极化干涉分析：Wishart-H/Alpha分类的优化应用

"这篇论文是2012年发表在《武汉大学学报·信息科学版》第37卷第1期的一篇工程技术领域的学术论文，主要探讨了基于极化相干最优与极化总功率的Wishart-H/Alpha分类方法在遥感图像处理中的应用。" 文章详细介绍了Wishart-H/Alpha法在复杂场景分类中的优势，这是一种非监督的聚类方法，能够实现高精度的图像分类。然而，该方法在实际应用中存在一个问题，即在聚类过程中，由于散射机理的混淆，可能导致水泥路面（一种不透水层）与裸露土壤这两类地物的混淆，这对实际的图像解析和地表特征识别带来了困扰。 为了解决这个问题，论文提出了一种新的策略，即利用最优相干系数与极化总功率系数构建的二维直方图空间进行阈值分割。这种方法旨在区分Wishart-H/Alpha分类中混淆的水泥道路与裸露土壤，从而提高分类的准确性。论文通过国内机载X波段双天线极化干涉实验，验证了新方法的有效性。 极化合成孔径雷达（PolSAR）和极化干涉合成孔径雷达（PolInSAR）技术的发展，促进了全极化数据和极化干涉数据的获取，也推动了对极化数据处理的研究。Cloude-Pottier分解作为极化目标分解的一种有效方法，已经被广泛应用。Lee等人的研究将Cloude-Pottier分解与Wishart分布相结合，提出了非监督的Wishart-H/Alpha分类法，它在区分自然地物与人造结构方面表现出色，并且分类结果具有一定的噪声抵抗能力。 尽管Wishart-H/Alpha分类法在很多情况下表现出色，但它将H/Alpha分解结果硬性划分为8类的方式可能并不适用于所有情况，且分类的类中心与实际地物的对应关系不够明确。因此，论文中提出的新方法试图改善这一状况，通过对最优相干系数与极化总功率系数的二维直方图空间分析，增强了分类的精确性和实用性。 这篇论文为极化SAR图像处理提供了一种改进的分类策略，对于提高遥感图像解析的准确性和鲁棒性具有重要的理论和实践意义。