基于目標分解的極化合成孔徑雷達圖像分類研究.pdf

1、極化合成孔徑雷達以其全天候，全天時等優(yōu)點成為對地遙感觀測領域中的先進技術，它通過收發(fā)不同組合的電磁波，記錄反射回波除幅度、相位以外的極化信息，能夠對觀測目標進行更全面的描述，已經成功的應用到日常生活的許多行業(yè)甚至是國防軍事領域。但是，極化合成孔徑雷達硬件系統(tǒng)快速發(fā)展的同時，對其獲得的圖像解譯能力卻明顯不夠。在極化合成孔徑雷達圖像的地物分類領域，存在著諸如特征量不能全面描述觀測對象，分類精度和性能不夠高，算法的魯棒性不夠強等問題。以Pol

2、SAR的目標分解理論及相關理論為基礎，對極化合成孔徑雷達圖像的地物分類問題做出研究，對主要的研究內容作如下簡介：
　　1.對多種經典的相干分解和非相干分解理論進行了研究。通過實驗對各種分解方法進行了分析。結合Pauli目標分解，介紹了一種超分辨分解算法，該算法利用空間關聯性，能夠很好的將一個散射單元內的不同散射機制區(qū)分開，還成功的對其提出改進，以非相干分解中的 Freeman分解為基礎，將該算法進行了推廣，算法具有較高的準確率和較

3、好的時間性能，相關的實驗提供了佐證。
　　2.對基于特征值分解的方法進行了深入研究。通過相干矩陣的特征值分解，得到極化散射熵H、平均散射角-α以及各向異性度參數A這三個參數，由此出發(fā)得到H/-α分類平面以及H/-α/A三維分類空間。文中還通過實驗探討了相干斑噪聲對以上3個參數的影響。在引入Wishart分類器后，再結合參數H、-α、A及相干及非相干分解理論，構成了兩種非監(jiān)督的目標分解方法。最后，對參數H、-α、A的相關優(yōu)缺點進行了