基于分类的极化干涉SAR数据相干斑滤波方法

doi:10.7523/j.issn.2095-6134.2012.5.009

中国科学院大学学报 ›› 2012, Vol. 29 ›› Issue (5): 636-643.DOI: 10.7523/j.issn.2095-6134.2012.5.009

基于分类的极化干涉SAR数据相干斑滤波方法

齐文璐^1,2,3, 李洋^1,2, 王鹏^1,2,3, 洪文^1,2

1. 中国科学院电子学研究所, 北京 100190;
2. 微波成像技术重点实验室, 北京 100190;
3. 中国科学院研究生院, 北京 100190

收稿日期:2011-02-23 修回日期:2011-06-14 发布日期:2012-09-15
通讯作者: 齐文璐
基金资助:
国家自然科学基金(60890071,60902100)资助

Speckle filtering of polarimetric SAR interferometry data based on classification

QI Wen-Lu^1,2,3, LI Yang^1,2, WANG Peng^1,2,3, HONG Wen^1,2

1. Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China;
2. The National Key Laboratory of Microwave Imaging Technology, Beijing 100190, China;
3. Graduate University of Chinese Academy of Sciences, Beijing 100190, China

Received:2011-02-23 Revised:2011-06-14 Published:2012-09-15

摘要/Abstract

摘要： 提出一种极化干涉SAR数据滤波方法.通过结合最优干涉相干系数和Freeman-Durden分解的非监督分类方法,利用干涉信息对极化信息不敏感的体散射区域进行进一步的划分;再选择与中心像素同类且干涉相位相近的像素参与滤波,达到在滤波的同时更好地保护数据极化信息和干涉信息的目的.利用ESAR数据进行实验,证明2种改进算法在抑制相干斑的同时,能有效保持目标散射特性、数据极化信息和干涉信息.

关键词: 合成孔径雷达, 相干斑滤波, 最优干涉相干系数

Abstract: A speckle filter for polarimetric synthetic aperture radar interferometry data is proposed. By using the unsupervised classification method which combines optimal polarimetric interference coherence with Freeman-Durden decomposition and by selecting the pixels belonging to the same classification as the central pixel and having simiar interferometric phase to the center pixel, the filter can suppress speckle noise well while protect data polarization information and interference information. ESAR data are used in experiment.

Key words: synthetic aperture radar, speckle filter, optimal coherence

中图分类号:

TN957.52

齐文璐, 李洋, 王鹏, 洪文. 基于分类的极化干涉SAR数据相干斑滤波方法[J]. 中国科学院大学学报, 2012, 29(5): 636-643.

QI Wen-Lu, LI Yang, WANG Peng, HONG Wen. Speckle filtering of polarimetric SAR interferometry data based on classification[J]. , 2012, 29(5): 636-643.

参考文献

[1] Cloude S R, Papathanassiou K P. Three-stage inversion process for polarimetric SAR interferometry [J]. IEE Proceedings-Radar, Sonar and Navigation, 2003, 150(3): 125-134.
[2] Lee J S, Cloude S R, Papathanassiou K P, et al. Speckle filtering and coherence estimation of polarimetric SAR interferometry data for forest applications [J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(10): 2254-2263.
[3] Lee J S, Grunes M R, Grandi G. Polarimetric SAR speckle filtering and its implication for classification [J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2363-2373.
[4] Lee J S, Grunes M R, Schuler D L, et al. Scattering-model-based speckle filtering of polarimetric SAR data [J]. Geoscience and Remote Sensing, IEEE Transactions on, 2006, 44(1): 176-187.
[5] Lee J S, Wen J H, Ainsworth T L, et al. Improved sigma filter for speckle filtering of SAR imager [J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 202-213.
[6] Cloude S R, Papathanassiou K P. Polarimetric SAR interferometry [J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(5): 1551-1565.
[7] Freeman A, Durden S L. A three-component scattering model for polarimetric SAR data [J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3): 963-973.
[8] Lee J S, Papathanassiou K P, Hajnsek I, et al. Applying polarimetric SAR interferometric data for forest classification // IEEE Proceedings of IGARSS 2005. Seoul: IEEE, 2005: 4848-4851.
[9] Lee J S, Grunes M R, Ainsworth T L, et al. Unsupervised classification using polarimetric decomposition and the complex wishart classifier [J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2249-2258.
[10] Lee J S, Jurkevich L, Dewaele P, et al. Speckle filtering of synthetic aperture radar images: a review [J]. Remote Sensing Reviews, 1994, 8(4): 313-340.

[1]	尹迪, 韩冰, 孙吉利, 赵良波, 洪文, 胡玉新. 天线扫描对TOPSAR辐射影响的校正方法[J]. 中国科学院大学学报, 2021, 38(6): 791-799.
[2]	林世明, 张毅, 王吉利, 赵爽. 星载双基InSAR系统中的电离层色散效应分析与校正[J]. 中国科学院大学学报, 2021, 38(6): 809-816.
[3]	刘雨洁, 齐向阳. 基于长时间间隔序贯SAR图像的运动舰船跟踪方法[J]. 中国科学院大学学报, 2021, 38(5): 642-648.
[4]	潘志刚, 王超, 曹舸. 基于距离方程组的机载SAR图像立体定位方法[J]. 中国科学院大学学报, 2020, 37(6): 798-804.
[5]	王泽隆, 徐向辉, 张雷. 基于仿真SAR图像深度迁移学习的自动目标识别[J]. 中国科学院大学学报, 2020, 37(4): 516-524.
[6]	田东, 禹卫东. 电离层色散效应对星载SAR成像的影响[J]. 中国科学院大学学报, 2019, 36(3): 376-384.
[7]	邹浩, 林赟, 洪文. 基于多角度合成SAR图像的目标识别性能分析[J]. 中国科学院大学学报, 2019, 36(2): 226-234.
[8]	蒋莎, 仇晓兰, 韩冰, 胡文龙, 卢晓军. 一种基于普通分布目标的极化SAR幅相不平衡快速评价方法[J]. 中国科学院大学学报, 2019, 36(2): 280-288.
[9]	李松, 魏中浩, 张冰尘, 洪文. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1): 75-83.
[10]	肖垚, 刘畅. 基于稀疏求解的改进PCA方法在SAR目标识别中的应用[J]. 中国科学院大学学报, 2018, 35(1): 84-88.
[11]	杨国铮, 禹晶, 孙卫东. 基于相对全变分的复杂背景SAR图像舰船尾迹检测[J]. 中国科学院大学学报, 2017, 34(6): 734-742.
[12]	陈立福, 王思雨, 袁志辉, 王静, 邢学敏, 武鸿. 非线性ECS自配准成像算法中相位保持精度分析[J]. 中国科学院大学学报, 2017, 34(5): 640-646.
[13]	潘志刚, 王小龙, 李志勇. SAR原始数据压缩的自适应比特分配BAQ算法[J]. 中国科学院大学学报, 2017, 34(1): 106-111.
[14]	杨洋, 王岩飞. 一种基于混合模型的合成孔径雷达自聚焦算法[J]. 中国科学院大学学报, 2016, 33(5): 656-663.
[15]	邢涛, 黄友红, 胡庆荣, 李军, 王冠勇. 基于动态K均值聚类算法的SAR图像分割[J]. 中国科学院大学学报, 2016, 33(5): 674-678.

基于分类的极化干涉SAR数据相干斑滤波方法

Speckle filtering of polarimetric SAR interferometry data based on classification

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们