[发明专利]一种角度优化处理的全极化SAR目标分解方法

权利要求书

1.一种角度优化处理的全极化SAR目标分解方法，其特征在于：包括以下步骤，

步骤1，读入极化SAR数据，若源数据为极化相干矩阵T₃，进入步骤2；若源数据为后向散射矩阵S₂或极化协方差矩阵C₃，则将数据转换为极化相干矩阵T₃；

步骤2，数据滤波，得到滤波后的极化SAR数据；

步骤3，进行去取向的Yamaguchi四分量分解，获得初始的表面散射分量f_s、偶次散射分量f_d、体散射分量f_vol、螺旋散射分量f_c、偶次散射参数α、表面散射参数β，以及初始的旋转角度θ，将泛化体散射分量f_v初始化为当前的体散射分量f_vol，并初始化二面角散射贡献的扩展体散射分量f_od＝0；

步骤4，利用初始的旋转角度θ，对T₃矩阵通过旋转变换获得θ角下的T₃矩阵T₃(θ)，定义分解模型如下，

将T₃(θ)矩阵分解为表面散射分量f_s、偶次散射分量f_d、泛化体散射分量f_v、扩展体散射分量f_od、螺旋散射分量f_c的加权和，如下式，

T₃(θ)＝f_sT_Odd+f_dT_Dbl+f_vT_Vol+f_odT_od+f_cT_Hlx+T_rem

其中，T_Odd为表面散射模型矩阵、T_Dbl为偶次散射模型矩阵、T_Vol为泛化体散射模型矩阵、T_od为扩展体散射模型、T_Hlx为螺旋散射模型、T_rem为分解残余量矩阵；

构建并计算分解模型的重构损失如下，

其中，T′_ij为残余量矩阵第i行j列的元素：

T′₁₁＝f_s+f_d|α|²+af_v-T₁₁(θ),

T′₂₂＝f_s|β|²+f_d+bf_v+1/2f_c+7/15f_od-T₂₂(θ),

T′₃₃＝cf_v+8/15f_od+1/2f_c-T₃₃(θ),

Re[T′₁₂]＝f_sβ^*+f_dRe[α]+df_v-Re[T₁₂(θ)],

Im[T′₁₂]＝f_dIm[α]-Im[T₁₂(θ)],

Re[T′₁₃]＝Re[T₁₃(θ)],Im[T′₁₃]＝Im[T₁₃(θ)],

Re[T′₂₃]＝Re[T₂₃(θ)],Im[T′₂₃]＝1/2f_c-Im[T₂₃(θ)]

T₁₁(θ)＝T₁₁

T₁₂(θ)＝T₁₂ cos2θ+T₁₃ sin2θ,

T₁₃(θ)＝-T₁₂ sin2θ+T₁₃ cos2θ,

T₂₂(θ)＝T₂₂ cos²2θ+T₃₃ sin²2θ+Re[T₂₃]sin4θ

T₃₃(θ)＝T₃₃ cos²2θ+T₂₂ sin²2θ-Re[T₂₃]sin4θ

其中，Re[·],Im[·]分别表示取实部和取虚部，*表示共轭运算，

重构损失L中，反应了四分量分解后的信息与原始T₃矩阵信息损失，反应了四分量分解后各分量功率之和与总功率之差；

角度优化处理的优化问题为表示求解最优的一组参数{f_s,f_d,f_v,f_od,f_c,α,β,θ}，使得重构损失L最小；

步骤5，利用梯度下降法求解优化问题，得到最优的一组参数{f_s,f_d,f_v,f_od,f_c,α,β,θ}；

步骤6，利用步骤5获得的表面散射分量f_s、偶次散射分量f_d、泛化体散射分量f_v、螺旋散射分量f_c、偶次散射参数α、表面散射参数β、旋转角θ以及二面角散射贡献的扩展体散射分量f_od，提取表面散射功率Ps、偶次散射功率Pd、体散射功率Pv、螺旋散射功率Pc，获得四分量分解结果，得到SAR图像的目标特性。