[發明專利]一種基于PS目標時空間相干矩陣的極化相位優化方法

有效

• 申請號: 202110360335.4
• 申請日: 2021-04-02
• 公開（公告）號: CN113189586B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 張正加;姜修成;王猛猛;劉修國;陳啟浩
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G01S13/90
• 分類號: G01S13/90
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 曹雄

1.一種基于PS目標時空間相干矩陣的極化相位優化方法，其特征在于，包括如下步驟：

S1：獲取N景原始的VV極化、VH極化SAR圖像，并對其進行裁剪、配準、多視預處理；

S2：分別計算VV極化數據和VH極化數據的振幅離差值，并設置閾值選取PS目標，最終PS目標為VV極化數據和VH極化數據選取的PS目標的總和；

S3：利用投影矢量和Pauli矢量將VV、VH兩種極化的復數像元組合成新的SLC影像；

S4：計算新構造的SLC影像中的PS目標集的時空間相干矩陣；

S5：利用特征值分解技術，分解時空間相干矩陣，得到特征值；

S6：對S5得到的特征值采用ESPO算法搜索最優投影矢量使得最大特征值占所有特征值總和的比重最大，從而提高第一主成分貢獻率，抑制噪聲成分，達到優化相位的目的；

所述S3中，利用投影矢量和Pauli矢量將VV、VH兩種的復數像元組合成新的SLC影像方式如下：

k＝[S_VV 2S_VH]^T

s＝ω⁺*k

其中，S_VV、S_VH分別表示VV、VH極化對應的復數像元，k為Pauli基矢量化結果，ω為由α、兩個待優化變量表達的極化散射機制，s為兩種極化狀態組合而成的新的SLC像元值，+表示共軛轉置；

所述S4具體包括如下步驟：

S4.1：對新構造的N景SLC影像中的PS目標集計算時空間協方差矩陣，計算公式如下：

其中，x＝[x₁，x₂，...，x_n]^T表示分布式目標的同質點在N景SAR影像上的復觀測量；N_SHPs為PS點總數量；Ω表示PS點集合；H表示復共軛轉置；為協方差矩陣，E表示求期望；

S4.2：將時空間協方差矩陣進行歸一化處理，得到時空間相干矩陣，計算公式如下：

其中，為時空間相干矩陣；y＝[y₁，y₂...，y_n]^T為x＝[x₁，x₂...，x_n]^T歸一化后的結果，

所述S6具體步驟如下：

S6.1：取待優化變量α、初始值分別為0、-π；

S6.2：采用ESPO算法搜索全局最優投影矢量組使得最大特征值貢獻率最大，計算公式如下：

其中，為最優散射機制，λ₁為第一主成分對應特征值，即最大特征值；N為影像數量；α，兩個參數范圍是已知的，α與目標的散射機制類型有關，與目標的散射方向有關。

2.根據權利要求1所述的一種基于PS目標時空間相干矩陣的極化相位優化方法，其特征在于，所述S1具體包括以下步驟：

S1.1：在SAR影像范圍內建立感興趣區，將所有SLC原始影像裁剪至與感興趣區同一范圍；

S1.2：選取VV、VH極化的某一景影像為主影像，將其余從影像配準到主影像空間；

S1.3：根據配準結果進行距離向和方位向視數比為8：1的多視處理，使之與真實地物形狀一致。

3.根據權利要求1所述的一種基于PS目標時空間相干矩陣的極化相位優化方法，其特征在于，所述S2中，對VV極化數據、VH極化數據分別計算振幅離差值，并根據閾值選取PS目標，計算公式如下：

其中，σ_nR、σ_nI分別為噪聲實部和虛部的標準偏差；σ_A和μ_A分別為振幅的標準偏差和均值；D_A分別為相位標準偏差和振幅離差；當像元的振幅離差值小于閾值0.25時，將被選為PS目標。

4.根據權利要求1所述的一種基于PS目標時空間相干矩陣的極化相位優化方法，其特征在于，所述S5中，根據特征值分解原理，時空間相干矩陣分解為：

其中，為時空間相干矩陣，U為酉矩陣，U^H為復共軛的轉置；∧為N×N維特征值對角矩陣；α、為兩個待優化變量，λ_i為特征值；σ_i為特征向量。