高分辨率极化SAR图像对象化目标分解方法研究

Polarimetric target decomposition is an effective method to analyze the scattering mechanisms of ground targets and can provide an important basis for polarimetric SAR images classification, target identification and surface physical parameter inversion. The traditional target decomposition methods are difficult to accurately analyze target scattering mechanisms for high-resolution polarimetric SAR images because of the richer spatial information and the enlarged heterogeneity. The project introduces object-oriented analysis method and develops an object-oriented target decomposition method for high-resolution polarimetric SAR image. The main research is as follows. 1) Establish an adaptive statistical model according to statistical features of different heterogeneous targets and develop a robust parameters estimation method to describe targets statistical properties exactly. 2) Propose a novel segmentation scheme which can take into account the statistical features, spatial and shape features, and coherency-incoherency property of polarimetric SAR image to generate objects with accurate boundary. 3) Make full consideration of orientation, coherency-incoherency and symmetry property to set up a unified coherent-incoherent decomposition method based on objects. The project will contribute to perfecting the theories and methods of polarimetric target decomposition, image segmentation and statistical model as well as improving the capacity of polarimetric SAR image classification, target identification and physical parameters inversion.

极化目标分解是分析地物散射机理的一种有效方法，能为极化SAR图像分类、目标识别、地表物理参数反演等应用提供重要依据。高分辨率极化SAR图像空间细节信息丰富，地物目标异质性增加，传统的目标分解方法难以准确分析其地物目标的散射机理。本项目引入对象分析方法，开展高分辨率极化SAR图像的对象化目标分解方法研究。具体研究：1）分析高分辨率极化SAR图像中不同异质程度地物目标的统计分布规律，建立自适应统计模型，并发展统计模型参数的稳健估计方法，准确描述目标的统计特性；2）建立顾及目标统计特性、空间形状特征和相干-非相干属性的极化SAR图像分割方法，构建边界准确的分析对象；3）充分考虑对象的取向角、相干-非相干属性及对称性属性，提出基于对象的相干-非相干统一分解方法。项目的开展将完善高分辨率极化SAR目标分解、图像分割和统计建模的理论与方法，提升极化SAR图像分类、目标识别和物理参数反演的能力。

极化目标分解是分析地物散射机理的一种有效方法，能为极化 SAR 图像分类、目标识别、地表物理参数反演等应用提供重要依据。高分辨率极化 SAR 图像空间细节信息丰富，地物目标异质性增加，传统的目标分解方法难以准确分析其地物目标的散射机理。按照“统计建模——对象构建——对象分解分类”这一研究主线，本项目开展了高分辨率极化 SAR 图像的对象化目标分解和分类方法研究。主要研究内容和成果包括以下几个方面：1）通过分析高分辨率极化SAR图像中不同异质程度地物目标的统计分布规律，提出异质度度量指标并实现了对不同异质程度的地物目标的自适应建模与应用；2）发展了综合自适应统计、形状、极化等特征的高分辨率极化SAR图像对象构建方法，生成边界准确的分析对象；3）提出了高分辨率极化SAR图像相干矩阵的准确估计方法和基于相干性检测的相干非相干统一分解方法，更准确地提取高分辨率极化SAR图像中地物的散射特征，并发展了基于对象充分利用多特征的高分辨率SAR图像准确分类方法。项目的研究成果发展了高分辨率极化 SAR 目标分解、图像分割、分类等理论和方法，进一步提升了极化 SAR 图像分类、目标识别和物理参数反演的能力。