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

doi:10.7523/j.issn.2095-6134.2019.02.017

中国科学院大学学报 ›› 2019, Vol. 36 ›› Issue (2): 280-288.DOI: 10.7523/j.issn.2095-6134.2019.02.017

• 简报 • 上一篇

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

蒋莎^1,2, 仇晓兰¹, 韩冰¹, 胡文龙¹, 卢晓军³

1. 中国科学院电子学研究所中国科学院空间信息处理与应用系统技术重点实验室, 北京 100190;
2. 中国科学院大学, 北京 100190;
3. 中国国际工程咨询有限公司, 北京 100048

收稿日期:2018-01-04 修回日期:2018-03-30 发布日期:2019-03-15
通讯作者: 仇晓兰
基金资助:
国家自然科学基金（61331017）和高分3号卫星应用共性关键技术项目（30-Y20A12-9004-15/16，03-Y20A11-9001-15/16）资助

A fast evaluation method of channel imbalance of polarimetric SAR based on common distributed targets

JIANG Sha^1,2, QIU Xiaolan¹, HAN Bing¹, HU Wenlong¹, LU Xiaojun³

1. Key Laboratory of Spatial Information Processing and Application System Technology of CAS, Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China;
2. University of Chinese Academy of Sciences, Beijing 100190, China;
3. China International Engineering Consulting Corporation, Beijing 100048, China

Received:2018-01-04 Revised:2018-03-30 Published:2019-03-15

摘要/Abstract

摘要： 目前，有多种算法利用定标场和布设的定标器估算幅相不平衡，但基于定标场和定标器的方法存在时间和空间上的局限性，不能满足常态化极化质量监测的需求。基于地物的散射统计特性，提出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。给出该方法对地物散射特性的要求，并采用统计计算的策略，降低方法对地物的要求。该方法能够实现幅相不平衡的便捷常态化评估。半物理仿真实验和GF-3实测数据实验验证了该方法的有效性。

关键词: 合成孔径雷达, 极化SAR, 质量评价, 幅相不平衡

Abstract: There are a variety of algorithms in which the calibrated field and calibrator are used to calculate the channel imbalance, but they do not meet the need of normalized quality monitoring because of the limitations to area and revisit frequency. In this work, based on the statistical properties of ground objects' scattering, a fast evaluation method of channel imbalance of polarimetric SAR based on common distributed targets is proposed. The requirements of the method on the scattering characteristics of ground objects are deduced, and the statistical calculation methods are adopted to reduce the requirements. This method achieves the convenient and normalized evaluation of channel imbalance. The experiments of semi-physical simulation and of GF-3 measured data verify the effectiveness of the method.

Key words: SAR, pol SAR, quality evaluation, channel imbalance

中图分类号:

TN957.52

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.

JIANG Sha, QIU Xiaolan, HAN Bing, HU Wenlong, LU Xiaojun. A fast evaluation method of channel imbalance of polarimetric SAR based on common distributed targets[J]. , 2019, 36(2): 280-288.

参考文献

[1] 折小强, 仇晓兰, 雷斌, 等. 一种极化熵结合混合GEV模型的全极化SAR潮间带区域地物分类方法[J]. 雷达学报, 2017, 6(5):554-563.
[2] 张妙然, 刘畅. 基于特征筛选和二级分类的极化SAR建筑提取算法[J]. 中国科学院大学学报, 2018, 35(1):89-95.
[3] 文伟, 王英华, 冯博, 等. 基于监督非相干字典学习的极化SAR图像舰船目标检测[J]. 自动化学报, 2015, 41(11):1926-1940.
[4] Liu J, Liao J J, Shen G Z. Retrieval of wetland vegetation biomass in Poyang Lake based on quad-polarization image[J]. Remote Sensing for Land and Resources, 2012, 24(3):38-43.
[5] Yuzugullu O, Erten E, Hajnsek I. Estimation of rice crop height from X-and C-band PolSAR by metamodel-based optimization[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(1):194-204.
[6] Whitt M W, Ulaby F T, Polatin P, et al. A general polarimetric radar calibration technique[J]. IEEE Transactions on Antennas and Propagation, 1991, 39(1):62-67.
[7] Freeman A, Shen Y, Werner C L. Polarimetric SAR calibration experiment using active radar calibrators[J]. IEEE Transactions on Geoscience and Remote Sensing, 1990, 28(2):224-240.
[8] Van Zyl J J. Calibration of polarimetric radar images using only image parameters and trihedral corner reflector responses[J]. IEEE Transactions on Geoscience and Remote Sensing, 1990, 28(3):337-348.
[9] Quegan S. A unified algorithm for phase and cross-talk calibration of polarimetric data-theory and observations[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32(1):89-99.
[10] Ainsworth T L, Ferro-Famil L, Lee J S. Orientation angle preserving a posteriori polarimetric SAR calibration[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(4):994-1003.
[11] Villa A, Iannini L, Giudici D, et al. Calibration of SAR polarimetric images by means of a covariance matching approach[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(2):674-686.
[12] 丁赤飚, 刘佳音, 雷斌, 等. 高分三号SAR卫星系统级几何定位精度初探[J]. 雷达学报, 2017, 6(1):11-16.
[13] Souyris J C, Imbo P, Fjortoft R, et al. Compact polarimetry based on symmetry properties of geophysical media:the/spl pi//4 mode[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(3):634-646.
[14] 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.
[15] Guissard A. Phase calibration of polarimetric radars from slightly rough surfaces[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32(3):712-715.
[16] Zebker H A, Lou Y. Phase calibration of imaging radar polarimeter Stokes matrices[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 28(2):246-252.

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

A fast evaluation method of channel imbalance of polarimetric SAR based on common distributed targets

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

[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]	刘杉, 张风丽, 韦诗莹, 刘娜, 邵芸. 基于极化分解组合的SAR图像视觉优化和建筑物损毁评估[J]. 中国科学院大学学报, 2020, 37(6): 750-759.
[5]	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.
[6]	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.
[7]	杨牡丹, 魏中浩, 徐志林, 张冰尘, 洪文. 一种基于层次稀疏的全极化SAR层析成像方法[J]. 中国科学院大学学报, 2020, 37(4): 525-531.
[8]	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.
[9]	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.
[10]	王春峰, 苏荔, 黄庆明. 基于卷积神经网络的时空融合的无参考视频质量评价方法[J]. 中国科学院大学学报, 2018, 35(4): 544-549.
[11]	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.
[12]	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.
[13]	张妙然, 刘畅. 基于特征筛选和二级分类的极化SAR建筑提取算法[J]. 中国科学院大学学报, 2018, 35(1): 89-95.
[14]	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.
[15]	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.