許 璐 張 紅* 王 超② 吳 樊 張 波 湯益先

①(中國(guó)科學(xué)院空天信息創(chuàng)新研究院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室 北京 100094)

②(中國(guó)科學(xué)院大學(xué) 北京 100049)

1 引言

合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是一種工作于微波波段的主動(dòng)式遙感手段，利用電磁波的相干獲取對(duì)地觀測(cè)影像，具有全天時(shí)、全天候成像的優(yōu)點(diǎn)，在多云多雨區(qū)域比傳統(tǒng)的光學(xué)遙感更有優(yōu)勢(shì)，對(duì)全球地表觀測(cè)有重要意義[1]。相較于單極化SAR，全極化SAR包含更加全面的地表散射信息，能有效提高SAR系統(tǒng)進(jìn)行精確地表分類的能力，在農(nóng)業(yè)[2,3]、環(huán)境[4]、海洋[5,6]等應(yīng)用領(lǐng)域極具潛力。但是，全極化需交替發(fā)射水平(H)和垂直(V)兩個(gè)線性極化電磁波信號(hào)，這對(duì)SAR系統(tǒng)天線技術(shù)、數(shù)據(jù)下傳速率、系統(tǒng)功耗等性能提出了更高的要求，其脈沖重復(fù)頻率需為傳統(tǒng)雙極化SAR系統(tǒng)的兩倍，而數(shù)據(jù)覆蓋面積理論上也僅為雙極化系統(tǒng)的1/2[7]，使得系統(tǒng)設(shè)計(jì)復(fù)雜度、系統(tǒng)維護(hù)和數(shù)據(jù)獲取成本增加，限制了全極化SAR的應(yīng)用。為了彌補(bǔ)這一缺陷，Souyris等人[8]于2005年首次提出簡(jiǎn)縮極化SAR的概念。

簡(jiǎn)縮極化SAR本質(zhì)上是一種雙極化系統(tǒng)，相較于全極化SAR，系統(tǒng)的設(shè)計(jì)和維護(hù)復(fù)雜度較低、成像范圍更大。目前已提出3種簡(jiǎn)縮極化SAR工作模式，分別是發(fā)射45°線極化波、接收H和V線極化波的π/4模式[8]；發(fā)射左旋或右旋圓極化波、接收左旋和右旋圓極化波的雙圓極化(Dual Circular Polarization,DCP)模式[9]；發(fā)射左旋或右旋圓極化波、接收H和V線極化波的混合極化(Hybrid Polarimetric,HP)模式，又被稱為圓極化發(fā)射線極化接收模式(Circular Transmit and Linear Receive,CTLR)[10]。相較于傳統(tǒng)線性雙極化SAR，簡(jiǎn)縮極化SAR能夠存儲(chǔ)回波信號(hào)的相位，信號(hào)組合方式更加靈活，從而能獲取更豐富的散射信息，在許多應(yīng)用中取得了與全極化SAR數(shù)據(jù)相近的結(jié)果。

簡(jiǎn)縮極化SAR觀測(cè)系統(tǒng)經(jīng)歷了對(duì)月到對(duì)地的發(fā)展。2008年，印度空間研究組織(IRSO)和美國(guó)宇航局(NASA)分別將搭載Mini-SAR的Chandraayan-1衛(wèi)星和搭載Mini-RF的月球勘測(cè)衛(wèi)星(Lunar Reconnaissance Orbiter,LRO)發(fā)射至近極地低空月球軌道，用HP模式簡(jiǎn)縮極化SAR系統(tǒng)觀測(cè)月球表面極化散射特性[11,12]。2012年4月，IRSO發(fā)射RISAT-1衛(wèi)星[13]，可提供HP模式簡(jiǎn)縮極化SAR數(shù)據(jù)，目標(biāo)是服務(wù)于農(nóng)業(yè)、林業(yè)、土壤、地質(zhì)及海岸線監(jiān)測(cè)等應(yīng)用領(lǐng)域的全天時(shí)和全天候觀測(cè)。作為第1顆具備簡(jiǎn)縮極化對(duì)地觀測(cè)模式的星載成像雷達(dá)衛(wèi)星，RISAT-1已向研究人員和應(yīng)用部門提供了非常有價(jià)值的實(shí)際數(shù)據(jù)，為簡(jiǎn)縮極化SAR的應(yīng)用與推廣奠定了基礎(chǔ)。雖然IRSO已在2017～2018年度的年度報(bào)告中宣布RISAT-1停止運(yùn)行，未來仍有多個(gè)國(guó)家計(jì)劃發(fā)展簡(jiǎn)縮極化SAR系統(tǒng)，如2014年，日本發(fā)射ALOS-2衛(wèi)星，搭載PALSAR-2雷達(dá)成像傳感器，將HP模式的簡(jiǎn)縮極化成像作為實(shí)驗(yàn)?zāi)Ｊ絒14]；加拿大已于2019年6月12日發(fā)射3顆雷達(dá)衛(wèi)星星座任務(wù)(RADARSAT Constellation Mission,RCM)衛(wèi)星[15]；美國(guó)DESDynI計(jì)劃的L波段干涉SAR[16]、印度的第2次探月任務(wù)Chandrayaan-2[17]和RISAT-1A衛(wèi)星等都將具備HP模式的簡(jiǎn)縮極化觀測(cè)能力?？梢灶A(yù)見，這些任務(wù)將為簡(jiǎn)縮極化SAR的實(shí)際應(yīng)用提供有利條件。

目前，研究人員們已利用模擬數(shù)據(jù)和RISAT-1獲取的真實(shí)簡(jiǎn)縮極化SAR數(shù)據(jù)開展了簡(jiǎn)縮極化SAR數(shù)據(jù)處理方法與應(yīng)用研究。本文首先對(duì)簡(jiǎn)縮極化SAR數(shù)據(jù)處理方法進(jìn)行總結(jié)，分別介紹簡(jiǎn)縮極化SAR的全極化信息重建和極化分解方法，隨后對(duì)簡(jiǎn)縮極化SAR在農(nóng)業(yè)和海洋領(lǐng)域的應(yīng)用研究進(jìn)行綜述，最后提出對(duì)簡(jiǎn)縮極化SAR未來發(fā)展趨勢(shì)的設(shè)想與展望。

2 簡(jiǎn)縮極化SAR數(shù)據(jù)處理方法

2.1 全極化信息重建

簡(jiǎn)縮極化SAR數(shù)據(jù)處理方法可以分為兩類[18]，第1類是用簡(jiǎn)縮極化SAR數(shù)據(jù)重建全極化數(shù)據(jù)的相干矩陣或協(xié)方差矩陣；第2類是直接提取簡(jiǎn)縮極化SAR數(shù)據(jù)的信息來描述目標(biāo)的極化散射特性。3種模式的簡(jiǎn)縮極化SAR散射矢量均可以表示為全極化SAR散射矩陣元素的線性組合，因此可以很方便地利用全極化SAR進(jìn)行簡(jiǎn)縮極化SAR的數(shù)據(jù)仿真。反之，如果能夠利用簡(jiǎn)縮極化SAR數(shù)據(jù)重建全極化模式下協(xié)方差矩陣，即可直接應(yīng)用傳統(tǒng)的全極化數(shù)據(jù)處理和應(yīng)用算法。因此，全極化信息重建是簡(jiǎn)縮極化SAR的重要研究方向。由于目前僅有印度RISAT-1衛(wèi)星提供了簡(jiǎn)縮極化SAR實(shí)測(cè)數(shù)據(jù)，ALOS-2衛(wèi)星并未公開提供其實(shí)驗(yàn)?zāi)Ｊ綌?shù)據(jù)，絕大部分簡(jiǎn)縮極化SAR的研究都建立在仿真數(shù)據(jù)的基礎(chǔ)上。仿真數(shù)據(jù)與全極化SAR本質(zhì)上是同一套數(shù)據(jù)，因此通過仿真數(shù)據(jù)重建的全極化偽協(xié)方差矩陣可以直接與原始全極化數(shù)據(jù)進(jìn)行比較。本節(jié)將對(duì)基于簡(jiǎn)縮極化SAR的全極化信息重建方法進(jìn)行總結(jié)。

2005年，Souyris等人[8]首次提出了π/4模式的結(jié)構(gòu)，并設(shè)計(jì)了全極化偽協(xié)方差矩陣重建算法：(1)假設(shè)反射對(duì)稱性成立，同極化和交叉極化散射不相關(guān)，即=0，將待重建的未知數(shù)個(gè)數(shù)從6個(gè)降低到了4個(gè)；(2)假設(shè)旋轉(zhuǎn)對(duì)稱性條件成立，提出共極化通道與交叉極化通道之間的功率關(guān)系

其中，SHH,SVV,SHV分別表示HH,VV,HV通道的散射矩陣元素；ρHH-VV為共極化通道相干系數(shù)，完全極化波的ρHH-VV為1，完全去極化波的ρHH-VV為0，自然目標(biāo)的ρHH-VV介于兩者之間；參數(shù)N為經(jīng)驗(yàn)值，Souyris將其設(shè)置為4?；谑?1)可迭代地估計(jì)SHV項(xiàng)，并根據(jù)全極化與π/4模式協(xié)方差矩陣元素之間的關(guān)系，重建全極化協(xié)方差矩陣。Nord等人[19]提出，式(1)適用于完全隨機(jī)的偶極子散射，但是并不適用于完全隨機(jī)的體散射，從這一點(diǎn)出發(fā)，對(duì)Souyris重建算法進(jìn)行了改進(jìn)，并推導(dǎo)了DCP和HP模式下簡(jiǎn)縮極化SAR數(shù)據(jù)的重建模型。改進(jìn)的重建方法將Souyris模型作為初值，根據(jù)式(2)進(jìn)行N和的迭代更新

將更新的N值重新代入模型中，獲取修正的重建結(jié)果并繼續(xù)更新參數(shù)N，直到兩次迭代N的變化較小時(shí)，認(rèn)為模型獲得穩(wěn)定解。2011年，Yin等人[20]針對(duì)反射對(duì)稱性條件不成立的情況提出一個(gè)基于四分量分解的重建方法，用單位矩陣描述體散射分量，通過體散射功率Pv和螺旋體散射功率Pc，將共極化與交叉極化通道之間的關(guān)系修改為

其中，Pv和Ph分別表示體散射功率和螺旋體散射功率。將這一方法應(yīng)用于兩組AIRSAR C波段圖像的船舶檢測(cè)中，實(shí)驗(yàn)結(jié)果表明改進(jìn)后的重建算法比Souyris算法檢測(cè)效果更優(yōu)。

以上全極化信息重構(gòu)算法沒有以特定地物為目標(biāo)，可以適用于許多簡(jiǎn)縮極化SAR的應(yīng)用領(lǐng)域，但某些地物的散射機(jī)制與假設(shè)條件并不相符。針對(duì)海面的布拉格散射機(jī)制，研究人員提出了其他重建方法。Denbina和Collins等人[21,22]認(rèn)為Nord模型會(huì)受到初值的影響，而遵從布拉格散射機(jī)制的平靜海面不應(yīng)直接采用N=4作為初值。他們提出利用N的平均值進(jìn)行全極化偽協(xié)方差矩陣的計(jì)算，建立了與成像入射角的非線性檢驗(yàn)?zāi)Ｐ?/p>

其中，bi=1,2,3為模型擬合系數(shù)，θ表示入射角，改進(jìn)后的算法可稱為Constant-N算法。利用不同入射角的RADARSAT-2圖像模擬HP模式的簡(jiǎn)縮極化SAR數(shù)據(jù)開展海面目標(biāo)檢測(cè)，結(jié)果表明該模型能夠改善海洋場(chǎng)景下的重建效果。Li等人[23]認(rèn)為已有的重建算法不能滿足定量風(fēng)速反演對(duì)參數(shù)N的估計(jì)要求，他們利用2062個(gè)帶浮標(biāo)觀測(cè)數(shù)據(jù)的圖像樣本點(diǎn)研究了參數(shù)N與雷達(dá)入射角、風(fēng)速和風(fēng)向之間的關(guān)系，明確指出N不僅是入射角的函數(shù)，同時(shí)也是風(fēng)速和風(fēng)向的函數(shù)，但入射角對(duì)N的影響比風(fēng)速和風(fēng)向更為顯著，在入射角大于40°時(shí)N的值接近于4，但在入射角小于30°時(shí)N的值很大。據(jù)此，Li等人提出了一個(gè)新非線性回歸模型來估計(jì)N

其中，θ表示入射角，Pi=1,2,3,4,5表示模型擬合系數(shù)。在實(shí)驗(yàn)結(jié)果中該模型的交叉極化項(xiàng)估計(jì)精度優(yōu)于Nord方法和Collins方法，與全極化反演結(jié)果之間的均方根誤差(Root-Mean-Square Error,RMSE)僅有1.09 dB。針對(duì)海面溢油檢測(cè)，Li等人[24]將式(1)等號(hào)左邊的部分定義為參數(shù)R，提出一個(gè)新的參數(shù)N估計(jì)模型

其中，a和b為模型擬合系數(shù)。在溢油檢測(cè)對(duì)比實(shí)驗(yàn)中，該方法的中誤差、標(biāo)準(zhǔn)差、交叉熵和互信息均優(yōu)于Souyris重建方法。

以上方法均用參數(shù)N描述交叉極化和共極化項(xiàng)之間的關(guān)系，特點(diǎn)是針對(duì)不同的假設(shè)條件和應(yīng)用需求改變N的迭代估計(jì)模型。也有部分研究人員針對(duì)HP模式簡(jiǎn)縮極化SAR的獨(dú)特性質(zhì)，提出了不需要進(jìn)行迭代計(jì)算的全極化信息重建方法。Espeseth等人[25]提出了兩個(gè)利用HP模式Stokes參數(shù)(g0,g1,g2,g3)進(jìn)行全極化信息重建的方法：(1)基于極化度(Degree of Polarization,DoP)的重建方法，根據(jù)交叉極化項(xiàng)與去極化能量之間的關(guān)系直接計(jì)算

這一方法隱含的假設(shè)條件是交叉極化項(xiàng)貢獻(xiàn)了所有去極化能量；(2)基于特征值的重建方法，假設(shè)HP模式協(xié)方差矩陣特征值λ1和λ2的比率直接反應(yīng)了與散射總功率g0之間的關(guān)系，可根據(jù)式(8)直接計(jì)算

將上述兩種方法應(yīng)用于L波段和C波段海冰圖像的全極化信息重建，發(fā)現(xiàn)L波段的重建效果優(yōu)于C波段，基于特征值的重建方法與Souryis重建結(jié)果相當(dāng)，略優(yōu)于基于DoP的重建方法。相較于Souyris方法，這兩種方法無需任何用戶輸入，解算更加簡(jiǎn)單。Ajeet Kumar等人[26]假設(shè)所有去極化能量都來自體散射分量，HP模式的去極化程度又可以直接由散射熵H衡量，采用Freeman-Durden分解的體散射模型建立體散射分量、散射熵和總散射功率之間的關(guān)系，可以直接解得

其中，Pv表示體散射分量，根據(jù)HP模式特征值與Stokes參數(shù)之間的關(guān)系可知，(λ1+λ2)等于散射總能量g0。Ajeet Kumar等人的實(shí)驗(yàn)結(jié)果表明，該方法重建結(jié)果的Yamaguchi四分量分解結(jié)果與原始全極化數(shù)據(jù)較為接近，最高精度可達(dá)95%，在RISAT-1真實(shí)HP模式數(shù)據(jù)中的總體分類精度優(yōu)于84%，顯著優(yōu)于Souyris方法和Espeseth特征值重建方法。

Espeseth等人和Ajeet Kumar等人提出的方法雖然規(guī)避了迭代求解N的過程，但僅適用于HP模式，且對(duì)假設(shè)條件的依賴性較強(qiáng)。Yue等人[27]基于反射對(duì)稱性假設(shè)提出了一個(gè)不依賴于參數(shù)N的重建方法，利用Wishart-Bayesian正則化模型來重建全極化數(shù)據(jù)，通過引入一個(gè)獨(dú)立復(fù)高斯分布的估計(jì)誤差項(xiàng)，推導(dǎo)了多視全極化SAR圖像協(xié)方差矩陣的后驗(yàn)概率密度函數(shù)表達(dá)式，將全極化信息重建問題轉(zhuǎn)化為式(11)的優(yōu)化問題

其中，X和Y分別表示全極化和簡(jiǎn)縮極化的協(xié)方差矩陣觀測(cè)值，p(X|Y)表示X的后驗(yàn)概率，C表示全極化協(xié)方差矩陣期望值，A是一個(gè)2×3的矩陣，表示從全極化到簡(jiǎn)縮極化的線性變換，σ為誤差項(xiàng)的方差，n表示視數(shù)，q表示維度，對(duì)于全極化系統(tǒng)有q=3。利用高效乘子交替方法對(duì)上式進(jìn)行優(yōu)化，即可獲得全極化協(xié)方差矩陣的估計(jì)值。由于不依賴于反射對(duì)稱性假設(shè)，該方法可以獲取所有全極化協(xié)方差矩陣元素的估值，但是對(duì)的虛部估計(jì)精度較低。

表1對(duì)上述各全極化信息重建方法的特點(diǎn)進(jìn)行了簡(jiǎn)要總結(jié)。Souyris等人建立了重建方法的基本框架，即通過建立SHV與SHH和SVV的關(guān)系減少未知量的個(gè)數(shù)，但采用固定值作為模型參數(shù)，對(duì)某些場(chǎng)景應(yīng)用效果不佳。Nord等人用迭代方法估計(jì)參數(shù)N，實(shí)現(xiàn)了對(duì)Souyris算法的擴(kuò)展。后續(xù)發(fā)展的大部分重建算法都建立在Souyris和Nord算法的基礎(chǔ)上，提出新的參數(shù)N估計(jì)模型以改善應(yīng)用表現(xiàn)，在海洋應(yīng)用領(lǐng)域尤為明顯。部分研究人員根據(jù)HP模式的特征直接估計(jì)交叉極化項(xiàng)，但是這些方法隱含著對(duì)散射機(jī)制的假設(shè)，因此還需得到更多應(yīng)用場(chǎng)景下的檢驗(yàn)。

表1 簡(jiǎn)縮極化SAR全極化(FP)信息重建方法小結(jié)Tab.1 Summary of Fully Polarimetric (FP)information reconstruction methods for CP SAR

2.2 簡(jiǎn)縮極化SAR極化分解

全極化信息的重建過程實(shí)際上是利用3個(gè)觀測(cè)值估計(jì)6個(gè)待重建參數(shù)的非確定性問題，需要通過一定的假設(shè)條件降低未知數(shù)個(gè)數(shù)，或者利用迭代優(yōu)化方法逼近真值，計(jì)算復(fù)雜度較高?？紤]到SAR數(shù)據(jù)獲取和地表?xiàng)l件的多樣性，很難提出一個(gè)通用的重建模型。文獻(xiàn)[28-30]均不建議從重建角度使用簡(jiǎn)縮極化SAR，因?yàn)槿珮O化信息重建的過程沒有引入有用信息，假設(shè)條件可能為重建結(jié)果引入更多誤差。因此，越來越多的研究人員選擇直接從簡(jiǎn)縮極化SAR中提取有用信息。本節(jié)將對(duì)目前主流的簡(jiǎn)縮極化SAR極化分解方法進(jìn)行總結(jié)。

2.2.1 基于Stokes參數(shù)的極化分解

其中，E表示電場(chǎng)矢量，下角標(biāo)表示接收極化態(tài)，符號(hào)*表示復(fù)數(shù)共軛操作，Re表示取復(fù)數(shù)實(shí)部，Im表示取復(fù)數(shù)虛部，|·|表示復(fù)數(shù)的模，〈·〉表示空間平均，g0表示電磁波的總功率，g1表示水平或垂直線極化分量功率值，g2表示方位角ψ=4 5°或ψ=135°時(shí)的線極化分量功率值，g3為左旋圓極化和右旋圓極化分量的功率值[1]。根據(jù)Stokes矢量可以計(jì)算一系列簡(jiǎn)縮極化SAR特征，如極化度m、線極化比μL、線極化度PL、圓極化比μC、圓極化度PC、極化橢圓方位角ψ、軸長(zhǎng)比r、相對(duì)相位δ、圓度χ等。

根據(jù)波的二分理論，可以用極化度m將簡(jiǎn)縮極化SAR協(xié)方差矩陣分為去極化分量和完全極化分量。Charbonneau等人[32]用相對(duì)相位δ表征完全極化波中偶次散射與表面散射的占優(yōu)機(jī)制，提出了m-δ分解。Raney認(rèn)為[11,33]，當(dāng)發(fā)射電磁波具有很強(qiáng)的線極化分量時(shí)，圖中二面角結(jié)構(gòu)的朝向發(fā)生任意改變均可能造成δ的符號(hào)變化，而圓度χ則較為穩(wěn)定，提出了m-χ分解以描述月球表面隕石坑的偶次散射效應(yīng)。Cloude等人[34]利用隨機(jī)地表二層散射模型(Random Volume Over Ground,RVOG)模型提出m-αs分解方法，αs角從0°變化到90°表示主導(dǎo)散射機(jī)制由表面散射變?yōu)轶w散射最后變?yōu)榕即紊⑸涞倪^程，將該分解應(yīng)用于森林火點(diǎn)檢測(cè)，發(fā)現(xiàn)森林火點(diǎn)的體散射分量明顯低于其他區(qū)域。Sabry等人[35]將簡(jiǎn)縮極化特征表示為橢圓度角和橫滾角的函數(shù)，討論了m-χ分解結(jié)果隨橢圓度角的變化，提出利用PC修正偶次散射分量。實(shí)驗(yàn)結(jié)果表明不同橢圓度角下的簡(jiǎn)縮極化數(shù)據(jù)描述的散射機(jī)制存在差異，右旋HP模式下，改進(jìn)m-χ分解的城市-植被邊界比mχ分解更加明確。需要注意的是，在提高偶次散射和表面散射的差異的同時(shí)，改進(jìn)m-χ分解的三分量散射功率之和發(fā)生變化。

基于Stokes參數(shù)的分解方法均根據(jù)極化度和g0計(jì)算體散射分量，本質(zhì)上是將極化總功率中的完全去極化部分全部認(rèn)定為體散射，而實(shí)際上，強(qiáng)偶次散射、噪聲等也是造成去極化的原因，因此該類方法容易出現(xiàn)體散射分量過估計(jì)的情況。

2.2.2 H/α分解

簡(jiǎn)縮極化SAR的H/α分解原理與全極化SAR類似。Guo等人[36]驗(yàn)證了3種簡(jiǎn)縮極化SAR模式的H/α分解結(jié)果，發(fā)現(xiàn)只有DCP模式能夠區(qū)分不同散射機(jī)制，提出了DCP模式下的H/α空間：將0.5作為低熵與中熵分界，0.95作為中熵與高熵分界；在低熵區(qū)，將α=43°和α=49°分別作為多次散射、體散射、表面散射分界；在中熵區(qū)，將α=38°和α=50°作為多次散射、體散射、表面散射分界；在高熵區(qū)，將α=43°和α=56.8°作為多次散射、體散射、表面散射分界。Zhang等人[37]針對(duì)DCP模式提出了另一個(gè)H/α空間劃分：將0.65作為低熵與中熵分界，0.96作為中熵與高熵分界；在低熵區(qū)，將α=42°和α=48°分別作為多次散射、體散射、表面散射分界；在中熵區(qū)，將α=40°和α=51°作為多次散射、體散射、表面散射分界；在高熵區(qū)，將α=34.5°和α=51°作為多次散射、體散射、表面散射分界。謝鐳[38]在其博士論文中推導(dǎo)了3種簡(jiǎn)縮極化SAR在不同散射機(jī)制下的平均散射角，證實(shí)了Guo等人[36]的研究結(jié)論，即只有DCP模式的α角具有區(qū)分不同散射機(jī)制的能力；通過散射熵和散射角的替代參數(shù)對(duì)分解結(jié)果進(jìn)行了定性和定量比較，發(fā)現(xiàn)DCP模式的散射角與全極化SAR呈近似互余的關(guān)系，且其H/α分解結(jié)果不具備繞雷達(dá)視線方向的旋轉(zhuǎn)不變性。

2.2.3 基于模型的三分量分解

基于模型的極化分解方法在全極化SAR中應(yīng)用廣泛，分別將方向隨機(jī)的偶極子集合、二面角反射器和布拉格表面散射體的散射矩陣作為體散射、偶次散射和表面散射模型。Freeman-Durden分解是全極化SAR最常用的分解方法之一，2014年，Guo等人[39]將其推廣至π/4模式和HP模式的簡(jiǎn)縮極化SAR數(shù)據(jù)中，在反射對(duì)稱性假設(shè)條件下，給出了模型的求解過程，以Re的符號(hào)作為表面散射或偶次散射占優(yōu)的判別條件。劉萌等人[40]以HP模式為例提出一個(gè)基于模型的三分量分解方法，采用An模型作為體散射模型，認(rèn)為完全去極化部分全部屬于體散射分量，利用相對(duì)相位δ進(jìn)行主導(dǎo)散射機(jī)制的判別，但是該模型本質(zhì)上是一個(gè)二分模型，當(dāng)判定表面散射或偶次散射占主導(dǎo)時(shí)，另一種散射機(jī)制的值實(shí)際為0。Han等人[41]將Freeman-Durden分解用于簡(jiǎn)縮極化SAR干涉測(cè)量中，建立了π/4模式和HP模式的極化干涉三分量分解方程，首先用Stokes參數(shù)估計(jì)體散射分量，用RVOG模型估計(jì)偶次散射地形相位，生成包含8個(gè)未知數(shù)、4個(gè)復(fù)已知數(shù)的8個(gè)實(shí)方程組，隨后用數(shù)值方法實(shí)現(xiàn)了3種散射機(jī)制的功率值和相位中心的聯(lián)合反演。Ajeet Kumar等人[42]針對(duì)HP模式提出了一個(gè)三分量分解模型，采用Yamaguchi提出的改進(jìn)體散射模型、Freeman-Durden分解的表面散射和偶次散射模型，以g3的符號(hào)作為表面散射或偶次散射占優(yōu)的判別條件，并采用與Sabry等人類似的策略，用圓極化度修正了偶次散射強(qiáng)度。用RISAT-1真實(shí)HP模式圖像對(duì)該方法進(jìn)行驗(yàn)證，發(fā)現(xiàn)該方法能夠較好地區(qū)分表面散射和二面角散射。

表2總結(jié)了上述3類簡(jiǎn)縮極化SAR分解方法的優(yōu)缺點(diǎn)。無論是基于Stokes參數(shù)的分解還是基于模型的分解都存在體散射過估計(jì)的問題，即三分量假彩色合成圖色調(diào)偏“綠”。這是由于大部分分解方法將去極化全部歸因于體散射機(jī)制，忽略了偶次散射和表面散射對(duì)去極化的貢獻(xiàn)。體散射過估計(jì)可能導(dǎo)致復(fù)雜城市場(chǎng)景與植被覆蓋區(qū)域的混淆，因此這些極化方法更適用于森林、平原等自然地物為主的場(chǎng)景。此外，基于模型的分解隱含著對(duì)散射機(jī)制的假設(shè)，而且目前很少有研究關(guān)注簡(jiǎn)縮極化SAR的負(fù)功率像素問題，各模型的適用性仍然有待更進(jìn)一步的檢驗(yàn)。根據(jù)謝鐳[38]的分析，簡(jiǎn)縮極化的H/α分解存在散射熵過估計(jì)的問題，在城市區(qū)域表現(xiàn)較為明顯。考慮到理論上只有DCP模式的α角能進(jìn)行不同散射機(jī)制的區(qū)分，而目前已發(fā)射和計(jì)劃發(fā)射的星載簡(jiǎn)縮極化SAR均為HP模式數(shù)據(jù)，H/α分解的實(shí)用價(jià)值受到一定限制。由于簡(jiǎn)縮極化散射熵和極化度本質(zhì)上都描述去極化程度，目前更多研究人員將H/α分解的結(jié)果作為特征，而非直接使用H/α空間本身開展應(yīng)用。

3 簡(jiǎn)縮極化SAR應(yīng)用

隨著簡(jiǎn)縮極化SAR系統(tǒng)和數(shù)據(jù)處理技術(shù)研究的不斷深入，國(guó)內(nèi)外科研人員對(duì)簡(jiǎn)縮極化SAR在不同應(yīng)用領(lǐng)域的表現(xiàn)進(jìn)行了檢驗(yàn)，研究結(jié)果表明簡(jiǎn)縮極化SAR在分類、地表參數(shù)反演、目標(biāo)檢測(cè)等領(lǐng)域能夠取得與全極化相當(dāng)?shù)慕Y(jié)果。本章將對(duì)其在農(nóng)業(yè)和海洋領(lǐng)域的應(yīng)用進(jìn)行總結(jié)。

3.1 農(nóng)業(yè)應(yīng)用

3.1.1 農(nóng)作物分類

與全極化SAR類似，Wishart分類是簡(jiǎn)縮極化SAR最主要的分類方法之一?；谥亟ǖ膫稳珮O化數(shù)據(jù)，Souyris等人[8]對(duì)荷蘭Flevoland地區(qū)的仿真π/4模式數(shù)據(jù)進(jìn)行Wishart分類實(shí)驗(yàn)，其結(jié)果接近全極化SAR。Ainsworth等人[43]對(duì)比了全極化、雙極化和簡(jiǎn)縮極化SAR的Wishart分類精度，實(shí)驗(yàn)結(jié)果中簡(jiǎn)縮極化SAR的分類精度優(yōu)于雙極化SAR。Vineet Kumar等人[44]對(duì)ALOS-2的全極化、仿真簡(jiǎn)縮極化和真實(shí)簡(jiǎn)縮極化數(shù)據(jù)進(jìn)行Wishart分類，發(fā)現(xiàn)真實(shí)簡(jiǎn)縮極化數(shù)據(jù)在偶次散射主導(dǎo)區(qū)域的分類精度略高于仿真簡(jiǎn)縮極化數(shù)據(jù)，而在農(nóng)作物區(qū)域的分類精度則略低于仿真數(shù)據(jù)。

表2 簡(jiǎn)縮極化SAR極化分解方法小結(jié)Tab.2 Summary of the polarimetric decomposition methods for CP SAR

基于極化分解特征，研究人員們主要利用機(jī)器學(xué)習(xí)方法開展農(nóng)作物分類研究，將簡(jiǎn)縮極化的農(nóng)作物分類結(jié)果與全極化進(jìn)行對(duì)比。Charbonneau等人[45]用決策樹分類器對(duì)HP模式的農(nóng)作物分類能力進(jìn)行了研究，分別構(gòu)建m-δ三分量分解、Stokes矢量和Stokes子參數(shù)3組特征空間，實(shí)驗(yàn)結(jié)果表明Stokes矢量空間能獲取最好的總體分類精度，接近甚至優(yōu)于全極化SAR。Ohki等人[46]用400景ALOS-2全極化圖像進(jìn)行了日本的土地利用/土地覆蓋(Land Use and Land Cover,LULC)分類，用支持向量機(jī)(Support Vector Machine,SVM)分類器對(duì)比了不同輸入特征下全極化、仿真HP模式簡(jiǎn)縮極化和雙極化數(shù)據(jù)的分類精度，實(shí)驗(yàn)結(jié)果中，簡(jiǎn)縮極化對(duì)水稻、草地、農(nóng)作物和裸地的分類精度略低于全極化數(shù)據(jù)，對(duì)水體、森林和建筑的分類精度與全極化相當(dāng)。Brisco等人[47]用5景全極化數(shù)據(jù)仿真π/4模式和HP模式，將簡(jiǎn)縮極化、雙極化與全極化數(shù)據(jù)的水稻提取和濕地提取的精度進(jìn)行比較，結(jié)果證明HP模式的簡(jiǎn)縮極化SAR能取得比HH/HV雙極化SAR更好的分類結(jié)果。Xu等人[48]用隨機(jī)森林(Random Forest,RF)對(duì)比了HP模式與全極化SAR的農(nóng)作物分類精度，發(fā)現(xiàn)在像素級(jí)分類策略下HP模式的分類精度略低于全極化，而在目標(biāo)級(jí)分類策略下的分類精度與全極化相當(dāng)；此外，用4景RADARSAT-2數(shù)據(jù)進(jìn)行HP模式、π/4模式和全極化SAR的玉米種植區(qū)提取[49]，發(fā)現(xiàn)多時(shí)相情況下簡(jiǎn)縮極化SAR的提取精度與全極化相當(dāng)。Mahdianpari等人[50]用4景5月-7月的全極化、雙極化和簡(jiǎn)縮極化SAR圖像進(jìn)行農(nóng)作物分類，獲得了相似的實(shí)驗(yàn)結(jié)論：在像素級(jí)分類策略下，簡(jiǎn)縮極化SAR的農(nóng)作物分類精度與雙極化相當(dāng)，低于全極化；在對(duì)象級(jí)分類策略下，簡(jiǎn)縮極化SAR的農(nóng)作物分類精度與全極化相當(dāng)，優(yōu)于雙極化。此外，Mahdianpari等人還發(fā)現(xiàn)體散射特征對(duì)全極化和簡(jiǎn)縮極化最重要，7月下旬的數(shù)據(jù)對(duì)C波段農(nóng)作物分類最有利，但僅憑單時(shí)相圖像很難獲得高精度分類結(jié)果。

上述研究結(jié)果均證明簡(jiǎn)縮極化有能力取得與全極化相當(dāng)?shù)霓r(nóng)作物分類精度，整體表現(xiàn)優(yōu)于雙極化SAR，在Charbonneau等人[45]的實(shí)驗(yàn)結(jié)果中簡(jiǎn)縮極化SAR甚至能取得比全極化更優(yōu)的分類精度，Brisco等人[47]的實(shí)驗(yàn)結(jié)果中HP模式與全極化的水稻識(shí)別精度均超過90%。對(duì)于農(nóng)作物分類，數(shù)據(jù)的選擇和特征的選擇都對(duì)分類結(jié)果有很大影響。部分研究人員在分類時(shí)對(duì)簡(jiǎn)縮極化SAR的特征性質(zhì)也進(jìn)行了分析。Xie等人[51]討論了μL和PL在水稻種植區(qū)提取中的有效性；此外，提出一個(gè)基于表面散射分量和散射角替代參數(shù)的農(nóng)作物分類特征空間[52]，用TerraSAR-X數(shù)據(jù)實(shí)現(xiàn)了中國(guó)南方地區(qū)的水稻、桉樹、甘蔗、香蕉、水體、建筑分類，該方法可同時(shí)適用于全極化、HH/VV雙極化和簡(jiǎn)縮極化數(shù)據(jù)。Uppala等人[53,54]對(duì)比了水稻、玉米等農(nóng)作物區(qū)域與建筑等人工目標(biāo)在RISAT-1真實(shí)HP模式數(shù)據(jù)中的后向散射強(qiáng)度和極化分解結(jié)果，用非參數(shù)平行6面體最小距離分類器進(jìn)行水稻和玉米種植區(qū)提取，其結(jié)果與LISS-II光學(xué)數(shù)據(jù)具有較好的一致性。國(guó)賢玉等人[55]從仿真HP模式數(shù)據(jù)中提取了22個(gè)特征，采用基于SVM的前序搜索策略進(jìn)行3類水稻田分類的特征優(yōu)選，選擇RR極化后向散射系數(shù)σRR,m-δ分解偶次散射和體散射分量、m-χ分解偶次散射分量和μC構(gòu)造決策樹，其總體分類精度與相同參數(shù)下的SVM方法相當(dāng)，均優(yōu)于90%。Chirakkal等人[56]對(duì)比了RISAT-1數(shù)據(jù)m-δ和m-χ分解對(duì)印度北部和西部的農(nóng)作物分類精度，最大似然分類器的結(jié)果表明m-χ分解的分類效果更優(yōu)。

上述研究結(jié)果證明了簡(jiǎn)縮極化SAR用于農(nóng)作物分類的潛力，考慮到其幅寬的優(yōu)勢(shì)，簡(jiǎn)縮極化SAR很適合進(jìn)行大面積農(nóng)作物分類，在多時(shí)相數(shù)據(jù)和合適的特征集下分類精度可以達(dá)到全極化SAR的水平。

3.1.2 農(nóng)作物參數(shù)反演

隨著SAR載荷的發(fā)展，SAR數(shù)據(jù)的時(shí)間分辨率逐漸提高，多時(shí)相數(shù)據(jù)為農(nóng)作物生長(zhǎng)監(jiān)測(cè)和生物物理學(xué)參數(shù)的反演提供了機(jī)會(huì)。許多學(xué)者研究了簡(jiǎn)縮極化SAR特征隨農(nóng)作物生長(zhǎng)的變化情況及其與農(nóng)作物生物物理學(xué)參數(shù)之間的關(guān)系。Ballester等人[57]用ESAR L波段時(shí)間序列全極化數(shù)據(jù)仿真HP模式數(shù)據(jù)開展冬小麥、玉米和油菜生長(zhǎng)監(jiān)測(cè)，研究了簡(jiǎn)縮極化特征與種植面積、物候階段、葉面積指數(shù)(Leaf Area Index,LAI)、濕生物量、高度等參數(shù)的關(guān)系，用線性模型描述了δ與小麥、玉米濕生物量的關(guān)系和m與冬油菜高度的關(guān)系，用對(duì)數(shù)平方模型描述了μC與玉米濕生物量的關(guān)系。研究結(jié)果表明HP模式簡(jiǎn)縮極化SAR能為農(nóng)作物的定性與定量監(jiān)測(cè)提供充足的靈敏度。Zhang等人[58]用覆蓋油菜全生育期的5景仿真HP模式數(shù)據(jù)進(jìn)行油菜生長(zhǎng)參數(shù)的反演，考察了27維極化參數(shù)的時(shí)間演進(jìn)規(guī)律，RF方法的重要性排序表明g0,g3,m,δ,χ,μC,PC、后向散射系數(shù)、極化分解體散射分量對(duì)生物量較為敏感，在各單參數(shù)模型中，g3能獲取最優(yōu)生物量反演精度，圓極化比μC能獲取最優(yōu)LAI和株高反演精度。Dave等人[59]研究了旱地和灌溉地條件下棉花的株高、株齡和生物量與12維HP模式特征和4維偽全極化特征之間的關(guān)系，結(jié)果表明簡(jiǎn)縮極化特征與棉花的生物物理參數(shù)具有較好的相關(guān)性，而偽全極化特征并沒有獲取更優(yōu)越的結(jié)果。Homayouni等人[60]評(píng)估了C波段RADARSAT-2全極化和仿真HP模式數(shù)據(jù)的體散射與表面散射之比(Volume to Surface Ratio,VSR)在監(jiān)測(cè)作物生長(zhǎng)方面的潛力，研究表明VSR與歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)和土壤調(diào)整植被指數(shù)(Soil Adjusted Vegetation Index,SAVI)有強(qiáng)相關(guān)性，HP模式VSR與農(nóng)作物生物量之間相關(guān)性略高于全極化，其中，與玉米和油菜生物量的相關(guān)性超過0.8。Guo等人[61]用改進(jìn)的水云模型驗(yàn)證了簡(jiǎn)縮極化數(shù)據(jù)反演水稻生物物理參數(shù)的能力，結(jié)果表明簡(jiǎn)縮極化對(duì)水稻株高、穗生物量、冠層含水量的反演精度較高，R2大于0.89；對(duì)LAI的反演精度略低，最高R2為0.75。各類特征中，g0,σRL,σRV,m-χ分解對(duì)株高較為敏感，g0,σRV,σRH,σRR,σRL對(duì)含水量較為敏感，σRH,σRR,m-χ和m-δ分解對(duì)穗生物量較為敏感。Liu等人[62]提出了一個(gè)基于遺傳算法的非線性偏最小二乘(Genetic Partial Least Square,GA-PLS)模型，從19維特征中選擇最敏感的參數(shù)進(jìn)行冬小麥LAI的估計(jì)，R2達(dá)到0.7。

上述研究表明簡(jiǎn)縮極化SAR對(duì)農(nóng)作物參數(shù)反演有較好潛力，表3對(duì)其實(shí)驗(yàn)結(jié)論進(jìn)行了簡(jiǎn)要總結(jié)，可以發(fā)現(xiàn)指示散射機(jī)制變化的Stokes子參數(shù)對(duì)生物量和LAI反演有一定優(yōu)勢(shì)，m-χ分解在株高和生物量反演中具有優(yōu)勢(shì)。

3.1.3 農(nóng)作物生長(zhǎng)物候監(jiān)測(cè)

農(nóng)作物的生物物理參數(shù)與其物候特征息息相關(guān)，除了利用多時(shí)相簡(jiǎn)縮極化SAR進(jìn)行參數(shù)反演，研究人員們還針對(duì)農(nóng)作物生長(zhǎng)物候階段本身開展分類研究。2013年，Yang等人[63]獲取了9景仿真HP模式數(shù)據(jù)，用決策樹方法進(jìn)行了秈稻移栽田和粳稻直播田的分類，并根據(jù)水稻樣本極化特征的時(shí)間演進(jìn)情況，將其物候特征劃分為7個(gè)階段。2017年，Yang等人[64]從時(shí)間序列光學(xué)、全極化和仿真簡(jiǎn)縮極化SAR數(shù)據(jù)中提取了149維特征(包含26維簡(jiǎn)縮極化SAR特征)，提出了一種基于Monte Carlo相關(guān)性限制(Monte Carlo and the Correlation Limitation,MCCL)的特征選擇方法，用多類相關(guān)向量機(jī)(multiclass Relevant Vector Machine,mRVM)分別實(shí)現(xiàn)了對(duì)秈稻移栽田和粳稻直播田的物候階段分類。Lopez-Sanchez等人[65]詳細(xì)分析了水稻在10景RADARSAT-2全極化數(shù)據(jù)、HH/VV雙極化數(shù)據(jù)和仿真HP模式中的極化特征變化，分別利用全極化的H/A/α分解結(jié)果和簡(jiǎn)縮極化的αs,m和Freeman-Durden分解體散射分量，構(gòu)造水稻物候分類特征空間。Izumi等人[66]對(duì)全圓極化(Full-Circular Polarimetric,FCP)和DCP模式簡(jiǎn)縮極化SAR的水稻物候監(jiān)測(cè)進(jìn)行研究，對(duì)不同物候期的水稻在FCP和DCP數(shù)據(jù)中的后向散射系數(shù)、3種散射機(jī)制響應(yīng)以及H/α分解結(jié)果進(jìn)行了分析，論證了圓極化基SAR數(shù)據(jù)對(duì)水稻物候時(shí)期的分辨能力。

表3 基于簡(jiǎn)縮極化SAR特征的農(nóng)作物生物物理學(xué)參數(shù)反演研究小結(jié)Tab.3 Summary of crop biophysical parameter inversion based on CP SAR features

上述研究證明了簡(jiǎn)縮極化SAR在農(nóng)業(yè)應(yīng)用中的潛力，但由于RISAT-1數(shù)據(jù)獲取存在一定難度，大部分研究仍然采用仿真HP模式數(shù)據(jù)。由于HP模式和DCP模式都是圓極化發(fā)射，仿真數(shù)據(jù)本質(zhì)上提供了相同的信息，部分研究通過極化基變換將圓極化接收的后向散射系數(shù)視為HP模式的特征。此外，HP模式的Stokes子參數(shù)具有指示散射機(jī)制變化的能力，如μC和PC，而π/4模式不具備這一特性，因此上述研究很少考慮π/4模式。

3.2 海洋應(yīng)用

3.2.1 船舶檢測(cè)

部分研究人員針對(duì)船舶檢測(cè)需求對(duì)簡(jiǎn)縮極化SAR的全極化信息重建算法進(jìn)行了改進(jìn)，如2.1節(jié)中總結(jié)的Yin等人[20]和Collins等人[22]均提出改進(jìn)的重建算法，分別采取似然比檢測(cè)器和最小比檢測(cè)器對(duì)改進(jìn)后的全極化信息重建結(jié)果進(jìn)行船舶檢測(cè)，取得了優(yōu)于Souyris重建模型的船舶檢測(cè)結(jié)果；Collins等人對(duì)比了10組通道組合的船舶檢測(cè)結(jié)果，發(fā)現(xiàn)重建的HV通道能夠在所有入射角和目標(biāo)朝向中都取得很好的檢測(cè)效果，甚至優(yōu)于全極化SAR。2014年，Atteia等人[67]對(duì)3種分辨率的仿真RCM數(shù)據(jù)進(jìn)行全極化信息重建，討論了入射角、船舶朝向?qū)Υ皺z測(cè)的影響，發(fā)現(xiàn)船舶檢測(cè)的總體精度隨著入射角的增大而提高，在中低分辨率和中低入射角下，簡(jiǎn)縮極化SAR檢測(cè)性能優(yōu)于雙極化。

基于簡(jiǎn)縮極化特征，Shirvany等人[68]提出一個(gè)基于空間平均的去極化度計(jì)算方法，成功識(shí)別海面上的船舶、浮標(biāo)以及溢油目標(biāo)，通過不同入射角下的檢測(cè)結(jié)果驗(yàn)證了該特征的魯棒性。Yin等人[69]發(fā)現(xiàn)船舶目標(biāo)周圍的海洋背景像素具有較低的極化度m，原因是船體和海面之間多次反射造成去極化；δ和χ雖然會(huì)受到海面低風(fēng)速區(qū)(Low Wind Region,LWR)的影響，但是LWR區(qū)域的船舶和弱船舶目標(biāo)均可通過三分量分解識(shí)別，證明簡(jiǎn)縮極化的特征組合在海面目標(biāo)檢測(cè)方面具有魯棒性。曹成會(huì)[70]用歐氏距離對(duì)40個(gè)簡(jiǎn)縮極化SAR特征進(jìn)行船舶檢測(cè)性能評(píng)估，發(fā)現(xiàn)表征散射機(jī)制變化的特征參數(shù)具有較高的船海對(duì)比度，如PC、橢圓方位角、χ,δ和α角等。

上述研究探索了目標(biāo)和虛警在不同特征中的表現(xiàn)，初步證明了簡(jiǎn)縮極化SAR在船舶檢測(cè)中的有效性。在此基礎(chǔ)上，研究人員們?cè)O(shè)計(jì)了不同的簡(jiǎn)縮極化SAR船舶檢測(cè)算法，以提高船海對(duì)比度或減少虛警。Xu等人[71]用m-δ分解的體散射分量和相對(duì)相位構(gòu)造了一個(gè)新的特征以降低虛警，引入視覺注意模型增強(qiáng)特征對(duì)弱船舶目標(biāo)的檢測(cè)性能，設(shè)計(jì)了基于Log-normal的恒虛警率(Constant False Alarm Rate,CFAR)船舶檢測(cè)算法，對(duì)3景RADARSAT-2仿真HP數(shù)據(jù)的船舶檢測(cè)率和虛警率均優(yōu)于基于強(qiáng)度或散射總功率SPAN的CFAR檢測(cè)結(jié)果。Fan等人[72]將CFAR檢測(cè)結(jié)果作為初始結(jié)果，使用雙層滑窗濾波降低海雜波的影響，用SVM分類器實(shí)現(xiàn)船舶檢測(cè)，降低了虛警；此外，使用基于像素的全卷積網(wǎng)絡(luò)U-Net對(duì)船舶、陸地和海洋進(jìn)行分類[73]，用GF-3數(shù)據(jù)驗(yàn)證該方法，發(fā)現(xiàn)仿真HP模式的船舶檢測(cè)表現(xiàn)優(yōu)于HH單極化和HH/HV雙極化數(shù)據(jù)，此外，U-Net在降低虛警方面較CFAR方法和Faster RCNN網(wǎng)絡(luò)更具優(yōu)勢(shì)。Gao等人[74]提出了一種基于功率熵-GAMMA分布的CFAR檢測(cè)方法，將散射總功率分解成高熵散射(High-Entropy Scattering Amplitude,HESA)和低熵散射(Low-Entropy Scattering Amplitude,LESA)兩部分，其中HESA分量可以提高船海對(duì)比度，在降低虛警的同時(shí)保證檢測(cè)率，其有效性在C波段和L波段仿真HP模式數(shù)據(jù)中得到了驗(yàn)證。此外，Gao等人[75]將Notch濾波器引入簡(jiǎn)縮極化SAR，推導(dǎo)了海雜波在HP模式下Notch距離的概率密度函數(shù)，最后用基于廣義GAMMA分布的CFAR算法實(shí)現(xiàn)了船舶檢測(cè)。Ji等人[76]用ReliefF方法進(jìn)行簡(jiǎn)縮極化特征評(píng)估，使用加權(quán)SVM進(jìn)行船舶檢測(cè)，最后用m-χ分解的表面散射分量濾除方位向模糊，取得了與全極化SAR相近的船舶檢測(cè)結(jié)果。Cao等人[77]利用歐氏距離和互信息對(duì)40維全極化、簡(jiǎn)縮極化和雙極化SAR特征的船舶檢測(cè)性能進(jìn)行對(duì)比，發(fā)現(xiàn)簡(jiǎn)縮極化特征總體上優(yōu)于全極化或雙極化，此外，基于X-Bragg模型構(gòu)造了一個(gè)新特征(phase factor)，在各種海況下均取得了良好的檢測(cè)性能，但無法在檢測(cè)的同時(shí)完全保持船舶目標(biāo)的結(jié)構(gòu)。

表4對(duì)上述方法的性能進(jìn)行了簡(jiǎn)要總結(jié)。其中，Xu等人[71]、Fan等人[72,73]、Gao等人[75]和Ji等人[76]的研究是在已有簡(jiǎn)縮極化SAR特征的基礎(chǔ)上，設(shè)計(jì)特征增強(qiáng)方法或者檢測(cè)器來提升檢測(cè)性能；Gao等人[74]、Cao等人[77]則是通過構(gòu)造新的特征參量來改進(jìn)檢測(cè)結(jié)果。這兩類方法都可以取得與全極化相當(dāng)，甚至更優(yōu)的檢測(cè)結(jié)果。但是，上述研究大多采用模擬HP模式數(shù)據(jù)，其海雜波分布繼承自全極化SAR，各類虛警與全極化SAR具有較強(qiáng)的一致性。受分辨率、幅寬、入射角等因素的影響，真實(shí)SAR數(shù)據(jù)中的目標(biāo)散射特性可能與模擬數(shù)據(jù)不同，因此，未來還需利用真實(shí)數(shù)據(jù)對(duì)上述方法進(jìn)行檢驗(yàn)。

表4 簡(jiǎn)縮極化SAR船舶檢測(cè)算法小結(jié)Tab.4 Summary of the ship detection methods of CP SAR

3.2.2 溢油檢測(cè)

海面溢油檢測(cè)是海洋環(huán)境監(jiān)測(cè)的重要部分。相較于只能提供散射強(qiáng)度信息的單極化SAR，全極化SAR可以通過散射機(jī)制的差異辨別溢油和海水[78]。簡(jiǎn)縮極化SAR繼承了部分全極化信息，在溢油檢測(cè)中的應(yīng)用得到了廣泛關(guān)注。如2.1節(jié)所述，Li等人[24]針對(duì)溢油檢測(cè)提出一個(gè)新的參數(shù)N估計(jì)模型；Zhang等人[78]評(píng)價(jià)了Souyris模型和Nord模型的重建信息在浮油檢測(cè)中的性能，發(fā)現(xiàn)在不同入射角和風(fēng)速下重建信息與原始觀測(cè)均有較好的一致性。

海面溢油檢測(cè)的基礎(chǔ)是光滑油膜的散射機(jī)制不同于海面布拉格散射。部分簡(jiǎn)縮極化SAR特征本身具有指示散射機(jī)制變化的能力，因此無需進(jìn)行全極化信息的重建也可以實(shí)現(xiàn)對(duì)溢油的識(shí)別。Li等人[79,80]通過對(duì)RADARSAT-2仿真HP模式數(shù)據(jù)的分析，發(fā)現(xiàn)油膜覆蓋區(qū)域的m顯著低于海面，并提出可以用χ和δ的符號(hào)區(qū)分油膜覆蓋區(qū)域和海面。Kumar等人[81]對(duì)比了RISAT-1真實(shí)HP模式數(shù)據(jù)中溢油、虛警和海面在4種極化分解結(jié)果中的差異，發(fā)現(xiàn)在不同極化分解方法的偶次散射和表面散射分量，中溢油的強(qiáng)度存在差異，在體散射分量和表面散射分量中，溢油和虛警與海洋的對(duì)比度也存在比較明顯的差異，從而驗(yàn)證了簡(jiǎn)縮極化SAR極化分解方法探測(cè)海面溢油的潛力。Migliaccio等人[82]用2景ALOS-PALSAR和2景RADARSAT-2數(shù)據(jù)開展全極化、HH/VV雙極化和HP模式的溢油檢測(cè)實(shí)驗(yàn)，發(fā)現(xiàn)簡(jiǎn)縮極化的χ和一致性系數(shù)(conformity coefficient)可以在無需外部閾值的情況下實(shí)現(xiàn)對(duì)溢油的識(shí)別，H和m也可以實(shí)現(xiàn)溢油與虛警的識(shí)別。Yin等人[83]指出，海面溢油和船舶目標(biāo)一般不遵循Bragg散射模型，利用X-Bragg模型構(gòu)造了3個(gè)極化參數(shù)，進(jìn)行船舶和海面溢油的聯(lián)合檢測(cè)。Nunziata等人[84]對(duì)一系列HP模式特征區(qū)分溢油和虛警的能力進(jìn)行了評(píng)估，提出用δ的標(biāo)準(zhǔn)差進(jìn)行海面溢油檢測(cè)。Buono等人[85]分析了溢油、虛警和海水在L波段和C波段仿真π/4模式和HP模式數(shù)據(jù)特征值中的響應(yīng)，發(fā)現(xiàn)π/4模式和全極化SAR的海水表面均具有較大的λ1，π/4模式的溢油檢測(cè)性能與全極化相當(dāng)，略優(yōu)于HP模式。Zhang等人[86]提取全極化、雙極化、仿真π/4模式和HP模式簡(jiǎn)縮極化SAR中的多維極化特征，用SVM、ANN和最大似然分類方法進(jìn)行溢油與生物浮油等虛警的分類，發(fā)現(xiàn)HP模式的總體分類精度優(yōu)于雙極化和π/4模式。謝廣奇等人[87]使用HP模式特征值計(jì)算散射熵、極化比和基準(zhǔn)高度，對(duì)前者使用統(tǒng)計(jì)閾值分割，對(duì)后兩者采用OTSU閾值分割，以實(shí)現(xiàn)溢油檢測(cè)，實(shí)驗(yàn)結(jié)果中，RADARSAT-2仿真HP數(shù)據(jù)的溢油檢測(cè)率優(yōu)于基于全極化幾何強(qiáng)度與共極化功率比的K均值分類檢測(cè)方法以及基于混合全極化參數(shù)的溢油檢測(cè)方法，總體精度與全極化SAR檢測(cè)結(jié)果相當(dāng)。Dabboor等人[88,89]研究了4種不同分辨率的仿真RCM數(shù)據(jù)對(duì)溢油的探測(cè)能力，發(fā)現(xiàn)30 m和50 m分辨率的仿真數(shù)據(jù)具備檢測(cè)溢油的潛力，但分類結(jié)果總體精度不高；2019年，進(jìn)一步分析3種中分辨率的仿真RCM簡(jiǎn)縮極化數(shù)據(jù)的噪聲水平和海面溢油檢測(cè)性能[90]，發(fā)現(xiàn)入射角越大，浮油探測(cè)表現(xiàn)越好，且50 m分辨率的ScanSAR模式能取得最高分類精度，對(duì)原油和虛警的識(shí)別率優(yōu)于96%，對(duì)虛警和乳化油的識(shí)別率優(yōu)于95%。

上述研究通過仿真和真實(shí)數(shù)據(jù)證明簡(jiǎn)縮極化SAR的特征能夠?qū)崿F(xiàn)對(duì)溢油、虛警和潔凈海面的區(qū)分，并且可以取得與全極化相當(dāng)甚至更優(yōu)的結(jié)果，在未來可能成為海面溢油檢測(cè)的主要手段之一。但是，上述研究主要關(guān)心簡(jiǎn)縮極化SAR的特征對(duì)溢油的響應(yīng)，只有部分研究人員采用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)了溢油檢測(cè)并進(jìn)行精度評(píng)價(jià)，而機(jī)器學(xué)習(xí)算法對(duì)訓(xùn)練數(shù)據(jù)和訓(xùn)練參數(shù)依賴性較強(qiáng)，因此，未來仍需設(shè)計(jì)更加簡(jiǎn)潔有效的溢油檢測(cè)算法，為簡(jiǎn)縮極化SAR的業(yè)務(wù)化運(yùn)行做準(zhǔn)備。

3.2.3 海冰檢測(cè)與分類

冰川對(duì)全球環(huán)境變化具有重要影響，研究人員們用簡(jiǎn)縮極化SAR開展了海冰檢測(cè)與分類。Denbina等[21]完善了全極化SAR信息重建的模型，利用似然比檢測(cè)冰川目標(biāo)，發(fā)現(xiàn)當(dāng)入射角較小時(shí)HP模式的檢測(cè)精度較低，而當(dāng)入射角大于28°時(shí)，重建的交叉極化項(xiàng)與全極化SAR具有相似的檢測(cè)性能。Li和Perrie[91]對(duì)仿真HP模式數(shù)據(jù)進(jìn)行H/α分解和m-χ分解，對(duì)比了一年冰、新冰、漂流薄冰、破碎浮冰、中度粗糙浮冰、冰山和開闊水域的極化特征，認(rèn)為m-χ分解的假彩色合成圖具備區(qū)分不同海冰的能力。Singha等人[92,93]用ANN方法對(duì)RISAT-1獲取的全極化、雙極化和HP模式數(shù)據(jù)進(jìn)行海冰分類，結(jié)果中，HP模式對(duì)光滑一年冰、粗糙一年冰或多年冰、新冰和開闊水域的分類精度超過96%，并且與全極化數(shù)據(jù)符合的很好，特征貢獻(xiàn)排序表明香農(nóng)熵和g0對(duì)海冰分類最為有效。Espeseth等人[94]獲取了3對(duì)覆蓋范圍重疊的RISAT-1簡(jiǎn)縮極化數(shù)據(jù)和RADARSAT-2全極化數(shù)據(jù)，評(píng)估了不同類型海冰在模擬和真實(shí)HP數(shù)據(jù)中的極化特征差異，發(fā)現(xiàn)二者的散射系數(shù)具有較高的斯皮爾曼相關(guān)系數(shù)，RH或RR通道散射強(qiáng)度和g0對(duì)海冰分類最敏感，且不受非圓特性的影響。Nasonova等人[95]利用Kolmogorov-Smirnov統(tǒng)計(jì)分析了仿真RCM數(shù)據(jù)的極化特征，用SVM方法分別進(jìn)行了海冰融化前期(pre-melt)和后期(advanced melt)的分類實(shí)驗(yàn)，結(jié)果表明海冰融化前期的分類精度高于融化后期，灰度共生矩陣(Gray Level Co-occurrence Matrices,GLCM)紋理特征的引入可以將海冰分類總體精度提升約10%，大入射角(39.6～42.2)的HP模式海冰分類效果優(yōu)于小入射角(22.3～24.2)，與Denbina等[21]的研究結(jié)果相符。Dabboor等人[96]比較了一年冰和多年冰在23維高分辨仿真RCM數(shù)據(jù)極化特征中的KS距離，選擇KS距離大于0.5的特征輸入RF分類器，取得了與全極化相當(dāng)?shù)暮１诸惥?。Ghanbari等人[97]提出一個(gè)基于同質(zhì)區(qū)域預(yù)分割和SVM的海冰分類方法，對(duì)全極化、雙極化和仿真HP模式的海冰分類精度進(jìn)行比較，發(fā)現(xiàn)僅使用強(qiáng)度特征時(shí)HP模式的分類精度顯著優(yōu)于雙極化，使用20維特征時(shí)HP模式的總體精度與全極化相當(dāng)，均高于90%。

上述研究證明簡(jiǎn)縮極化SAR在海冰檢測(cè)與分類中具有很好的潛力，其結(jié)果可以與全極化相媲美。由于海冰類型多樣、紋理復(fù)雜，而SAR圖像受入射角和成像幾何影響較大，因此未來仍有必要針對(duì)不同頻率、不同分辨率、不同模式的簡(jiǎn)縮極化SAR數(shù)據(jù)開展海冰紋理特性、散射特征和分類方法研究。

3.3 其他應(yīng)用

除了上述應(yīng)用外，研究人員們還對(duì)簡(jiǎn)縮極化SAR在土壤濕度估計(jì)[98-101]、森林參數(shù)反演[102-105]、變化檢測(cè)[106,107]、濕地監(jiān)測(cè)[108-111]、專題圖測(cè)繪[112-115]、建筑損壞評(píng)估[116,117]等方面的應(yīng)用進(jìn)行了探索，研究結(jié)果表明簡(jiǎn)縮極化SAR與全極化SAR具有良好的一致性，論證了簡(jiǎn)縮極化SAR在這些應(yīng)用領(lǐng)域的有效性。

4 結(jié)束語(yǔ)

簡(jiǎn)縮極化SAR因能在保持較高信息量的同時(shí)實(shí)現(xiàn)大范圍觀測(cè)，在過去十余年中引起了研究人員的廣泛關(guān)注。本文首先回顧了當(dāng)前主流的簡(jiǎn)縮極化SAR數(shù)據(jù)處理方法，對(duì)簡(jiǎn)縮極化SAR重建方法和極化分解方法進(jìn)行了綜述，隨后對(duì)簡(jiǎn)縮極化SAR在農(nóng)業(yè)和海洋應(yīng)用領(lǐng)域的研究成果進(jìn)行了總結(jié)。

全極化信息重建方法是簡(jiǎn)縮極化SAR的重要研究?jī)?nèi)容，但重建算法本質(zhì)上是用較少觀測(cè)量估計(jì)較多參數(shù)的過程，得到的偽全極化信息并不全面，還面臨計(jì)算過程中的信息損失。此外，由于雷達(dá)散射信號(hào)對(duì)物質(zhì)介電常數(shù)十分敏感，很難提出統(tǒng)一的全極化信息重建方法以適應(yīng)不同應(yīng)用目的、不同地物分布、不同成像條件下的數(shù)據(jù)處理需求，因此在使用重建算法之前有必要對(duì)假設(shè)條件進(jìn)行檢驗(yàn)。目前并沒有可靠的研究結(jié)果能夠證明重建偽全極化信息優(yōu)于原始簡(jiǎn)縮極化信息，重建算法的發(fā)展速度已經(jīng)放緩，研究人員們?cè)絹碓蕉嗟氖褂煤?jiǎn)縮極化本身的特征開展研究。

目前，已發(fā)射的和計(jì)劃中的簡(jiǎn)縮極化SAR載荷系統(tǒng)都采取HP模式，研究人員們已經(jīng)對(duì)該模式的極化特征進(jìn)行了較為深入的探索。圓極化和線極化特征描述地物散射特性的能力不同，π/4模式和DCP模式的特征與HP模式具有不同的性質(zhì)，其潛力仍然有待挖掘。未來應(yīng)加強(qiáng)對(duì)π/4模式和DCP模式特征提取方法的研究，對(duì)其在不同應(yīng)用領(lǐng)域中的適用性進(jìn)行評(píng)價(jià)。

在農(nóng)業(yè)和海洋應(yīng)用領(lǐng)域，許多研究人員將真實(shí)或仿真簡(jiǎn)縮極化SAR數(shù)據(jù)與全極化和雙極化SAR進(jìn)行了對(duì)比，在大部分實(shí)驗(yàn)結(jié)果中，簡(jiǎn)縮極化SAR的表現(xiàn)優(yōu)于雙極化SAR，接近全極化SAR，在個(gè)別研究中甚至優(yōu)于全極化SAR。這是由于全極化SAR雖然提供了最全面的信息，但信息量的提升未必一定帶來精度的提高，簡(jiǎn)縮極化SAR的特征在某些情況下可能更加優(yōu)越。綜上所述，不應(yīng)當(dāng)將簡(jiǎn)縮極化SAR僅僅視為全極化SAR的替代，未來仍需更多地針對(duì)簡(jiǎn)縮極化SAR本身的特點(diǎn)進(jìn)行算法設(shè)計(jì)，并進(jìn)行更多驗(yàn)證。

簡(jiǎn)縮極化SAR系統(tǒng)的主要特點(diǎn)是發(fā)射電磁波與接收電磁波的獨(dú)特極化基，而發(fā)射波極化狀態(tài)偏離理想發(fā)射模式時(shí)會(huì)影響簡(jiǎn)縮極化SAR產(chǎn)品質(zhì)量和應(yīng)用結(jié)果。目前僅有印度、日本和加拿大發(fā)射了具有HP模式簡(jiǎn)縮極化成像能力的衛(wèi)星，針對(duì)簡(jiǎn)縮極化系統(tǒng)設(shè)計(jì)與定標(biāo)的研究仍在進(jìn)行中。未來，隨著加拿大RCM數(shù)據(jù)的公開發(fā)布，簡(jiǎn)縮極化SAR的數(shù)據(jù)特點(diǎn)和應(yīng)用潛力將得到更加廣泛的研究與檢驗(yàn)。