一种极化熵结合混合GEV模型的全极化SAR潮间带区域地物分类方法

该文提出了一种可用于全极化SAR的潮间带区域地物分类的方法。首先针对潮间带的特点对4种典型极化特征进行分析和筛选,得到一组最适合描述潮间带区域的多极化特征:极化熵(Polarimetric entropy)和反熵(Anisotropy)。然后基于对潮间带区域极化熵图像的散射特性分析和极值理论,利用广义极值分布(Generalized Extreme Value,GEV)描述其统计特性。在此基础上,提出了一种基于GEV混合模型的EM算法实现对潮间带地物分类的方法。最后,基于上海崇明东滩潮间带的Radarsat-2全极化数据进行了实验,实验结果证明了方法的有效性。

一种基于变换域的滑动聚束SAR调频率估计方法

高分辨率滑动聚束SAR成像处理对多普勒调频率精度具有非常高的要求,而由于滑动聚束SAR回波信号往往存在多普勒频谱混叠的问题,传统的调频率估计方法通常无法直接应用。该文针对这一问题提出基于方位频谱去混叠的变换域调频率估计方法,并嵌入两步算法实现了滑动聚束模式的聚焦成像。仿真结果验证了该方法的有效性。

一种基于极化熵的极化SAR海岸线提取方法

提出了一种可用于极化合成孔径雷达图像的海岸线提取方法。通过对极化SAR数据的分析,极化熵由于其对极化相关纹理敏感的特性而被选用来进行海陆之间的边缘检测与海岸线提取。针对极化熵图像,首先通过均值比率算子进行边缘图提取,包括边缘强度图和边缘方向图。在此基础上,提出了一种新的"coarse-fine"的海岸线提取方法。该方法包括两个步骤:首先利用边缘方向图,采用一种新的边缘跟踪的方法得到海岸线的粗检测轮廓;然后基于边缘强度图,在粗检测轮廓的基础上进行典型边缘点的提取,这些边缘点被称为控制点,最后利用控制点对粗检测轮廓进行修正,得到最终的海岸线。最后,基于Radarsat-2全极化数据进行了实验,实验结果证明,该方法可以很好的描绘出实验区域的海岸线,并优于其他对比方法。