基于H/A目标极化分解理论的统计分析

极化分解理论是雷达测量数据与目标物理散射属性相联系的一座桥梁,在极化SAR信息处理中获得广泛的应用。基于目标方差矩阵的特征矢量分解(H/A)在极化分解理论中备受关注。在此背景下,用新方法重点分析了H/A分解中特征值、特征矢量以及H/A等参数的统计特性,给出了特征值分解的各参数物理机理以及描述其起伏特性的概率密度函数;指出了其受杂波影响导致分解的特征不稳定性,且视图数的不同会导致分解参数不同程度地偏离真实值,在此基础上分析了H/A分解中特征值、特征矢量以及H/A等极化分解参数最大似然估计的偏斜性评估,为准确获得极化特征参数打下了初步的理论基础。

基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取

植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。