專利名稱：一種基于散射矩陣的相干目標分解方法
技術領域：
本發(fā)明涉及全極化SAR圖像數據處理領域，尤其涉及一種基于散射矩陣的相干目標分解方法。
背景技術：
目標的極化特征，包括表面粗糙度、對稱性、定向性等，主要與它的形狀和結構有關，因此極化SAR(synthetic aperture radar，即合成孔徑雷達)圖像數據能夠比單通道 SAR數據提供更多的地物信息，并且目標的極化特征能夠促進自動目標識別(ATR)算法的發(fā)展，其中極化信息的提取方法正是目標分解(TD)，將復雜的散射目標分解為若干較小的基本散射目標的合成。目標分解理論(TD)大致可分為兩類相干目標分解(CTD)以及非相干目標分解 (ICTD)。非相干目標分解是針對目標協方差矩陣、相干矩陣、Mueller矩陣或Mokes矩陣的分解，主要包括Huynen分解、Cloude分解以及Freeman-Durden分解等。隨著極化和高分辨測量技術的發(fā)展，分辨單元越小，它含有的散射中心的數目就越少，應用基于散射矩陣的相干目標分解方法提取的參數就越能準確的反應目標的散射特征。到目前為止，已經有 Pauli分解、SDH分解、Cameron分解以及TSVM分解模型等多種經典相干分解方法，且不同的分解方法可以得到相類似的極化參數。當基本散射體被任意的，但具有確定極化態(tài)的發(fā)射信號照射時，都會反射雷達信號，而散射矩陣包含能夠預測反射信號的所有信息。在線性極化基下，散射矩陣可以表示為5=(^" ^12 Lsij e C, i, j e {1,2}(1)基于雷達目標的兩個基本特性一互易性和對稱性，Cameron提出了一種相干目標分解方法^ = a[cos ^ret (cos ^max +sin ^min) +Sin^inJ(2)其中及是散射矩陣玄的向量形式，&表示非互易散射分量散射矩陣，之3)(和 ^分別表示互易散射分量中最大以及最小對稱散射分量散射矩陣。^^ (o<erec<^)
°min2
是散射矩陣與互易子空間Wm。之間的夾角，表示散射矩陣服從互易性原理的程度。 r (O^r 表示互易散射分量的對稱程度。分解之后，Cameron將最大對稱散射分量以歸一化的復向量λ來表示^niax = αβ'ΡΚ(ψ)Α(ζ) , a e IR+, ρ , ψ e (- ji , ji ](3)其中
權利要求
1.一種基于散射矩陣的相干目標分解方法，其特征在于，包括511獲取目標區(qū)域的全極化SAR圖像數據；512提取所述全極化SAR圖像數據的散射矩陣&其中
2.根據權利要求1所述的基于散射矩陣的相干目標分解方法，其特征在于，所述S14步驟中，設定限制條件為Ψ =0。
3.根據權利要求1所述的基于散射矩陣的相干目標分解方法，其特征在于，所述S14步驟中，設定限制條件為戎二疼+ f。
4.根據權利要求1所述的基于散射矩陣的相干目標分解方法，其特征在于，所述S14步驟中，設定限制條件為^ = max ，其中λ_表示λ 2的最大值，Xmin表示λ3的最小
5.根據權利要求1所述的基于散射矩陣的相干目標分解方法，其特征在于，所述S14步驟中，設定限制條件為也=病士 f。
6.根據權利要求1至5之一所述的基于散射矩陣的相干目標分解方法，其特征在于，所述S15步驟后，還包括S16 根據合成圖像識別目標區(qū)域地物類型。
全文摘要
本發(fā)明公開了一種基于散射矩陣的相干目標分解方法，包括獲取目標區(qū)域的全極化SAR圖像數據；提取所述全極化SAR圖像數據的散射矩陣；將所述散射矩陣分解為三面角分量散射矩陣、二面角分量散射矩陣以及旋轉45度二面角分量散射矩陣的相干和，公式如下設定限制條件求解參數λi、φi、ψ；根據分解結果合成圖像。本發(fā)明的基于散射矩陣的相干目標分解方法將各種相干目標分解方法統(tǒng)一起來、通用性更好，提取的極化參數能夠更加準確的反應目標(地物)的散射特征，提高了自動目標識別的準確度。
文檔編號G01S7/41GK102262223SQ20101018917
公開日2011年11月30日 申請日期2010年5月26日 優(yōu)先權日2010年5月26日
發(fā)明者張紅, 李洪忠 申請人:中國科學院對地觀測與數字地球科學中心