全极化SAR图像“二次成像”在土地覆盖分类中的应用.pdfVIP

全极化 SAR 图像“二次成像”在土地覆盖分类中的应用 涂尚坦，孙 洪 武汉大学电子信息学院信号处理研究室，湖北省武汉市珞珈山 430079 摘 要：合成孔径雷达（Synthetic Aperture Radar, SAR）在对地观测中的应用日益重要，SAR 成像机理的特殊性使得 SAR 图像解译工作相当困难。本文引入了一个 SAR 图像解译的新途径： SAR 图像“二次成像”，并在其框架下提出了一个针对全极化 SAR 图像土地覆盖分类应用问题的 新方案：“SAR分类本征特征二次成像”。该方案首先对原始全极化SAR 图像从极化数据变换和极 化目标分解两方面进行信息提取，并用这些信息构建高维的“原始观测空间”；然后采用流形学 习方法中的拉普拉斯特征映射技术对这一“原始观测空间”进行非线性维数约减，获得低维的 “分类本征特征”；最后采用 RGB 空间颜色模型对“分类本征特征”进行信息可视化，得到 SAR “信息图像”用于目视判读。实验证明，用“分类本征特征”重构的SAR“信息图像”比原始全 极化SAR图像以及各种原始信息构成的“信息图像”更利于地物覆盖分类应用中的目视判读。 关键词：合成孔径雷达；全极化SAR；土地覆盖分类；科学可视化；维数约减 1. 引言 合成孔径雷达（synthetic aperture radar, SAR）具有全天时、全天候的对地观测能 力，它获取的数据往往覆盖大面积地域，包含丰富的地物信息。然而，由于 SAR 图像的成像 机理是微波相干成像，一些固有的成像因素（如相干斑）导致 SAR 图像与光学遥感图像相比 可读性较差[1][2]。因此，SAR 图像的解译和处理相当困难：一方面，SAR 图像信息的复杂 性和内蕴性使得人工目视解译需要依靠有经验的专家来完成；另一方面，直接采用图像处理 和计算机视觉的方法对 SAR 图像进行机器自动解译，其准确性也达不到实用要求。提高 SAR 图像应用能力的一个重要途径，是通过挖掘其内蕴信息并进行科学可视化，从而增强 SAR 图像的可读性，便于对其进行目视解译。 SAR 图像的信息可视化，是通过挖掘 SAR 图像中内蕴的信息并挑选感兴趣的部分，对其 进行直观的显示，使得重构得到的“信息图像”比原始 SAR图像具有更好的可读性。常见的 SAR 图像信息可视化方法主要体现在全极化 SAR 图像解译中[3]：一种广泛采用的方法是用 HH、HV、VV 三个极化通道归一化后的数据，分别作为 R、G、B 三个通道进行伪彩显示；另 一种方法是采用极化目标分解得到的特征或参数，挑选三个进行 RGB 伪彩显示，从而体现出 SAR 图像中不同地物的散射特性。除此之外，Schulz 等针对单极化 SAR 图像提出了利用方差 系数（Cov）、幅度（Am）和相干系数（Coh）三个特征组合进行伪彩显示，从而便于进行 SAR 基金资助：1.国家自然科学基金 2.中央高校基本科研业务费专项资金（20082120101000042） 138 图像中地物的变化检测[4]。孙洪等首次提出了一个 SAR 图像解译的新方法：SAR 图像“二 次成像”[5]。该方法首先针对各种类型的 SAR 图像（如单极化、多极化、干涉、极化干涉、 多时相 SAR图像），从微波散射物理模型、图像数据和目标及场景特征等各个方面提取信息； 然后选择感兴趣的信息成分重构一个 SAR“信息图像”，使之成为具有较好可视性和可读性 的“类光学图像”；最后针对“类光学图像”进行目视解译。 由上述工作可以看出，从 SAR 图像中可以提取出各种各样的信息，这些信息往往只是从 某一个角度去描述 SAR图像中的地物。单一种类的信息无法全面的描述 SAR 地物特性，而将 尽可能多的信息组合在一起又会导致信息的冗余和信息特征的“维数灾难”，因此需要根据 应用的需求筛选出用户感兴趣的信息，用这些信息重构 SAR“信息图像”，从而便于后续的 目视解译。 本文在 SAR图像“二次成像”的框架下，提出了用基于流形学习 （manifold learning）