MPOLSAR-1.0:多维度SAR多波段全极化精细分类数据集

地物精细分类是合成孔径雷达(SAR)的主要应用方向之一。在多波段全极化SAR工作模式下,可充分获取目标不同波段信息和极化响应特征,有望提高目标分类精度。然而国内外现有的数据集仅有个别波段、少数地区、少量样本的低分辨率全极化分类数据。为推动多波段全极化SAR分类应用的发展,在高分航空观测系统应用校飞与验证项目支持下,利用多维度SAR在海南的校飞数据构建了一个样本量充分大、地物类别较为丰富、分类可靠性较高的多波段全极化精细分类数据集。该文概述了该数据集的构成,给出了发布数据(MPOLSAR-1.0)的信息描述方式、数据集制作流程和方法,并分别基于极化特征分类方法和经典机器学习分类方法给出了初步的分类实验结果,为该数据集的共享和应用提供支撑。

结合极化白化滤波和SimSD-CapsuleNet的PolSAR图像配准

极化合成孔径雷达(PolSAR)图像配准在地物分类、变化检测、图像融合中都具有广泛应用。现有的PolSAR图像配准方法,无论是基于深度学习还是传统方法,大多采用PolSAR幅度影像信息进行处理。这种处理方式导致大量极化信息丢失,同时在PolSAR图像固有相干斑噪声影响下,配准精度和可靠性表现不佳。为此,本文首先发展了一种有效的基于极化白化滤波(PWF)精细化处理的关键点检测器,利用PWF对PolSAR图像进行相干斑噪声抑制,通过阈值约束、形态学腐蚀及非极大值抑制来选取显著且分布均匀的匹配关键点。进一步地,本文设计了一种孪生简单稠密胶囊网络(SimSD-CapsuleNet)来快速提取PolSAR图像的浅层纹理特征和深层语义特征,同时为了充分利用极化信息,本文将极化协方差矩阵作为输入数据。本文计算了胶囊形式特征描述符之间的距离,并将其输入硬L2损失函数用于模型的训练。本文方法在不同传感器获取的不同分辨率PolSAR图像上进行验证。结果表明,该方法能够在更短的时间内获取更加均匀且数量更多的匹配关键点,结合PWF和深度神经网络可以实现快速准确的PolSAR图像配准。

基于极化G0分布和MRF的多视PolSAR图像迭代分类方法

提出了一种多视极化合成孔径雷达(PolSAR)图像的迭代分类方法。首先利用极化G0分布描述多视极化协方差矩阵的统计特性,并进行初始的最大似然分类,然后利用马尔可夫随机场(MRF)估计像素类标号的先验概率,最后根据MAP(最大后验概率)准则对PolSAR图像进行分类。整个分类流程迭代进行。分类结果表明该方法精度高,收敛速度快。利用NASA/JPL获取的4视AIRSAR实测数据验证了本文方法的有效性。

面向目视解译的全极化SAR船只精细化特征表征方法

随着卫星技术的发展,极化合成孔径雷达(PolSAR)数据的分辨率和数据质量得到大幅提升,为人造目标的精细化目视解译提供了良好的数据条件。目前主要采用多分量分解的方法,但是易造成像素错分问题,为此,该文结合Yamaguchi极化分解和极化熵提出了一种非固定阈值划分的方法用于实现全极化SAR图像船只结构精细化特征表征。Yamaguchi极化分解能够识别基本散射机制,其修正后的体散射模型更符合实测数据,可有效对人造目标进行表征。极化熵H在弱去极化状态下可以看成某一指定等效点的目标散射机制,能够有效突出船只主散射特征。因此,该文通过将Yamaguchi极化分解算法的非固定三分量与极化熵的低中高熵内嵌,将其分为非固定阈值的九分类成分,从而降低硬阈值处理在阈值边界处受噪声影响产生的类别随机性。并且将二次散射和单次散射均显著的区域称为混合散射(MSM),以更好匹配实验中船只典型结构的散射类型。在此基础上,利用广义相似性参数进一步缩短类内距离,采用改进后的GSP-Wishart分类器进行迭代聚类,旨在通过提高二次散射和混合散射机制以提高不同类型船只可区分度。最后,该文采用中国上海某港口的高分三号全极化SAR数据进行实验,为了验证每艘船只特征表征正确性,通过船舶自动识别系统(AIS)收集并筛选了该港口船只信息及光学数据,并与极化SAR数据中每艘船只进行匹配。实验结果表明该方法可有效区分散货船、集装箱船和油轮3种类型船只。

应用UAVSAR数据及改进极化水云模型对热带森林地上生物量反演

针对热带森林地上生物量遥感估测中容易饱和区域大尺度森林地上生物量估测精度低的问题,以非洲加蓬中部的洛佩达国家公园为研究区,以NASA提供的L波段全极化机载合成孔径雷达(SAR)数据和LiDAR网格化森林地上生物量产品为数据源开展森林生物量估测方法研究。采用极化分解方法提取森林的多种散射机制,从中选择反映森林结构差异的地面散射特征和森林体散射的特征构建体-地散射比,采用极化水云模型(PWCM)进行森林地上生物量反演和精度评价。为了提高PWCM模型的适应性,建模过程中根据体散射分量(V_(ol))分段进行模型的参数优化。结果表明:以Freeman三分量极化分解后得到的体散射(V_(ol))、表面散射(O_(dd))、地-干散射(D_(bl))为基础构建的6个体-地散射比在极化水云模型估算森林地上生物量中,以μ_(VG2)作为体-地散射比时估测效果最好,模型决定系数(R^(2))为0.60,均方根误差(R_(MSE))为127.78 Mg/hm^(2);在此基础上,进一步根据体散射分量分段优化极化水云模型,模型决定系数(R^(2))增加到0.74,均方根误差(R_(MSE))降低了约20%,预测精度从50.76%提升至60.28%,并改善了低值高估、高值低估问题,在地上生物量高达450 Mg/hm^(2)时未出现饱和现象。

基于极化分解和集成学习的PolSAR影像分类

为实现PolSAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的PolSAR影像分类方法。该方法首先利用多种极化分解方法从PolSAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。

联合相干性特征的短时序双极化SAR冬小麦提取

针对在多云多雨多雾地区光学遥感难以有效监测冬小麦的问题,构建了一种联合相干性特征的短时序双极化SAR冬小麦种植面积自动提取方法。该方法在HV/VV双极化SAR平均后向散射系数基础上,引入InSAR相干性特征,然后基于随机森林分类器获取冬小麦空间分布专题图,较好地解决乡间小道等被误分为冬小麦的问题。以山东省济宁市梁山县为实验区,利用20景Sentinel-1A双极化SAR数据,获取了梁山县2022年的冬小麦种植面积及空间分布。结果表明:文章构建的基于短时序双极化SAR数据的冬小麦提取方法,总体精度为92.799%,Kappa系数为0.912,与未引入相干性特征相比,总体精度提升6.279%,Kappa系数提高0.096;可以利用抽穗期或开花乳熟期的短时序SAR数据代替完整生长期的时序SAR数据,总体精度相差分别为3.008%和3.341%。

协同全极化SAR与光学遥感的潮沟精细提取方法

潮沟系统是粉砂淤泥质潮滩中最为活跃的地貌单元,受潮汐周期性冲刷、人类活动和海平面上升等因素的影响,大范围潮沟精细监测具有挑战性。本文提出了一种基于高分三号全极化合成孔径雷达(SAR)与PlanetScope多光谱遥感影像的潮沟探测和提取方法。通过融合光谱、指数、极化、纹理等特征,构建最优特征集,结合最大似然法、支持向量机及随机森林算法开展协同分类,获得了黄河口3 m分辨率的潮沟精细分布信息。结果表明,该方法的总体精度达到99%,F1值为0.98,提取结果优于单一数据源。本文方法有望为河口海岸带潮沟制图提供一种经济、有效的选择,有助于定量描述潮沟形态演变、稳定性及驱动因素。

基于多极化特征和纹理特征的PolSAR图像分类

提出了一种基于多极化与纹理特征的PolSAR图像分类方法。首先在经过图像预处理后,从散射矩阵得到的相干矩阵T和协方差矩阵C中提取出极化参数,组成极化特征向量;然后基于经典的灰度共生矩阵法提取出图像几种纹理参数,组成纹理特征向量;再将这两种向量进行选择与融合;最后利用SVM分类器进行了结合极化与纹理特征的分类实验。为了检验该分类方法的效果,进行只加入极化特征和只加入纹理特征的分类实验,并进行Wishart监督分类。对上述四种分类结果进行对比与精度分析的结果表明,极化特征与纹理特征的结合能够有效提高分类精度。

基于极化特征和纹理特征的PolSAR影像建筑物提取方法

极化合成孔径雷达(PolSAR)以其多参数、多通道、多极化、信息记录更加完整等特点,在城市地物提取领域中发挥着重要作用,并已成为遥感影像研究领域的热点。选择覆盖苏州市的Radarsat2影像,利用极化非相干分解法和灰度共生矩阵法分别提取19种极化特征和8种纹理特征,通过分析建筑物、植被和水体的极化特征和纹理特征进行特征组合,结合主成分分析法(PCA)和支持向量机法(SVM)对城市建筑物进行提取,并定量评估精度。结果表明:基于极化特征的建筑物提取精度最高为92. 4%;基于纹理特征的提取精度最高为88. 9%;极化特征与纹理特征相结合可以提高精度,最高精度为93. 7%;PCA特征融合算法具有较高的运算效率,同时提高了精度。

微波视觉三维SAR实验系统及其全极化数据处理方法

三维合成孔径雷达在测绘制图、防灾减灾等诸多领域有应用潜力,已经成为SAR的重要研究方向。为减少三维SAR的观测次数或天线阵元数量,推动三维SAR的应用和发展,中国科学院空天信息创新研究院牵头研制了微波视觉三维SAR实验系统,旨在为微波视觉SAR三维成像提供实验平台和数据。该文针对微波视觉三维SAR实验系统及其全极化数据处理方法进行介绍,涵盖了极化校正、极化相干增强、极化约束三维成像、三维融合可视化等全流程的关键步骤。基于发布的SAR微波视觉三维成像全极化数据集,给出了三维成像结果示例,验证了微波视觉三维SAR实验系统的全极化性能以及处理方法的有效性。该文发布的数据集将为SAR三维成像研究提供良好的数据条件。

基于双极化SAR数据的深圳市地表形变研究

旨在挖掘数据的极化信息,利用覆盖深圳市填海地区的Sentinel-1A卫星IW模式升轨影像,进行基于双极化SAR数据提取地表形变的相对优化极化组合选择实验,以PSInSAR技术处理影像,获取填海区域地表形变速率,分析重点沉降区域时序形变特征,结合SBAS技术处理结果进行对比验证。实验表明,使用VV+VH极化组合方式的SAR数据在地表形变提取的精度与范围上均优于VV极化方式的SAR数据;发现研究区域主要有三个形变漏斗,分布在宝安区福州大道附近、蛇口水湾路附近、福田区益田地铁站附近。最大沉降速率-16.7~-14.26 mm/a,集中在福田区南部;最大抬升速率为7.6~10.4 mm/a,集中在蛇口区域。

PolSAR成像的固定极化干扰机有源诱饵目标鉴别及抑制

针对合成孔径雷达(Synthetic Aperture Radar,SAR)成像中真假目标难以区分的问题,提出了一种极化合成孔径雷达(Polarmetric SAR,PolSAR)成像固定极化转发式干扰诱饵目标鉴别方法。该方法首先通过极化熵对目标进行分类,提取低极化熵的目标并对目标进行Wigner-Ville分布(Wigner-Ville Distribution,WVD)变换,再利用Hough变换计算WVD图像中的曲线斜率,将计算出的多普勒调频率与理论调频率进行对比,进而完成真实目标与假目标的鉴别,最终通过极化对消对鉴别出的目标进行抑制。实验结果验证了该方法的有效性。

基于机载P-波段全极化SAR数据的复杂地形森林地上生物量估测方法

【目的】利用国产合成孔径雷达(SAR)系统(CASMSAR)获取的机载P-波段全极化SAR(PolSAR)数据,分析SAR对森林地上生物量(AGB)的响应与地形的关系,建立融合地形因子的高精度多项式模型,以提高森林AGB的估测精度。【方法】首先以基于机载激光雷达(Li DAR)数据得到的研究区坡度分布图与结合实测样地AGB数据得到的森林AGB分布图作为参考数据进行系统抽样,分析森林AGB与P-波段PolSAR后向散射强度的关系以及不同坡度下二者的相关性变化;然后利用Li DAR得到的高精度数字高程模型(DEM)结合机载P-波段的轨道数据计算当地入射角,进而建立以后向散射强度、当地入射角以及雷达视角为输入特征的多项式统计模型,同时将以上系统抽样得到的样本一部分作为模型训练样本,一部分作为精度检验样本。为避免样本尺度引起的偶然性,检验了20 m×20 m至100 m×100 m不同样地尺度下的估测精度。【结果】以90 m×90 m样本为例,当坡度为0°~5°时,引入当地入射角(第2组特征)的估测精度与未引入当地入射角(第1组特征)的估测精度分别为:决定系数(R^2)为0.634和0.634,均方根误差(RMSE)为12.07和12.08 t·hm^(-2),总精度(Acc.)为78.91%和78.89%;当坡度为5°~10°时,第2组特征与第1组特征的估测精度分别为:R2为0.524和0.523,RMSE为13.52和13.97 t·hm^(-2),Acc.为80.57%和80.52%;当坡度大于10°时,第2组特征与第1组特征的估测精度分别为:R^2为0.628和0.519,RMSE为13.16和15.70 t·hm^(-2),Acc.为81.05%和78.55%。随着样地尺度增大,2组特征的估测精度均增大,且第2组特征的估测精度大于第1组。【结论】当坡度小于10°时,地形对森林的后向散射强度几乎无影响;当坡度大于10°时,地形的影响显著,在不同尺度下,引入当地入射角的估测模型均可以有效提高估测精度,充分说明模型的有效性和稳定性。此外,随着尺度增大,无论采用的模型是否考虑了地形影响,其估测精度都逐渐提高并趋于稳定,揭示出对复杂地形下森林AGB估测模型效果的评价必须考虑尺度的影响,且参考样地要足够大,否则难以得到客观的结论。

极化干涉SAR的研究现状与启示

阐述极化与干涉结合的基本考虑,介绍极化干涉SAR相干最优和相干目标分解的基本思想,总结分析极化干涉SAR技术、典型星载极化SAR系统研制和极化干涉SAR应用的研究现状,以得到开展极化干涉SAR技术研究的启示。

基于Freeman散射熵和各向异性度的极化SAR影像分类算法研究

极化SAR影像中阴影、水体和裸露的耕地3种地物类型有非常相似的极化散射特性,常规基于非相干分解的分类方法难以将其有效地区分。对此,本文引入基于Freeman分解的散射熵Hf和各向异性度Af两个特征参数,并将其用于极化SAR影像分类。首先利用Hf和Af参数将阴影和水体提取出来,然后将其他地物按散射机制分为3大类,并对每一类再次利用Hf和Af参数进行细分,最后通过基于Wishart分布的聚类和迭代分类,得到最终的分类结果。通过利用Radarsat-2在河南登封获取的全极化SAR数据进行试验,表明该算法执行效率高,能够有效地区分阴影、水体和裸露的耕地,并且对其他地物类型也有很好的分类效果。

极化SAR中的有源干扰抑制分析

极化SAR已成为SAR技术的研究热点,本文针对极化SAR中有源干扰(包括有源压制干扰和有源欺骗干扰)的抑制问题进行了研究。通过分析多通道极化SAR(M-PolSAR)系统中的信号模型及干扰模型,提出了一种结合极化与多通道技术的有源干扰抑制方法。通过快时间域的STAP技术和慢时间多普勒域对消,对包括压制和欺骗的有源干扰进行有效的抑制,给出了抗有源干扰的PolSAR成像的工程实现流程。仿真实验验证了该方法的有效性。

极化SAR图像分类综述

对极化SAR(合成孔径雷达)图像分类进行综述。首先建立简略的极化SAR图像分类技术发展流程,并对国内外研究机构在该领域的主要研究成果进行归纳;然后对用于极化SAR图像分类的众多特征进行分类整理,指出其物理意义及在图像分类中的优缺点,并从有监督和无监督的角度综述了现有的极化SAR图像分类方法;最后对极化SAR图像分类存在的问题进行归纳,并指出将来的研究方向。

多极化SAR图像斑点抑制综述

SAR(合成孔径雷达)图像斑点抑制一直是SAR图像应用中的一个重要课题。近二十几年来,伴随着SAR的发展和应用,涌现出了大量的斑点抑制算法。这些算法可分为两类:一类是基于单通道数据;另一类是基于多通道数据。对相干斑抑制问题进行了全面系统的研究,并侧重于多极化SAR图像的斑点抑制,归纳总结了近十几年来国内外所出现的多极化SAR图像斑点抑制算法,并对各种算法的性能进行了分析和比较。

基于ESPRIT算法的极化干涉SAR植被高度反演研究

由于存在着去相干分量,利用ESPRIT(旋转不变技术)算法对植被区域的极化干涉SAR(PolInSAR)数据进行反演的结果有较严重偏差。针对这一问题,结合极化干涉相干最优理论及其物理散射机制,引入新的散射矢量——相干最优化散射矢量,提出一种改进的基于ESPRIT的植被高度反算法。最后,利用欧空局(ESA)提供的模拟L波段全极化干涉数据对改进算法的有效性进行验证,试验结果证明改进算法能很大程度地提高反演的精度。