CN110501704A - 一种全极化图像极化分解方法、装置及存储介质 - Google Patents

一种全极化图像极化分解方法、装置及存储介质 Download PDF

Info

Publication number
CN110501704A
CN110501704A CN201910642263.5A CN201910642263A CN110501704A CN 110501704 A CN110501704 A CN 110501704A CN 201910642263 A CN201910642263 A CN 201910642263A CN 110501704 A CN110501704 A CN 110501704A
Authority
CN
China
Prior art keywords
scattering
probability density
angle
density function
orientation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910642263.5A
Other languages
English (en)
Other versions
CN110501704B (zh
Inventor
禹卫东
王宇
郑明杰
刘秀清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Electronics of CAS
Original Assignee
Institute of Electronics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Electronics of CAS filed Critical Institute of Electronics of CAS
Priority to CN201910642263.5A priority Critical patent/CN110501704B/zh
Publication of CN110501704A publication Critical patent/CN110501704A/zh
Application granted granted Critical
Publication of CN110501704B publication Critical patent/CN110501704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种全极化图像极化分解的方法，包括：获取通过极化合成孔径雷达PolSAR获取的全极化图像数据，根据所述全极化图像数据确定所述全极化图像中第i个像素的取向角，其中，i为正整数；根据所述取向角确定概率密度函数；根据所述概率密度函数确定体散射模型；根据所述体散射模型确定所述第i个像素的体散射功率。本发明实施例还公开了一种全极化图像极化分级的装置、电子设备及计算机存储介质。

Description

一种全极化图像极化分解方法、装置及存储介质
技术领域
本发明涉及极化合成孔径雷达领域的目标分解技术，尤其涉及一种全极化 图像极化分解的方法、装置、电子设备及计算机存储介质。
背景技术
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar，PolSAR)作为 合成孔径雷达(Synthetic Aperture Radar，SAR)的重要分支之一，在灾害检测、 地质勘探、水文等多个领域，发挥着重要的作用。极化目标分解技术作为PolSAR 图像的重要处理方法之一，在描述物理散射机制方面承担着不可替代的角色， 是对地物的物理散射机制的直接描述。极化分解结果的准确性，直接影响着地 物分类、地物反演等多个方面的精度。近几十年来，通过改进体散射模型，分 解结果得到了很好的改进。但是，现有方法的通用性和鲁棒性不高，计算效率 低下，且克服体散射能量过估计的效果较差。
发明内容
有鉴于此，本发明实施例期望提供一种全极化图像极化分解方法、装置、 电子设备及计算机存储介质，至少部分解决上述问题。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供一种全极化图像极化分解的方法，所述方法包括：
获取通过极化合成孔径雷达PolSAR获取的全极化图像数据，根据所述全 极化图像数据确定所述全极化图像中第i个像素的取向角，其中，i为正整数；
根据所述取向角确定概率密度函数；
根据所述概率密度函数确定体散射模型；
根据所述体散射模型确定所述第i个像素的体散射功率。
上述方案中，所述获取通过PolSAR获取的全极化图像数据，根据所述全 极化图像数据确定所述全极化图像中第i个像素的取向角，包括：
获取所述全极化图像的相干矩阵的集合平均值〈[T]〉，
其中，k为泡利Pauli基，S为所述第i 个像素的散射矩阵，其中，SHH为垂直发射、垂直接收的后向散 射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后向 散射，SVV为水平发射、水平接收的后向散射；
所述取向角θd的表达式为：
上述方案中，所述根据所述取向角确定概率密度函数，包括：
当10×lg(〈|SVV|2〉)/(〈|SHH|2〉)＜-2dB时，确定所述概率密度函数为
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，确定所述概率密度函数为
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，确定所述概率密度函数为
其中，p(θ)为所述第i个像素的概率密度，θ表示偶极子散射体与水平轴 线方向的夹角。
上述方案中，所述根据所述概率密度函数确定体散射模型，包括：
所述体散射模型〈[T]〉v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH， c＝SHV＝SVH，b＝SVV；
根据所述概率密度函数确定：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，所述<[T]>v的表达式为：
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，所述<[T]>v的表达式为：
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，所述<[T]>v的表达式为：
上述方案中，所述方法还包括：
对<[T]>进行去取向后得到经[R(θd)]旋转后的相干矩阵<[T′]>，
其中，[R(θd)]表示旋转矩阵，
对于所述第i个像素，在所述第i个像素的相干矩阵在减去螺旋散射成分和 体散射成分后，根据判定阈值C1确定主导散射机制；
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献，α为二面 角散射的特征参数，β为表面散射的特征参数；
当C1＞0时，表面散射成分为主导散射机制；当C1≤0时，二面角散射为主 导散射机制。
本发明实施例提供一种全极化图像极化分解的装置，所述装置包括：
图像处理单元，用于获取通过极化合成孔径雷达PolSAR获取的全极化图 像数据，根据所述全极化图像数据确定所述全极化图像中第i个像素的取向角， 其中，i为正整数；
主控单元，用于根据所述取向角确定概率密度函数，根据所述概率密度函 数确定体散射模型；
极化分解单元，用于根据所述体散射模型确定所述第i个像素的体散射功 率。
上述方案中，所述图像处理单元，具体用于：获取所述全极化图像的相干 矩阵的集合平均值<[T]>，
其中，k为泡利Pauli基，S为所述第i 个像素的散射矩阵，其中，SHH为垂直发射、垂直接收的后向散 射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后向 散射，SVV为水平发射、水平接收的后向散射；
所述取向角θd的表达式为：
上述方案中，所述主控单元，具体用于：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，确定所述概率密度函数为
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，确定所述概率密度函数为
当-2dB≤10×lg(<|SVV|2>)/(<SHH|2>)≤2dB时，确定所述概率密度函数为
其中，p(θ)为所述第i个像素的概率密度，θ表示偶极子散射体与水平轴 线方向的夹角。
上述方案中，所述主控单元，具体用于：
所述体散射模型<[T]>v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH， c＝SHV＝SVH，b＝SVV；
根据所述概率密度函数确定：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，所述<[T]>v的表达式为：
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，所述<[T]>v的表达式为：
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，所述<[T]>v的表达式为：
上述方案中，所述极化分解单元，还用于：对<|[T]>进行去取向后得到经 [R(θd)]旋转后的相干矩阵<|[T′]>，
其中，[R(θd)]表示旋转矩阵，
对于所述第i个像素，在所述第i个像素的相干矩阵在减去螺旋散射成分和 体散射成分后，根据判定阈值C1确定主导散射机制；
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献，α为二面 角散射的特征参数，β为表面散射的特征参数；
当C1＞0时，表面散射成分为主导散射机制；当C1≤0时，二面角散射为主 导散射机制。
本发明实施例提供一种电子设备，包括：通信接口、存储器、处理器及存 储在所述存储器上并由所述处理器执行的计算机程序；
所述处理器，分别与所述通信接口及所述存储器连接，用于通过执行所述 计算机程序，实现上述任一全极化图像极化分解的方法。
本发明实施例提供一种计算机存储介质，所述计算机存储介质存储有计算 机程序；所述计算机程序被执行后，能够实现上述任一全极化图像极化分解的 方法。
本发明实施例提供的全极化图像极化分解的方法，通过获取通过PolSAR 获取的全极化图像数据，根据所述全极化图像数据确定所述全极化图像中第i 个像素的取向角，其中，i为正整数；根据所述取向角确定概率密度函数；根据 所述概率密度函数确定体散射模型；根据所述体散射模型确定所述第i个像素 的体散射功率；能够通过像素的取向角确定概率密度函数，进而确定体散射模 型，实现了对不同取向角的像素分别选择体散射模型，具有较好的鲁棒性，进 而降低了现有技术中体散射模型通用性不高的问题，对不同取向角的像素的体 散射能量采用根据该像素概率密度函数确定的体散射模型，进一步提高了计算 效率并减少了体散射能量过估计的问题。
附图说明
附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
图1为本发明实施例一种全极化图像极化分解的方法流程示意图；
图2为本发明又一实施例一种四元素极化分解方法流程示意图；
图3为本发明实施例一种全极化图像极化分解的装置结构示意图；
图4为本发明又一实施例一种四元素极化分解装置结构示意图
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图 对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来 限定本发明实施例。
图1为本发明实施例一种全极化图像极化分解的方法流程示意图，如图1所示，本发明实施例的全极化图像极化分解的方法包括以下步骤：
步骤101，获取通过极化合成孔径雷达PolSAR获取的全极化图像数据，根 据所述全极化图像数据确定所述全极化图像中第i个像素的取向角，其中，i为 正整数。
具体地，对全极化图像数据进行精致残渣(Lee)滤波等预处理操作，得到 去除相干斑噪声后的全极化图像数据；利用所述去除相干斑噪声后的全极化图 像数据计算所述全极化图像中第i个像素的取向角。
在一些实施例中，所述获取通过PolSAR获取的全极化图像数据，根据所 述全极化图像数据确定所述全极化图像中第i个像素的取向角，包括：
获取所述全极化图像的相干矩阵的集合平均值<|[T]>，
其中，k为泡利Pauli基，S为所述第i 个像素的散射矩阵，其中，SHH为垂直发射、垂直接收的后向散 射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后向 散射，SVV为水平发射、水平接收的后向散射；
所述取向角θd的表达式为：
步骤102，根据所述取向角确定概率密度函数。
在一些实施例中，所述根据所述取向角确定概率密度函数，包括：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，确定所述概率密度函数为
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，确定所述概率密度函数为
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，确定所述概率密度函数为
其中，p(θ)为所述第i个像素的概率密度，θ表示偶极子散射体与水平轴 线方向的夹角。
步骤103，根据所述概率密度函数确定体散射模型。
在一些实施例中，所述根据所述概率密度函数确定体散射模型，包括：
所述体散射模型<[T]>v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH， c＝SHV＝SVH，b＝SVV；
根据所述概率密度函数确定：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，所述<[T]>v的表达式为：
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，所述<[T]>v的表达式为：
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，所述<[T]>v的表达式为：
步骤104，根据所述体散射模型确定所述第i个像素的体散射功率。
通过根据像素的取向角确定概率密度函数，进而根据概率密度函数确定体 散射模型，能够减少对不同取向角像素体散射能量的过估计，提高了极化分解 方法的通用性和鲁棒性，并进一步提高了计算效率。
在一些实施例中，上述方法还包括：
对<[T]>进行去取向后得到经[R(θd)]旋转后的相干矩阵<[T′]>，
其中，[R(θd)]表示旋转矩阵，
对于所述第i个像素，在所述第i个像素的相干矩阵在减去螺旋散射成分和 体散射成分后，根据判定阈值C1确定主导散射机制；
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献，α为二面 角散射的特征参数，β为表面散射的特征参数；
当C1＞0时，表面散射成分为主导散射机制；当C1≤0时，二面角散射为主 导散射机制。
具体地，在一些实施例中，当C1＞0时，表面散射成分为主导散射机制，α≈0， 可以得到二面角散射和表面散射成分的取值；当C1≤0时，二面角散射为主导 散射机制，|β|≈0，可以得到二面角散射和表面散射成分的取值。至此，可以 得到四元素极化分解结果。
图2为本发明又一实施例一种四元素极化分解方法流程示意图，如图2所 示，本发明基于上述方法提供了一种实施方式，一种四元素极化分解方法，具 体步骤包括：
步骤201：利用PolSAR获取的全极化图像数据，计算取向角的取值，并对 极化相干矩阵进行去取向处理。
具体地，对极化图像数据进行精致Lee滤波等预处理操作，得到去除相干 斑噪声后的图像数据；利用所述去除相干斑噪声后的图像进行去取向处理，将 与飞行方向存在夹角的区域旋转至雷达视线方向。具体的过程为：
获取所述全极化图像的相干矩阵的集合平均值<[T]>，
其中，k为泡利(Pauli)基，S为所述全 极化图像的散射矩阵，其中，SHH为垂直发射、垂直接收的后向 散射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后 向散射，SVV为水平发射、水平接收的后向散射；
其中，
上式中，θd表示用于进行去取向操作的取向角度值，<[T]>表示由独立同分 布的样本平均后形成的相干矩阵，[R(θd)]表示旋转矩阵，<[T′]>表示经[R(θd)]旋 转后的相干矩阵。
步骤202：利用所述的取向角度改进概率密度函数，得到新的概率密度模 型。
具体地，将所述取向角度置于概率密度函数中，根据图像各像素点|SHH|2与 |SVV|2的比值，得到该像素点新的概率密度分布模型。可供选择的新的概率密度 分布分别为：
(1)当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，概率密度函数服从均匀分布：
(2)当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，概率密度函数服从正弦分布：
(3)当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，概率密度函数服从余弦分布：
其中，θ表示偶极子散射体与水平轴线方向的夹角。
步骤203：利用所述新的概率密度模型得到新的体散射模型。
具体的，根据|SHH|2与|SVV|2的比值，利用所述新的概率密度模型得到服从三 种分布方式的新的体散射模型表达形式：
(1)当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，所述新的体散射模型<[T]>v的 表达式为：
(2)当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，所述新的体散射模型<[T]>v的表达式为：
(3)当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，所述新的体散射模型<[T]>v的表达式为：
具体地，利用所述新的概率密度模型得到服从三种分布方式的新的体散射 模型的计算过程如下：
所述新的体散射模型<[T]>v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH， c＝SHV＝SVH，b＝SVV；
将新的概率密度模型代入即可得到新的体散射模型。
新的体散射模型对于不同地物类型的取向角度是十分敏感的，当θd≠0时， 体散射模型与取向角度相关，可以用于表征在不同取向角度下的体散射成分， 用于对不同取向角度地物的体散射能量进行有效地描述，避免体散射能量过估 计的问题。
步骤204：利用所述新的体散射模型及图像数据计算得到改进的图像分解 结果。
具体地，利用螺旋散射模型和所述新的体散射模型分别计算得到螺旋散射 功率和体散射功率，在从总功率中减去前述两种散射成分后，根据的正负取值判定剩余相干矩阵的主导散射机制(二面角散射成分或表面散射成 分)。在本发明中，用于判定主导散射机制的阈值C1的表达式为：
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献， α为二面角散射的特征参数，β为表面散射的特征参数。
当C1＞0，表面散射成分为主导散射机制，α≈0，可以得到二面角散射和 表面散射成分的取值；当C1≤0时，二面角散射为主导散射机制，|β|≈0，可以 得到二面角散射和表面散射成分的取值。至此，可以得到四元素极化分解结果。
图3为本发明实施例一种全极化图像极化分解的装置结构示意图，如图3所示，为了实现上述全极化图像分解方法，本发明实施例提供一种全极化图像 分解的装置，所述装置包括：图像处理单元301、主控单元302及极化分解单 元303，其中：
图像处理单元301，用于获取通过极化合成孔径雷达PolSAR获取的全极化 图像数据，根据所述全极化图像数据确定所述全极化图像中第i个像素的取向 角，其中，i为正整数。
具体地，用于对全极化图像数据进行精致残渣(Lee)滤波等预处理操作， 得到去除相干斑噪声后的全极化图像数据；利用所述去除相干斑噪声后的全极 化图像数据计算所述全极化图像中第i个像素的取向角。
在一些实施例中，所述图像处理单元301，具体用于：获取所述全极化图 像的相干矩阵的集合平均值<[T]>，
其中，k为泡利Pauli基，S为所述第i 个像素的散射矩阵，其中，SHH为垂直发射、垂直接收的后向散 射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后向 散射，SVV为水平发射、水平接收的后向散射；
所述取向角θd的表达式为：
主控单元302，用于根据所述取向角确定概率密度函数，根据所述概率密 度函数确定体散射模型。
在一些实施例中，所述主控单元302，具体用于：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，确定所述概率密度函数为
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，确定所述概率密度函数为
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，确定所述概率密度函数为
其中，p(θ)为所述第i个像素的概率密度，θ表示偶极子散射体与水平轴 线方向的夹角。
在一些实施例中，所述主控单元302，具体用于：
所述体散射模型<[T]>v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH， c＝SHV＝SVH，b＝SVV；
根据所述概率密度函数确定：
当10×lg(<|SVV|2>)/(〈|SHH|2〉)＜-2dB时，所述〈[T]〉v的表达式为：
当10×lg(〈|SVV|2〉)/(〈|SHH|2〉)＞2dB时，所述〈[T]>v的表达式为：
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，所述<[T]>v的表达式为：
极化分解单元303，用于根据所述体散射模型确定所述第i个像素的体散射 功率。
通过根据像素的取向角确定概率密度函数，进而根据概率密度函数确定体 散射模型，能够减少对不同取向角像素体散射能量的过估计，提高了极化分解 方法的通用性和鲁棒性，并进一步提高了计算效率。
在一些实施例中，所述极化分解单元303，还用于：对<[T]>进行去取向后 得到经[R(θd)]旋转后的相干矩阵<|[T′]>，
其中，[R(θd)]表示旋转矩阵，
对于所述第i个像素，在所述第i个像素的相干矩阵在减去螺旋散射成分和 体散射成分后，根据判定阈值C1确定主导散射机制；
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献，α为二面 角散射的特征参数，β为表面散射的特征参数；
当C1＞0时，表面散射成分为主导散射机制；当C1≤0时，二面角散射为主 导散射机制。
具体地，在一些实施例中，当C1＞0时，表面散射成分为主导散射机制，α≈0， 可以得到二面角散射和表面散射成分的取值；当C1≤0时，二面角散射为主导 散射机制，|β|≈0，可以得到二面角散射和表面散射成分的取值。至此，可以 得到四元素极化分解结果。
图4为本发明又一实施例一种四元素极化分解装置结构示意图，如图4所 述，为了实现上述四元素极化分解方法，本发明实施例提供一种四元素极化分 解装置，所述装置包括：参数计算模块41、模型优化模块42和分解模块43， 其中：
参数计算模块41，用于利用PolSAR获取的全极化图像数据，计算取向角 的取值，并对极化相干矩阵进行去取向处理。
具体地，用于对极化图像数据进行精致Lee滤波等预处理操作，得到去除 相干斑噪声后的图像数据；利用所述去除相干斑噪声后的图像进行去取向处理， 将与飞行方向存在夹角的区域旋转至雷达视线方向，将计算得到的取向角度值 发送给模型优化模块42。具体的过程为：
获取所述全极化图像的相干矩阵的集合平均值<|[T]>，
其中，k为泡利(Pauli)基，S为所述全 极化图像的散射矩阵，其中，SHH为垂直发射、垂直接收的后向 散射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后 向散射，SVV为水平发射、水平接收的后向散射；
其中，
上式中，θd表示用于进行去取向操作的取向角度值，<[T]>表示由独立同分 布的样本平均后形成的相干矩阵，[R(θd)]表示旋转矩阵，<[T′]>表示经[R(θd)]旋 转后的相干矩阵。
模型优化模块42，用于利用所述的取向角度改进概率密度函数，得到新的 概率密度模型；利用所述新的概率密度模型得到新的体散射模型。
具体地，用于利用参数计算模块41发来的所述取向角度值改进原始的概率 密度分布函数，得到新的体散射模型，并将由不同概率密度函数得到的新的体 散射模型发送给分解模块。
具体地，将所述取向角度置于概率密度函数中，根据图像各像素点|SHH|2与 |SVV|2的比值，得到该像素点新的概率密度分布模型。可供选择的新的概率密度 分布分别为：
(1)当-2dB≤10×lg(<|SVV|2>)/(〈|SHH|2〉)≤2dB时，概率密度函数服从均匀分布：
(2)当10×lg(〈|SVV|2〉)/(〈|SHH|2〉)＜-2dB时，概率密度函数服从正弦分布：
(3)当10×lg(〈|SVV|2〉)/(<|SHH|2>)＞2dB时，概率密度函数服从余弦分布：
其中，θ表示偶极子散射体与水平轴线方向的夹角。
具体的，根据|SHH|2与|SVV|2的比值，利用所述新的概率密度模型得到服从三 种分布方式的新的体散射模型表达形式：
(1)当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，所述新的体散射模型<[T]>v的 表达式为：
(2)当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，所述新的体散射模型<[T]>v的表达式为：
(3)当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，所述新的体散射模型<[T]>v的表达式为：
具体地，利用所述新的概率密度模型得到服从三种分布方式的新的体散射 模型的计算过程如下：
所述新的体散射模型<[T]>v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH， c＝SHV＝SVH，b＝SVV；
将新的概率密度模型代入即可得到新的体散射模型。
新的体散射模型对于不同地物类型的取向角度是十分敏感的，当θd≠0时， 体散射模型与取向角度相关，可以用于表征在不同取向角度下的体散射成分， 用于对不同取向角度地物的体散射能量进行有效地描述，避免体散射能量过估 计的问题。
分解模块43，用于利用所述新的体散射模型及图像数据计算得到改进的图 像分解结果。
具体地，用于利用所述新的体散射模型计算体散射功率，并用四元素分解 方法计算剩下的散射分量的功率值。
具体地，利用螺旋散射模型和所述新的体散射模型分别计算得到螺旋散射 功率和体散射功率，在从总功率中减去前述两种散射成分后，根据的正负取值判定剩余相干矩阵的主导散射机制(二面角散射成分或表面散射成 分)。在本发明中，用于判定主导散射机制的阈值C1的表达式为：
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献， α为二面角散射的特征参数，β为表面散射的特征参数。
当C1＞0，表面散射成分为主导散射机制，α≈0，可以得到二面角散射和 表面散射成分的取值；当C1≤0时，二面角散射为主导散射机制，|β|≈0，可以 得到二面角散射和表面散射成分的取值。至此，可以得到四元素极化分解结果。
为了实现本发明实施例的全极化图像极化分解的方法，本发明实施例提供 了一种如图5所示结构示意图的电子设备，如图5所示，本发明实施例的电子 设备510包括：处理器51和用于存储能够在处理器上运行的计算机程序的存储 器52，其中，
所述处理器51用于运行所述计算机程序时，执行本发明前述实施例任一全 极化图像极化分解的方法的步骤。
当然，实际应用时，如图5所示，该电子设备还可以包括至少一个通信接 口53。电子设备中的各个组件通过总线***54耦合在一起。可理解，总线系 统54用于实现这些组件之间的连接通信。总线***54除包括数据总线之外， 还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线***54。
其中，通信接口53，用于与其它设备进行交互。
具体来说，所述处理器51可以通过通信接口53向对应所述被调用方应用 的应用服务器发送操作结果查询请求，获取所述应用服务器发送的所述被调用 方应用的操作结果。
本领域技术人员可以理解，存储器52可以是易失性存储器或非易失性存储 器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只 读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM， Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器 (FRAM，ferromagnetic random access memory)、快闪存储器(FlashMemory)、 磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取 存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性 但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM， Static Random Access Memory)、同步静态随机存取存储器(SSRAM， Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM， Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存 取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random AccessMemory)、同步连接动态随机存取存储器(SLDRAM， SyncLink Dynamic Random AccessMemory)、直接内存总线随机存取存储器 (DRRAM，Direct Rambus Random AccessMemory)。本发明实施例描述的存储 器52旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中，还提供了一种计算机可读存储介质，用于存储上述实施 例中提供的计算程序，以完成前述全极化图像极化分解的方法所述步骤。计算 机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、 磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或 任意组合的各种设备，如移动电话、计算机、智能家电、服务器等。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以 任意组合，得到新的方法实施例。
本发明所提供的几个方法或装置实施例中所揭露的特征，在不冲突的情 况下可以任意组合，得到新的方法实施例或装置实施例。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限 于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易 想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护 范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种全极化图像极化分解的方法，其特征在于，所述方法包括：
获取通过极化合成孔径雷达PolSAR获取的全极化图像数据，根据所述全极化图像数据确定所述全极化图像中第i个像素的取向角，其中，i为正整数；
根据所述取向角确定概率密度函数；
根据所述概率密度函数确定体散射模型；
根据所述体散射模型确定所述第i个像素的体散射功率。
2.根据权利要求1所述的方法，其特征在于，所述获取通过PolSAR获取的全极化图像数据，根据所述全极化图像数据确定所述全极化图像中第i个像素的取向角，包括：
获取所述全极化图像的相干矩阵的集合平均值<[T]>，
其中，k为泡利Pauli基，S为所述第i个像素的散射矩阵，其中，SHH为垂直发射、垂直接收的后向散射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后向散射，SVV为水平发射、水平接收的后向散射；
所述取向角θd的表达式为：
3.根据权利要求2所述的方法，其特征在于，所述根据所述取向角确定概率密度函数，包括：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，确定所述概率密度函数为
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，确定所述概率密度函数为
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，确定所述概率密度函数为
其中，p(θ)为所述第i个像素的概率密度，θ表示偶极子散射体与水平轴线方向的夹角。
4.根据权利要求3所述的方法，其特征在于，所述根据所述概率密度函数确定体散射模型，包括：
所述体散射模型<[T]>v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH，c＝SHV＝SVH，b＝SVV；
根据所述概率密度函数确定：
当10×lg(〈|SVV|2〉)/(<|SHH|2>)＜-2dB时，所述〈[T]>v的表达式为：
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，所述<[T]>v的表达式为：
当-2dB≤10×lg(<|SVV|2〉)/(〈|SHH|2>)≤2dB时，所述<[T]>v的表达式为：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
对<[T]>进行去取向后得到经[R(θd)]旋转后的相干矩阵<[T′]>，
其中，[R(θd)]表示旋转矩阵，
对于所述第i个像素，在所述第i个像素的相干矩阵在减去螺旋散射成分和体散射成分后，根据判定阈值C1确定主导散射机制；
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献，α为二面角散射的特征参数，β为表面散射的特征参数；
当C1＞0时，表面散射成分为主导散射机制；当C1≤0时，二面角散射为主导散射机制。
6.一种全极化图像极化分解的装置，其特征在于，所述装置包括：
图像处理单元，用于获取通过极化合成孔径雷达PolSAR获取的全极化图像数据，根据所述全极化图像数据确定所述全极化图像中第i个像素的取向角，其中，i为正整数；
主控单元，用于根据所述取向角确定概率密度函数，根据所述概率密度函数确定体散射模型；
极化分解单元，用于根据所述体散射模型确定所述第i个像素的体散射功率。
7.根据权利要求6所述的装置，其特征在于，所述图像处理单元，具体用于：获取所述全极化图像的相干矩阵的集合平均值<[T]>，
其中，k为泡利Pauli基，S为所述第i个像素的散射矩阵，其中，SHH为垂直发射、垂直接收的后向散射，SHV为垂直发射、水平接收的后向散射，SVH为水平发射、垂直接收的后向散射，SVV为水平发射、水平接收的后向散射；
所述取向角θd的表达式为：
8.根据权利要求7所述的装置，其特征在于，所述主控单元，具体用于：
当10×lg(<|SVV|2>)/(<|SHH|2>)＜-2dB时，确定所述概率密度函数为
当10×lg(<|SVV|2>)/(〈|SHH|2〉)＞2dB时，确定所述概率密度函数为
当-2dB≤10×lg(〈|SVV|2〉)/(〈|SHH|2〉)≤2dB时，确定所述概率密度函数为
其中，p(θ)为所述第i个像素的概率密度，θ表示偶极子散射体与水平轴线方向的夹角。
9.根据权利要求8所述的装置，其特征在于，所述主控单元，具体用于：
所述体散射模型〈[T]>v的表达式为：
其中，
Tv33＝G4，Tv21与Tv12共轭，Tv31与Tv13共轭，Tv32与Tv23共轭；其中，
G1＝|a|2I1+|b|2I2+|c|2I3+2Re(ab*)I4+2Re(ac*)I5+2Re(bc*)I6
G3＝(|a|2+|b|2)I4-|c|2I3+ab*I1+a*bI2+(b*c-ac*)I5+(a*c-bc*)I6
G4＝|a|2I2+|b|2I1+|c|2I3+2Re(ab*)I4-2Re(ac*)I6-2Re(bc*)I5
其中，
Gi为计算过程量，Ii为计算过程量，a、b和c为计算过程量，a＝SHH，c＝SHV＝SVH，b＝SVV；
根据所述概率密度函数确定：
当10×lg(<|SVV|2>)/(<|SHH|2〉)＜-2dB时，所述<[T]>v的表达式为：
当10×lg(<|SVV|2>)/(<|SHH|2>)＞2dB时，所述<[T]>v的表达式为：
当-2dB≤10×lg(<|SVV|2>)/(<|SHH|2>)≤2dB时，所述<[T]>v的表达式为：
10.根据权利要求9所述的装置，其特征在于，所述极化分解单元，还用于：对<[T]>进行去取向后得到经[R(θd)]旋转后的相干矩阵<[T′]>，
其中，[R(θd)]表示旋转矩阵，
对于所述第i个像素，在所述第i个像素的相干矩阵在减去螺旋散射成分和体散射成分后，根据判定阈值C1确定主导散射机制；
其中，fs表示表面散射分量对|SVV|2的贡献，fd表示二面角散射分量对|SVV|2的贡献，fv表示体散射分量对|SVV|2的贡献，fc表示螺旋散射分量对|SVV|2的贡献，α为二面角散射的特征参数，β为表面散射的特征参数；
当C1＞0时，表面散射成分为主导散射机制；当C1≤0时，二面角散射为主导散射机制。
11.一种电子设备，包括：通信接口、存储器、处理器及存储在所述存储器上并由所述处理器执行的计算机程序；
所述处理器，分别与所述通信接口及所述存储器连接，用于通过执行所述计算机程序，实现权利要求1至5任一项提供的方法。
12.一种计算机存储介质，所述计算机存储介质存储有计算机程序；所述计算机程序被执行后，能够实现权利要求1至5任一项提供的方法。
CN201910642263.5A 2019-07-16 2019-07-16 一种全极化图像极化分解方法、装置及存储介质 Active CN110501704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910642263.5A CN110501704B (zh) 2019-07-16 2019-07-16 一种全极化图像极化分解方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910642263.5A CN110501704B (zh) 2019-07-16 2019-07-16 一种全极化图像极化分解方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN110501704A true CN110501704A (zh) 2019-11-26
CN110501704B CN110501704B (zh) 2021-05-07

Family

ID=68586039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910642263.5A Active CN110501704B (zh) 2019-07-16 2019-07-16 一种全极化图像极化分解方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110501704B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643284A (zh) * 2021-09-09 2021-11-12 西南交通大学 基于卷积神经网络的极化合成孔径雷达图像舰船检测方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5473331A (en) * 1994-10-31 1995-12-05 Hughes Aircraft Company Combined SAR monopulse and inverse monopulse weapon guidance
US6549853B2 (en) * 2001-03-22 2003-04-15 Council Of Scientific & Industrial Research Method for determining seafloor roughness using multibeam echosounder
WO2008111037A2 (en) * 2007-03-12 2008-09-18 Geomage 2003 Ltd A method for identifying and analyzing faults/fractures using reflected and diffracted waves
US20100166423A1 (en) * 2008-12-30 2010-07-01 Huawei Technologies Co., Ltd. Method, device, and system for polarization division multiplexing and demultiplexing
JP5111321B2 (ja) * 2008-10-06 2013-01-09 株式会社豊田中央研究所 瞼尤度演算装置、及びプログラム
CN103529447A (zh) * 2012-07-02 2014-01-22 中国科学院对地观测与数字地球科学中心 面向城市区域的极化四分量分解方法
CN103901415A (zh) * 2014-02-28 2014-07-02 西安电子科技大学 极化相似度匹配下的极化相干矩阵散射能量分解方法
CN104376539A (zh) * 2014-11-27 2015-02-25 中国科学院电子学研究所 一种极化sar目标散射成分的分解方法和装置
CN104616024A (zh) * 2015-02-13 2015-05-13 中国科学院空间科学与应用研究中心 基于随机散射相似性的全极化合成孔径雷达图像分类方法
CN104931950A (zh) * 2015-06-23 2015-09-23 中国科学院空间科学与应用研究中心 一种全极化合成孔径雷达的基于模型的目标分解方法
CN108364011A (zh) * 2018-02-05 2018-08-03 中国民航大学 PolSAR图像多级特征提取与无监督分类方法
CN108469614A (zh) * 2018-03-27 2018-08-31 武汉大学 基于未定标极化雷达影像的角反射器探测方法
CN108898074A (zh) * 2018-06-12 2018-11-27 中国电子科技集团公司第二十九研究所 一种极化sar建筑物提取方法、设备及存储介质
CN109740109A (zh) * 2018-12-25 2019-05-10 中国科学院国家空间科学中心 一种基于酉变换的PolSAR图像广义目标分解方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5473331A (en) * 1994-10-31 1995-12-05 Hughes Aircraft Company Combined SAR monopulse and inverse monopulse weapon guidance
US6549853B2 (en) * 2001-03-22 2003-04-15 Council Of Scientific & Industrial Research Method for determining seafloor roughness using multibeam echosounder
WO2008111037A2 (en) * 2007-03-12 2008-09-18 Geomage 2003 Ltd A method for identifying and analyzing faults/fractures using reflected and diffracted waves
JP5111321B2 (ja) * 2008-10-06 2013-01-09 株式会社豊田中央研究所 瞼尤度演算装置、及びプログラム
US20100166423A1 (en) * 2008-12-30 2010-07-01 Huawei Technologies Co., Ltd. Method, device, and system for polarization division multiplexing and demultiplexing
CN103529447A (zh) * 2012-07-02 2014-01-22 中国科学院对地观测与数字地球科学中心 面向城市区域的极化四分量分解方法
CN103901415A (zh) * 2014-02-28 2014-07-02 西安电子科技大学 极化相似度匹配下的极化相干矩阵散射能量分解方法
CN104376539A (zh) * 2014-11-27 2015-02-25 中国科学院电子学研究所 一种极化sar目标散射成分的分解方法和装置
CN104616024A (zh) * 2015-02-13 2015-05-13 中国科学院空间科学与应用研究中心 基于随机散射相似性的全极化合成孔径雷达图像分类方法
CN104931950A (zh) * 2015-06-23 2015-09-23 中国科学院空间科学与应用研究中心 一种全极化合成孔径雷达的基于模型的目标分解方法
CN108364011A (zh) * 2018-02-05 2018-08-03 中国民航大学 PolSAR图像多级特征提取与无监督分类方法
CN108469614A (zh) * 2018-03-27 2018-08-31 武汉大学 基于未定标极化雷达影像的角反射器探测方法
CN108898074A (zh) * 2018-06-12 2018-11-27 中国电子科技集团公司第二十九研究所 一种极化sar建筑物提取方法、设备及存储介质
CN109740109A (zh) * 2018-12-25 2019-05-10 中国科学院国家空间科学中心 一种基于酉变换的PolSAR图像广义目标分解方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
GULAB SINGH; YOSHIO YAMAGUCHI; SANG-EUN PARK: "《General Four-Component Scattering Power Decomposition With Unitary Transformation of Coherency Matrix》", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 *
SI-WEI CHEN;XUE-SONG WANG;SHUN-PING XIAO;MOTOYUKI SATO: "《General Polarimetric Model-Based Decomposition for Coherency Matrix》", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 *
YOSHIO YAMAGUCHI等: "《Four-component scattering model for polarimetric SAR image decomposition》", 《 IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING 》 *
YOSHIO YAMAGUCHI等: "《Four-component scattering power decomposition with extended volume scattering model》", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *
刘高峰: "《极化SAR图像特征提取与分类方法研究》", 《中国博士学位论文全文数据库 信息科技辑》 *
朱岱寅; 杨鸣冬; 宋伟; 叶少华: "《高分辨率极化合成孔径雷达成像研究进展》", 《数据采集与处理》 *
朱飞亚: "《全极化合成孔径雷达信息预处理和目标分解方法研究》", 《中国博士学位论文全文数据库 信息科技辑》 *
李芳: "《基于极化信息的SAR目标检测鉴别方法研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
许丽颖等: "《基于极化干涉相似性参数的四元素分解》", 《电子与信息学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643284A (zh) * 2021-09-09 2021-11-12 西南交通大学 基于卷积神经网络的极化合成孔径雷达图像舰船检测方法
CN113643284B (zh) * 2021-09-09 2023-08-15 西南交通大学 基于卷积神经网络的极化合成孔径雷达图像舰船检测方法

Also Published As

Publication number Publication date
CN110501704B (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
White Change detection in SAR imagery
JP6744847B2 (ja) ３ｄアライメントアルゴリズムのためのバランスの取れたプローブサイトの選択
CN103630873B (zh) 融合地磁场与wifi信号的室内定位方法
CN111007485B (zh) 一种图像处理方法、装置、以及计算机存储介质
Chen et al. Transforming a 3-d lidar point cloud into a 2-d dense depth map through a parameter self-adaptive framework
WO2022179094A1 (zh) 车载激光雷达外参数联合标定方法、***、介质及设备
CN108205135A (zh) 基于无插值融合快速后向投影的雷达视频成像方法
CN110501704A (zh) 一种全极化图像极化分解方法、装置及存储介质
CN107728124A (zh) 一种基于信息熵的多雷达动态调节方法及装置
CN108180909A (zh) 相对位置确定方法、装置及电子设备
CN110032974A (zh) 一种雷达遥感图像场景特征描述和分类方法
CN112102375A (zh) 一种点云配准可靠性检测的方法、装置、移动智慧设备
CN109102524A (zh) 图像特征点的跟踪方法和跟踪装置
CN110516698A (zh) 全极化图像极化分解方法、装置、电子设备及存储介质
CN103076608A (zh) 轮廓增强的聚束式合成孔径雷达成像方法
Seo et al. An efficient detection of vanishing points using inverted coordinates image space
Zhang et al. A fast SAR target indexing method based on geometric models
El-Darymli et al. Rethinking the phase in single-channel SAR imagery
Salazar II Detection schemes for synthetic-aperture radar imagery based on a beta prime statistical model
CN108898074A (zh) 一种极化sar建筑物提取方法、设备及存储介质
CN110488287A (zh) 多基sar相位失配的校正方法、装置、计算设备及存储介质
CN108038830A (zh) 软件cache技术用于SAR图像几何校正的方法
CN106356629B (zh) 一种天线定位角度的补偿方法及天线装置
US20230037328A1 (en) Determining minimum region for finding planar surfaces
CN110663046A (zh) 用于方向梯度直方图计算的硬件加速器

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant