极化SAR协方差矩阵四分量分解新模型

"一种极化SAR协方差矩阵综合四分量分解模型，通过多视协方差矩阵，结合选择性去取向和广义体散射模型，旨在优化极化 Synthetic Aperture Radar (SAR) 的图像解析。该模型有效抑制螺旋体散射，去除非反射对称地物的取向影响，并采用HH和VV功率比值自适应的广义体散射模型，以适应不同地物类型。此外，通过功率限制处理，确保分解过程中无负功率像素，保持地物散射类型的稳定性，并包含非相干分解成分。实验证明，这一模型在L波段机载ESAR和AirSAR极化数据上表现优秀，与其他分解模型相比具有优势。" 本文深入探讨了极化SAR（Polarimetric SAR）图像的四分量分解技术，这是一种用于解析地物散射特性的关键方法。传统的Freeman三分量和Yamaguchi四分量分解模型虽然提供了地物散射的初步理解，但在应对复杂场景时存在局限性，如Yamaguchi模型对螺旋体散射的处理以及体散射过度估计导致的负面问题。 作者提出的新模型首先引入交叉极化相关系数，用于抑制螺旋体散射和处理非反射对称地物的取向问题。接着，模型采用了HH和VV功率比值自适应的广义体散射模型，使得模型能更好地适应实际地形中的不同散射情况，减少了过度估计体散射的问题。最后，通过功率限制步骤，不仅消除了分解过程中的负功率像素，保持了地物的主导散射类型不变，同时也包含了与Krogager三分量分解相对应的非相干分解部分，提高了模型的适用性和准确性。 通过对比实验，使用了机载L波段的ESAR和AirSAR极化数据，新模型在地物分类和物理参数分析上的性能得到了验证，表明其在处理复杂城市环境和自然地物时具有更高的效率和准确性。同时，该模型的改进策略，如去取向和广义体散射模型，也为未来极化SAR图像处理提供了一个有价值的参考框架。这项工作为极化SAR图像的解析和地物特性分析带来了新的理论和技术支持，对遥感和地球物理学等领域具有重要意义。