一种未定标全极化SAR无旋性区域选择方法与流程

一种未定标全极化sar无旋性区域选择方法
技术领域
1.本发明涉及雷达探测领域，尤其是一种合成孔径雷达（synthetic aperture radar, sar）无旋性区域选择算法。


背景技术：

2.极化sar系统在设计运行以及图像应用中，稳定性是首要任务。在设计运行时，系统具有内定标环路，可以保持系统各通道之间的作用保持在正常范围之内。在图像应用时，可以用具有一定特性目标的变化来将图像校准正确，该处理方式称为极化定标。极化定标主要是校正各通道之间——交叉极化通道与共极化通道的不平衡、串扰以及绝对幅度因子的影响。现如今，极化定标主要利用两类目标进行定标：纯点目标以及分布式目标。纯点目标定标主要利用已知目标后向散射的关系，将图像中已知目标（通常为角反射器）按照理论的各通道之间的关系进行校正。分布式目标主要利用一个角反射器与特定散射特性的自然地物进行定标。但是由于无源角反射器的不易携带、雷达后向散射所导致的尺寸限制以及有源角反射器价格昂贵，纯分布式目标研究成为当前的热点。
3.纯分布式目标定标主要是利用具有一定散射特性的自然地物进行定标，包括密集森林的体散射特征以及裸土的无旋性等。选择自然地物的原因有二：首先自然地物比人工目标易寻找，省时省力；其次是自然地物在不同入射角下具有稳定的散射特性，相反，对于房屋等人造目标来说，雷达在不同照射下其散射特性发生明显变化。纯分布式目标定标主要包括两个环节：确定交叉极化通道不平衡和串扰以及确定共极化通道不平衡。前一部分通常使用具有交叉极化的茂密森林进行确定，后一部分通常使用裸土等无旋性区域。如果无旋性区域选取不当，对定标结果产生较大影响，后续对全极化sar的各类应用也会产生较大误差。现阶段寻找无旋性区域的方法主要为利用各种极化参数进行寻找，例如等效视数（equivalent number of looks, enl）、全极化hh通道和vv通道的相关性r
hhvv
等。但是由于阈值的选择，使得无旋性区域不能完全得到，甚至当阈值设置不当时，会存在体散射等其他散射特征的区域被选中，从而干扰定标结果。
4.无旋性区域和极化分解的分解的z9区域可以产生关联，其中h为散射熵，为极化散射系数，两类表述的关系是z9区域的部分场景满足无旋性特征，是无旋性区域，称为类bragg区域，包括裸土等自然地物；剩下的场景，例如海洋、湖泊等，由于其经常与噪声区分不开，所以并不能较好地将这些区域与无旋性区域对照。由于分解可以求出类bragg区域，所以利用分解得到无旋性区域具有重要价值与意义。
5.综上所述，无旋性区域通常为裸土等自然地物，可为分布式定标确定共极化通道不平衡提供较大帮助，可以利用极化定标后的图像进行极化分解中的分解求出。但未进行极化定标情况下，分解与图像进行极化定标后的通道之间的性能尤其是共极化通道不平衡相关联。若校正后的共极化通道不平衡不理想，分解得到的结果就会变差。


技术实现要素：

6.有鉴于此，本发明充分考虑了极化定标效果对无旋性区域选择的影响，在极化定标求解通道串扰以及交叉极化通道不平衡后，直接利用算法选择无旋性区域，提出一种未定标全极化sar无旋性区域选择方法能够精确获取在未进行极化定标下全极化sar数据的无旋性区域。
7.为达到上述目的，本发明的技术方案是这样实现的：一种未定标全极化sar无旋性区域选择方法，该方法包括如下步骤：步骤1、针对未定标全极化sar数据，求解协方差矩阵，确定系统的交叉极化通道不平衡以及通道串扰，进行初步定标；步骤2、对初步定标后的数据沿方位向和距离向进行分块并进行分解，画出平面；步骤3、利用二分法以及散射熵阈值，选择确定无旋性区域；步骤4、判断是否为最大无旋性区域，如果是，则结束，否则，返回步骤3；步骤5、得到最大无旋性区域。
8.有益效果：对于现存技术，通常是利用手动选取以及自动选取两种方式。手动选取极大地受到人为因素影响，所以自动选取成为研究人员的首选。现存的算法中，自动选取可以分为两类：一种是深度学习方法，一种是在未定标图像中，直接利用极化参数获取无旋性区域。由于深度学习的训练和学习时间是一个很大的问题，所以在实际中更多的应用采取直接利用极化参数获取无旋性区域。再利用极化参数直接获取时，通常利用阈值将一类和另一类区域分，这就会导致选的点的多少以及选的点中无旋性点的个数直接与阈值相关。本发明通过在未确定共极化通道不平衡的sar全极化使用分解选取无旋性区域，具有如下优点：1）该方法为利用极化参数直接获取无旋性区域，相比于其他方法来说更加省时省力，并且普适性；2）该方法通过对未确定共极化通道不平衡的图像添加幅度为0db，相位不同的共极化通道不平衡矩阵，使得平面上的点上下移动，直至移动到地物所代表的真实地物特征上，所以该方法所选出的无旋性区域较为准确，通过实验案例所展示的实验中最好结果，可以看到所选出的点为无旋性点的比例超99.9%。
附图说明
9.图1为平面示意图；图2为基于分解的未定标全极化sar无旋性区域选择方法流程图；图3为未定标airsar无旋性区域选择结果图；(a)pauli分解图像以及分块示例，(b)成品图分解图，(c)图(b)中深色区域掩膜，(d)添加通道串扰和通道不平衡后的分解图，(e)图(d)中深色区域掩膜，(f)通过所提发明选出的无旋性区域。
具体实施方式
10.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
11.根据本发明的实施例，首先，对成像区域复杂、全极化sar图像未进行极化定标的情况下，通道串扰以及极化通道不平衡对无旋性区域选择的影响分析；具体为：极化定标是全极化sar系统在设计和运行过程中的必要步骤。其中纯分布式目标定标只在图像端进行处理，不需要在系统飞行时摆设角反射器，已成为近年来研究的热点。纯分布式目标定标主要分为两步：首先利用体散射区域确定交叉极化通道不平衡以及通道串扰，然后利用无旋性区域确定共极化通道不平衡。由于体散射区域主要代表地物是森林，在极化定标时可以直观从图像选出，而无旋性区域主要代表地物是裸土等类bragg散射区域，在实际图像中时常会将低矮作物与裸土等区域混淆。极化的一个特征为将不同目标的不同特性用极化参数描述出来，但是当使用纯分布式目标定标时，由于系统紊乱，导致绝大部分极化参数并不能直接用于目标的选择。如果不解决在成像区域复杂、全极化sar图像未进行极化定标的情况下无旋性区域选择的问题，将使共极化通道不平衡问题凸显出来，干扰全极化图像后续处理。
12.其次，成像区域复杂、全极化sar图像未进行极化定标的情况下，利用ainsworth算法以及分解选择无旋性区域的流程，为：针对全极化sar的未定标数据，首先进行不同通道之间的极化数据配准，配准之后认为各通道相同像素位置所对应的地物完全一样；其次利用ainsworth算法确定交叉极化通道不平衡以及通道串扰并对原图像初步定标，初步定标后，图像将不受交叉极化通道不平衡以及通道串扰的影响；接下来，对整个图像沿方位向和距离向进行分块并对初步定标后的图像进行分解，画出平面；通过共极化通道不平衡对平面影响的先验知识，进行阈值选择类bragg区域是否存在无旋性点；得到大致范围后，利用二分法思想对图像加减若干次幅度为0db相位不同的共极化通道不平衡，直到得到最稳定的无旋性区域位置。
13.最后，基于分解的未定标全极化sar无旋性区域选择方法适用性分析，为：基于分解的未定标全极化sar无旋性区域选择方法主要利用分解得到裸土等类bragg区域进而得到无旋性区域，在本发明算法中，没有考虑水域的影响，在实际处理中，可以将江河湖海等水面通过单极化水体检测的方法去除，然后在全极化图像上设置掩膜后再计算；在一些sar图像上，由于存在偶然外部干扰等原因，导致沿方位向和距离想上系统紊乱不尽相同，算法采用对整个图像分块方式进行处理，假设方位向系统定标参数相同，即方位向紊乱一致，考虑不同距离向紊乱不同，随距离向的变化实施算法；本算法在方位向上紊乱剧烈时要进一步改进。
14.基于以上分析，根据本发明的一个实施例，提出一种未定标全极化sar无旋性区域选择方法，该方法包括：步骤1、针对未定标全极化sar数据，求解协方差矩阵，确定系统的交叉极化通道不
平衡以及通道串扰，进行初步定标；步骤2、对初步定标后的数据沿方位向和距离向进行分块并进行分解，画出平面；步骤3、利用二分法以及散射熵阈值，选择确定无旋性区域；步骤4、判断是否为最大无旋性区域，如果是，则结束，否则，返回步骤3；步骤5、得到最大无旋性区域。
15.进一步的，所述步骤1：求解协方差矩阵并利用ainsworth算法确定系统的交叉极化通道不平衡以及通道间串扰。
16.由hh、hv、vh、vv通道得到的lexicographic 基为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，t表示转置。根据得到极化协方差矩阵为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，表示共轭转置，表示对矩阵做多视处理，旨在消除相干斑噪声的影响。然后设系统串扰因子u、v、w、z的初值为0，利用c矩阵得到交叉极化通道不平衡因子的初值为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，c
pq
为矩阵中的元素，p为行，q为列，arg是取相角操作。然后利用求出矩阵p以及消除交叉极化通道不平衡的协方差矩阵d：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5) 接着求出向量，用于串扰修正：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)(10)将求出的代入到下式中：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)得到：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)然后，使得c=e，迭代（3）~（12），最后设置变化阈值停止迭代，每次迭代的初值与上一次的关系为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)最后，将串扰因子以及交叉极化通道不平衡因子求出，代入到m以及p中，并考虑到消除交叉极化通道不平衡的数据满足交叉极化通道相等，得到初步定标后的协方差矩阵：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)其中，a矩阵为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)最后，利用协方差矩阵o进行下一步操作。
17.进一步的，所述步骤2：对初步定标后的数据沿方位向和距离向进行分块并进行分解，画出平面；几乎所有sar数据中共极化通道不平衡因子k沿图像距离向变化，所以在处理初步定标后数据时，要对数据在距离向上分块，分别处理；而沿方位向k基本不变，但是考虑到数据量的原因，仍然也在方位向上分块。分块后，对图像进行求解相干矩阵，并进行特征值分解，求出特征向量与特征值，进而求出h以及。然后以横坐标为h，纵坐标为，画出平面，如图1所示，在实弯曲线以左的区域为有效区域，类bragg区域即为去除水冰等地物的z9区域。
18.进一步的，所述步骤3：利用二分法以及散射熵阈值，选择确定无旋性区域；具体是利用二分法思想及阈值对图像加减若干次幅度为0db相位不同的共极化通道不平衡，求解无旋性区域范围。
19.由于共极化通道不平衡k在未定标图像中幅度通常为-2db~2db之间，相位为-180
°
~180
°
之间。通过仿真，保持k的幅度不变，相位变化，整个平面上的点上下变化，并且周期为180
°
。保持k的相位不变，幅度变化，整个平面上的点在左右方向上变化明显，在上下方向上变化甚微。所以首先在左右方向上设置阈值即z6区域和z9区域的界限，去除因为k幅度的缘故，导致z6区域跑到了z9区域的点。通过仿真，得到平面原z9区域点和原z6区域点的h界限h1=0.33593，即信息熵在0~h1之间时，原z9区域的点随k变化只在0~h1这一范围内的上下变化，该阈值称为第一阈值。
20.进一步的，所述步骤4：判断是否为最大无旋性区域，如果是，则结束，否则，返回步骤3；具体如下：然后对信息熵在0~h1之间的z9区域添加幅度为0db相位为
±
45
°
的k值进行计算，利用第二阈值检测信息熵在0~h1之间的z9区域的无旋性点是否存在，阈值为：
ꢀꢀꢀꢀꢀꢀꢀ
(16)其中，cod1为交叉极化能量占hh共极化能量的分贝值，cod2为交叉极化能量占vv共极化能量的分贝值。如果存在，判断利用第二阈值选出的点占nz9区域的比例。如果占比小于90%，那么需要再次添加幅度为0db相位为
±
45/2
°
的k值进行计算，直至占比大于90%。如果占比超过90%，那么再依次添加幅度为0db相位为
±
45/2
°
的k值进行计算，该处直接比较添加相位后和添加相位前信息熵在nz9区域点数是否不变即可，如果不变化即停止，如果变化，再在
±
45
°±
45/2
°
的基础上
±
45/22°
，然后重复之前起始步骤，直到不变为止。图2为整个算法的流程图。
21.下面结合具体实施例1对本发明的技术方案作进一步详细说明。
22.实施例1airsar是一种全天候的机载成像雷达，能够穿透云层并在夜间收集数据。其具有c、l、p三种频率下的工作模式，在地物分类上有广泛应用。在本实例中，由于无法得到airsar未定标的原始数据，使用人为添加通道串扰以及通道不平衡的airsar数据进行实验分析。
23.图3展示了仿真airsar无旋性区域选择的结果。 (a)给出的是成品图像的pauli分解图，白色虚线表示的分块操作示例； (b)为全极化成品图的分类图，根据的分类准则， (c)显示深色区域为z9区域，即为无旋性区域； (d)为定标前全极化数据的分类图，可以看出，其与成品图的差距较为明显， (e)为定标前数据选取的无旋性区域，不能根据分类直接得到结果； (f)的深色部分为根据所提算法找到的无旋性区域，99.9%包含在(c)中的深色区域。
24.尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
25.以上所述，仅为本发明的一个实施例而已，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。