极化SAR滤波新方法：基于乘积模型的纹理与极化信息分离

"基于乘积模型的极化SAR滤波 (2011年) - 邓少平, 李平湘, 张继贤, 黄国满 - 武汉大学学报·信息科学版, Vol.36 No.10, Oct.2011" 本文介绍了一种新的极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, 简称极化SAR）滤波技术，该技术基于乘积模型，旨在有效抑制相干斑噪声，同时保持极化信息的完整性。极化SAR是一种能够获取地表目标多极化信息的遥感技术，然而其图像常受到相干斑噪声的影响，降低了图像质量和分析精度。 作者首先阐述了极化SAR的基本概念，指出极化SAR影像由纹理信息和极化信息两部分组成，且通常以3x3协方差矩阵的形式表示，遵循复Wishart分布。纹理信息反映了图像的能量变化，而极化信息则包含了地表目标的散射特性。 针对极化SAR图像的滤波问题，传统的滤波方法如Novak的极化白化滤波器（PWF）和Lee的最优加权滤波法虽然能去除噪声，但可能损失相位差等关键极化信息。而集平均法和强度驱动的自适应邻域滤波法虽能在保持数据形式的同时抑制噪声，但在处理包含强目标的异质区域时，弱目标的极化信息往往被忽视。 为了解决这些问题，邓少平等提出了基于乘积模型的极化SAR滤波方法。该方法通过乘积模型将纹理信息和极化信息分离，随后对这两部分独立进行滤波处理，最后再合成协方差矩阵，以恢复清晰的极化SAR图像。这种方法的优势在于能够有效地保持极化信息，减少滤波过程中的信息损失，同时降低相干斑噪声对图像质量的影响。 实验结果证明，这种基于乘积模型的滤波方法在实际应用中是有效且可行的，它在抑制斑点噪声的同时，具有良好的极化保持性能，有助于提升地面目标识别和地表覆盖分类等应用的准确性。 这篇论文为极化SAR图像处理提供了一种创新的技术手段，对于改善极化SAR图像的质量和提升遥感数据分析能力具有重要意义。该研究不仅在理论上有一定的贡献，而且对实际的地球观测系统和应用领域也具有指导价值。