5.2 极化SAR原理与应用
第六章 极化sar 第三节
⎡1 0 0 1⎤
C=
k
2 0
l
4
⎢⎢0
0
0
0⎥⎥
24π 2 ⎢0 0 0 0⎥
⎢⎣1 0 0 1⎥⎦
导电球/三面角反射器
共极化响应
交叉极化响应
除了乘性系数不同之外，三面角反射器与导电球的散射矩阵具有 类似的形式。
4
二面角反射器
v 2b
a h
S
=
k 0 ab π
⎡− cos 2α ⎢⎣ sin 2α
⎡ 1 0 1/ 3⎤
[C3 ] V
=
f
v
⎢ ⎢
0
2/3
0
⎥ ⎥
⎢⎣1/ 3 0 1 ⎥⎦
⎡α 2
[C 3 ] d
=
⎢ fd ⎢
0
⎢ ⎣
α
*
0 α⎤
⎥
0 0⎥
0
1
⎥ ⎦
⎡β 2 0 β⎤
[C 3 ] s
=
⎢ fs ⎢
0
⎥ 0 0⎥
⎢ ⎣
β
*
0
1
⎥ ⎦
Freeman-Wishart分类流程图
36
Freeman-Wishart分类
Wishart分类器 输入参数A(A>0.5为一 类，A<0.5为另一类)
Wishart分类器 得到最终分类图
结束
H/a/A-Wishart分类器
34
Freeman-Wishart分类
极化SAR分类
9 Complex Wishart distribution(Lee et al.,1994) 9 Wishart+Entropy/Alpha(Lee et al.,1999) 9 Wishart+Entropy/Alpha/Anisotropy(Pottier and Lee,2000) 9 不足：Wishart分类器是统计算子。不同散射机制的像素可能混
极化sar数据特点及林业应用
极化sar数据特点及林业应用
《极化SAR数据特点及林业应用》
合成孔径雷达（SAR）是一种使用微波信号进行观测和成像的遥感技术。
极化SAR数据是指
对地物反射的微波信号进行多角度和多极化观测得到的数据。
极化SAR数据具有以下特点：
1. 多角度观测：极化SAR可以对地物进行多角度的观测，从不同方向获取的信息可以提供更
全面的地物特征。
2. 多极化观测：极化SAR可以对地物反射的微波信号进行水平、垂直和斜向观测，从而获得
地物的不同极化特征。
3. 高分辨率：极化SAR具有较高的空间分辨率，可以获取地物的细节信息。
极化SAR数据在林业应用中具有重要意义：
1. 林木分类：极化SAR可以利用地物不同极化特征对林木进行分类，包括树种、覆盖类型等。
2. 森林健康监测：极化SAR可以提供森林植被的生长状态和健康状况，帮助监测森林的生长
情况和自然灾害的影响。
3. 森林资源调查：极化SAR提供了高分辨率的林地信息，可以用于森林资源的调查和管理。
总之，极化SAR数据具有丰富的信息内容和广泛的应用前景，在林业领域有着重要的应用价值，可以帮助实现精准的林业监测和资源管理。
SAR原理及回波模拟
合成孔径雷达(Synthetic Aperture Radar , SAR)原理SAR 是通过采用合成孔径原理来提高其方位向的空间分辨率。
有关SAR 原理的解释包括：孔径合成、匹配滤波、相关接收、多普勒波束锐化、合成天线阵列和微波全息技术等。
这些解释尽管形式上有所变化，但其实质并没有太多的变化，其数学模型都可以归纳为两维傅立叶变换。
总的来说，SAR 原理的基础是合成孔径。
合成孔径包含两个过程:第一，回波多普勒信号的形成和记录过程，即由被测地域的微波散射场到形成与之对应的被雷达接收到的电信号的过程;第二，成像过程，由电信号重建被测地域的散射场或得到被测地域图像的过程。
SAR 是利用雷达平台和被观测目标间的相对运动，在一定积累时间内，将雷达在不同空间位置上接收的回波信号进行相干处理，获得目标的方位向高分辨率，结合距离向高分辨技术，获得目标的二维雷达图像。
由于SAR 具有对目标进行成像和识别能力，其在微波遥感领域得到了广泛的应用和发展。
真实孔径雷达的角度分辨率由雷达主波束宽度决定，天线越长，雷达波束越窄，角度分辨率越高。
但对于机载或星载雷达而言天线尺寸不可能很大，因此利用实孔径雷达进行成像，难以获得高的分辨率。
SAR 的距离向高分辨特性通过发射大的时间-带宽积信号，利用脉冲压缩技术实现；方位向高分辨特性则利用多普勒效应，通过匹配滤波或频率分析实现。
图1(a)所示为真实孔径雷达波束示意图，长度为a D 的真实天线，其角度分辨率为a D /dB 3λθ= (1)式中，λ为雷达发射信号波长。
在斜距为R 处的方位分辨率为a real D R R /dB 3λθρ== (2)可见，真实孔径雷达的方位分辨率与发射信号波长、斜距、天线长度有关。
长度为a D 的天线随载体平台以速度V 运动，天线以等时间间隔PRT T 发射并接收相干脉冲，相干积累时间为a T 。
由此，在空间中形成了长度为a VT L =的合成孔径，孔径内阵元间隔为PRT VT L =∆。
极化SAR信息处理技术研究
极化SAR信息处理技术研究摘要：极化合成孔径雷达（PolSAR）系统被广泛应用于地球观测，并得到了广泛的研究。
极化SAR信息处理技术是其核心方面之一，包括极化目标分解、多查波束复制和多极化目标检测等方面。
本文从极化信号的特点、多极化目标分解算法和多极化目标检测算法等方面阐述了极化SAR信息处理技术的研究现状，并总结了其相关领域的发展趋势。
关键字：极化SAR，极化目标分解，多查波束复制，多极化目标检测，信息处理一、引言极化合成孔径雷达（PolSAR）系统是一种非常重要的地球观测技术，可提供丰富的地表反射特征信息。
PolSAR系统通过同时收集水平极化（H）和垂直极化（V）以及正交极化（H × V）的雷达散射信号，可获取三种基本的极化参数。
在地球观测、雷达成像和目标识别等方面，极化SAR信息处理技术已经成为不可或缺的研究领域之一。
二、极化信号的特点极化SAR的特点是其具有三个基本的极化参数，即H极化、V极化和正交极化。
这些参数可以通过距离、方位和极化带宽等方面的变化而变化，因此可以提供丰富的地表反射特征信息。
此外，极化SAR信息处理技术还具有较好的鲁棒性和可靠性，能够在复杂的场景下获得高质量的图像数据。
三、极化目标分解极化目标分解是PolSAR信息处理的核心方面之一，其目的是将极化信息转化为物理量和指标，以实现更为精细的地表特征分析和目标识别。
常见的极化目标分解算法包括保角离差分解（PCP）、极化度分解、保极化度分解（H/A/Alpha）、香农分解等。
四、多查波束复制多查波束复制是一种重要的极化SAR信息处理技术，其将多个极化信息图像合并成一个高分辨率、高质量的图像。
同时，多查波束复制还可以提高数据质量和信息量，减少运算量，使得数据可用性更高。
五、多极化目标检测多极化目标检测是一种通过极化散射信息实现目标检测的技术。
常见的多极化目标检测算法包括常规目标检测算法、极化目标检测算法、超分辨检测算法等。
sar在道路监测中的应用
SAR在道路监测中的应用一、引言随着交通运输业的快速发展，道路安全问题日益突出。
道路监测作为保障道路安全的重要手段，对于及时发现和解决道路安全隐患具有重要意义。
传统的道路监测方法主要依赖于人工巡查和光学遥感技术，但这些方法受到天气、光照等条件的限制，难以实现全天时、全天候的监测。
而合成孔径雷达（SAR）技术以其独特的成像原理，不受光照和时间限制，因此在道路监测领域具有广阔的应用前景。
二、SAR技术基本原理及特点SAR是一种主动式微波遥感技术，通过发射微波信号并接收地面反射回来的信号来获取地面信息。
SAR系统通常搭载在飞机或卫星上，以一定的速度和角度沿飞行轨迹移动，同时发射和接收微波信号。
由于SAR系统采用合成孔径的原理，可以获得高分辨率的地面图像。
SAR技术的主要特点包括：1. 穿透性强：微波信号能够穿透云层和天气条件，不受光照和时间限制，因此SAR图像具有全天时、全天候的成像能力。
2. 高分辨率：通过合成孔径的原理，SAR系统可以获得高分辨率的地面图像，能够捕捉到更多的细节和信息。
3. 安全性高：SAR系统可以在远离地面的高空进行监测，避免了人工巡查可能面临的安全风险。
4. 可靠性高：SAR系统不易受到地面反光、阴影等因素的影响，因此能够提供更可靠的目标识别和场景感知。
三、SAR在道路监测中的具体应用（一）道路形变监测道路形变是道路安全的重要隐患之一。
SAR技术可以通过对同一区域不同时间的SAR图像进行比较和分析，精确地捕捉到道路的微小形变。
这种形变监测对于及时发现和解决道路沉降、滑坡等安全隐患具有重要意义。
在实际应用中，可以利用差分干涉SAR（D-InSAR）技术来提取道路的形变信息。
D-InSAR技术通过比较两个或多个不同时间的SAR图像相位信息，可以获取到地面高程的微小变化，从而精确监测道路的形变情况。
（二）道路病害检测道路病害如裂缝、坑槽等是影响道路使用寿命和安全性的重要因素。
SAR技术可以通过其高分辨率的成像能力，清晰地捕捉到道路表面的细微变化，从而实现对道路病害的准确检测。
极化sar 泡利分解
极化sar 泡利分解极化是指将一个电磁波沿着特定方向振荡。
而SAR（Synthetic Aperture Radar）是合成孔径雷达的简称，是一种利用合成孔径技术进行成像的雷达系统。
而Pauli分解则是一种用于极化SAR数据处理和分析的方法。
本文将介绍极化SAR和Pauli分解的相关概念和应用。
我们来了解一下极化SAR的基本原理。
合成孔径雷达利用雷达设备在飞行器或卫星上搭载的雷达天线，通过记录由雷达发射的微波脉冲与地面或其他目标物体反射回来的信号，来获取地面或目标物体的图像。
而极化SAR则是在这个基础上，对发射和接收的微波信号进行极化处理，以获取更加丰富的信息。
极化SAR通过记录微波信号的振动方向来描述目标物体的特性。
常见的极化方式包括水平极化（H极化）、垂直极化（V极化）、左旋圆极化（L极化）和右旋圆极化（R极化）。
不同的极化方式可以提供不同的信息，例如H极化可以反映目标物体的表面粗糙度和散射特性，V极化可以反映目标物体的形状和结构等。
而Pauli分解是一种常用的极化SAR数据处理方法，可以将极化SAR数据分解为三个正交的极化通道，分别为单散射通道、双散射通道和三重散射通道。
单散射通道表示目标物体的散射强度和极化方向，双散射通道表示目标物体的散射相位差和极化方向差，三重散射通道则表示目标物体的散射强度和散射相位差。
Pauli分解通过对极化SAR信号进行线性组合，将不同极化通道的信息分离出来，从而提供更加详细和全面的目标物体信息。
例如，在地球观测领域，Pauli分解可以用于提取地表覆盖类型、土地利用状况和植被生长状态等信息。
在军事领域，Pauli分解可以用于目标检测和识别，从而提高作战效能。
除了Pauli分解，还有其他一些常用的极化SAR数据处理方法，例如极化干涉SAR（PolInSAR）和极化散射矩阵分解。
极化干涉SAR通过组合两个或多个极化SAR图像，可以提供目标物体的高程信息和变形情况。
极化散射矩阵分解则是一种数学方法，可以将极化SAR数据分解为散射矩阵元素，从而提供目标物体的散射特征。
第三章 SAR基本原理
Fp(%) 0.0 1.5 6.0 13.4 23.4 35.7 50.0 65.8 82.6 100.0
雷达图像的透视收缩，实际上是电磁波能量集中的表现，前坡的收缩比后坡严 重，所以前坡的图像要比后坡“亮”，当整个坡度收缩成一点，图像最“亮”。
顶底位移（Layover)
• 顶底位移是透视收缩的一种极端情况，它发生在入射角小于局部地形 倾斜角时。
• In imagery, radar shadows occur in the down-range direction behind tall objects. They are a good indicator of radar illumination direction if annotation is missing or incomplete.
阴影（shadow)
• Radar shadows in imagery indicate those areas on the ground surface not illuminated by the radar. Since no return signal is received, radar shadows appear very dark in tone on the imagery.
2007,12
Radarsat-2,
C Qud Pol
10
工作频段的选择
• Application factors: – Radar wavelength should be matched to the size of the surface features that
we wish to discriminate • – e.g. Ice discrimination, small features, use X-band • – e.g. Geology mapping, large features, use L-band • – e.g. Foliage penetration, better at low frequencies,use P-band In general, C-band is a good compromise • System factors: – Low frequencies: • More difficult processing • Need larger antennas and feeds • Simpler electronics – High frequencies: • Need more power • More difficult electronics • Good component availability at X-band Note that many research SARs have multiple frequency bands
sar成像数学原理
sar成像数学原理
SAR（Synthetic Aperture Radar）是一种用于地面遥感和成像的雷达技术。
它利用航天器或飞机上的雷达设备，通过发射脉冲信号并接收回波信号来获取地面的信息。
以下是SAR成像的数学原理的简要介绍：
1. SAR基本原理：
- SAR利用雷达的脉冲信号，通过发射一系列短脉冲来扫描地面。
- 脉冲信号经由天线发射，并与地面目标相互作用，产生回波信号。
- 接收到的回波信号由相干合成处理，形成高分辨率的SAR图像。
2. 合成孔径(Synthetic Aperture)：
- SAR利用脉冲信号的相位信息，通过合成远远大于实际天线尺寸的合成孔径。
- 合成孔径长度的增加使得SAR获得更高的分辨率和更好的图像质量。
3. 多普勒频移(Doppler Shift)：
- SAR天线随飞行方向移动，导致回波信号频率发生变化。
- 根据多普勒频移，可以计算出地面目标与雷达之间的速度和方向信息。
4. SAR图像生成过程：
- SAR接收到的回波信号经过采样和数字处理，形成复杂回波数据。
- 复杂回波数据根据合成孔径的原理进行数据处理。
- 处理过程中利用多普勒频移进行相位校正和图像聚焦。
- 最后将处理后的数据转换为SAR图像。
总的来说，SAR成像的数学原理是通过合成孔径技术、多普勒频移以及数字信号处理，将雷达回波信号转化为高分辨率的图像。
通过这些原理，SAR可以提供高质量、高分辨率的地面遥感图像，并在许多应用领域中发挥重要作用，如军事、地质勘探、环境监测等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2012-12-19
48
小结
1 典型目标的极化响应 2 典型散射模型 3 极化目标分解方法
作业：基于极化目标分解方法或极化特征， 常用的极化SAR信息提取方法有那些？
2012-12-19
49
相干矩阵
协方差矩阵
2
主要内容
§5.1 极化SAR基本理论 §5.2 极化目标分解 §5.3 极化SAR信息提取 §5.4 极化SAR技术研究进展
2012-12-19
3
5.2 极化目标分解
2012-12-19
主要内容
1 典型目标的极化响应 2 典型散射模型 3 极化目标分解方法
2012-12-19
2012-12-19
12
二面角反射器的极化响应
2012-12-19
13
偶极子 倾斜偶极子
2012-12-19
14
左螺旋 右螺旋
2012-12-19
15
目标散射的物理解释
2012-12-19
16
奇次散射模型
2012-12-19
17
奇次散射模型
2012-12-19
18
漫散射(Bragg)模型
以看作是对称的，当满足对称性时，目标的散射矩阵可以通过严格的 旋转变换进行对称化 一个复杂物体的电磁散射可以看做一系列小的简单散射体的组合，假 设物体是良导体，则简单散射体的性质完全取决于它的形状
Smsyamx
Srec Ssmyimn
S Snonrec
2012-12-19
35
2012-12-19
2012-12-19
38
非相干目标分解概述
Freeman分解
Huynen分解
反射不对称 修改体散射模型
Yamaguchi 分解
基于分布目标
2012-12-19
39
Huynen分解
Huynen基于波的二分性理论，因此他假定目标信息也存在二分性，即 任意目标的Mueller矩阵都可以表示为单个目标和N-目标的矩阵之和。
在他的分解理论中，用了两个关键的原理： （1）对于分布式目标，Mueller矩阵没有对应的单一等效矩阵取，且目 标矢量具有一定的波动性。 （2）对于Mueller矩阵平均取平均的矩阵分量为，该矩阵的秩为1的相 干矩阵。残余矩阵仍是Mueller矩阵，但表示的是分布式目标（也被称 为N-目标），而非单个目标。残余矩阵也不是任意的，其特点是：在 天线坐标系统中绕视线方向旋转，矩阵形式保持不变。
2012-12-19
19
漫散射(Bragg)模型
2012-12-19
20
偶次散射模型
2012-12-19
21
体散射模型
2012-12-19
22
体散射模型
2012-12-19
23
极化目标分解方法体系
2012-12-19
24
相干分解方法
2012-12-19
25
非相干分解方法
2012-12-19
5 极化SAR原理与应用
2012-12-19
回顾-极化SAR基本理论
1 极化SAR简介
2 电磁波极化特性及 其描述
3 目标极化散射特性 的描述
2012-12-19
不确定散射体
特点与应用
极化 极化椭圆 Poincare球 完全极化波 部分极化波 JONES矢量 STOKES矢量
散射坐标系
Sinclair矩阵 Mueller矩阵
5
预习内容
为了理解和分析地物极化特性， 常用的极化目标分解的方法有那些？
2012-12-19
6
极化信号图
2012-12-19
7
极化信号图
2012-12-19
8
导电球的极化响应
2012-12-19
9
三面角反射器的极化响应
2012-12-19
10
导电球的极化响应
2012-12-19
11
二面角反射器的极化响应
26
极化目标分解概述
[M]
[S]
Krogager分解（1990） Cameron分解（1990）
Touzi分解（2002）
相 干 分 解
Huynen分解（1970）
[C]、[T]
Freeman分解（1992） Yamaguchi分解（2005）
非
相
干
[C]、[T]
分
解
Cloude分解（1996-1997）
2012-12-19
29
球体（单次散射） 二面角
2012-12-19
30
左螺旋 右螺旋
2012-12-19
31
Krogager分解
Krogager分解
基于[S]矩阵
2012-12-19
32
光学影像
2012-12-19
线极化RGB合成
33
2012-12-19
34
Cameron分解
基于雷达目标的互易性和对称性 当目标在于雷达和目标之间连线垂直的平面上具有对称轴时，散射可
2012-12-19
37
Touzi分解
Touzi：Cameron分解作为一种相干极化目标分解方法，只限 于目标满足相干性条件的情况下。对于部分极化的情况，散 射矩阵不能完整的表达极化波的所有信息。此时，任何基于 散射矩阵的数据分析都是毫无意义的。由于Cameron分解也 是基于散射矩阵的，且没有检验目标散射的相干性。因此， 在非相干目标情况下，将会得到错误的结论。因此，在进行 所有的相干目标分解之前，都必须进行相干性的判断，只有 对于相干性的目标才能使用相干目标方法，针对Cameron分 解的缺陷，Touzi提出了一种基于Cameron分解的对称散射特 征方法
2012-12-19
40
Freeman分解
2012-12-19
41
Freeman分解
2012-12-19
42
Freeman分解
2012-12-19
43
2012-12-19
44
Yamaguchi分解
Freeman的三分量分解适用于反射对称的情况，然 而Yamaguchi发现，在城市区域或一些复杂的地区， 地物的反射对称性并不满足，此时，Yamaguchi引 入第四个分量螺旋体散射分量，该分量由螺旋体的 散射引起，常出现在城市区域，而在自然场景中不 存在，与在城区占主导地位人造地物的复杂形状有 关。
2012-12-19
27
相干目标分解概述
Krogager 分解
Cameron分解
点目标和分布目标 相干性
蕴涵
基于[S]矩阵
Touzi分解
2012-12-19
28
Krogager分解
任何一个复数对称的散射矩阵，能够通过旋转矩阵R进行旋转，用以补 偿天线与最优雷达目标的偏差。旋转后的散射矩阵能够分解成三个分 量，球散射、二面角散射以及螺旋体散射
2012-12-19
45
Yamaguchi分解
右螺旋
左螺旋
2012-12-19
46
Yamaguchi分解
体散射
与Freeman体散射分量相同
垂直偶极子
2012-12-19
水平偶极子
47
Yamaguchi分解
注意 解算同Freeman分解类型，只是在体散射的选取上，做了 一定的判定。需要注意的是，Yamaguchi分解会出现分解 不一致的现象。即解出来的单次散射和二面角散射可能为 负值，导致与实际的物理现象不一致。
互易性检测
对称性检测
螺旋匹配
非互易散射体
非对称性散射体 右螺旋 左螺旋 三面角 二面角 偶极子 圆柱体 窄双平面
36
注意
Cameron分解的优点在于提供了关于散射体结构的物理信息。 散射体的类型只取决于散射体的形状，且它与归一化的对角 散射矩阵之间具有良好的对应性，计算方便。但是，由于 SAR图像的斑点噪声非常大，而该分解又是基于单个像元的 操作，忽略了噪声的影响。因此，所获得的结果不一定可靠。 对于那些具有强后向散射的物体，在目标与背景之间之比很 大且背景杂波均一的情况下，如平静的海面上的船只等，斑 点噪声并不是很重要的影响因素。