Freeman-Durden分解的二面角散射改进及其在SAR极化目标分解中的应用

"引入有取向二面角散射的Freeman-Durden分解 (2014年)，作者: 闫剑、李洋、尹嫱、洪文，发表于《雷达学报》2014年10月第3卷第5期，主要讨论了在极化合成孔径雷达（SAR）数据处理中的目标分解问题，尤其是针对农作物种植区的情况。文章提出了一个有取向的二面角散射模型，并将其应用到Freeman-Durden目标分解算法中，以提高不同航迹下极化SAR数据的分析一致性。" 在极化合成孔径雷达（Polarimetric SAR，简称PolSAR）技术中，理解地表特征的散射特性是至关重要的。传统上，Freeman-Durden分解是一种广泛用于解析PolSAR数据的方法，它将地表散射分为单次散射、双次散射和三次散射等基本成分，从而揭示地表的不同物理特性。然而，当农作物种植方向与雷达波的方位向不一致时，传统的模型可能无法准确描述实际的散射情况。 本文作者针对这种情况，深入研究了有取向的二面角散射现象。这种散射发生在电磁波首次反射后，再次被农作物结构如植株反射回雷达的过程中，其特点是散射方向与作物行向相关。为了更精确地描述这一过程，作者构建了一个有取向的二面角散射模型，这个模型考虑了作物种植的定向性，可以更真实地反映农作物区域的极化特性。 接着，作者将这个有取向的二面角散射模型整合到Freeman-Durden分解框架中，形成了一种改进的分解算法。通过这种方法，可以更好地解释和分离农作物种植区的散射贡献，提高不同观测角度下（即不同航迹）数据的一致性分析。 实验部分，作者使用了来自同一农作物种植区的两种航迹的机载全极化SAR数据，实施了改进后的Freeman-Durden分解。实验结果证实，这种改进的分解方法能够显著提升极化SAR数据目标分解的一致性，特别是在处理农作物种植区的数据时，提高了散射成分识别的准确性。 这项工作为极化SAR数据分析提供了一种新的工具，尤其是在农业遥感领域，对于理解农作物生长状态、作物类型识别以及土壤湿度监测等方面具有潜在的应用价值。通过引入有取向的二面角散射模型，Freeman-Durden分解法得以优化，增强了对复杂地表结构的理解，尤其对于那些受作物行向影响明显的场景。