论文部分内容阅读
极化合成孔径雷达(Pol-SAR)是对地观测的一种重要手段,在遥感应用领域中意义深远。全极化SAR数据的最优极化技术,在极化目标识别与分析方面发挥着越来越重要的作用。SAR最优极化对比增强(OPCEC)技术,定义了期望目标和背景杂波之间的极化功率对比度,目的在于选取最优状态的雷达发射端和接收端极化矢量组合,从而使该对比度最大化,以更明确区分两种不同类别的地物目标。
本文开展了全极化SAR的最优极化对比增强原理与方法的基础研究,立足于对极化回波功率最优化的探索,介绍了最优极化对比增强的基本原理,主要研究了若干种典型的解析算法与数值算法。此外,本文在已有的最优极化对比增强模型的基础上研究了一些改进方法,并通过极化SAR数据实验,验证和分析了最优极化对比增强方法的有效性和适用性。
主要工作包括:
(1)研究了相干情况OPCEC的求解方法,包括解析算法与数值算法。解析算法为极化目标同零原理用于两目标的杂波抑制方法；数值算法为连续无约束最小化(SUMT)迭代算法。两目标同零杂波抑制方法,有效抑制了背景目标中的杂波,SUMT算法实现高速求解并获得较大的极化对比度。
(2)研究了非相干情况OPCEC的解析算法,主要分析了Lagrange乘子法线性加权对比增强算法。在此基础上,研究了一种基于相干矩阵的Lagrange乘子法线性加权对比增强算法,并验证了其有效性和优越性。
(3)研究了非相干情况OPCEC的数值算法,主要包括OPCE和GOPCE数值算法。OPCE算法利用交替迭代方式大大减少了迭代次数；GOPCE算法建立于OPCE算法基础之上,涉及到极化相似性参数的物理描述。研究了归一化的OPCE和GOPCE数值算法,消除了原算法难以迅速收敛及难以分析等缺陷。此外,研究了一种“极化对比度差”模型,有效分析了极化椭圆方位角对最优极化解的影响。