一种利用地物散射特性进行后续类别调整的极化SAR影像分类方法

基于全极化SAR数据的玉米后向散射特征分析

大，茎节伸长，节根出生。随后，米先后进入抽雄期和吐丝玉期，完成生殖器官的分化。在抽雄期玉米株高开始停止增长，叶片披垂。最后，玉米进入花粒期阶段，时期持续约１该个月时间，经历孕籽和籽粒成熟过程，同时玉米植株含水量减少，叶片颜色由深绿色逐渐变为黄绿色。
１试验区及数据
１１试验区概况．
玉米是世界重要粮食、饲料和工业原料作物，种植面积和总产量仅次于小麦和水稻，玉米生长状况及种植面积的监测对我国农业和经济的发展具有重要的意义。遥感技术的发展及其在农业上的广泛应用已取得了显著的经济效益，成为进行农业科学管理、促进农业可持续发展不可缺少的有力工
１２Ｒｄｒａ一２数据．ａａｓｔ
系数，与单极化和双极化结果比较发现，它们在精度上有着极
大的差别，这表明增加一种极化方式的重要性。Ｘｖｅ等ａｉｒ在玉米长势监测中，通过对比ＥＳＥＶＳＴＲＤＲＡＲ、ＮＩＡ、ＡＡＳＴ３种图像Ｃ一波段的ＨＨ极化、Ｖ极化和交叉极化数据，现Ｖ发其后向散射系数从玉米开始生长至ＬｌＡ达到４６时具有较．
好的相关性。张萍萍等利用多时相ＡＡＳＲ数据分析了稻田后向散射特性，利用阈值分类混合监督分类对水稻进行识别，识别精度达到９％。杨沈斌分析了多时相雷达数据对水稻０
２００９年７月２３日获取了一景覆盖试验区的Ｒｄｒｔａａｓ一２ａ

极化SAR影像分类方法对比分析

素对集合犛犐中所有像素对的梯度犳（狆，狆′），然后按照从小到大的顺序对这些像素对进行排序，最
后按顺序进行融合测试，如果像素狆所属区域
［收稿日期］２０１８１１２６［作者简介］石惊涛（１９８９－），男，河南周口人，硕士在读，从事极化ＳＡＲ应用方向研究。犈犿犪犻犾：ｓｈｉｊｉｎｇｔａｏｓ＠１６３．ｃｏｍ
第３３卷第４期２０１９年４月
北京测绘ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ
Ｖｏｌ．３３Ｎｏ．４Ａｐｒｉｌ２０１９
引文格式：石惊涛，赵争，徐志达，等．极化ＳＡＲ影像分类方法对比分析［Ｊ］．北京测绘，２０１９，３３（４）：４４３４４７．犇犗犐：１０．１９５８０／ｊ．ｃｎｋｉ．１００７３０００．２０１９．０４．０１７
４４４
北京测绘
第３３卷第４期
犚（狆）与像素狆′所属区域犚（狆′）不同，即犚（狆）≠ 犚（狆′），则按照融合准则进行判定，并融合区域犚（狆）和犚（狆′），否则不合并。基于区域融合模型的ＳＡＲ影像分割结果如图１所示。
验，若多个类别与另一分类结果中的多个类别相似，则保留具有较多类别的结果；若类别相似，则比较各类的像素数，取像素数较少的一类；若另一分类结果中没有与此类相似的类，则保留此类。通过类中心的相似性比较，能够保留各个分类器分类优势，并可以在比较的过程中自适应地进行类别数的增加和减少。基于Ｗｉｓｈａｒｔ分布的最大似然分类方法影像分类结果如图２所示。

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

灰度和纹理特征组合的SAR影像SVM分类

Ｆｈｎ－ａｇＺＡＮｎｙａ，ＭＥｎ－ｉｎＵＺｏｇｌｎ，ＨＧＷｅ－ｕｎｉＮＧＱｉｇｘａｇ
ＳｈｏｌＲｅｔｅｓｎｎｎｏｍａｉｎＥｎｉｅｒｇｃｏｌｍｏｅＳｎｉｇａｄＩｆｒｔｇｎｅｉ，Ｗｕａｎｖｒｉ，Ｗｕａ３０９ｈｎｏｏｎｈｎＵｉｅｓｔｙｈｎ４０７，Ｃｉａ
ＳＡＲ影像的纹理往往没有明显的方向性，属于随机纹理．本文选取像素相邻间隔＝１，窗口尺寸为７７ｘ，计算每个像素在局部窗口下角度０Ｎ０、４。０和１５等４。５、９。３。个方向的灰度共生矩阵，并对４方向计算出的各统计特征量分别取平均，提取个具有旋转不变性的５特征量作为该像素的ＧＣ个ＬＭ特征向量．１２２Ｇａｏ滤波纹理．．ｂｒ
ａｄｑａｔｔｔｖｐｒａｈｓａｅａｐｉｄｔｓｓｈｌｓｆａｉｎｒｓｌｓｎｕｎｉａｉｅａｐｏｃｅｘｐｌｏａｅｓｔｅｃａｉｃｔｏｅｕｔ．Ｅｘｅｉｅｔｌｅｕｔｅｎｔａｅｅｓｓｉｐｒｍｎａｓｌｓｄｍｏｓｒｔｒ
ｔａｈｒｐｓｄａｐｏｃｓｅｅｔｖｏＡＲａｅｃａｓｆａｉｎｗｉｈａｃｒｃｉｈｒｔａｈｓｂａｎｄｈｔｔｅｐｏｏｅｐｒａｈｉｆｃｉｅｆｒＳｉｇｌｉｃｔｏｔｃｕａｙｈｇｅｈｎｔｏｅｏｔｉｅｍｓｉ

九分量极化目标分解

九分量极化目标分解九分量极化（Nine-Component Decomposition）是一种常用的合成孔径雷达（Synthetic Aperture Radar，SAR）图像处理技术，用于将SAR图像分解为九个不同的极化目标。

该技术对于提取目标信息、分析目标特性以及改善图像质量具有重要意义。

下面将详细介绍九分量极化目标分解的原理和应用。

一、九分量极化目标分解原理九分量极化目标分解是基于极化散射矩阵（Polarimetric Scattering Matrix）的分解方法。

极化散射矩阵是描述目标与雷达波相互作用的数学模型，它反映了目标在不同极化状态下的散射特性。

九分量极化目标分解将极化散射矩阵分解为九个不同的分量，分别代表了目标的不同极化特性。

具体分解方式如下：1. 单极化分解：将极化散射矩阵分解为HH分量（水平发射水平接收）和VV分量（垂直发射垂直接收）两个单极化分量。

这两个分量反映了目标在水平和垂直极化状态下的散射特性。

2. 对比度分解：将极化散射矩阵分解为HH-VV分量和HV分量。

HH-VV分量代表了目标在水平和垂直极化之间的对比度，HV分量代表了目标的交叉极化特性。

3. 极化相干矩阵分解：将极化散射矩阵分解为HH+VV分量和HH-VV分量。

HH+VV分量代表了目标在同极化状态下的相干散射，HH-VV分量代表了目标在交叉极化状态下的相干散射。

4. 极化幅度分解：将极化散射矩阵分解为HH+VV分量、HH-VV 分量和2HV分量。

HH+VV分量和HH-VV分量分别表示目标在同极化状态下的散射幅度，2HV分量表示目标在交叉极化状态下的散射幅度。

九分量极化目标分解在SAR图像处理中具有广泛应用，主要包括以下几个方面：1. 目标识别与分类：九分量极化目标分解可以提取目标的不同极化特性，从而实现目标的识别与分类。

例如，通过分析HH分量和VV 分量，可以区分不同类型的建筑物；通过分析HH-VV分量和HV 分量，可以区分不同类型的植被。

SAR图像处理

SAR图像处理SAR图像几何校正 (2)概述 (2)SAR图像的几何特征 (2)SAR 图像几何纠正方法 (3)SAR图像斑点噪声 (3)概述 (3)斑点模型 (4)去除斑点噪声算法比较 (5)相干斑抑制技术的性能评估 (7)SAR图像分类技术 (7)雷达图像分类概述 (7)SAR图像分类传统技术 (8)SAR图像分类新方法 (8)采用新信息、新特征 (8)应用新理论 (10)SAR图像分割 (12)图像分割说明 (12)图像分割方法 (12)SAR图像特征信息提取 (13)特征提取说明 (13)特征提取方法 (13)SAR图像中目标的识别 (14)目标识别说明 (14)目标识别方法 (14)SAR图像融合 (15)图像融合概述 (15)SAR图像融合方法 (15)SAR图像恢复 (17)图像恢复说明 (17)图像恢复方法 (17)SAR图像解译 (17)SAR图像处理存在的问题 (17)图像处理现存的问题 (17)微波遥感有待进一步研究的问题 (18)SAR图像处理新进展 (19)SAR图像研究的应用 (20)引用领域 (20)SAR图像处理研究与应用的前景 (21)SAR图像几何校正概述雷达图像是斜距投影，原始图像的几何失真大，做定量的几何分析比较困难，因此，为了更好地利用雷达图像，必须对此进行几何校正。

星载SAR图像通常分为地距产品和斜距产品。

地距产品是系统中加入延时补偿装置以实现改正斜距投影，而斜距产品则没有加以改正。

地距产品是系统加以延时而产生的，它没有考虑到地形的变换所引起的变形，知识对由于斜视产生的时间延迟加以改正。

从某种意义上讲，它破坏了系统成像的几何关系。

如果利用构想方程来纠正，纠正的精度较差；如果把它当作中心投影并按多中心投影的几何关系来加以纠正，精度会高一些，这时因为地距产品影像与地形的关系接近于中心投影的几何关系。

但是它没有从根本上解决由于斜视对地形变化所产生的影像变化，所有纠正精度不很理想。

ENVI SARscape产品简介-201108

一产品概述
合成孔径雷达（SAR ）数据拥有独特的技术魅力和优势，渐成为国际上的研究热点之一，其应用领域越来越广泛。 SAR 数据可以全天候对研究区域进行量测、分析以及获取目标信息。高级雷达图像处理工具 ENVI SARscape，能让您轻松将原始 SAR 数据进行处理和分析，输出 SAR 图像产品、数字高程模型（DEM）和地表形变图等信息，并可以将提取的信息与光学遥感数据、地理信息集成在一起，全面提升 SAR 数据应用价值。 ENVI SARscape 由 sarmap 公司研发，是国际知名的雷达图像处理软件。该软件架构于专业的 ENVI 遥感图像处理软件之上，提供图形化操作界面，具有专业雷达图像处理和分析功能。ENVI SARscape 由核心模块及 5 个扩展模块组成，用户可根据自己的应用要求、资金情况合理地选择不同功能模块及其不同组合，对系统进行剪裁，充分利用软硬件资源，并最大限度地满足用户的专业应用要求。
由以下模块组成：

级的形变信息。
1.2 支持雷达系统
SARsacpe 是设计用于对各种雷达数据进行处理的专业化软件工具，提供了专业级雷达数据处理和分析功能，支持多种雷达数据产品和原始数据，包括一系列机载和星载雷达系统的数据，包括：ERS-1/2、JERS-1、RADARSAT-1、RADARSAT-2、ENVISAT ASAR 、ALOS PALSAR 、 TerraSAR-X-1、 COSMO-SkyMed、 OrbiSAR-1 (X、 P-band)、 E-SAR 、 RISAT-1、 STANAG 7023、 RAMSES、 TELAER 、GLAS/IceSat DEM。
此外，可以根据规范的元数据格式，对其他 RAW 格式的雷达数据进行聚焦。

基于Sentinel-1数据的水体信息提取方法研究

基于Sentinel-1数据的水体信息提取方法研究贾诗超;薛东剑;李成绕;郑洁;李婉秋【摘要】SAR影像对于水体和地表形变具有很好的辨识性,因此常用来进行水体识别、土壤湿度反演和地表形变检测研究与应用.利用载有C波段合成孔径雷达的Sentinel-1卫星数据对大范围的水体信息进行识别,提出了SDWI(Sentinel-1 Dual-Polarized Water Index)水体信息提取方法.该方法受到NDVI和NDWI方法的启发,结合微波遥感中水体信息在影像中的特点,进一步研究了Sentinel-1双极化数据(VV和VH)之间水体信息提取的关系,以此关系达到增强水体特征的目的,同时消除土壤和植被的存在.分别以Sentinel-1A巢湖区域和Sentinel-1B鄱阳湖区域SAR影像为例来提取水体信息,实验结果表明该方法显著有效,但对影像中阴影的处理是未来研究的难点.【期刊名称】《人民长江》【年(卷),期】2019(050)002【总页数】5页(P213-217)【关键词】SDWI;Sentinel-1;水体信息提取;后向散射系数;双极化【作者】贾诗超;薛东剑;李成绕;郑洁;李婉秋【作者单位】成都理工大学地球科学学院,四川成都610059;成都理工大学地球科学学院,四川成都610059;中国林业科学研究院资源信息研究所,北京100091;成都理工大学地球科学学院,四川成都610059;成都理工大学地球科学学院,四川成都610059;成都理工大学地球科学学院,四川成都610059【正文语种】中文【中图分类】TP391水资源是现代经济发展中一个重要关注对象，它是人类及一切生物赖以生存的重要条件之一[1]，而且水体信息对水资源、洪涝灾害及水文研究具有重要的意义[2-3]，例如快速的水体信息提取可为洪涝灾害发生和防护提供宝贵的信息。

传统的水体信息提取是基于测绘技术完成的，该方法耗时、耗力，且在宏观和实时性上效果较差。