全极化SAR影像地物分类方法研究

运用对SAR( PolSAR)影像进行地物分类作为遥感最重要的应用之一，也是当下一个非常活跃热门的研究领域。和普通遥感相比，主动侧视SAR对陆地表面结构和粗糙度等介电和几何特性极为敏感，所以利用SAR数据的后向散射和极化信息可以为地物分类提供补充信息，更具有研究价值。PolSAR可以区分不同地物类型的散射机制，相较于传统SAR和单极化SAR更适合LULC分类。
针对极化SAR数据特点，对ALOS-PALSAR数据采用经典分类方法进行H/a分类，H/a-Wishart分类、H/a/A-Wishart分类，分析了研究区各类地物之间的散射特性及其分布状况。
充分利用极化SAR影像的极化特征、纹理特征、极化参数等信息，设计一种基于多特征组合与SVM方法进行极化SAR影像地物分类。
合成孔径雷达系统是工作在微波频率下主动式成像系统，能够穿透大气层的大气而没有明显的信号衰减，可以在任何时候，任何天气条件下使用。增强的SAR系统，包括高空间分辨率和更高的重复率以及多频数据的可用性，都可以提高SAR数据的潜在适用性，相比之下，极化SAR不仅具有常规SAR 的上述所有优点，而且还具有与自然介质的物理性质和后向散射直接相关的测量信息机制。一方面，可以通过分析极化SAR数据后向散射系数的多极化来识别不同的地物类别；另一方面，可以从极化SAR数据中提取出大量的SAR参数，使用这些参数可以一稿空间类中的可分析。
极化SAR分类技术发展多年以来，无论是极化分解方面还是特征提取方面，亦或者是分类方法方面均获得长足的发展。
充分利用全极化SAR影像的散射特性，采用多种极化分解方法提取极化特征参数，并结合纹理特征以及外部辅助数据DEM数据高程模型，来尽可能提高各类地物的分类精度。
雷达极化是获取、处理和分析电磁场极化状态的科学技术。由多种散射机制带来的挑战导致目标地物的复杂结构体出现在极化SAR数据中。全极化合成孔径雷达资料中所包含的极化信息的广泛来源显示出测量地物散射特征和在不同地物之间产生分离的巨大潜力。为了理解极化的信息和极化参数与目标地物等介质的物理关系，需要进行理论研究。
极化是平面电磁波的重要特性，它指的是波的电场矢量在垂直传播方向的平面的对准和规律(因为磁场直接与电场有关并且总是可以从它获得，所以引起我们注意到电场矢量）。
完全极化雷达系统能够以x和y两种极化方式传输波，并能够以x和y极化为基础接收后向散射波。大多数情况下x和y 选择为水平(H)和垂直(V)线性极化基础。该系统通过首先发射水平极化波并同时接收水平和垂直极化后向散射，然后发射垂直极化波并同时接收水平和垂直极化后向散射来运行。交替的发射波相对于SAR平台形式(飞行或者航天器），以便为给定的地面目标分辨单元同时有效记录所有四种发射和接收装置，这四个通道必须在空间和时间上足够紧密地接收，以便通道相位互相一致。
一些学者认为，确定目标散射也可以理解为某种或几种散射的合成，以便于建立测量数据与目标物理属性之间的直接联系。
相干斑：从物理上讲，相干斑是雷达分辨单元内大量散射元的散射回波相干叠加的结果。相对于微波波长来说，自然界中大多数实际地物都是比较粗糙的也就是说雷达分辨率单元内包含有大量不规则分布的细小独立散射元。当雷达发射电磁波照射到这些散射元时，每个散射元都会产生具有一定幅度和相位的散射回波。
斑点的存在会降低检测地面目标的能力，使图像解译和分析变得复杂，并且降低了特征选择和图像分类的有效性。因此减少SAR数据中的散斑是从极化图像中提取有用信息的重要步骤。
BP神经网络在SAR图像的识别与检测中和用广泛。BP算法通过建立一个多层前馈型网络，利用误差的反向传播原理实现对网络的优化运算。然而在BP算法中，网络 的学习率和隐含节点数等参数的设定依赖于实际待处理问题，一般要在大量实验的基础上才能给出较为合理的参数设置。传统的BP网络是通过梯度下降算法进行训练的，这样容易产生训练速度慢，易发散等缺点。
注：文章选自《全极化SAR影像地物分类方法研究》李成饶