合成孔径雷达极化成像解译识别技术

极化合成孔径雷达，可以获取目标的全极化信息，在对地观测、灾害评估、侦察监视等民用和将军用领域得到广泛应用。
随着雷达探测环境的复杂化、应用领域的多样化，对地物物理参数反演、分类识别等都提出了越来越高的要求。在此推动下，具备全极化测量能力的极化合成孔径雷达应运而生，并在对地观测、灾害遥感、海洋遥感、侦察监视等领域成为主流的传感器，得到越来越广泛的应用。
极化SAR能够获取目标的全极化信息，使得对目标极化散射机理进行完整刻画成为可能。极化目标分解是解译目标散射机理的重要方法，其突出的有点在于解译结果往往具有明晰的物理意义。由于分解得到的散射机理直接与目标的物理属性和电磁散射过程相联系，极化目标分解方法得到国内外学者的广泛关注，属于极化SAR目标散射解译的研究前沿。另一方面，雷达目标的散射特性与姿态、成像视角等密切相关，通常呈现散射的多样性。目标散射多样性给散射机理的建模和解译带来了极大的挑战，也是近年来极化目标分解方法发展的内在驱动力。与此同时，目标散射多样性也蕴含了表征目标属性的丰富信息。对目标的散射多样性进行有效挖掘和利用，能够给目标散射机理解译与应用带来新的研究思路，近些年来也得到研究人员的高度重视。
极化SAR通过收发极化状态的正交的电磁波，能够获取目标的全极化信息。通过对目标电磁散射特性的建模与分析，能够更准确地理解目标极化散射机理，有助于准确反演目标物理参数。极化目标分解理论在近年不断发展，成为极化SAR散射机理解译的主流理论工具，并广泛应用于参数反演、目标分类、极化校准、人造目标刻画等领域，为定量遥感奠定了基础。
极化目标分解可以分为相干分解和非相干分解两大类。
相干分解主要基于极化散射矩阵，代表性方法有Krogager分解和Cameron分解及其系列改进方法等，重点应用于空中和地面人造目标解译。
非相干分解主要基于极化相干矩阵和极化协方差矩阵，包含基于特征值分解的极化目标分解和基于散射模型的极化目标分解两类。
对极化相干矩阵等二阶统计量进行特征值分解，阐释各特征值和特征矢量的内在联系与物理意义，是基于特征值分解的极化目标分解理论的核心思想。
基于散射模型的极化目标分解的核心思想是将散射体的散射机理分解为偶次散射(二面角散射或者二次散射)、奇次散射(平板散射或者面散射)、体散射和螺旋散射等基本散射分量，通过分析各基本散射分量的能量等物理参量，解译散射体的散射机理。这种极化分解理论直接基于基本散射模型，分解结果具有明确的物理意义，得到了广泛的应用。
雷达目标的后向散射敏感高于目标姿态与雷达视线的相对几何关系，即目标存在散射多样性。对同一目标，当其相对于雷达视线的姿态不同时，其极化散射特性可能显著不同；对不同目标，在特定姿态下，也可能表现出极为相似的极化散射特性。雷达目标的散射多样性给成像雷达目标的信息处理与应用造成诸多不便，是当前雷达目标散射机理精细解译和定量应用面临的主要技术瓶颈之一。另一方面，雷达目标的散射多样性也蕴含了目标的丰富信息。对雷达目标的散射多样性进行有效挖掘和利用，能够给目标散射机理解译与应用带来新的研究思路。因此，在绕雷达视线方向提出了极化旋转域的概念，将特定几何关系下获得的目标极化散射信息拓展到绕雷达视线的旋转域。在此基础上，提出了同一的极化矩阵旋转理论和极化相干/相关特征旋转域可视化解译工具，并应用于人造目标增强与检测、地物辨识与分类、灾害评估等。
极化SAR不同极化通道间的极化相干特征是一种常用的极化特征量，在目标检测、分类领域取得到应用。
地物分类是极化SAR图像处理的重要应用之一，在农作物生长监视、城区测绘以及环境检测等领域具有基础性作用。在农作物生长监视和产量估计等应用中，通常会利用同一观测区域的多时相极化SAR数据。然而，由于在多时相数据获取期间农作物的生长变化，发展具有较强稳健性及较好泛化性的分类方法仍面临挑战。
建筑物在损毁前后对电磁波的响应和极化调制机理是明显不同的。极化特征量能够表征目标固有的结构属性和散射特性，基本不受时间/空间基线等影响，具有更稳健的性能。
具备极化测量能力的成像雷达在侦查监视、精确打击、对地观测、环境遥感等领域得到越来越广泛的应用。雷达目标极化散射精细建模与解译是该领域的基础性科学问题，是连续极化成像雷达数据和实际应用的桥梁。面向极化成像雷达目标解译识别的研究前沿和挑战。极化雷达在以下几点将备受关注：极化散射建模与解译的定量评估、超高分辨率成像雷达极化信息处理、多模式成像雷达极化信息处理、雷达目标散射解译与人工智能。
注：文章选自《合成孔径雷达极化成像解译识别技术的进展与展望》王雪松等