided. Moreover, the analyses of different ship's Kennaugh matrices give two implications. One is that the results are affected little by choosing different Kennaugh matrices of ships with strong intensity from Synthetic Aperture Radar (SAR) images. The other is that ship's Kennaugh matrix chosen from real SAR images is more favorable than that of ideal scattering. Finally, the optimization results are confirmed by polarimetric scattering angle and co-polarization phase difference.