基于旋转域极化相干特征的建筑物倒损率估计方法

摘要

本发明属于全极化SAR成像遥感技术领域，涉及一种基于旋转域极化相干特征的全极化SAR建筑物倒损率估计方法。所述方法包括以下步骤：第一步，极化散射矩阵绕全极化雷达视线作旋转处理；第二步，计算旋转域中的极化相干特征序列；第三步，计算极化相干起伏度；第四步,计算建筑物极化倒损因子；第五步，建筑物倒损率估计。本发明实现简单，对不同建筑物目标具有很好的鲁棒性，并且实施起来也非常方便，可直接用于对各种全极化SAR系统获得的多时相全极化SAR图像进行处理。本发明对于全极化SAR建筑物倒损评估、减灾防灾等应用领域有着重要的参考价值。

主权项

一种基于旋转域极化相干特征全极化SAR建筑物倒损率估计方法，利用配准的灾前和灾后包含建筑物区域的全极化SAR图像，分别获得建筑物区域倒损前的极化散射矩阵S_i^pre‑event,i＝1,2,…,W，和建筑物区域倒损后的极化散射矩阵S_i^post‑event,i＝1,2,…,W，i表示全极化SAR图像第i个像素，W为全极化SAR图像的像素点个数；令极化散射矩阵S＝S_i^pre‑event或S＝S_i^post‑event，其特征在于：先对上述每一个极化散射矩阵进行下面第一步至第三步的处理：第一步，极化散射矩阵绕全极化雷达视线作旋转处理；令极化散射矩阵S_HH为在水平极化H发射和水平极化H接收条件下获取的复后向散射系数；S_VH为在水平极化H发射和垂直极化V接收条件下获取的复后向散射系数；S_HV为在垂直极化V发射和水平极化H接收条件下获取的复后向散射系数；S_VV为在垂直极化V发射和垂直极化V接收条件下获取的复后向散射系数；在绕全极化雷达视线方向，对极化散射矩阵S进行旋转处理，对旋转域中的旋转角θ，θ∈[‑π,π]，计算经旋转处理后的旋转极化散射矩阵S(θ)的表达式：$S\left(\theta \right)=R_2\left(\theta \right){\mathrm{SR}}_2^T\left(\theta \right)$其中，旋转极化散射矩阵旋转矩阵上标T为转置处理；由上式可得，旋转极化散射矩阵S(θ)各元素在旋转域中的表达式为：S_HH(θ)＝S_HHcos²θ+S_HVcosθsinθ+S_VHcosθsinθ+S_VV sin²θS_HV(θ)＝‑S_HHcosθsinθ+S_HV cos²θ‑S_VHsin²θ+S_VV cosθsinθS_VH(θ)＝‑S_HHcosθsinθ‑S_HVsin²θ+S_VHcos²θ+S_VVcosθsinθS_VV(θ)＝S_HHsin²θ‑S_HVcosθsinθ‑S_VHcosθsinθ+S_VV cos²θ；第二步，计算旋转域中的极化相干特征序列；将旋转域中的旋转角θ进行离散化处理，得到离散化的旋转角序列θ_j，j＝0,1,…,N，j表示第j个旋转角，N+1为旋转角θ的个数，其取值根据实际情况确定；对极化通道HH和VV，计算旋转角序列θ_j对应的极化相干特征序列|γ_HH‑VV(θ_j)|：$\left|{\gamma }_{HH-VV}\left({\theta }_j\right)\right|=\frac{|<S_{HH}\left({\theta }_j\right)·S_{VV}^{*}\left({\theta }_j\right)>|}{\sqrt{<S_{HH}\left({\theta }_j\right)·S_{HH}^{*}\left({\theta }_j\right)>}·\sqrt{<S_{VV}\left({\theta }_j\right)·S_{VV}^{*}\left({\theta }_j\right)>}}$其中，<·>为集合平均处理，|·|为取绝对值处理，上标*为共轭处理；第三步，计算极化相干起伏度；计算极化相干特征序列|γ_HH‑VV(θ_j)|的极化相干起伏度(|γ_HH‑VV|_std)_i：(|γ_HH‑VV|_std)_i＝std{|γ_HH‑VV(θ_j)}其中，std{·}为求序列的极化相干特征标准差；利用上述第一步至第三步，分别求得建筑物倒损前和倒损后全极化SAR图像中建筑物区域的极化相干起伏度(|γ_HH‑VV|_std)_i，分别记为和第四步,计算建筑物极化倒损因子；以倒损后和倒损前建筑物区域的极化相干起伏度的比值作为建筑物极化倒损因子即${\mathrm{Ratio}}_i^{|{\gamma }_{HH-VV}{|}_{std}}=\frac{{\left(\right|{\gamma }_{HH-VV}{|}_{std})}_i^{pre-event}}{{\left(\right|{\gamma }_{HH-VV}{|}_{std})}_i^{post-event}};$第五步，建筑物倒损率估计；建筑物极化倒损因子与建筑物倒损率DL_i的关系为：取值越大，建筑物倒损率DL_i越大，这样，建立的建筑物倒损率DL_i的反演表达式为：${\mathrm{DL}}_i=\left\{\begin{array}{cc}{p}_1·{\left({\mathrm{Ratio}}_i^{|{\gamma }_{HH-VV}{|}_{std}}\right)}^4+p_2·{\left({\mathrm{Ratio}}_i^{|{\gamma }_{HH-VV}{|}_{std}}\right)}^3+p_3·{\left({\mathrm{Ratio}}_i^{|{\gamma }_{HH-VV}{|}_{std}}\right)}^2+p_4·\left({\mathrm{Ratio}}_i^{|{\gamma }_{HH-VV}{|}_{std}}\right)+p_5& 1\le {\mathrm{Ratio}}_i^{|{\gamma }_{HH-VV}{|}_{std}}\\ 0& 0<{\mathrm{Ratio}}_i^{|{\gamma }_{HH-VV}{|}_{std}}<1\end{array}\right.$其中，p₁、p₂、p₃、p₄和p₅为拟合参数，基于建筑物区域内真实倒损率的样本像素，利用该真实倒损率和估计倒损率，通过多项式拟合得到；遍历极化SAR图像中的所有建筑物区域，即可得到建筑物倒损率估计图。