使用Cameron分解的极化SAR特征检测.docx

《使用Cameron分解的极化SAR特征检测.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、使用Cameron分解的极化SAR特征检测摘要—本文提供了一种检测特定的极化SAR特征的方法。一个分辨率单元的极化响应可以看做是这个分辨率单元的电磁散射矩阵的一个样本。尽管使用了多个相干孔径，还是能获得散射矩阵的多个样本。通过使用合适的分解和加权对数似然方程，估计被观察的散射矩阵响应匹配已知电磁特征的相似度是有可能的。关键词：相干，多角度，极化，散射矩阵分解，子孔径处理。I.引言有多种分辨率，频率带宽和极化方式的SAR传感器有很大的应用范围，包括土地表面覆盖物的的表征和分类[1]-[5],[30]

2、，和人造目标的探测/表征/分类，比如城市结构[6]-[8]，失事飞机[9]-[12]，轮船[13],[14]，军用车辆[15],[16]，地雷[17],[18]，未爆炸武器(UXO)[19]，等等。全极化SAR数据集提供给了一个强有力的工具，可以用来描述允许使用复杂的散射矩阵响应的目标的散射行为。利用极化SAR成像的标准方法大多包括用分解变换(举例子来说，见[20]-[30])来使数据标准化这一过程。极化分解一般分为明显的两类——相干和非相干分解。非相干分解(例如，Cloude-Plottier[

3、3],[26])包含基于局部极化行为的统计信息，而且通常利用相关联的像素或分辨率单元的平均相关矩阵（或米勒矩阵）。相干分解（例如，Krogager[22],[23]，Cameron[24],[25]）是基于单个像素的响应，因此直接用于测量每个像素的复散射矩阵。因为在本文中我们关注的是特定散射中心的检测，不管周围像素的散射机制，所以我们不能使用任何一个利用局部统计信息的分解方法，这将限制我们对相干分解的讨论。相干分解一般只能产生，由单个主散射中心组成的这些分辨率单元的有效的结果。在主散射体缺少时，斑

4、点响应将导致一个明显的随机散射矩阵，而且产生一个随机响应。事实上，相干解调由于其固有的敏感的斑点噪声，在文献[26]中已经受到了批评。相干方法的初始应用是描述以像素基础构成像素散射机制的基础的特征。有以下两点考虑是比较中肯的，首先，光极限散射的假设隐含了上散射类型的定义。第二，结果仅在一个给定的分辨率单元有占主要地位的单个散射中心时有效。类似的，正如也将在这篇文章中看到的，没有光极限假设会导致对单个主散射中心完全不同的响应。Cameron分解[24],[25]把一个任意的散射矩阵分解成两个正交的非

5、互易的和互易的散射分量，互易的散射分量可以进一部分解成最大的和最小的对称散射分量。这个分解由几个有物理意义的和不引起歧义的分解分量，包括Cameron散射类型参数z。这个参数z是一个包含在复平面的单位圆的一个复数，表示一个来自散射模型的旋转（与视线有关）的变量。Cameron介绍了一系列典型的散射类型，包括：三面角、偶极子、二面角和1/4波器件等类型。在光极限散射和特征（宽边）视角层面下，这些标准散射体位置分别是是1，0，-1，和±i。光极限假设的隐含意思是整个雷达带宽上频率响应是常数。如果不能满

6、足这些条件，观察到的参数值就会从根本上偏离标准值。Cameron等表明，随着二面角的方向的变化，散射体类型参数轨迹是一条单位圆上的曲线[25]。值得注意的是，这些关于标准散射类型参数值的假设仅仅属于这些标准散射类型为一个分类方案做基础使用时。正如我们将在下一节看到的，Cameron分解不依赖于这些假设，可以用在更一般的结构中。大孔径，UHF或L波段，高分辨率SAR数据违反了所有要使用传统相干分解技术去分类主散射体响应时的要求。在SAR系统中，几乎所有的感兴趣散射中心均在Mie散射区域（大小<10个

7、波长）。Geng等人[36]意识到，在高频技术不再有效的地方改进模型来精确仿真和表征在Mie散射区域的目标散射很有必要。他们使用电磁波全波分析，特定矩量法（MoM）[39]，来计算放置在有损、色散的半空间(模仿土壤)上面的三面角导体反射器的宽带VHF散射，目的是用一个函数的频率、极化、三面倾斜和土壤性质表征土壤对三面体反应的影响。本文展示了我们的一个方法，这个方法用散射矩阵的多角度观察来区分可能占据单个像素的目标的不同尺寸和形状，尤其关注Mie散射区域的散射。基于单个孔径的SAR图像可以用符合原始

8、孔径的不同子集的子孔径图像序列替代，因此可以在稍有不同的方向抽样散射矩阵。通过比较给定目标（在一个给定的方位）的期望响应和观察到的许多散射矩阵的响应。我们不再被那些面向光极限假设和散射矩阵单个观察体（例如，同轴的三面反射体，球面和平板的特征是无法区分的）的相干方法锁固有的假设限制。散射矩阵多个样本的使用给我们提供了额外的必要的信息来决定响应是对应大小和形状的可能性，更可以通过斑点来区分两者。多个作者[19],[37],[38]已经合并了子孔径分析和局部邻域返回的空间相关性，这使得这