π/4简缩极化干涉合成孔径雷达分解方法与流程

π
/4简缩极化干涉合成孔径雷达分解方法
技术领域
1.本发明涉及简缩极化合成孔径雷达领域的目标分解技术，尤其涉及一种π/4简缩极化干涉合成孔径雷达分解方法。


背景技术：

2.极化合成孔径雷达(polarimetric synthetic aperture radar，polsar)是合成孔径雷达(synthetic aperture radar，sar)的重要分支之一，在地质、水文和环境等多个领域，发挥着重要的作用。简缩极化sar作为极化sar的重要分支，可以规避全极化sar的缺点，提供比单极化和双极化模式更多的信息。极化目标分解技术作为简缩极化sar图像的重要处理方法之一，可以对目标的散射机制进行直接描述，但已有算法存在的体散射能量过估计问题依然限制算法的有效性。极化干涉sar技术在原有极化sar技术的基础上，增加了干涉信息，可以获取更为准确的目标分解结果，但是受限于系统的复杂性和算法的复杂性，现有的极化干涉分解算法较少，计算效率低下，鲁棒性较差，简缩极化干涉分解技术更是处于空白阶段，简缩极化干涉分解方法应用仍然是一项技术挑战。


技术实现要素：

3.有鉴于此，本发明提出一种π/4简缩极化干涉合成孔径雷达分解方法，所述方法包括：
4.s1：获取极化干涉sar图像数据，根据全极化sar数据与简缩极化sar数据间的转换关系，将全极化sar数据转换为简缩极化sar数据；
5.s2：计算极化干涉最优参数，确定体散射模型的优化因子；
6.s3：根据所述体散射模型优化因子对体散射模型进行优化；
7.s4：根据所述优化后的体散射模型推导体散射能量、表面散射能量和二面角散射能量的表达形式。
8.上述方案中，所述方法还包括：
9.对同一地区获取的两幅全极化sar图像完成滤波和多视等预处理操作，选取其中一幅图像为主图像，另一幅图像为副图像。随后，利用全极化sar数据与π/4简缩极化sar数据之间的转换关系，将全极化sar数据转换为π/4简缩极化sar数据，用于后续处理，该步骤具体实施方式如下：
10.获取所述两幅全极化sar图像的相干矩阵的集合平均值分别为《[t1]》和《[t2]》：
[0011][0012]
其中，t
ij
(i＝1,2,3；j＝1,2,3)和t
′
ij
(i＝1,2,3；j＝1,2,3)分别表示主、副全极化相干矩阵的集合平均值《[t1]》和《[t2]》的第i行、第j列元素；上标“h”表示矩阵的共轭转置；k1和k2分
别为主、副全极化图像的pauli基，其表达式分别为和其中，s
hhi
(i＝1,2)为垂直发射、垂直接收的后向散射，s
hvi
(i＝1,2)为垂直发射、水平接收的后向散射，s
vvi
(i＝1,2)为水平发射、水平接收的后向散射。
[0013]
g＝(g0,g1,g2,g3)
t
是stokes矢量，gk(k＝0,1,2,3)表示stokes矢量第k行的元素。stokes矢量与全极化sar数据间的对应关系为：
[0014][0015]
主、副图像的stokes矢量可以表示为：
[0016][0017]
其中，g
km
(k＝0,1,2,3)表示stokes矢量gm的第k行的元素，g
ks
(k＝0,1,2,3)表示stokes矢量gs的第k行的元素。
[0018]
上述方案中，所述方法还包括：
[0019]
极化干涉信息可以利用6
×
6相干矩阵进行表示。由k1和k2的外积定义的6
×
6半正定hermitian矩阵表达式为：
[0020][0021]
其中，
[0022][0023]
《
·
》为多视平均。[tm]和[ts]为半正定hermitian矩阵，分别包含每组天线获得的全部的极化信息，[ω
12
]为非hermitian矩阵，包含极化信息和干涉信息。
[0024]
在极化干涉sar中，干涉相干系数和相位信息对极化状态有很强的依赖性。与极化相似性参数的定义类似，引入单位投影矢量ω1和ω2，将pauli基散射矢量k1和k2分别投影到ω1和ω2上，极化干涉相似性参数(p
pisp
)的表达式为:
[0025]
[0026]
其中，p
pisp
∈[0,1]，|
·
|代表绝对值运算，[ω1]＝[ω
1,opt1
，ω
1,opt2
，ω
1,opt3
]和[ω2]＝[ω
2,opt1
，ω
2,opt2
，ω
2,opt3
]分别为主、副图像最优散射矢量组成的最优散射矩阵，ω
i,optj
(i＝1,2；j＝1,2,3)为主或副图像最优散射矩阵的第j个元素。参数p
pisp
的取值是唯一的，不随目标取向角的变化而变化，该参数可以用于保证两幅图像间的相干最优化。因此，构建极化干涉最优参数p
piop
用于后续的分解处理，极化干涉最优参数p
piop
的表达式为：
[0027][0028]
上述方案中，所述方法还包括：
[0029]
利用极化干涉最优参数p
piop
，优化freeman提出的体散射模型，freeman提出的体散射模型的表达式为：
[0030][0031]
经极化干涉最优参数p
piop
优化后的体散射模型的表达式为：
[0032][0033]
上述方案中，所述方法还包括：
[0034]
stokes矢量gm可以被分解为：
[0035][0036]
其中，gv表示随机体散射机制部分的stokes矢量，g
p
表示秩为1散射机制部分的stokes矢量，包括π/4极化模式下的表面散射和二面角散射；mv和m
p
表示体散射成分和秩为1的散射成分的系数，α和是散射变量。
[0037]
为了简化后续的计算流程，令c＝
±
cos2α，则，stokes矢量各元素的表达式为：
[0038]
[0039]
其中，a,b,c和mv均可以用m
p
表示：
[0040][0041]
将a,b,c和mv代入a2 b2 c2＝1，可以求得m
p
的取值，进而求得a,b,c和mv的取值，同时，α和的表达式分别为：
[0042][0043]
体散射、二面角散射和表面散射能量的表达式为：
[0044][0045]
根据体散射、二面角散射和表面散射能量的表达式，可以得到最终的图像分解结果。
[0046]
本发明的优点及有益效果在于：本发明将简缩极化目标分解方法扩展至简缩极化干涉目标分解算法，改善了现有简缩极化干涉sar分解方法较为稀缺的现状。在发明得到的分解结果中，与简缩极化目标分解算法相比，倾斜建筑物区域的体散射能量过估计问题得到明显的改善，分解结果与实际地物散射机制较为相符。
附图说明
[0047]
图1为本发明实施例一种π/4简缩极化干涉合成孔径雷达分解方法流程示意图。
具体实施方式
[0048]
为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明实施例。
[0049]
图1为本发明实施例一种π/4简缩极化干涉合成孔径雷达分解方法流程示意图，如图1所示，本发明实施例的π/4简缩极化干涉合成孔径雷达分解方法包括以下步骤：
[0050]
s1：获取极化干涉sar图像数据，根据全极化sar数据与简缩极化sar数据间的转换关系，将全极化sar数据转换为简缩极化sar数据；
[0051]
s2：计算极化干涉最优参数，确定体散射模型的优化因子；
[0052]
s3：根据所述体散射模型优化因子对体散射模型进行优化；
[0053]
s4：根据所述优化后的体散射模型推导体散射能量、表面散射能量和二面角散射能量的表达形式。
[0054]
具体地，所述步骤s1还包括：
[0055]
对同一地区获取的两幅全极化sar图像完成滤波和多视等预处理操作，选取其中一幅图像为主图像，另一幅图像为副图像。随后，利用全极化sar数据与π/4简缩极化sar数
据之间的转换关系，将全极化sar数据转换为π/4简缩极化sar数据，用于后续处理，该步骤具体实施方式如下：
[0056]
获取所述两幅全极化sar图像的相干矩阵的集合平均值分别为《[t1]》和《[t2]》：
[0057][0058]
其中，t
ij
(i＝1,2,3；j＝1,2,3)和t
ij
′
(i＝1,2,3；j＝1,2,3)分别表示主、副全极化相干矩阵的集合平均值《[t1]》和《[t2]》的第i行、第j列元素；上标“h”表示矩阵的共轭转置；k1和k2分别为主、副全极化图像的pauli基，
[0059]
其中，s
hhi
(i＝1,2)为垂直发射、垂直接收的后向散射，s
hvi
(i＝1,2)为垂直发射、水平接收的后向散射，s
vvi
(i＝1,2)为水平发射、水平接收的后向散射。
[0060]
g＝(g0,g1,g2,g3)
t
是stokes矢量，gk(k＝0,1,2,3)表示stokes矢量第k行的元素。stokes矢量与全极化sar数据间的对应关系为：
[0061][0062]
主、副图像的stokes矢量可以表示为：
[0063][0064]
其中，g
km
(k＝0,1,2,3)表示stokes矢量gm的第k行的元素，g
ks
(k＝0,1,2,3)表示stokes矢量gs的第k行的元素。
[0065]
具体地，所述步骤s2还包括以下分步骤：
[0066]
极化干涉信息可以利用6
×
6相干矩阵进行表示。由k1和k2的外积定义的6
×
6半正定hermitian矩阵表达式为：
[0067][0068]
其中，
[0069]
[0070]
·
》为多视平均。[tm]和[ts]为半正定hermitian矩阵，分别包含每组天线获得的全部的极化信息，[ω
12
]为非hermitian矩阵，包含极化信息和干涉信息。
[0071]
在极化干涉sar中，干涉相干系数和相位信息对极化状态有很强的依赖性。与极化相似性参数的定义类似，引入单位投影矢量ω1和ω2，将pauli基散射矢量k1和k2分别投影到ω1和ω2上，极化干涉相似性参数(p
pisp
)的表达式为:
[0072][0073]
其中，p
pisp
∈[0,1]，|
·
|代表绝对值运算，[ω1]＝[ω
1,opt1
，ω
1,opt2
，ω
1,opt3
]和[ω2]＝[ω
2,opt1
，ω
2,opt2
，ω
2,opt3
]分别为主、副图像最优散射矢量组成的最优散射矩阵。参数p
pisp
的取值是唯一的，不随目标取向角的变化而变化，该参数可以用于保证两幅图像间的相干最优化。因此，构建极化干涉最优参数p
piop
用于后续的分解处理，极化干涉最优参数p
piop
的表达式为：
[0074][0075]
具体地，所述步骤s3还包括：
[0076]
利用极化干涉最优参数p
piop
，优化freeman提出的体散射模型，freeman提出的体散射模型的表达式为：
[0077][0078]
经极化干涉最优参数p
piop
优化后的体散射模型的表达式为：
[0079][0080]
具体地，所述步骤s4还包括：
[0081]
stokes矢量gm可以被分解为：
[0082][0083]
其中，gv表示随机体散射机制部分的stokes矢量，g
p
表示秩为1散射机制部分的stokes矢量，包括π/4极化模式下的表面散射和二面角散射；mv和m
p
表示体散射成分和秩为1的散射成分的系数，α和是散射变量。
[0084]
为了简化后续的计算流程，令c＝
±
cos2α，则，stokes矢量各元素的表达式为：
[0085][0086]
其中，a,b,c和mv均可以用m
p
表示：
[0087][0088]
将a,b,c和mv代入a2 b2 c2＝1，可以求得m
p
的取值，进而求得a,b,c和mv的取值，同时，α和的表达式分别为：
[0089][0090]
体散射、二面角散射和表面散射能量的表达式为：
[0091][0092]
根据体散射、二面角散射和表面散射能量的表达式，可以得到最终的图像分解结果。
[0093]
至此，已经结合附图对本实施例进行了详细描述，依据以上描述，本领域技术人员应对本发明π/4简缩极化干涉合成孔径雷达分解方法有了清楚的认知。
[0094]
本发明所提供的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
[0095]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。