基于四分量散射模型多极化SAR图像分类.pdfVIP

基于四分量散射模型的多极化SAR图像分类 张海剑 杨 文 邹同元 孙 洪 (武汉大学电子信息学院，武汉 430079) 摘 要 本文基于四分量散射模型提出了一种多极化 SAR(Synthetic Aperture Radar)图像非监督分类算 法。与 Freeman 三分量散射模型不同的是，四分量散射模型在 Freeman 三分量的基础上增加了螺旋散射分 量(Helix)，该分量反映了复杂地貌和不规则城市建筑的散射机理，可以用来处理更复杂的场景图像。算法 强调了初始分类的重要性，在初始分类中考虑了混合散射机制像素的存在，从而提高了分类结果的精确度。 聚类过程中，采用由四个散射分量组成的特征向量进行迭代聚类，为了实现算法的完全非监督，文中利用 特征向量给出了一种新的聚类终止准则。NASA/JPL 实验室 AIRSAR 全极化数据分类实验结果表明：该算法 具有较好的分类效果，并获得了较高的分类精度。 关键词 多极化合成孔径雷达 四分量分解 非监督分类 分类号 全 极 化 合 成 孔 径 雷 达 (Polarimetric 度，而且有助于我们理解地物目标的散射特 Synthetic Aperture Radar, POLSAR)是一种先 性。近年来，基于目标极化散射特性的非监 进的遥感信息获取手段。使用全极化 SAR 系 督分类得到了广泛的研究和应用，比较经典 统进行观测，测量的数据不再只是目标的后 的有 1989 年Van Zyl 提出的一种基于奇次散 向散射系数，而是一个 2 ×2 的复数散射矩 射、偶次散射和体散射 3 种散射机理的非监 阵。同时成像的多极化、全极化 SAR 系统， 督分类算法[8] ；1992 年 Freeman 等人提出的 可以获取地物对不同波段雷达信号的回波响 布拉格散射、偶次散射和体散射三元目标散 应及线极化状态下同极化与交叉极化信息， 射模型[9]，通过计算每一像素中这 3 种基本 可更准确地探测目标特征。与传统的单极化 散射的比重来对图像进行分类； Cloude 等 SAR 相比，极化 SAR 的突出优点在于测量 人提出的 H −α 分解方法[10][11] ，该方法利 数据包含了更丰富的目标信息, 因此它在目 用目标散射熵和目标散射机理的角度α 这 标检测、目标分类（或识别）以及目标参数 两个参数来对多极化图像分类,后来又引入 反演等方面具有突出的优点，为我们进行信 各向异性参数 A 进一步提高了分类效果；在 息挖掘提供了可能。多极化 SAR 在国民经济 文献 [12] 中，J.S.Lee 等提出了一种基于 的很多领域以及在军事上都有着广阔的应用 Freeman-Durden 分解的多极化图像非监督分 前景，因此开展对多极化 SAR 的研究具有十 类算法，结合 Freeman 散射模型和复 Wishart 分重要的现实意义。 分布构成了一个最大似然非监督分类器，该 图像分类是多极化 SAR 图像解译的一 方法保留了多极化 SAR 的主要散射特性的 个重要内容。根据处理方法的不同，多极化 纯度。以上各方法均说明了目标散射分解特 SAR 图像分类可以分为基于先验知识和统 性在图像分类方面能够取得良好的效果。 计知识的监督分类[1-7]，以及基于目标极化散 本文基于四分量分解模型[13]提出了一 射特性的非监督分类[8-12] 。目前的分类算法 种新的非监督分类算法。该算法考虑了混合 研究偏向于非监督分类，这是因为监督分类 散射像素的存在，强调了初始分类的重要性。 需要足够