基于Cloude分解的特征參數(shù)分析及快速替代方法.pdf

1、目標(biāo)分解技術(shù)是為更好地解譯極化SAR（Synthetic Aperture Radar）數(shù)據(jù)發(fā)展起來的。Cloude分解是目前應(yīng)用比較廣泛的一種非相干目標(biāo)分解方法，在圖像分類、目標(biāo)識別和地表參數(shù)反演等領(lǐng)域均有成功應(yīng)用。但是，Cloude分解在提取參數(shù)時需要對每個像素單元進(jìn)行特征分解，這非常耗時并且難以滿足海量數(shù)據(jù)實時處理的要求。
　　本文以Cloude分解為理論基礎(chǔ)，結(jié)合ALOS（Advanced LandObserving Sa

2、tellite）衛(wèi)星的PALSAR（ThePhased ArraytypeL-bandSAR）極化SAR數(shù)據(jù)展開研究。首先分析基于特征矢量的目標(biāo)分解方法，然后對Cloude分解參數(shù)的特性進(jìn)行詳細(xì)剖析，進(jìn)而提出了極化熵H和散射角ˉα的快速替代參數(shù)偽熵~H和偽散射角~α，最后研究所有替代參數(shù)的非獨(dú)立性，主要研究工作和成果如下：
　?。?）詳細(xì)分析Cloude分解特征參數(shù)極化熵H、散射角ˉα、反熵A、總能量SPAN和平均散射能量I的性質(zhì)

3、及其物理意義，為后續(xù)構(gòu)建~H和~α奠定基礎(chǔ)。由H和ˉα構(gòu)成的特征空間可以劃分成八個有效區(qū)域，每個區(qū)域?qū)?yīng)一種類型的散射機(jī)制。H和A構(gòu)成的特征空間提高了Cloude分解的分類能力。以Cloude分解特征值為基礎(chǔ)衍生的其他特征參數(shù)，有助于分析自然媒質(zhì)的散射特征。
　?。?）在分析現(xiàn)有極化熵H和散射角ˉα的兩組快速替代參數(shù)——Praks分解參數(shù)和安分解參數(shù)①的基礎(chǔ)上，提出新替代參數(shù)偽熵~H和偽散射角~α。其中~H和H相關(guān)系數(shù)的平方達(dá)到0

4、.98以上，~H和~α相關(guān)系數(shù)的平方同樣達(dá)到0.98以上，~H和~α的分類能力評價指標(biāo)Kappa系數(shù)達(dá)到0.8以上，替代參數(shù)~H和~α的計算效率比~H和~α大大提高了，說明從統(tǒng)計意義角度~H和~α可以替代H和ˉα。
　?。?）建立極化熵H和散射角ˉα的三組替代參數(shù)的非獨(dú)立性關(guān)系。散射多樣性?H和散射分量N11，相似熵h和表面相似度q，以及偽熵~H和偽散射角~α均可以采用變量E建立二者之間的定量關(guān)系，說明替代參數(shù)之間是非獨(dú)立的并且存