陳思偉 李永禎 王雪松 肖順平

(國(guó)防科技大學(xué)電子科學(xué)與工程學(xué)院電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 長(zhǎng)沙 410073)

極化SAR目標(biāo)散射旋轉(zhuǎn)域解譯理論與應(yīng)用

陳思偉*李永禎 王雪松 肖順平

(國(guó)防科技大學(xué)電子科學(xué)與工程學(xué)院電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 長(zhǎng)沙 410073)

雷達(dá)目標(biāo)的后向散射敏感于目標(biāo)姿態(tài)與雷達(dá)視線的相對(duì)幾何關(guān)系。雷達(dá)目標(biāo)的這種散射多樣性給以極化合成孔徑雷達(dá)(SAR)為代表的成像雷達(dá)信息處理與應(yīng)用造成諸多不便，是當(dāng)前目標(biāo)散射機(jī)理精細(xì)解譯和定量應(yīng)用面臨的主要技術(shù)瓶頸之一。該文回顧并介紹一種在繞雷達(dá)視線旋轉(zhuǎn)域解譯目標(biāo)散射機(jī)理的新思路，主要包括新近提出的統(tǒng)一的極化矩陣旋轉(zhuǎn)理論和極化相干特征旋轉(zhuǎn)域可視化解譯理論。目標(biāo)散射旋轉(zhuǎn)域解譯方法的核心思想是將特定幾何關(guān)系下獲得的目標(biāo)信息拓展到繞雷達(dá)視線的旋轉(zhuǎn)域，為目標(biāo)散射信息深度挖掘和利用奠定基礎(chǔ)。該文詳細(xì)分析上述方法導(dǎo)出的一系列新的極化特征參數(shù)集，并開(kāi)展應(yīng)用驗(yàn)證。對(duì)比研究證實(shí)了旋轉(zhuǎn)域解譯方法在地物辨識(shí)與分類(lèi)等領(lǐng)域的應(yīng)用潛力。

極化合成孔徑雷達(dá)；散射機(jī)理；旋轉(zhuǎn)域；極化目標(biāo)分解；圖像解譯

1 引言

極化SAR作為一種微波成像雷達(dá)，能夠全天時(shí)全天候工作，成為對(duì)地觀測(cè)領(lǐng)域的重要傳感器，在城區(qū)、森林、農(nóng)作物、海洋、冰川和自然災(zāi)害等應(yīng)用領(lǐng)域發(fā)揮著日益重要的作用[1—12]。不同于光學(xué)圖像，極化SAR圖像難以僅僅通過(guò)目視解譯進(jìn)行有效利用，如何準(zhǔn)確解譯目標(biāo)的散射機(jī)理是上述應(yīng)用獲得成功的關(guān)鍵之一。

極化SAR通過(guò)收發(fā)一組極化狀態(tài)正交的電磁波，能夠獲得目標(biāo)完整的極化散射矩陣。極化散射矩陣中蘊(yùn)含的目標(biāo)豐富散射信息，可通過(guò)散射機(jī)理建模和解譯進(jìn)行挖掘和提取[13—16]。在過(guò)去幾十年里，研究人員致力于目標(biāo)電磁散射的建模與解譯，提出了許多有效的理論和技術(shù)。起源于Huynen博士上世紀(jì)70年代工作[17]的極化目標(biāo)分解理論，能夠有效刻畫(huà)目標(biāo)的物理散射機(jī)制，在諸多領(lǐng)域獲得成功應(yīng)用。極化目標(biāo)分解可以分為相干分解和非相干分解兩大類(lèi)?？紤]到相干斑的影響，基于極化相干矩陣和極化協(xié)方差矩陣等二階統(tǒng)計(jì)量的非相干分解方法更為常用。非相干分解主要包含基于特征值-特征矢量的目標(biāo)分解方法和基于模型的目標(biāo)分解方法。基于特征值-特征矢量的目標(biāo)分解方法以矩陣特征值分解作為其數(shù)學(xué)基礎(chǔ)，分解結(jié)果具有唯一性，發(fā)展相對(duì)成熟[18—20]。由于能夠得到具有更清晰物理意義的分解結(jié)果，基于模型的目標(biāo)分解方法在近年受到了更多的關(guān)注[21]。在Freeman-Durden分解方法基礎(chǔ)上，基于模型的目標(biāo)分解方法取得了一系列重要進(jìn)展，包括引入方位補(bǔ)償技術(shù)(也稱(chēng)為去取向處理)[22—24]、非負(fù)特征值約束[25]、精細(xì)化體散射模型[26,27]、精細(xì)化奇次和二次散射模型[28]、同時(shí)全參數(shù)反演技術(shù)[28]、“極化+干涉”分解技術(shù)[29,30]等。該領(lǐng)域的其它相關(guān)研究進(jìn)展還可參見(jiàn)文獻(xiàn)[31—36]。此外，文獻(xiàn)[37]和[21,38]分別對(duì)極化目標(biāo)分解理論的早期和最新進(jìn)展進(jìn)行了綜述。

雷達(dá)目標(biāo)的后向散射敏感于目標(biāo)姿態(tài)與雷達(dá)視線的相對(duì)幾何關(guān)系(本文稱(chēng)這一現(xiàn)象為散射多樣性)。對(duì)同一目標(biāo)(例如建筑物)，當(dāng)相對(duì)于雷達(dá)視線的姿態(tài)不同時(shí)，其散射特性可以是顯著不同的。這種現(xiàn)象給成像雷達(dá)目標(biāo)信息處理與應(yīng)用造成諸多不便，是當(dāng)前雷達(dá)目標(biāo)散射機(jī)理精細(xì)解譯和定量應(yīng)用面臨的主要技術(shù)瓶頸之一[21]。此外，傾斜地表和傾斜建筑物等目標(biāo)都可能扭轉(zhuǎn)后向散射回波的極化基，進(jìn)而產(chǎn)生較大的交叉極化能量。方位向補(bǔ)償處理通過(guò)使目標(biāo)交叉極化分量最小，能夠提升基于模型的目標(biāo)分解方法的解譯性能，改善對(duì)傾斜建筑物的解譯模糊。然而，對(duì)目標(biāo)極化方位角的估計(jì)值實(shí)質(zhì)是所有散射分量的混合值。這種處理并不能始終確保二次散射和奇次散射分量被旋轉(zhuǎn)回零方位角狀態(tài)，從而使其交叉極化分量為零。正如文獻(xiàn)[39]指出，結(jié)合方位向補(bǔ)償處理的傳統(tǒng)基于模型的目標(biāo)分解方法仍然難以有效解譯極化方位角超過(guò)的傾斜建筑物，解譯模糊依然嚴(yán)重。因此，只有更充分地考慮散射體在雷達(dá)視線方向上的散射多樣性，通過(guò)構(gòu)建精細(xì)化散射模型，自動(dòng)適配諸如具有不同取向的傾斜地表和傾斜建筑物等目標(biāo)產(chǎn)生的交叉極化分量，才有望更好地克服解譯模糊[28]。

另一方面，雷達(dá)目標(biāo)的散射多樣性中也蘊(yùn)含了目標(biāo)的豐富信息。對(duì)雷達(dá)目標(biāo)的散射多樣性進(jìn)行有效挖掘和利用，能夠給目標(biāo)散射機(jī)理解譯與應(yīng)用帶來(lái)新的研究思路。因此，研究團(tuán)隊(duì)另辟蹊徑，在繞雷達(dá)視線方向，提出了極化旋轉(zhuǎn)域的概念，將特定幾何關(guān)系下獲得的目標(biāo)極化矩陣拓展到繞雷達(dá)視線的旋轉(zhuǎn)域，并建立了極化矩陣在旋轉(zhuǎn)域的解析表達(dá)式，進(jìn)而導(dǎo)出了一系列全新的具有明確物理意義的極化振蕩參數(shù)集和極化角參數(shù)集，為目標(biāo)信息深度挖掘利用奠定基礎(chǔ)[40]。在此基礎(chǔ)上，提出了統(tǒng)一的極化矩陣旋轉(zhuǎn)理論[40]和極化相干特征旋轉(zhuǎn)域可視化解譯理論[41,42]，初步建立了在旋轉(zhuǎn)域解譯目標(biāo)散射機(jī)理的理論框架，為雷達(dá)目標(biāo)散射機(jī)理解譯提供了新方法，并在人造目標(biāo)增強(qiáng)與檢測(cè)[43]、地物辨識(shí)與分類(lèi)[44]、災(zāi)害評(píng)估[8]等領(lǐng)域獲得成功應(yīng)用。同時(shí)，經(jīng)典的極化方位角理論[45]和去取向理論[22]也可統(tǒng)一到該理論框架。本文回顧和介紹目標(biāo)散射旋轉(zhuǎn)域解譯的理論和方法，分析導(dǎo)出的極化參數(shù)集，并開(kāi)展應(yīng)用驗(yàn)證。

2 統(tǒng)一的極化矩陣旋轉(zhuǎn)理論及應(yīng)用

2.1 極化矩陣旋轉(zhuǎn)處理

在水平和垂直極化基(H，V)下，極化SAR獲取的目標(biāo)全極化信息可以由極化散射矩陣表征：

其中，SVH是水平極化發(fā)射，垂直極化接收的后向散射系數(shù)。其它項(xiàng)類(lèi)似定義。

將極化散射矩陣沿雷達(dá)視線進(jìn)行旋轉(zhuǎn)，就可以得到旋轉(zhuǎn)域中的極化散射矩陣為：

滿足互易性條件(SHV≈SVH)時(shí)，極化相干矩陣為：

2.2 旋轉(zhuǎn)域統(tǒng)一表達(dá)式

本文以極化相干矩陣為例介紹統(tǒng)一的極化矩陣旋轉(zhuǎn)理論[40]。極化散射矩陣等其它表征形式的極化矩陣可以同理分析。旋轉(zhuǎn)域中極化相干矩陣各元素分別為：

極化相干矩陣副對(duì)角線元素的能量項(xiàng)與極化相干特征有關(guān)，其表達(dá)式分別為：

其中，A是振蕩幅度，B是振蕩中心，是角頻率，是初始角參數(shù)。

2.3 振蕩參數(shù)分析[40]

在刻畫(huà)極化相干矩陣的旋轉(zhuǎn)效應(yīng)方面，振蕩參數(shù)集蘊(yùn)含了豐富的信息。本質(zhì)上講，這些振蕩參數(shù)直接與目標(biāo)旋轉(zhuǎn)域極化散射特性相聯(lián)系，具備表征地物散射特性的潛能。從表1可以看出，極化相干矩陣的旋轉(zhuǎn)變化量可以分為5組：同組內(nèi)的元素，得到的振蕩參數(shù)集包含等價(jià)的信息或者振蕩參數(shù)是相同的。進(jìn)一步地，還可以導(dǎo)出如下的參數(shù)依賴關(guān)系式：

(a) 振蕩幅度A

將目標(biāo)極化散射矩陣S的元素代入可以發(fā)現(xiàn)十分敏感于地物散射對(duì)稱(chēng)性條件：

表1 旋轉(zhuǎn)域極化相干矩陣的振蕩參數(shù)集[40]Tab. 1 Oscillation parameter set of polarimetric coherence matrix in rotation domain

然而，對(duì)房屋建筑物等人造目標(biāo)，一般不滿足散射對(duì)稱(chēng)性條件。這樣，中的第2項(xiàng)的取值就相對(duì)較大，不能忽略。因此，振蕩參數(shù)在理論上就具備區(qū)分人造目標(biāo)和自然目標(biāo)的較好性能。

(b) 振蕩中心B

這樣，相互獨(dú)立且為變量的振蕩中心參數(shù)為兩個(gè)。

對(duì)極化相干矩陣的所有元素，角頻率參數(shù)均為常數(shù)，并有3種取值：這樣，對(duì)應(yīng)的振蕩周期分別為由于角頻率參數(shù)為常數(shù)，因此獨(dú)立于地物散射特性。

2.4 旋轉(zhuǎn)域典型角參數(shù)及分析[40]

在極化旋轉(zhuǎn)域，有幾組有趣的旋轉(zhuǎn)角參數(shù)。第1組是不動(dòng)角參數(shù)θsta。當(dāng)按θsta角旋轉(zhuǎn)極化相干矩陣時(shí)，對(duì)應(yīng)的矩陣元素將保持不變。第2組是最小化和最大化角參數(shù)θmin和。當(dāng)按θmin(θmax)角旋轉(zhuǎn)極化相干矩陣時(shí)，對(duì)應(yīng)的矩陣元素將實(shí)現(xiàn)最小化(最大化)。第3組是零角參數(shù)θnull。當(dāng)按θnull角旋轉(zhuǎn)極化相干矩陣時(shí)，對(duì)應(yīng)的矩陣元素變?yōu)?。利用旋轉(zhuǎn)域統(tǒng)一表達(dá)式，所有這些角參數(shù)均可以方便地由初始角θ0和角頻率ω導(dǎo)出。結(jié)合正弦函數(shù)的周期性，下面的分析均限定在主值區(qū)間[-/ω，/ω)。

最小化和最大化角能夠使對(duì)應(yīng)的矩陣元素在旋轉(zhuǎn)域?qū)崿F(xiàn)最小化和最大化，即和得到最小化角為：

利用去取向理論使交叉極化分量最小時(shí)，可以導(dǎo)出一個(gè)角參數(shù)，該角參數(shù)理論上就等價(jià)于極化方位角。這樣，從極化矩陣旋轉(zhuǎn)的觀點(diǎn)，極化方位角理論和去取向理論均可統(tǒng)一到該極化矩陣旋轉(zhuǎn)理論框架。

(c) 零角參數(shù)θnull

2.5 典型角參數(shù)性能對(duì)比分析

利用AIRSAR在荷蘭Flevoland獲得的L波段極化SAR數(shù)據(jù)驗(yàn)證導(dǎo)出的角參數(shù)在地物辨識(shí)方面的性能。該研究區(qū)域包含多種地物，例如農(nóng)作物、森林、道路、水域等。農(nóng)作物區(qū)域主要包括莖豆、油菜、豌豆、土豆、紫苜蓿、小麥和甜菜等。極化SAR數(shù)據(jù)由新近提出的SimiTest方法[46]進(jìn)行相干斑濾波處理，如圖1(a)所示。部分農(nóng)作物的真值圖如圖1(b)所示。

圖1 研究區(qū)域荷蘭FlevolandFig. 1 Study area of Flevoland, the Netherlands

圖2 導(dǎo)出的極化角參數(shù)Fig. 2 Derived polarimetric angle parameters

3 極化相干特征旋轉(zhuǎn)域可視化解譯理論與應(yīng)用

3.1 極化相干特征旋轉(zhuǎn)域解譯與刻畫(huà)

極化SAR不同極化通道間的極化相干特征是一種常用的極化特征量，已應(yīng)用于目標(biāo)檢測(cè)與分類(lèi)等領(lǐng)域[48,49]。目前，對(duì)極化相干特征的有效利用仍存在兩方面的局限。首先，極化相干特征十分敏感于目標(biāo)的姿態(tài)。以建筑物為例，極化相干特征的取值嚴(yán)重依賴于建筑物取向與極化SAR飛行方向的相對(duì)關(guān)系。當(dāng)二者平行時(shí)，極化相干特征取值趨近于1；當(dāng)二者有較大夾角時(shí)，極化相干特征取值惡化，遠(yuǎn)低于1。這樣，極化SAR對(duì)具有不同取向的建筑物的解譯就會(huì)產(chǎn)生模糊。其次，對(duì)具有散射對(duì)稱(chēng)性的農(nóng)作物等自然地物區(qū)域，極化相干特征的取值較小，趨近于0，難以獲得實(shí)際應(yīng)用。本節(jié)在統(tǒng)一的極化矩陣旋轉(zhuǎn)理論基礎(chǔ)上，發(fā)展一種極化相干特征旋轉(zhuǎn)域解譯與刻畫(huà)方法。該方法的核心思想是將特定姿態(tài)下的極化相干特征拓展到極化旋轉(zhuǎn)域，通過(guò)可視化處理和參數(shù)化刻畫(huà)，完整地描述目標(biāo)極化相干特征在旋轉(zhuǎn)域中的特性，用于精細(xì)解譯目標(biāo)在繞雷達(dá)視線旋轉(zhuǎn)域中的散射特性，進(jìn)而用于物理參數(shù)反演和目標(biāo)分類(lèi)識(shí)別等。

將極化相干特征拓展到旋轉(zhuǎn)域，可得：

圖3 旋轉(zhuǎn)域極化相干特征的可視化圖示例Fig. 3 Illustration of polarimetric coherence pattern example

旋轉(zhuǎn)域極化相干特征的可視化圖能夠完整表征雷達(dá)目標(biāo)在繞雷達(dá)視線旋轉(zhuǎn)域中的散射特性。基于該可視化解譯工具，定義以下特征參數(shù)進(jìn)行旋轉(zhuǎn)域參數(shù)化刻畫(huà)：

(7) 旋轉(zhuǎn)域最大化旋轉(zhuǎn)角θγ-max，為：

(8) 旋轉(zhuǎn)域最小化旋轉(zhuǎn)角θγ-min，為：

(9) 旋轉(zhuǎn)域極化相干寬度BWα，為：

考慮水平和垂直極化基(H，V)，可以得到6個(gè)典型的極化相干特征：和并可驗(yàn)證以下旋轉(zhuǎn)域等價(jià)關(guān)系式[43]：

3.2 農(nóng)作物極化相干特征增強(qiáng)

不同極化通道間的極化相干特征是一種常用的極化特征參數(shù)。極化相干特征與目標(biāo)的形狀、類(lèi)別和姿態(tài)等密切相關(guān)，獲得廣泛應(yīng)用。然而，由于嚴(yán)重的去相干效應(yīng)，大部分農(nóng)作物等自然植被區(qū)域的極化相干特征取值趨近于0，在實(shí)際中難以獲得有效使用。通過(guò)在旋轉(zhuǎn)域中尋求目標(biāo)與雷達(dá)視線間的最優(yōu)幾何關(guān)系，能夠得到極化相干特征的最大值實(shí)現(xiàn)極化相干特征的最優(yōu)增強(qiáng)。對(duì)圖1所示AIRSAR數(shù)據(jù)進(jìn)行分析，4種典型極化相干特征優(yōu)化前后的對(duì)比結(jié)果如圖4所示。極化相干特征旋轉(zhuǎn)域優(yōu)化前后的統(tǒng)計(jì)分布圖如圖5所示。對(duì)優(yōu)化前后各極化相干特征均值的定量對(duì)比結(jié)果如表2所示?？梢郧宄乜吹?，通過(guò)旋轉(zhuǎn)域優(yōu)化處理能夠顯著增強(qiáng)地物不同極化通道間的極化相干特征。優(yōu)化前，極化相干特征的均值分別0.30, 0.11, 0.35和0.13。優(yōu)化后，上述4個(gè)極化相干特征的均值分別增強(qiáng)至0.33, 0.48, 0.64和0.45，增強(qiáng)百分比分別達(dá)到10.00%, 336.36%, 82.86%和246.15%，增強(qiáng)效果十分明顯。同時(shí)，對(duì)4種極化相干特征的平均增強(qiáng)百分比為168.84%。這樣，通過(guò)旋轉(zhuǎn)域優(yōu)化增強(qiáng)處理，能夠提升自然地物區(qū)域極化相干特征的利用率，并在地物辨識(shí)與分類(lèi)領(lǐng)域獲得實(shí)際應(yīng)用[44]。此外，旋轉(zhuǎn)域優(yōu)化增強(qiáng)的極化相干特征的最大值參數(shù)能夠有效增強(qiáng)包括傾斜建筑物在內(nèi)的人造目標(biāo)，并成功應(yīng)用于人造目標(biāo)提取和震災(zāi)建筑物倒損率估計(jì)等領(lǐng)域，詳見(jiàn)文獻(xiàn)[43,8]。

圖4 極化相干特征旋轉(zhuǎn)域優(yōu)化前后對(duì)比圖Fig. 4 Comparison of polarimetric coherence without and with optimization in rotation domain

圖5 極化相干特征旋轉(zhuǎn)域優(yōu)化前后的統(tǒng)計(jì)分布圖Fig. 5 Histograms of polarimetric coherence for full scene AIRSAR data

表2 AIRSAR數(shù)據(jù)極化相干特征旋轉(zhuǎn)域優(yōu)化前后對(duì)比結(jié)果Tab. 2 Comparison of polarimetric coherence without and with optimization in rotation domain for AIRSAR data

3.3 農(nóng)作物極化相干特征旋轉(zhuǎn)域可視化解譯與辨識(shí)

對(duì)圖1中AIRSAR極化SAR數(shù)據(jù)中的7類(lèi)已知農(nóng)作物，隨機(jī)選擇每類(lèi)農(nóng)作物的一個(gè)樣本進(jìn)行極化相干特征旋轉(zhuǎn)域解譯研究，得到的可視化圖如圖6所示?？梢钥吹剑M管旋轉(zhuǎn)域極化相干特征的可視化圖在整體上分別呈現(xiàn)為四葉型和八葉型，但在旋轉(zhuǎn)域可視化圖的細(xì)節(jié)方面，仍能體現(xiàn)出不同地物的差異性。以為例，其中紫苜蓿和小麥的可視化圖十分相似，如圖6(e1)和圖6(f1)所示。盡管如此，二者極化相干值的最大值和最小值對(duì)應(yīng)的旋轉(zhuǎn)角仍然是顯著不同的，可由導(dǎo)出的旋轉(zhuǎn)域最大化旋轉(zhuǎn)角θγ-max和最小化旋轉(zhuǎn)角θγ-min進(jìn)行刻畫(huà)。旋轉(zhuǎn)域極化相干特征和的可視化圖沒(méi)有固定形狀，對(duì)不同地物呈現(xiàn)出豐富的整體和細(xì)節(jié)差異，為地物分類(lèi)辨識(shí)奠定基礎(chǔ)。此外，對(duì)同一農(nóng)作物，不同極化相干特征在旋轉(zhuǎn)域的特性是不同的。同時(shí)，對(duì)同一極化相干特征，不同農(nóng)作物在旋轉(zhuǎn)域中的特性也可能是不同的。對(duì)真值圖圖1(b)中不同農(nóng)作物的其它樣本像素進(jìn)行分析，可以得到與圖6類(lèi)似的結(jié)果。

針對(duì)真值圖中的7類(lèi)農(nóng)作物，對(duì)導(dǎo)出的旋轉(zhuǎn)域極化相干特征刻畫(huà)參數(shù)進(jìn)行了定量對(duì)比分析。各刻畫(huà)參數(shù)對(duì)每類(lèi)農(nóng)作物的取值的均值和方差圖如圖7—圖13所示。地物1—7分別為莖豆、油菜、豌豆、土豆、紫苜蓿、小麥和甜菜。從圖中可以看到，對(duì)同一類(lèi)農(nóng)作物，各刻畫(huà)參數(shù)的取值均在均值附近，起伏較小。具體而言，圖7為原始極化相干特征值、旋轉(zhuǎn)域極化相干特征最大值和最小值的對(duì)比圖?？梢钥吹剑偷男D(zhuǎn)域極化相干特征最大值顯著增強(qiáng)了原始極化相干特征值。圖8為旋轉(zhuǎn)域極化相干度對(duì)比圖，表征了在旋轉(zhuǎn)域中各地物極化相干值均值的差異。其中，地物1(莖豆)在4種極化相干特征中均呈現(xiàn)較高的極化相干度，而地物7(甜菜)的極化相干度則較小。圖9為旋轉(zhuǎn)域極化相干起伏度對(duì)比圖。對(duì)地物1(莖豆)的極化相干起伏度最大。對(duì)和地物4(土豆)的極化相干起伏度最大。此外，對(duì)4種極化相干特征，地物7(甜菜)的極化相干起伏度均為最小。圖10為旋轉(zhuǎn)域極化相干對(duì)比度對(duì)比圖，與圖9的特征趨勢(shì)相似。另外，圖11為旋轉(zhuǎn)域極化相干寬度對(duì)比圖，圖12和圖13分別為旋轉(zhuǎn)域極化相干特征最大化角和最小化角對(duì)比圖。除的取值基本為常數(shù)外，其它刻畫(huà)參數(shù)對(duì)不同農(nóng)作物的取值均有所差異，具備地物分辨能力。

圖6 AIRSAR數(shù)據(jù)中7種已知地物的旋轉(zhuǎn)域極化相干特征的可視化圖。(a1)—(a4) 莖豆，(b1)—(b4) 油菜，(c1)—(c4)豌豆，(d1)—(d4)土豆，(e1)—(e4)紫苜蓿，(f1)—(f4)小麥，(g1)—(g4)甜菜。其中，1—4分別代表Fig. 6 Polarimetric coherence patterns of the seven crop types from AIRSAR data. (a1)—(a4)stembeans, (b1)—(b4)rapeseed, (c1)—(c4)peas,(d1)—(d4)potatoes, (e1)—(e4)lucerne, (f1)—(f4)wheat and (g1)—(g4)beet. The numbers 1—4 indicate

圖7 旋轉(zhuǎn)域極化相干特征典型值對(duì)比圖Fig. 7 Errorbar plots of typical polarimetric coherence parameters

圖8 旋轉(zhuǎn)域極化相干度對(duì)比圖Fig. 8 Errorbar plots for polarimetric coherence degree in rotation domain

圖9 旋轉(zhuǎn)域極化相干起伏度對(duì)比圖Fig. 9 Errorbar plots of polarimetric coherence fluctuation in rotation domain

圖10 旋轉(zhuǎn)域極化相干對(duì)比度對(duì)比圖Fig. 10 Errorbar plots of polarimetric coherence contrast in rotation domain

以基本的歐氏距離作為類(lèi)間距衡量標(biāo)準(zhǔn)，可以優(yōu)選出3組2維刻畫(huà)參數(shù)實(shí)現(xiàn)對(duì)7類(lèi)農(nóng)作物的有效區(qū)分和辨識(shí)，如圖14所示。

圖11 旋轉(zhuǎn)域極化相干寬度對(duì)比圖Fig. 11 Errorbar plots of polarimetric coherence beamwidth BW0.95 in rotation domain

圖12 旋轉(zhuǎn)域極化相干特征最大化角對(duì)比圖Fig. 12 Errorbar plots of maximum rotation angles θγ-max (in deg) which produce maximized coherence in rotation domain

圖13 旋轉(zhuǎn)域極化相干特征最小化角對(duì)比圖Fig. 13 Errorbar plots of minimum rotation angles θγ-min (in deg) which produce minimized coherence in rotation domain

圖14 基于極化特征組合的農(nóng)作物辨識(shí)結(jié)果Fig. 14 Crops discrimination results based on combinations of derived polarimetric parameters

為定量分析旋轉(zhuǎn)域特征帶來(lái)的增量得益，利用支持向量機(jī)(SVM)分類(lèi)器開(kāi)展了地物分類(lèi)的對(duì)比分析。其中，第1種方法利用常用的旋轉(zhuǎn)不變特征極化熵H、平均角和極化反熵Ani[18]作為SVM的輸入；第2種方法在H,和Ani基礎(chǔ)上，進(jìn)一步引入了圖14中優(yōu)選的旋轉(zhuǎn)域特征作為SVM的輸入。對(duì)7類(lèi)有真值的地物，隨機(jī)選取20%的數(shù)據(jù)作為訓(xùn)練樣本，剩余的80%數(shù)據(jù)作為測(cè)試樣本，共進(jìn)行20次蒙特卡洛實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，僅利用旋轉(zhuǎn)不變特征的第1種方法得到的平均分類(lèi)精度為94.22%，結(jié)合了旋轉(zhuǎn)域極化特征的第2種方法得到的平均分類(lèi)精度達(dá)到了99.32%。因此，極化相干特征旋轉(zhuǎn)域分析方法帶來(lái)了5.1%的分類(lèi)精度提升，證實(shí)了方法的有效性。

這樣，通過(guò)極化相干特征旋轉(zhuǎn)域可視化解譯與特征提取，就能夠有效挖掘目標(biāo)旋轉(zhuǎn)域隱含特征，為極化SAR的應(yīng)用研究提供更為豐富和全面的特征集。同時(shí)，旋轉(zhuǎn)域解譯方法也為極化成像雷達(dá)目標(biāo)解譯提供了新的有效途徑。

4 結(jié)論

極化SAR作為對(duì)地觀測(cè)領(lǐng)域的主流成像傳感器，發(fā)揮著越來(lái)越重要的作用。目標(biāo)散射機(jī)理的準(zhǔn)確理解與解譯是極化SAR數(shù)據(jù)獲得成功應(yīng)用的關(guān)鍵。針對(duì)雷達(dá)目標(biāo)的散射多樣性，本文回顧并介紹了在旋轉(zhuǎn)域解譯和挖掘目標(biāo)散射信息的理論方法。其中，統(tǒng)一的極化矩陣旋轉(zhuǎn)理論將極化矩陣拓展到旋轉(zhuǎn)域，并針對(duì)各矩陣元素導(dǎo)出了一系列新的極化振蕩參數(shù)集。在此基礎(chǔ)上，將描述不同極化通道間特性的極化相干特征也拓展到旋轉(zhuǎn)域，提出了可視化解譯工具并導(dǎo)出了一系列新的刻畫(huà)參數(shù)。上述理論方法和導(dǎo)出的參數(shù)在地物辨識(shí)與分類(lèi)等領(lǐng)域獲得了實(shí)際應(yīng)用。本文重點(diǎn)就極化相干特征旋轉(zhuǎn)解譯方法對(duì)農(nóng)作物極化相干特征增強(qiáng)、可視化解譯和類(lèi)別辨識(shí)等開(kāi)展了對(duì)比分析和應(yīng)用驗(yàn)證。目標(biāo)旋轉(zhuǎn)域解譯理論作為一種新的極化SAR圖像解譯方法，為目標(biāo)散射信息深度挖掘、刻畫(huà)和利用提供了有力支撐，其應(yīng)用潛力值得更深入的開(kāi)發(fā)。

[1]Lee J S and Pottier E. Polarimetric Radar Imaging: From Basics to Applications[M]. Boca Raton: CRC Press, 2009.

[2]Cloude S R. Polarisation Application in Remote Sensing[M].Oxford: Oxford University Press, 2009.

[3]金亞秋, 徐豐. 極化散射與SAR遙感信息理論與方法[M]. 北京: 科學(xué)出版社, 2008.Jin Ya-qiu and Xu Feng. Theory and Approach for Polarimetric Scattering and Information Retrieval of SAR Remote Sensing[M]. Beijing: Science Press, 2008.

[4]張紅, 王超, 劉萌, 等. 極化SAR理論、方法與應(yīng)用[M]. 北京:科學(xué)出版社, 2015.Zhang Hong, Wang Chao, Liu Meng,et al.. Theory,Approach and Application of Polarimetric SAR[M]. Beijing:Science Press, 2015.

[5]Dell’Acqua F and Gamba P. Remote sensing and earthquake damage assessment: Experiences, limits, and perspectives[J].Proceedings of the IEEE, 2012, 100(10):2876—2890. DOI: 10.1109/JPROC.2012.2196404.

[6]Sato M, Chen S W, and Satake M. Polarimetric SAR analysis of Tsunami damage following the March 11, 2011 East Japan Earthquake[J].Proceedings of the IEEE, 2012,100(10): 2861—2875. DOI: 10.1109/JPROC.2012.2200649.

[7]Chen S W and Sato M. Tsunami damage investigation of built-up areas using multitemporal spaceborne full polarimetric SAR images[J].IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(4): 1985—1997.DOI: 10.1109/TGRS.2012.2210050.

[8]Chen S W, Wang X S, and Sato M. Urban damage level mapping based on scattering mechanism investigation using fully polarimetric SAR data for the 3.11 East Japan earthquake[J].IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(12): 6919—6929. DOI: 10.1109/TGRS.2016.2588325.

[9]吳一戎. 多維度合成孔徑雷達(dá)成像概念[J]. 雷達(dá)學(xué)報(bào), 2013,2(2): 135—142.Wu Yi-rong. Concept of multidimensional space jointobservation SAR[J].Journal of Radars, 2013, 2(2): 135—142.

[10]洪文. 圓跡SAR成像技術(shù)研究進(jìn)展[J]. 雷達(dá)學(xué)報(bào), 2012, 1(2):124—135.Hong Wen. Progress in circular SAR imaging technique[J].Journal of Radars, 2012, 1(2): 124—135.

[11]張杰, 張晰, 范陳清, 等. 極化SAR在海洋探測(cè)中的應(yīng)用與探討[J]. 雷達(dá)學(xué)報(bào), 2016, 5(6): 596—606.Zhang Jie, Zhang Xi, Fan Chen-qing,et al.. Discussion on application of polarimetric synthetic aperture radar in marine surveillance[J].Journal of Radars, 2016, 5(6):596—606.

[12]許成斌, 周偉, 叢瑜, 等. 基于峰值區(qū)域的高分辨率極化SAR艦船目標(biāo)特征分析與鑒別[J]. 雷達(dá)學(xué)報(bào), 2015, 4(3): 367—373.Xu Cheng-bin, Zhou Wei, Cong Yu,et al.. Ship analysis and detection in high-resolution Pol-SAR imagery based on peak zone[J].Journal of Radars, 2015, 4(3): 367—373.

[13]王雪松. 雷達(dá)極化技術(shù)研究現(xiàn)狀與展望[J]. 雷達(dá)學(xué)報(bào), 2016,5(2): 119—131.Wang Xue-song. Status and prospects of radar polarimetry techniques[J].Journal of Radars, 2016, 5(2): 119—131.

[14]楊汝良, 戴博偉, 李海英. 極化合成孔徑雷達(dá)極化層次和系統(tǒng)工作方式[J]. 雷達(dá)學(xué)報(bào), 2016, 5(2): 132—142.Yang Ru-liang, Dai Bo-wei, and Li Hai-ying. Polarization hierarchy and system operating architecture for polarimetric synthetic aperture radar[J].Journal of Radars, 2016, 5(2):132—142.

[15]代大海, 廖斌, 肖順平, 等. 雷達(dá)極化信息獲取與處理的研究進(jìn)展[J]. 雷達(dá)學(xué)報(bào), 2016, 5(2): 143—155.Dai Da-hai, Liao Bin, Xiao Shun-ping,et al.. Advancements on radar polarization information acquisition and processing[J].Journal of Radars, 2016, 5(2): 143—155.

[16]趙春雷, 王亞梁, 陽(yáng)云龍, 等. 雷達(dá)極化信息獲取及極化信號(hào)處理技術(shù)研究綜述[J]. 雷達(dá)學(xué)報(bào), 2016, 5(6): 620—638.Zhao Chun-lei, Wang Ya-liang, Yang Yun-long,et al..Review of radar polarization information acquisition and polarimetric signal processing techniques[J].Journal of Radars, 2016, 5(6): 620—638.

[17]Huynen J R. Phenomenological Theory of Radar Targets[D]. [Ph.D. dissertation], Delft University of Technology, 1970.

[18]Cloude S R and Pottier E. An entropy based classification scheme for land applications of polarimetric SAR[J].IEEE Transactions on Geoscience and Remote Sensing, 1997,35(1): 68—78. DOI: 10.1109/36.551935.

[19]Touzi R. Target scattering decomposition in terms of rollinvariant target parameters[J].IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(1): 73—84. DOI:10.1109/TGRS.2006.886176.

[20]Paladini R, Martorella M, and Berizzi F. Classification of man-made targets via invariant coherency-matrix eigenvector decomposition of polarimetric SAR/ISAR images[J].IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(8): 3022—3034. DOI: 10.1109/TGRS.2011.2116121.

[21]Chen S W, Li Y Z, Wang X S,et al.. Modeling and interpretation of scattering mechanisms in polarimetric synthetic aperture radar: Advances and perspectives[J].IEEE Signal Processing Magazine, 2014, 31(7): 79—89.

[22]Xu F and Jin Y Q. Deorientation theory of polarimetric scattering targets and application to terrain surface classification[J].IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(10): 2351—2364. DOI:10.1109/TGRS.2005.855064.

[23]An W T, Cui Y, and Yang J. Three-component modelbased decomposition for polarimetric SAR data[J].IEEE Transactions on Geoscience and Remote Sensing, 2010,48(6): 2732—2739. DOI: 10.1109/TGRS.2010.2041242.

[24]Yamaguchi Y, Sato A, Boerner W M,et al.. Fourcomponent scattering power decomposition with rotation of coherency matrix[J].IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(6): 2251—2258. DOI: 10.1109/TGRS.2010.2099124.

[25]Van Zyl J J, Arii M, and Kim Y. Model-based decomposition of polarimetric SAR covariance matrices constrained for nonnegative eigenvalues[J].IEEE Transactions on Geoscience and Remote Sensing, 2011,49(9): 3452—3459. DOI: 10.1109/TGRS.2011.2128325.

[26]Arii M, Van Zyl J J, and Kim Y. Adaptive model-based decomposition of polarimetric SAR covariance matrices[J].IEEE Transactions on Geoscience and Remote Sensing,2011, 49(3): 1104—1113. DOI: 10.1109/TGRS.2010.2076285.

[27]Neumann M, Ferro-Famil L, and Reigber A. Estimation of forest structure, ground, and canopy layer characteristics from multibaseline polarimetric interferometric SAR data[J].IEEE Transactions on Geoscience and Remote Sensing,2010, 48(3): 1086—1104. DOI: 10.1109/TGRS.2009.2031101.

[28]Chen S W, Wang X S, Xiao S P,et al.. General polarimetric model-based decomposition for coherency matrix[J].IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(3): 1843—1855. DOI: 10.1109/TGRS.2013.2255615.

[29]Ballester-Berman J D and Lopez-Sanchez J M. Applying the Freeman-Durden decomposition concept to polarimetric SAR interferometry[J].IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(1): 466—479. DOI:10.1109/TGRS.2009.2024304.

[30]Chen S W, Wang X S, Li Y Z,et al.. Adaptive model-based polarimetric decomposition using PolInSAR coherence[J].IEEE Transactions on Geoscience and Remote Sensing,2014, 52(3): 1705—1718. DOI: 10.1109/TGRS.2013.2253780.

[31]Wang C L, Yu W D, Wang R,et al.. Comparison of nonnegative eigenvalue decompositions with and without reflection symmetry assumptions[J].IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(4): 2278—2287.DOI: 10.1109/TGRS.2013.2259177.

[32]Li H Z, Wang C, Zhang H,et al.. A unified threecomponent scattering model for polarimetric coherent target decomposition[J].International Journal of Remote Sensing,2012, 33(9): 2868—2891. DOI: 10.1080/01431161.2011.622728.

[33]Zhu F Y, Zhang Y H, and Li D. An extension of a complete model-based decomposition of polarimetric SAR data[J].IEEE Geoscience and Remote Sensing Letters, 2016, 13(2):287—291. DOI: 10.1109/LGRS.2015.2511076.

[34]Deng L and Yan Y N. Improving the Yamaguchi4 decomposition method using selective polarization orientation compensation[J].Canadian Journal of Remote Sensing, 2016, 42(2): 125—135. DOI: 10.1080/07038992.2016.1160774.

[35]Zou B, Zhang Y, Cao N,et al.. A four-component decomposition model for PolSAR data using asymmetric scattering component[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(3):1051—1061. DOI: 10.1109/JSTARS.2014.2380151.

[36]Wang Y H, Liu H W, and Jiu B. PolSAR coherency matrix decomposition based on constrained sparse representation[J].IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(9): 5906—5922. DOI: 10.1109/TGRS.2013.2293663.

[37]Cloude S R and Pottier E. A review of target decomposition theorems in radar polarimetry[J].IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(3): 498—518.

[38]張臘梅, 段寶龍, 鄒斌. 極化SAR圖像目標(biāo)分解方法的研究進(jìn)展[J]. 電子與信息學(xué)報(bào), 2016, 38(12): 3289—3297.Zhang Lamei, Duan Baolong, and Zou Bin. Research development on target decomposition method of polarimetric SAR image[J].Journal of Electronicsamp;Information Technology, 2016, 38(12): 3289—3297.

[39]Chen S W, Ohki M, Shimada M,et al.. Deorientation effect investigation for model-based decomposition over oriented built-up areas[J].IEEE Geoscience and Remote Sensing Letters, 2013, 10(3): 273—277.

[40]Chen S W, Wang X S, and Sato M. Uniform polarimetric matrix rotation theory and its applications[J].IEEE Transactions on Geoscience and Remote Sensing, 2014,52(8): 4756—4770. DOI: 10.1109/TGRS.2013.2284359.

[41]Chen S W, Li Y Z, and Wang X S. A visualization tool for polarimetric SAR data investigation[C]. The 11th European Conference on Synthetic Aperture Radar, Hamburg,Germany, 2016: 579—582.

[42]Chen S W and Wang X S. Polarimetric coherence pattern:A visualization tool for PolSAR data investigation[C]. The IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Beijing, China, 2016: 7509—7512.

[43]Xiao S P, Chen S W, Chang Y L,et al.. Polarimetric coherence optimization and its application for manmade target extraction in PolSAR data[J].IEICE Transactions on Electronics, 2014, 97(6): 566—574.

[44]Chen S W, Li Y Z, and Wang X S. Crop discrimination based on polarimetric correlation coefficients optimization for PolSAR data[J].International Journal of Remote Sensing, 2015, 36(16): 4233—4249. DOI: 10.1080/01431161.2015.1079345.

[45]Lee J S, Schuler D L, Ainsworth T L,et al.. On the estimation of radar polarization orientation shifts induced by terrain slopes[J].IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(1): 30—41. DOI: 10.1109/36.981347.

[46]Chen S W, Wang X S, and Sato M. PolInSAR complex coherence estimation based on covariance matrix similarity test[J].IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(11): 4699—4710. DOI: 10.1109/TGRS.2012.2192937.

[47]陶臣嵩, 陳思偉, 李永禎, 等. 結(jié)合旋轉(zhuǎn)域極化特征的極化SAR地物分類(lèi)[J]. 雷達(dá)學(xué)報(bào), 2017, 6(5): 524—532.Tao Chensong, Chen Siwei, Li Yongzhen,et al..Polarimetric SAR terrain classification using polarimetric feature derived from rotation domain[J].Journal of Radars,2017, 6(5): 524—532. DOI: 10.12000/JR16131.

[48]Ainsworth T L, Schuler D L, and Lee J S. Polarimetric SAR characterization of man-made structures in urban areas using normalized circular-pol correlation coefficients[J].Remote Sensing of Environment, 2008,112(6): 2876—2885. DOI: 10.1016/j.rse.2008.02.005.

[49]Yamaguchi Y, Yamamoto Y, Yamada H,et al..Classification of terrain by implementing the correlation coefficient in the circular polarization basis using X-band POLSAR data[J].IEICE Transactions on Communications,2008, E91B(1): 297—301.

陳思偉(1984—)，男，四川人，博士，國(guó)防科技大學(xué)電子科學(xué)與工程學(xué)院講師，主要研究方向包括雷達(dá)極化信息處理、成像雷達(dá)信息處理、目標(biāo)散射建模與解譯、微波遙感大數(shù)據(jù)、環(huán)境遙感與災(zāi)害遙感等。

E-mail: chenswnudt@163.com

李永禎(1977—)，男，內(nèi)蒙古人，博士，國(guó)防科技大學(xué)電子科學(xué)與工程學(xué)院研究員，電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室副主任，主要研究方向?yàn)樾麦w制雷達(dá)與電子對(duì)抗。

E-mail: e0061@sina.com

王雪松(1972—)，男，內(nèi)蒙古人，博士，國(guó)防科技大學(xué)理學(xué)院院長(zhǎng)，教授，博士生導(dǎo)師，主要研究方向?yàn)槔走_(dá)極化信息處理、雷達(dá)目標(biāo)識(shí)別、新體制雷達(dá)技術(shù)。

肖順平(1964—)，男，江西人，博士，國(guó)防科技大學(xué)電子科學(xué)與工程學(xué)院教授，博士生導(dǎo)師，電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室主任，主要研究方向包括雷達(dá)極化信息處理、電子信息系統(tǒng)仿真評(píng)估技術(shù)、雷達(dá)目標(biāo)識(shí)別等。

s: The National Natural Science Foundation of China (41301490, 61490690, 61490692)

Polarimetric SAR Target Scattering Interpretation in Rotation Domain:Theory and Application

Chen Siwei Li Yongzhen Wang Xuesong Xiao Shunping
(The State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System,School of Electronics Science and Engineering,National University of Defense Technology,Changsha410073,China)

Backscattering of radar targets is sensitive to the relative geometry between target orientations and the radar line of sight. This scattering diversity makes imaging radar represented by polarimetric Synthetic Aperture Radar (SAR) information processing and applications very difficult. This situation has become one of the main bottlenecks in the interpretation of the target scattering mechanism and quantitative applications. In this work, we review and introduce a new interpretation of the target scattering mechanism in the rotation domain along the radar line of sight. This concept includes the recently established uniform polarimetric matrix rotation theory and polarimetric coherence pattern visualization and interpretation in the rotation domain. The core idea of target scattering interpretation in the rotation domain is to extend the amount of target information acquired at a given geometry to the rotation domain, which then provides fundamentals for the deep mining and utilization of target scattering information. This work mainly focuses on the investigation of derived new polarimetric feature sets and application demonstrations. Comparison study results validate the promising potential for the application of the established interpretation framework in the rotation domain with respect to target discrimination and classification.

Polarimetric Synthetic Aperture Radar (PolSAR); Scattering mechanism; Rotation domain;Polarimetric target decomposition; Image interpretation

TN957.52

A

2095-283X(2017)05-0442-14

10.12000/JR17033

陳思偉, 李永禎, 王雪松, 等. 極化SAR目標(biāo)散射旋轉(zhuǎn)域解譯理論與應(yīng)用[J]. 雷達(dá)學(xué)報(bào), 2017, 6(5):442—455.

10.12000/JR17033.

Reference format:Chen Siwei, Li Yongzhen, Wang Xuesong,et al.. Polarimetric SAR target scattering interpretation in rotation domain: theory and application[J].Journal of Radars, 2017, 6(5): 442—455. DOI:10.12000/JR17033.

2017-03-28；改回日期：2017-06-28；網(wǎng)絡(luò)出版：2017-07-31

*通信作者： 陳思偉 chenswnudt@163.com

國(guó)家自然科學(xué)基金(41301490, 61490690, 61490692)