[發明專利]自適應體散射模型的freeman/特征值分解方法

有效

• 申請號: 201710328382.4
• 申請日: 2017-05-11
• 公開（公告）號: CN107229933B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 侯彪;焦李成;鄭偉偉;王爽;馬晶晶;馬文萍;馮婕;張小華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 程曉霞;王品華

本發明公開了一種自適應體散射模型的freeman/特征值分解方法。解決了極化SAR圖像分解中的體散射分量過估計和產生負功率像素點的技術問題。分解過程為：輸入極化SAR圖像數據矩陣；精致Lee濾波，消除斑點噪聲；計算極化方位角θ，得出交叉極化散射模型，并進行方位角補償；通過極化方位角得到新相位差NPD，依NPD判斷目標處在城市區域還是自然區域；構建改進的自適應散射模型；確定新相位差NPD閾值，判斷目標所處的區域；用P_d,P_v,P_s三種散射功率分布合成RGB圖像輸出。本發明采用的自適應體散射模型，能夠適應不同的地物特征，尤其在城市區域，分解結果更準確，可應用于極化SAR目標的識別與分類。

技術領域

本發明屬于圖像處理技術領域，主要是針對極化SAR數據分解，具體地說是一種自適應體散射模型的freeman/特征值分解方法，可應用于極化SAR目標的識別與分類。

背景技術

極化合成孔徑雷達(極化SAR)是建立在傳統SAR系統上的新體制SAR系統，它通過不同極化方式的組合對物體進行全極化測量，記錄物體的物質組成、幾何特征、方位指向等信息，實現對物體更為全面的描述，能夠針對不同的應用場景提供所需的具體信息。

極化目標分解是極化SAR圖像極化特征提取的主要實現方法，用切合實際的物理約束來解譯目標的散射機制，將極化數據分解為若干具有實際物理意義的參數，以方便分析目標復雜的散射過程。極化目標分解理論，首先由Huynen提出，此后，多種分解方法相繼被提出，目前，將極化目標分解方法分為用于描述純目標的相干目標分解和用于描述分散式目標的非相干目標分解兩大類。

相干極化目標分解方法，主要基于散射矩陣的分解，是用于描述純目標的分解方法，通常要求目標的散射矩陣是穩定的。相干目標分解方法主要包括，Pauli分解、SDH分解等。然而對于自然界中大量存在的復雜目標(非確定性目標)而言，該類分解方法有諸多局限性，近年來的發展并不多。

非相干極化目標分解方法，主要基于散射矩陣的二階極化描述子，即極化協方差矩陣[C₃]、極化相干矩陣[T₃]。非相干目標分解是將[C₃]或[T₃]矩陣分解為幾種典型地物目標的散射模型的線性組合，近年來得到了迅速發展和廣泛應用，這些方法包括基于散射模型的非相干目標分解，基于特征值分解的非相干目標分解等。Cloude在Polarisation:Applications in Remote Sensing.2009書中提出了一種混合freeman/eigenvalue分解方法，將基于散射模型的目標分解和特征值分解聯系起來。但是該分解方法采用固定體散射模型，不能適應不同地物特征，出現體散射分量過估計問題和存在負功率的問題。

2013年，針對Polarisation:Applications in Remote Sensing.2009書中的原始混合freeman/eigenvalue分解方法里的體散射過估計問題和負功率的問題，GulabSingh提出了擴展體散射模型，根據參數的不同，采用不同的固定體散射模型。相比于原始的混合freeman/eigenvalue分解方法，使用這種方法改善了體散射過估計問題和減少了負功率比例，但是其采用固定體散射模型，依然存在體散射過估計問題和負功率問題。

發明內容

本發明目的在于克服上述現有技術的不足，提出一種改善了體散射分量過估計和能自適應不同的地物特征的自適應體散射模型的freeman/特征值分解方法。

本發明是一種自適應體散射模型的freeman/特征值分解方法，其特征在于，包括有如下步驟：

(1)輸入極化SAR圖像數據矩陣(T或C)：