專利名稱：一種基于全極化合成孔徑雷達(dá)的地物目標(biāo)分類方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及合成孔徑雷達(dá)，尤其涉及一種基于全極化合成孔徑雷達(dá)的地 物目標(biāo)分類方法和裝置。
背景技術(shù)：
合成孔徑雷達(dá)(SAR)是20世紀(jì)50年代發(fā)展起來的最重要的對地觀測 技術(shù)，它通過雷達(dá)天線在隨載體的運(yùn)動中以一定的時間間隔發(fā)射電磁脈沖信 號，在不同位置上接收地面物體反射的回波信號，并記錄和存儲下來，形成 地面的高分辨率圖像。極化是電磁波的基本特征。極化合成孔徑雷達(dá) (Polarimetric SAR)通過天線發(fā)射不同極化狀態(tài)的電磁脈沖，如水平極化波 和垂直極化波(常用H表示水平，V表示垂直)，然后又以不同的極化狀態(tài) 接收地面物體反射的回波，從而得到地物目標(biāo)在不同發(fā)射和接收極化組合下 的散射特性。由于電磁波的極化狀態(tài)對目標(biāo)的介電常數(shù)、物理特性、幾何形 狀和取向等比較敏感，因而極化合成孔徑雷達(dá)具有很強(qiáng)的對地物目標(biāo)進(jìn)行分 類和識別的能力。自2006年以后發(fā)射的所有新一代衛(wèi)星合成孔徑雷達(dá)系統(tǒng)， 包括ALOS PALSAR， TerraSAR， Cosmo-SkyMed， Radarsat-2，都具有多極 化或全極化成像能力。因此，關(guān)于SAR極化影像的分析和處理，特別是全極 化SAR影像的分類成為合成孔徑雷達(dá)遙感領(lǐng)域的重點(diǎn)研究內(nèi)容。
本文H、 ^和"參數(shù)分別表示散射熵、各向異性和平均散射角。
目標(biāo)相干矩陣C是根據(jù)目標(biāo)散射矩陣得到的，它是一個3X3半正定的埃 米爾特矩陣，具有3個非負(fù)實(shí)特征值，可以分解為如下形式
C = M《+化《+早,f )
5其中A，^4是特征值，且4>4>4>()， W&為對應(yīng)特征向量，兩兩正
交，上標(biāo)"H"表示共軛轉(zhuǎn)置。目標(biāo)相關(guān)矩陣被分解為三個相互正交的相關(guān) 矩陣的加權(quán)和，它們分別代表三個相互獨(dú)立、互補(bǔ)相關(guān)的散射過程單向散
射，雙向散射和交叉散射。熵"、各向異性^和"角是相干矩陣c的特征值和
特征矢量的函數(shù)，具有相應(yīng)的物理意義。
散射熵描述了上述三種基本散射過程的混亂程度和無序性，定義如下
^ A+幾2+4 (2)
散射熵^的大小描述了目標(biāo)散射的隨機(jī)性。當(dāng)^=0時，說明目標(biāo)只有一 種主要的散射機(jī)理，相關(guān)矩陣只有一個特征值不為零，此時處于完全極化狀 態(tài)，極化測量所能提供的極化信息量最大。隨著熵的逐漸增大，目標(biāo)去極化 程度增加，目標(biāo)極化散射信息的不確定性加大，表明目標(biāo)散射由兒種散射過 程組成。如果熵^值較高，說明三個特征值的大小近似相等，目標(biāo)處于較高 的去極化狀態(tài)，不再認(rèn)為僅存在一個占主要地位的散射機(jī)理。在^=1的極限 情況下，所能獲得的極化信息為零，目標(biāo)的散射完全隨機(jī)，即處于完全非極 化狀態(tài)。
各向異性^描述除了占主導(dǎo)地位的一種散射機(jī)制外的其他兩種散射機(jī)制 的關(guān)系，
P2+P3 (3)
熵相同時，各向異性可以有不同的值，因此它是熵的有益補(bǔ)充。通常， 只有在熵比較高，例如^>0.7時才利用各向異性^作為補(bǔ)充，因?yàn)殪睾艿驼f明 相關(guān)矩陣第二和第三特征值很小，對應(yīng)散射過程所占總功率的比重很小，因 此受到較強(qiáng)的噪聲影響，此時各向異性^也表現(xiàn)得相當(dāng)雜亂，類似噪聲。
角《是由目標(biāo)分解衍生出來的一個重要的角度參數(shù)，用來描述地物的散射
特性。相干矩陣C的特征向量^可以寫成如下形式
6夂=一 L咖sin", cos A一 '■ sin"' sin A'一」 (4 )
而《角定義為散射角分量的概率加權(quán)平均
角的值在
之間，它反映了地物的主要散射機(jī)理，即三個特征值對
應(yīng)散射機(jī)理中的最大項(xiàng)。當(dāng)《 = 0時，表示地物目標(biāo)的主要散射機(jī)理是各向同 性的表面散射，如平靜的水面；隨著"角度的增加，反映出的散射機(jī)理將變?yōu)?各向異性的表面散射；當(dāng)"=45'時，表示偶極子散射模型，其散射分量有一個 為零；"角繼續(xù)增大時，反映的散射機(jī)理為各向異性的二面角散射；在《=90° 的極端情況下，表示二面角散射。
全極化SAR影像記錄了地面每個分辨單元在四種基本極化狀態(tài)，即HH、 HV、 VH、 VV (HH表示水平發(fā)射/水平接收狀態(tài)，其它類推)的散射回波的 幅度(功率)和相位，形成一個散射矩陣。概括而言，關(guān)于全極化SAR影像 的分類方法可以歸納為兩類。第一類是光學(xué)影像分類方法的直接移植，即將 SAR的多極化通道視為光學(xué)影像的多光譜，然后把一些針對光學(xué)影像發(fā)展起 來的分類方法移植過來，處理全極化SAR影像的分類。這些方法包括支持向 量機(jī)(SVM)方法，人工神經(jīng)網(wǎng)絡(luò)(ANN)方法，高斯-馬爾科夫隨機(jī)場(GMRF) 方法等。這一類方法沒有充分利用SAR的極化特征，在很多情況下無法取得 令人滿意的結(jié)果。第二類是通過分析地物的散射機(jī)制來實(shí)現(xiàn)影像分類，而對 散射機(jī)制的分析主要是通過極化目標(biāo)分解來實(shí)現(xiàn)的。極化目標(biāo)分解就是將地 物回波的復(fù)雜散射過程分解為幾種單一的散射過程。極化目標(biāo)分解的方法主 要有基于目標(biāo)散射矩陣的分解(如Pauli分解、Krogager分解)、基于散射 模型的分解(如Freeman分解)和基于目標(biāo)相干矩陣特征值的分解(如Cloude 分解，也即H-A-"分解)。其中Cloude提出的H-A-"分解方法被廣泛使用， 成為目標(biāo)散射特性描述的標(biāo)準(zhǔn)化工具。第二類全極化SAR影像分類方法主要 有基于H-"平面或者H-A-"空間的圖像分割非監(jiān)督分類、基于目標(biāo)相關(guān)矩
7陣或者協(xié)方差矩陣的復(fù)Wishart監(jiān)督分類、H/A/"非監(jiān)督分類與Wishart監(jiān)督 分類結(jié)合形成的WishartH/A/"分類等、基于H-A-"參數(shù)的貝葉斯分類等。這 些方法是目前國際上主要研究的且被國內(nèi)研究者紛紛仿效的極化SAR分類方 法，往往能取得比第一類方法更高一點(diǎn)的分類精度，但是也存在不足。主要 表現(xiàn)在1、易受SAR斑點(diǎn)噪聲影響，降低分類精度；2、在監(jiān)督分類中一般 假定極化振幅數(shù)據(jù)服從高斯分布，極化協(xié)方差矩陣服從復(fù)Wishart分布，往往 容易產(chǎn)生誤差。綜上可見，如何實(shí)現(xiàn)全極化SAR影像的地物目標(biāo)高精度分類 仍是目前亟待解決的一個重要課題。

發(fā)明內(nèi)容
本發(fā)明的發(fā)明目的是為了解決如何實(shí)現(xiàn)全極化SAR影像的地物目標(biāo)高精 度分類的問題。
一方面，本發(fā)明實(shí)施例提供了一種基于全極化合成孔徑雷達(dá)的地物目標(biāo) 分類方法，所述方法包括接收地物目標(biāo)的反饋信號，形成所述地物目標(biāo)的 影像；對所述的地物目標(biāo)的影像進(jìn)行分割生成影像塊；從所述的影像塊中提 取極化特征參數(shù)；根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。
另一方面，本發(fā)明實(shí)施例提供了一種基于全極化合成孔徑雷達(dá)的地物目 標(biāo)分類裝置，所述裝置包括影像接收單元，用于接收地物目標(biāo)的反饋信號， 形成所述地物目標(biāo)的影像；分割單元，用于對所述的地物目標(biāo)的影像進(jìn)行分 割生成影像塊；參數(shù)提取單元，用于從所述的影像塊中提取極化特征參數(shù)； 分類單元，用于根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。
上述本發(fā)明實(shí)施例的技術(shù)方案為實(shí)現(xiàn)對全極化SAR影像的地物目標(biāo)高精 度分類提供了 一種解決方案。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面 描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講， 在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
圖1是本發(fā)明實(shí)施例一種基于全極化合成孔徑雷達(dá)的地物目標(biāo)分類方法 流程圖2是本發(fā)明實(shí)施例一種基于全極化合成孔徑雷達(dá)的地物目標(biāo)分類裝置 方框示意圖3是本發(fā)明實(shí)施例另一種基于全極化合成孔徑雷達(dá)的地物目標(biāo)分類方 法流程圖4為現(xiàn)有技術(shù)選用的荷蘭弗萊福蘭(Flevoland)地區(qū)L波段全極化SAR 總功率影像；
圖5為本發(fā)明實(shí)施例經(jīng)過分割處理后的圖斑總功率影像； 圖6為本發(fā)明實(shí)施例圖斑總功率均值形成的影像；
圖7為本發(fā)明實(shí)施例分別基于圖斑提取的極化特征參數(shù)(H、 A、 " 、 p 、 "K)、 DP)影像；
圖8為現(xiàn)有技術(shù)2001年已發(fā)表的基于與圖4同樣的SAR影像的三種不 同分類方法的分類結(jié)果及其精度；
圖9為本發(fā)明實(shí)施例提出的方法的分類結(jié)果； 圖IO為本發(fā)明實(shí)施例中所用的分類決策樹；
圖11為現(xiàn)有技術(shù)Flevoland地區(qū)1989年5月23日獲取的LandSatTM(美
國陸地衛(wèi)星專題制圖儀)第5波段影像；
圖12為本發(fā)明實(shí)施例分類結(jié)果(b)與圖8中精度最高的基于Wishart分 布的全極化最大似然分類結(jié)果(a)及對應(yīng)的參考數(shù)據(jù)(c)的直接比較。
具體實(shí)施例方式
下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而 不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做 出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。 實(shí)施例一
影像分割是面向?qū)ο蠓治黾夹g(shù)的基礎(chǔ)。影像分割是將整個影像區(qū)域分割 成若干互不交疊的非空子區(qū)域(本發(fā)明中稱為"圖斑")的過程，每個子區(qū) 域的內(nèi)部都是連通的，同一區(qū)域內(nèi)部具有相同或相似的特性，此處特性可以 是灰度、顏色、紋理等。影像分割，從二維化的像元(也稱為像素)數(shù)據(jù)陣 列中恢復(fù)出了影像所反映的景觀場景中目標(biāo)地物的空間形狀及組合方式。分 割后影像的最小單元不再是單個的像元，而是一個個圖斑。
目標(biāo)的最大/最小接收功率(合稱最優(yōu)接收功率)也是表征目標(biāo)后向散射 特征的重要參數(shù)。全極化影像記錄了目標(biāo)的后向散射矩陣，運(yùn)用極化合成技 術(shù)通過散射矩陣，可以計(jì)算出地物目標(biāo)在任意接收和發(fā)射極化狀態(tài)下的接收 功率。對于任一目標(biāo)， 一定存在某個特定的發(fā)射/接收極化狀態(tài)，使得在此狀 態(tài)下，目標(biāo)的回波具有最大(或最小)的接收功率。這個問題可稱之為目標(biāo) 的最優(yōu)接收功率問題。目標(biāo)的最優(yōu)接收功率和目標(biāo)的后向散射特性密切相關(guān)， 對于目標(biāo)的識別和分類具有重要意義。
如圖1所示，是本發(fā)明實(shí)施例一種基于全極化合成孔徑雷達(dá)的地物目標(biāo) 分類方法流程圖，所述方法包括
步驟IOI，接收地物目標(biāo)的反饋信號，形成所述地物目標(biāo)的影像。 步驟102，對所述的地物目標(biāo)的影像進(jìn)行分割生成影像塊。 所述分割生成的影像塊可以為圖斑，其可以為具有相似極化后向散射特 性像元構(gòu)成的圖斑。所述生成所述圖斑具體可以包括從所述地物目標(biāo)的影
S =
像的極化散射矩陣
Sm s如
構(gòu)造一個三波段振幅影像(2
L -"2 2|&
lk+"2)，對此影像進(jìn)行分割以獲取具有相似極化后向散射特性像元構(gòu)成的圖斑，其中，h為水平極化，V為垂直極化，hh表示水平極化發(fā)射/水平極化
接收狀態(tài)，hv表示水平極化發(fā)射/垂直極化接收狀態(tài)，vh表示垂直極化發(fā)射/ 水平極化接收狀態(tài)，vv表示垂直極化發(fā)射/垂直極化接收狀態(tài)。 步驟103，從所述的影像塊中提取極化特征參數(shù)。
可以以組成所述圖斑的像元的平均值表征所述圖斑的極化信息，提取所 述圖斑的極化相干矩陣和Stokes矩陣；可以以所述圖斑為單元，進(jìn)行極化特
征參數(shù)提取，提取的所述極化特征參數(shù)可以包括采用目標(biāo)相干矩陣特征值
分解技術(shù)生成的熵H、各向異性A、平均角參數(shù)oc、最小接收功率^n、目標(biāo) Stokes矩陣最大特征值4(K)、以及相對去極化比D^，其中"P按如下定義
，其中^(K)為所述圖斑的Stokes矩陣K的最大特征值，所述^ax為最大 接收功率。
步驟104，根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。 根據(jù)所述極化特征參數(shù)可以構(gòu)建決策樹分類規(guī)則(如圖IO所示)對所述 地物目標(biāo)進(jìn)行分類。上述提取的多種極化特征參數(shù)無法用統(tǒng)一的概率密度函 數(shù)來描述，因此常用的基于參數(shù)化概率分布的監(jiān)督分類器(如最大似然分類) 無法使用。本發(fā)明實(shí)施例提出利用決策樹分類規(guī)則(可以利用決策樹分類器 實(shí)現(xiàn))，以多種極化特征參數(shù)為決策節(jié)點(diǎn)變量構(gòu)建規(guī)則，完成對圖斑的高精 度分類。
如圖2所示，是本發(fā)明實(shí)施例一種基于全極化合成孔徑雷達(dá)的地物分類 裝置方框示意圖，所述裝置20包括影像接收單元201，用于接收地物目標(biāo) 的反饋信號，形成所述地物目標(biāo)的影像；分割單元202，用于對所述的地物目 標(biāo)的影像進(jìn)行分割生成影像塊；參數(shù)提取單元203，用于從所述的影像塊中提 取極化特征參數(shù)；分類單元204，用于根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。
可選的，分割單元202，具體用于對所述的地物目標(biāo)的影像進(jìn)行分割生成
的影像塊為具有相似極化后向散射特性像元構(gòu)成的圖斑。所述分割單元，具
5*、," 《,,
構(gòu)造一個三波段振
s =
體用于從所述地物目標(biāo)的影像的極化散射矩陣
il&廣S』 2|幻2
幅影像(2l "" ， ， 21 "wl )，對此影像進(jìn)行分割以獲取具有相似極
化后向散射特性像元構(gòu)成的圖斑。參數(shù)提取單元203，具體可以用于以組成所 述圖斑的像元的平均值表征所述圖斑的極化信息，提取所述圖斑的極化相干 矩陣和Stokes矩陣；還用于以所述圖斑為單元，進(jìn)行極化特征參數(shù)提取，提 取的所述極化特征參數(shù)包括采用目標(biāo)相干矩陣特征值分解技術(shù)生成的熵H、 各向異性A、平均角參數(shù)oc、最小接收功率^n、目標(biāo)Stokes矩陣最大特征值
^:("K)-尸匪)
4(K\以及相對去極化比^，其中&按如下定義 A(K) (亦即
上述公式(6))，其中^K)為所述圖斑的Stokes矩陣K的最大特征值，所
述^x為最大接收功率。所述分類單元204，具體用于根據(jù)所述極化特征參數(shù) 構(gòu)建決策樹分類規(guī)則對所述地物目標(biāo)進(jìn)行分類。
本發(fā)明實(shí)施例在不同極化通道振幅影像分割的基礎(chǔ)上，提取圖斑的多種 極化特征參數(shù)，最后根據(jù)這些極化特征參數(shù)實(shí)現(xiàn)對全極化SAR影像的地物目 標(biāo)高精度分類。
實(shí)施例二
本發(fā)明實(shí)施例的主要內(nèi)容在于提出了一種全極化SAR影像的新的分類處 理方法。該方法通過影像分割技術(shù)有效去除了 SAR影像固有的斑點(diǎn)噪聲的影 響，通過多個特征參數(shù)充分利用了全極化SAR影像包含的豐富信息，利用決 策樹這一非參數(shù)分類器容納了具有不同概率分布的多個極化特征參數(shù)，從而 實(shí)現(xiàn)了全極化SAR影像的高精度分類。如圖3所示，是本發(fā)明實(shí)施例另一種基于全極化合成孔徑雷達(dá)的地物目 標(biāo)分類方法流程圖，所述方法包括
步驟301，接收地物目標(biāo)的反饋信號，形成所述地物目標(biāo)的影像。 步驟302，對所述的地物目標(biāo)的影像進(jìn)行分割生成影像塊對所述的地物 目標(biāo)的影像進(jìn)行分割生成的影像塊為具有相似極化后向散射特性像元構(gòu)成的 圖斑，利用影像分割技術(shù)，對全極化通道的振幅影像進(jìn)行分割(全極化四個
通道中，HV和VH通道高度相關(guān)，因此一般以三個波段表示全極化SAR影
像的后向散射強(qiáng)度信息，本發(fā)明實(shí)施例中推薦使用的三個波段為^^—"2， 2|&|2， ^^+^2)，以分割后的圖斑作為后面處理的單元。這樣處理能一方
面能有效地消除斑點(diǎn)噪聲的影響，因?yàn)閷⒂脠D斑內(nèi)像元的均值作為圖斑值。 另一方面，通過將勻質(zhì)像元集合在一起，能使目標(biāo)分解得到的參數(shù)能更準(zhǔn)確 地反映圖斑區(qū)域內(nèi)占主導(dǎo)地位的后向散射機(jī)制。
步驟303，從所述的影像塊中提取極化特征參數(shù)以圖斑為處理對象，生 成圖斑的相干矩陣C:
<formula>formula see original document page 13</formula>
(7)
其中*表示共軛，、？表示圖斑內(nèi)像元的統(tǒng)計(jì)平均。根據(jù)公式(2) 、 (3)、 (5)可以提取圖斑的相干矩陣特征值分解參數(shù)//、 ^、 《。
H、 ^和"參數(shù)能較好地描述目標(biāo)的散射特性。但僅使用這三個參數(shù)是不 夠的。例如平坦的地面和水面都常表現(xiàn)為低熵表面散射，在H-A-"參數(shù)空間 中是無法區(qū)分它們的。因此本發(fā)明實(shí)施例提出增加另外三個極化特征參數(shù)
最小接收功率^m，目標(biāo)Stokes矩陣最大特征值4(K)和相對去極化比"P。這 三個參數(shù)與圖斑的Stokes矩陣密切相關(guān)，圖斑的Stokes矩陣定義為<formula>formula see original document page 14</formula>
常數(shù)矩陣
<formula>formula see original document page 14</formula>上式中^》表示圖斑內(nèi)像元的平均散射矩陣。"0"表示矩陣的外積。圖斑
的極化接收功率^^5《"《，《、G'分別表示接收和發(fā)射天線的Stokes矢量。 在已知圖斑的Stokes矩陣K情況下，通過矩陣奇異值分解技術(shù)可以計(jì)算K的
最大特征值4(K)，通過極化合成技術(shù)可以求得圖斑的最大接收功率P,和最 小接收功率7^，然后根據(jù)式(6)求得相對去極化比參數(shù)"^。最小接收功率 表達(dá)了目標(biāo)后向散射回波中完全非極化分量的多少，目標(biāo)Stokes矩陣最大特 征值代表目標(biāo)后向散射回波中總的可接收功率，而相對去極化比則揭示了后 向散射回波中完全非極化部分相對于完全極化部分的比值。雷達(dá)天線發(fā)射的 是完全極化的地磁波，經(jīng)地物散射后，由于任何地物都存在一定程度的去極 化效應(yīng)，散射波為部分極化波。根據(jù)電磁波理論，部分極化波可以表達(dá)為完 全極化波和完全非極化波的疊加。回波中的完全極化部分可以通過調(diào)整接收 天線的極化狀態(tài)，得到最大或最小的接收功率(最小的接收功率將為零)。 而完全非極化波被天線接收后，無論接收天線的極化狀態(tài)如何，接收功率都 不會變化。平坦的地面和水面盡管都常表現(xiàn)為低熵表面散射，但是水體的相 對去極化比一定會更小。因此，綜合這6個參數(shù)，可以非常全面地描述地物 的后向散射特性。
步驟304，根據(jù)所述極化特征參數(shù)利用決策樹分類方法對所述地物目標(biāo)進(jìn)
行分類利用決策樹分類方法基于上述多個極化特征參數(shù)(H、 A、 《、 p 、
A(K)、 "P)進(jìn)行極化SAR影像監(jiān)督分類。決策樹方法具有直觀簡單、精度 高和速度快的優(yōu)點(diǎn)，而且無需考慮輸入數(shù)據(jù)的概率分布，非常適合于上述多 個極化特征參數(shù)的情況。首先根據(jù)參考數(shù)據(jù)選擇一些已知地物類別的圖像塊
14作為訓(xùn)練樣本，對訓(xùn)練樣本的(H、 A、 《、 p 、 ^K)、 參數(shù)進(jìn)行學(xué)習(xí)，
形成規(guī)則，然后對所有的圖斑進(jìn)行分類。
為了更好地說明本發(fā)明技術(shù)方案的有效性和優(yōu)越性，現(xiàn)對應(yīng)用上述技術(shù) 方案后本發(fā)明實(shí)施例與現(xiàn)有技術(shù)進(jìn)行如下對比分析如圖4所示，為現(xiàn)有技
術(shù)選用的荷蘭Flevoland地區(qū)L波段全極化SAR總功率影像，該影像獲取時 間為1989年8月。如圖5所示，為本發(fā)明實(shí)施例經(jīng)過分割處理后的圖斑總功 率影像，經(jīng)過此處理后，將以分割所得的圖斑作為后續(xù)處理的基本單元。如 圖6所示，為本發(fā)明實(shí)施例圖斑總功率均值形成的影像。如圖7所示，為本
發(fā)明實(shí)施例分別基于圖斑提取的極化特征參數(shù)(H、 A、 《、 4、 4(K)、 "P) 影像。如圖8所示，為現(xiàn)有技術(shù)2001年已發(fā)表的基于與圖4同樣的SAR影 像的三種不同分類方法的分類結(jié)果及其精度，從中可以看到基于Wishart分布 的全極化最大似然方法的分類精度最高，為81.63%，而僅考慮HH和VV通 道的振幅影像的分類精度最低，僅有56.35%。如圖9所示，為本發(fā)明實(shí)施例 提出的方法的分類結(jié)果(不同類別的顏色代碼與圖8 —致)，即通過對訓(xùn)練
樣本的學(xué)習(xí)，以H、 A、 《、 4、 A(K)、 "P等6個參數(shù)為變量構(gòu)建了決策規(guī) 則，用決策樹方法對圖斑進(jìn)行分類的結(jié)果。根據(jù)圖8中的分類參考圖象選取 了 11個類別的訓(xùn)練樣本以及用于精度評價的檢査樣本，本圖的分類精度為 93.42%，遠(yuǎn)遠(yuǎn)高于圖8中三種方法的分類精度。如圖10所示，為本發(fā)明實(shí)施 例中所用的分類決策樹。如圖11所示，為Flevoland地區(qū)1989年5月23日 獲取的LandSatTM(美國陸地衛(wèi)星專題制圖儀)第5波段影像，該圖像與SAR 圖像的獲取時間接近。從圖右邊緣部分的水體來看，圖9所示水體的分類精 度大大高于圖8中三種方法的水體分類精度。如圖12所示，為本發(fā)明實(shí)施例 分類結(jié)果(b)與圖8中精度最高的基于Wishart分布的全極化最大似然分類 結(jié)果(a)及對應(yīng)的參考數(shù)據(jù)(c)的直接比較。從目視效果看，本發(fā)明實(shí)施例 提出的方法完全消除了斑點(diǎn)(Speckle)噪聲的影響。通過圖12中(a) 、 (b)
15與(C)的比較，可以明顯看出本發(fā)明的分類正確率大大高于常規(guī)方法的結(jié)果。
上述實(shí)施例采用荷蘭中部Flevoland地區(qū)的L波段全極化SAR影像進(jìn)行 了土地覆蓋分類試驗(yàn)，并將本發(fā)明實(shí)施例提出的分類方法的結(jié)果與已在國際 權(quán)威期刊上發(fā)表的多種分類方法的結(jié)果進(jìn)行了比較。其采用與已發(fā)表論文中 同樣的地面參考數(shù)據(jù)對本發(fā)明實(shí)施例分類結(jié)果進(jìn)行了精度評價，評價顯示本 發(fā)明實(shí)施例的分類結(jié)果精度為93.5%，優(yōu)于已發(fā)表的所有方法。同時，選擇其 中的一個局部區(qū)域，對比顯示了本發(fā)明實(shí)施例分類結(jié)果與已發(fā)表的已知的具 有最高精度分類結(jié)果，直接顯示了本發(fā)明實(shí)施例分類結(jié)果的高精度。
本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟 是可以通過程序來指令相關(guān)硬件來完成，所述的程序可以存儲于一計(jì)算機(jī)可 讀取存儲介質(zhì)中，該程序在執(zhí)行時，包括上述全部或部分步驟，所述的存儲 介質(zhì)，如ROM/RAM、磁盤、光盤等。
以上所述的具體實(shí)施方式
，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行 了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施方式
而 已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做 的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1、一種基于全極化合成孔徑雷達(dá)的地物目標(biāo)分類方法，其特征在于，所述方法包括接收地物目標(biāo)的反饋信號，形成所述地物目標(biāo)的影像；對所述的地物目標(biāo)的影像進(jìn)行分割生成影像塊；從所述的影像塊中提取極化特征參數(shù)；根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。
2、 如權(quán)利要求l所述方法，其特征在于，所述對所述的地物目標(biāo)的影像 進(jìn)行分割生成的影像塊為圖斑，其為具有相似極化后向散射特性像元構(gòu)成的圖斑。
3、 如權(quán)利要求2所述方法，其特征在于，所述生成所述圖斑具體包括s從所述地物目標(biāo)的影像的極化散射矩陣S/7V ^，」構(gòu)造一個三波段振幅影像(2l " " ， Zl。" ， 21 W ")，對此影像進(jìn)行分割以獲取具有相似極化 后向散射特性像元構(gòu)成的圖斑，其中，h為水平極化，V為垂直極化，hh表示水平極化發(fā)射/水平極化接收狀態(tài)，hv表示水平極化發(fā)射/垂直極化接收狀態(tài)， vh表示垂直極化發(fā)射/水平極化接收狀態(tài)，vv表示垂直極化發(fā)射/垂直極化接收狀態(tài)。
4、如權(quán)利要求3所述方法，其特征在于，所述從所述的影像塊中提取極化特征參數(shù)具體包括以組成所述圖斑的像元的平均值表征所述圖斑的極化信息，提取所述圖斑的極化相干矩陣和斯托克司Stokes矩陣；以所述圖斑為單元，進(jìn)行極化特征參數(shù)提取，提取的所述極化特征參數(shù)包括采用目標(biāo)相干矩陣特征值分解技術(shù)生成的熵H、各向異性A、平均角參數(shù)a、最小接收功率4、目標(biāo)Stokes矩陣最大特征值^ (K)、以及相對去極化比化，其中^按如下定義 A(K)，其中^K)為所述圖斑的Stokes矩陣K的最大特征值，所述4"為最大接收功率。
5、 如權(quán)利要求4所述方法，其特征在于，所述根據(jù)所述極化特征參數(shù)對 所述地物目標(biāo)進(jìn)行分類具體為根據(jù)所述極化特征參數(shù)構(gòu)建決策樹分類規(guī)則對所述地物目標(biāo)進(jìn)行分類。
6、 一種基于全極化合成孔徑雷達(dá)的地物目標(biāo)分類裝置，其特征在于，所 述裝置包括影像接收單元，用于接收地物目標(biāo)的反饋信號，形成所述地物目標(biāo)的影像；分割單元，用于對所述的地物目標(biāo)的影像進(jìn)行分割生成影像塊； 參數(shù)提取單元，用于從所述的影像塊中提取極化特征參數(shù)； 分類單元，用于根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。
7、 如權(quán)利要求6所述裝置，其特征在于，所述分割單元，具體用于對所 述的地物目標(biāo)的影像進(jìn)行分割生成的影像塊為具有相似極化后向散射特性像 元構(gòu)成的圖斑。
8、 如權(quán)利要求7所述裝置，其特征在于，所述分割單元，具體用于從所構(gòu)造一個三波段振幅影像s =述地物目標(biāo)的影像的極化散射矩陣(*l^_l|2， 2|&v|2， ^^+U2)，對此影像進(jìn)行分割以獲取具有相似極化后向散射特性像元構(gòu)成的圖斑，其中，h為水平極化，v為垂直極化，hh表示水平 極化發(fā)射/水平極化接收狀態(tài)，hv表示水平極化發(fā)射/垂直極化接收狀態(tài)，vh 表示垂直極化發(fā)射/水平極化接收狀態(tài)，vv表示垂直極化發(fā)射/垂直極化接收狀 態(tài)。
9、如權(quán)利要求8所述裝置，其特征在于，所述參數(shù)提取單元，具體用于 以組成所述圖斑的像元的平均值表征所述圖斑的極化信息，提取所述圖斑的極化相干矩陣和Stokes矩陣；還用于以所述圖斑為單元，進(jìn)行極化特征參數(shù) 提取，提取的所述極化特征參數(shù)包括采用目標(biāo)相干矩陣特征值分解技術(shù)生成的熵H、各向異性A、平均角參數(shù)oc、最小接收功率7^、目標(biāo)Stokes矩陣 最大特征值4(K)、以及相對去極化比^，其中^按如下定義A(K)，其中"K)為所述圖斑的Stokes矩陣K的最大特征值，所述^x為最大接收功率。
10、如權(quán)利要求9所述裝置，其特征在于，所述分類單元，具體用于根 據(jù)所述極化特征參數(shù)構(gòu)建決策樹分類規(guī)則對所述地物目標(biāo)進(jìn)行分類。
全文摘要
本發(fā)明提供一種基于全極化合成孔徑雷達(dá)的地物目標(biāo)分類方法和裝置，所述方法包括接收地物目標(biāo)的反饋信號，形成所述地物目標(biāo)的影像；對所述的地物目標(biāo)的影像進(jìn)行分割生成影像塊；從所述的影像塊中提取極化特征參數(shù)；根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。所述裝置包括影像接收單元，用于接收地物目標(biāo)的反饋信號，形成所述地物目標(biāo)的影像；分割單元，用于對所述的地物目標(biāo)的影像進(jìn)行分割生成影像塊；參數(shù)提取單元，用于從所述的影像塊中提取極化特征參數(shù)；分類單元，用于根據(jù)所述極化特征參數(shù)對所述地物目標(biāo)進(jìn)行分類。上述本發(fā)明實(shí)施例的技術(shù)方案為實(shí)現(xiàn)對全極化SAR影像的地物目標(biāo)高精度分類提供了一種解決方案。
文檔編號G01S13/90GK101498789SQ20091007831
公開日2009年8月5日 申請日期2009年2月25日 優(yōu)先權(quán)日2009年2月25日
發(fā)明者寧曉剛, 張永紅, 張繼賢, 王梁文敬 申請人:中國測繪科學(xué)研究院