韩文涛,朱建军,付海强

(中南大学 地球科学与信息物理学院，湖南 长沙 410083)

极化目标分解是极化SAR数据分析与应用的有力技术手段，它在地面目标参数反演中有着重要的作用[1]。对于分布式目标，极化SAR目标分解主要分为两类：基于特征矢量的极化目标分解和基于散射模型的极化目标分解[2]。基于散射模型的极化目标分解，由于其易于操作和物理意义明确的特点而受到广泛的关注。然而传统的Freeman-Durden三分量分解在倾斜建筑物区域存在着体散射能量过度估计的问题[3]。如何准确估计倾斜建筑物区域的体散射能量成为PolSAR图像解译的研究热点。例如：2005年，Yamaguchi在Freeman-Durden三分量分解的基础上引入了螺旋散射分量，继而提出了四分量分解算法，Yamaguchi四分量分解算法一定程度上抑制体散射能量的过度估计[4]。2011年，Yamaguchi在极化SAR目标分解前，先对极化相干矩阵进行定向角补偿，该操作抑制倾斜建筑物被错误解译为森林[5]。2011年，Van Zyl提出非负特征值分解，通过约束剔除体散射后的相干矩阵的特征值非负，来抑制体散射能量的过度估计[6]。2013年，陈思伟发现当建筑物的定向角较大时，即使在极化分解前预先对相干矩阵进行定向角补偿，体散射能量还是存在着过度估计[7]，因此，2014年，陈思伟提出通用的分解模型框架，较好地避免了倾斜表面和倾斜建筑物产生的交叉极化能量被体散射模型错误吸收[8]。2018年，Singh提出六分量分解模型，利用相干矩阵中的散射信息，抑制体散射能量过度估计的作用[9]。……