[發明專利]一種基于拓展G4U的極化SAR圖像目標分解方法

有效

• 申請號: 201811592035.3
• 申請日: 2018-12-25
• 公開（公告）號: CN109753905B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 李東;張云華
• 申請（專利權）人: 中國科學院國家空間科學中心
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;王宇楊

本發明公開了一種基于拓展G4U的極化SAR圖像目標分解方法，所述方法包括：基于一個與待分解極化SAR圖像目標自身相關的判決參數，根據該判決參數在G4U和對偶G4U間自動選擇與目標最佳匹配的分解方法，實現了極化SAR圖像中未知目標的自適應分解。本發明的目標分解方法通過一個自適應選擇策略，將G4U和對偶G4U有效結合在一起，實現了二者互補效應的最大化，使得對雷達目標的識別和理解更加精確。

技術領域

本發明涉及極化SAR圖像信息處理領域，特別涉及極化SAR目標分解和基于模型的目標分解領域，具體涉及一種基于拓展G4U的極化SAR圖像目標分解方法。

背景技術

基于模型的極化分解致力于將未知目標的極化相干矩陣[T]在若干標準散射模型上展開，實現對其識別與分類。經典的四分量模型分解方法例如Y4R和S4R都只能實現對相干矩陣[T]七個自由度的解釋，仍有兩個自由度未使用，對應于T₁₃分量的實部和虛部。為了達到這一目的，Singh等(G.Singh,Y.Yamaguchi,and S.-E.Park,“General four-component scattering power decomposition with unitary transformation ofcoherency matrix,”IEEE Transactions on Geoscience and Remote Sensing,vol.51,no.5,pp.3014-3022,May 2013)在2013年提出了G4U分解，其通過引入另一個酉變換實現了對T₁₃分量的部分解釋，代表著四分量分解的最新水平。

模型分解的核心是求解分解平衡方程組，傳統Y4R和S4R提供了關于未知參數的五個方程，但這些方程中都未涉及相干矩陣[T]的T₁₃分量，因此無法實現對T₁₃的有效使用。G4U通過數學上的酉變換將Y4R和S4R形成的五個平衡方程中的一個：f_Sβ+f_Dα+f_Vd＝T′₁₂二分為f_Sβ+f_Dα+f_Vd＝T′₁₂+T′₁₃和f_Sβ+f_Dα+f_Vd＝T′₁₂-T₁′₃兩個方程，成功地將T₁₃分量納入至等式右端，從而使T₁₃分量第一次在四分量分解中得到使用。然而由于這兩個方程來源于對同一個方程的二分，因此它們之間并非完全獨立，導致最終得到的平衡方程組不再具有唯一解。為此Singh等在G4U中只選擇了方程f_Sβ+f_Dα+f_Vd＝T′₁₂+T′₁₃，而放棄了方程f_Sβ+f_Dα+f_Vd＝T′₁₂-T′₁₃。我們前期研究表明，方程f_Sβ+f_Dα+f_Vd＝T′₁₂-T′₁₃也能提供一個合理的解，其與G4U恰好構成對偶形式，基于此發展出了對偶G4U分解，彌補了G4U存在的分解缺陷，提供了對G4U的一個完美補充。

G4U和對偶G4U的互補效應體現在，對于一些G4U不適用的目標，對偶G4U恰能得到更好的分解；反之，對于一些對偶G4U不適用的目標，G4U恰能得到更好的分解。那么問題是，對于一個未知目標，如何在不對其進行分解的情況下知道其適用于G4U還是對偶G4U，從而使G4U和對偶G4U的互補效應得到最大發揮。

發明內容

本發明的目的在于通過一個自適應選擇策略，將G4U和對偶G4U有效結合在一起，實現對二者互補效應的最大發揮。