王启龙，包德高，徐立军

(辽宁省水利水电勘测设计研究院有限责任公司，辽宁 沈阳 110000)

自极化SAR系统面世以来，就以自身独有的优势受到广大专家学者的广泛关注，并且它在遥感图像分类与识别等解译方面作用突出明显，为了研究双台河口湿地地物类型与极化特征的关系和解决特征冗余问题，本文就极化SAR数据的特点，提出了基于极化SAR影像极化特征分类算法。

1 湿地典型地物散射机理

极化SAR影像进行分类时，可从散射矩阵、相干矩阵和协方差矩阵中获取有关地物目标的有用信息实现地物目标的分类。随着目标极化分解方法研究的深入，发现经过极化分解之后的影像具有更丰富的信息，因此利用目标分解地实现地物反演成为分类研究工作的主流。

尽管自然界中的地物种类多种多样，但通常可认为其散射过程由一些基本的散射机理组合而成。这些基本散射机理为：表面散射、二面角散射、体散射、螺旋散射和线散射5种基本散射机理。湿地大多数地物的散射情况都可以用表面散射、二面角散射和体散射来描述。不同地物发生的不同散射对于识别与分析目标物的特性具有重要意义。

1.1 表面散射

表面散射是指极化雷达系统发射的电磁波到达光滑的平面时，散射波能够完全被极化雷达系统接收过程如图1所示。当入射电磁波与目标地物的夹角从0°变化到90°时，随着后向散射能量越来越强，影像上的灰度值会越来越大，并且在这个过程中，极化SAR系统只能接收到很少的散射信息，故而在影像上整体是颜色偏暗[1]。在湿地中可以发生表面散射的地物为河流、浅海水域等。可以用规范化的散射矩阵表示，其公式如下：

(1)

式中，S1—规范化之后的散射矩阵。

图1 表面散射

1.2 二面角散射

二面角散射是模拟表面由两种不同电介质材料构成的二面角反射器的散射如图2所示。并且在这个过程中，极化SAR系统可以接收到较强的电磁波散射信息，故而影像的颜色介于浅灰色和白色，并且若是在接收的电磁波散射信息很强的地区，影像上会出现明显的亮斑。在极化SAR影像上通常是城区或者高大的树木发生二面角散射，在湿地中能够发生二面角散射的地物有芦苇等草本植物[2]。可以用规范化的散射矩阵表示，其公式如下：

(2)

图2 二面角散射图

1.3 体散射

体散射指电磁波在接触到空间中方向分布随机的微小圆柱形散射体构成的粒子团时，散射波无序随机分散的传播如图3所示，极化SAR系统上能够接收到的电磁波散射信息强度介于表面散射和二面角散射之间，故而影像的颜色呈现灰色。在极化SAR影像上通常是植被，在湿地中能够发生体散射的地物有灌丛沼泽等。可以用规范化的散射矩阵表示，其公式如下：

(3)

式中，a1、b1—复数。

图3 体散射

2 极化分解方法

极化分解的主流是将其分为相干和非相干两种目标分解方法，相干目标分解是针对点目标的，因此是在极化散射矩阵的基础上进行的，如Pauli分解、Cameron分解等[5]；非相干目标分解是针对分布式目标的，因此是在相干矩和协方差矩阵的基础上进行的，非相干目标分解分为基于相干矩阵特征值的H/A/α分解和基于目标物理特征模型的Freeman、MCSM分解等[3- 4]。

为了能够更好的对研究区地面目标进行分析与分类，本文选用了多种经典的极化分解方法，并从中提取特征，从各个方面充分利用极化雷达信息。本文采用的极化分解方法包括：Freeman分解、H/A/α分解、MCSM分解、NNED分解、Pauli分解和Yamaguchi分解等6种方法，进而得到20个特征。各个特征、相应的含义以及对应的分解方法见表1。其中，h1～h20代表20个特征。

在分解方法中，散射矩阵、协方差矩阵以及相干矩阵可以用来描述极化数据基本的散射特征，在极化SAR图像分类中，这些矩阵可以提供重要帮助，可以从这些基本的测量数据中获得目标地物的相关信息。湿地大多数地物的散射情况都可以用表面散射、二面角散射和体散射来描述，能够发生表面散射的地面物体如平静的水面、粗糙的裸土等；能够发生二面角散射的地面物体如树干等；能够发生体散射的地面物体如农作物、森林、灌丛等。不同地物发生的不同散射对于识别与分析目标物的特性具有重要意义。

3 极化特性分析与极化特征选择

为了更好地验证极化特征向量对分类结果的影响，现对各极化特征进行分析。通过制作各个散射机理的功率均值散点图、H/A/α平面散点图和概率密度函数曲线图来体现出湿地不同地物类型在不同极化特征中的表现，评价极化特征对极化SAR湿地的分类能力。

表1 特征及其含义

3.1 选取样本

选取样本对于极化SAR影像的后期研究至关重要，首先，通过地面调查获得每个湿地地物各个类别的部分样本；然后，在根据Lansat- 8影像和查阅以往的历史资料，在Lansat- 8影像上确定位置；最后，通过寻找到的相同特征来获取该地类的其余样本。

根据湿地分类体系、相关资料查询和实地调查，可将双台河口湿地地物大致分为草本沼泽、灌丛沼泽、库塘、河流、浅海水域、淤泥质沙滩和稻田7类。

3.2 功率均值散点图

每一种极化特征可以使一种或几种湿地地物与其他地物之间的差异显著化，有助于找到极化特征与地物之间的关系，可以得到在功率均值散点图中特征参数与地物之间的对应关系见表2。

表2 功率均值散点图特征参数与湿地地物对应表

3.3 H/A/α平面散点图

各类样本在H/α、H/A和A/α二维平面的空间分布图如图4所示。从图4中可以看出，在H/α平面中淤泥质沙滩、浅海水域和库塘区分较差，其余地物区分度均较好，浅海水域的大部分被淤泥质沙滩遮挡，说明浅海水域和淤泥质沙滩区分不明显，另外，稻田将草本沼泽的一部分遮挡，但总体上还是可以区分的；在A/α平面中草本沼泽和灌丛沼泽的区分度较好，稻田大部分遮挡灌丛沼泽，少部分遮挡草本沼泽，其余地物几乎都相互遮挡，地物区分不明显；在H/A平面中灌丛沼泽的区分度较好，其余地物相互交错，淤泥质沙滩分布较为分散，较难区分。

图4 H/α、H/A和A/α二维平面的空间分布图

在H/α平面、A/α平面和H/A平面可以区分草本沼泽和灌丛沼泽，但其余地物需利用概率密度函数曲线图进一步进行区分。

3.4 概率密度函数曲线图

因除H、A与α外的其余极化特征的后向散射值分布密集且值较小，不利于进行PDF曲线图分析，因此需要将后向散射强度进行分贝化处理，以增强差异。

在PDF曲线图中，各个地物在不同的极化特征上呈现出不同的特性，草本沼泽的系数最大，河流与浅海水域的分布都是相似的并且最小，这与功率均值散点图的分析相同；并且拖尾现象严重。

草本沼泽和稻田的PDF与其他地物的曲线交叉较少，尤其是草本沼泽与其他地物没有交叉，稻田的PDF峰值右侧也是基本与其他地物没有交叉，由此说明草本沼泽和稻田在T22中区分度较好，如图5所示。

图5 Pauli分解的PDF曲线图

经过图上数据分析，可以看出每一种极化特征可以使一种或几种湿地地物与其他地物之间的差异显著化，可以得到在PDF曲线图中特征参数与地物之间的对应关系见表3。

4 最佳极化特征组合

利用功率均值散点图、H/A/α平面散点图和PDF曲线图进行极化特性分析，可以证明在极化SAR影像分类过程中，可以减少使用极化特征的个数，并且在这个选择的过程中，可以获取到目标地物的散射响应信息，这样在极化特征选择之后得到的极化特征参数能够反映不同地物之间的不同，并且使得最终的极化特征参数与地面目标的物理特性是相符的，这样可以进一步的证明选择的特征参数的正确性。

表3 PDF曲线图特征参数与湿地地物对应表

在分析功率均值散点图、H/A/α平面散点图和PDF曲线图过程中，发现每一种分析方法均可以得到几种极化特征，每种极化特征可使一种或多种地物有较高的区分度，但不同分析方法得出的极化特征可能会有所不同，这样就需要数据的整理和合并。

在经过分析之后，发现有8种特征参数可以最大程度的区分地物，得出结论见表4。

5 结语

在Freeman分解、H/A/α分解、MCSM分解、NNED分解、Pauli分解和Yamaguchi分解这6种极化分解的基础上，针对分类过程中因为极化特征过多造成的算法计算量过大以及产生的数据冗余的问题，提出了功率均值散点图、H/A/α平面散点图和概率密度函数曲线图来进行极化特征选择，最终分析出最佳极化特征组合。

极化特征的选取与种类对于基于极化特征的极化SAR影像分类具有至关重要的作用，极化特征直接关系着分类结果，因此极化SAR影像的极化特征的创新与发展是一个未来的研究方向。