[发明专利]一种基于精细散射模型的极化目标分解方法

权利要求书

1.一种基于精细散射模型的极化目标分解方法，其特征在于包括以下步骤：

(S1)获取极化SAR图像数据；

(S2)针对SAR图像数据中每一个像素点的极化相干矩阵T₀，根据目标分解模型将极化相干矩阵T₀分解为二次散射模型、奇次散射模型、体散射模型和螺旋散射模型的线性加权和；

(S3)对于每一个像素点的极化相干矩阵T₀，求解极化方位角POA和二次散射角θ_dbl；

具体过程为：

设极化相干矩阵T₀表示为，

则极化方位角POA和二次散射角θ_dbl计算方法为：

其中，

其中，Re(g)表示取复数的实部，tan^-1表示反正切函数；

(S4)根据螺旋散射模型T_c求解螺旋散射能量P_c；

(S5)依据极化相干矩阵T₀计算得到门限值th，根据门限值th的大小选择体散射模型T_v，并利用非负特征值的方法求解体散射能量P_v；

(S6)求解奇次散射角θ_odd、奇次散射能量P_s和二次散射能量P_d；

(S7)优化处理得到各散射模型的散射能量。

2.如权利要求1所述的一种基于精细散射模型的极化目标分解方法，其特征在于，

所述步骤(S2)中目标分解模型为：T₀＝f_dT_d(θ_dbl)+f_sT_s(θ_odd)+f_vT_v+f_cT_c，其中，T_d(θ_dbl)、T_s(θ_odd)、T_v、T_c分别为精细化的二次散射模型、精细化的奇次散射模型、体散射模型和螺旋散射模型；θ_dbl、θ_odd分别为二次散射角和奇次散射角，f_d、f_s、f_v、f_c分别表示对应的模型系数。

3.如权利要求1所述的一种基于精细散射模型的极化目标分解方法，其特征在于所述步骤(S4)的螺旋散射模型为：

则螺旋散射能量P_c＝f_c＝2|Im(T₂₃)|，其中，f_c表示螺旋散射模型的系数，|g|表示取数的绝对值，Im(g)表示取复数的虚部。

4.如权利要求1所述的一种基于精细散射模型的极化目标分解方法，其特征在于所述步骤(S5)的体散射模型求解过程具体为：

(S51)计算门限值th：

(S52)根据门限值th大小，选取体散射模型集{T_v1,T_v2,T_v3}中的一个模型作为T_v，

当-2dB≤th≤2dB时，

当th＜-2dB时，

当th＞2dB时，

其中·表示集合平均；

(S53)求解体散射能量P_v，P_v＝f_v＝min(λ_k)，其中f_v表示体散射模型系数，λ_k为方程|T₀-λT_v|＝0的非负解，k＝1,2,3。