基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物(简称为倾斜建筑物)常被分为体散射类型,使得该类建筑物往往被误分为植被。通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberp-faffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行试验,证明该方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。

一种改进的PolInSAR PCT方法反演植被垂直结构

针对传统PCT方法中"相干相位-幅度联合反演算法"的缺点,采用RVOG模型,利用改进的非线性迭代算法反演植被高、地表相位。改进的非线性迭代算法不仅充分利用不同极化方式对应的复相干系数,同时兼顾复相干系数的先验统计误差,提高参数解算的可靠性,进而提高PCT结果的反演精度。最后,采用两景德国E-SAR数据进行实验,实验结果表明:文中提出的方法能较好地反映植被的垂直结构信息;植被冠层对应的平均相对反射率函数近似服从高斯分布;反演的相对反射率值与植被的种类、密度存在一定关联。

结合相干系数的极化干涉SAR植被高度估计方法研究

阐述了极化干涉SAR成像技术的基本理论,分析了极化干涉SAR的植被散射模型和Cloude三阶段植被高度反演算法。因三阶段法采用多参数初值迭代求解方法,其运算量较大复杂性高,该文提出基于相干系数的高度估计方法。先用干涉相位估计植被高度,再由相干系数幅度估计植被高度对前面相位估计的高度进行补偿,既保证了一定植被高度估计精度,又大大减少了反演算法的运算量,最后用极化干涉SAR仿真数据验证了该方法的有效性。

基于GVB模型改进算法的PolInSAR林分高度反演

P波段极化数据提高了雷达数据对林分冠层的穿透能力,基于RVoG模型的传统三阶段算法对林分均匀同质的假设前提不再满足实际情况。在符合林分异质性的GVB模型的基础上,利用林分高度、散射中心高度及其标准差进行三维搜索,改进传统三阶段算法中林分高度的反演过程,并分别采用仿真数据和机载E-SAR全极化数据进行算法验证。结果表明:与传统三阶段算法相比,改进算法的成功估计像元数提高了19.7%,林分高度估计精度提高了22.5%,说明改进算法能有效提高纯体相干估计的准确性,提高林分高度反演精度。

一种快速且稳健的极化干涉SAR植被高度反演方法

三阶段法是一种稳健性较好的极化干涉SAR植被高度反演方法,反演精度比较高。但是三阶段法本身运算量大,且初值选取容易引起病态解。本文将DEM差分算法和相干幅度法相融合,提出一种快速且稳健的植被高度反演方法。该方法在保证比较高的植被高度估计精度的同时,对消光系数或植被垂直结构的变化具有稳健性,而且大大减少了反演算法的运算量。最后用L波段极化干涉SAR仿真数据验证了该方法的有效性。

机载X波段极化干涉SAR数据非监督分类方法研究

针对经典极化分类算法在处理机载X波段SAR数据时将过多地物分为体散射类型,并且容易受噪声影响,分类结果存在大量误分现象的问题,通过对机载X波段SAR数据非监督分类方法的研究,提出将极化干涉信息用于机载X波段极化干涉SAR数据的分类。通过运用极化干涉数据进行目标分解得到参数A1和A2对数据进行初始分类,然后结合改进的Wishart最大似然分类算法来进行地物的自适应分类。实验结果表明,该方法能有效避免平地效应的影响,抗噪性好,能正确区分三种典型散射类型,分类效果明显优于极化分类效果。

基于极化相干层析算法反演森林垂直结构剖面研究

森林的高度和垂直结构剖面都是重要的森林空间结构信息,极化干涉SAR的出现使定量获取森林结构参数成为可能。在分析比较三阶段法、DEM差分法和相干幅度法估计森林高度的基础上,采用相干幅度算法提取的树高,通过勒让德多项式展开以及单基线极化干涉数据提取森林的垂直结构剖面。利用仿真SAR数据进行实验分析,研究表明,通过极化相干层析技术,能够获取准确的森林垂直结构函数。