论文部分内容阅读
极化干涉SAR是一门结合极化SAR和干涉SAR优点的新兴技术,既能获得观测目标的精细物理特征和纹理特征,又能够反映观测目标的空间分布特性。通过极化散射矩阵分解技术在分辨单元内实现多种散射机制相位中心分离,为植被覆盖下的地表地形测量和植被高度估计提供了可能。因此,极化干涉SAR技术可被用于植被参数反演,对地面资源和生态环境的监测有着重要的意义。本文对极化干涉SAR相关理论和极化干涉SAR植被高度反演算法进行了研究,主要工作和创新点如下：(1)深入分析了两种典型极化干涉SAR散射相位中心估计方法。由于极化干涉SAR散射相位中心估计算法是植被高度反演的关键步骤,于是本文深入研究了基于ESPRIT算法的极化干涉SAR散射相位中心估计算法和基于Freeman-极化干涉SAR互协方差矩阵分解的相位中心估计算法,并通过模拟和真实极化干涉SAR数据验证算法的性能。实验结果发现：基于ESPRIT相位估计算法能较好地估计出植被冠层顶部相位中心,但是难以有效估计出地面散射相位中心；而基于Freeman-极化干涉SAR互协方差矩阵分解的相位中心估计算法能够较好地估计出地面散射相位。(2)结合ESPRIT相位中心估计算法及Freeman-极化干涉互协方差矩阵分解的相位中心估计算法的优点,提出了一种改进的ESPRIT的植被高度反演算法。该算法解决了传统ESPRIT植被高度算法中估计的地面散射相位不准确这一问题。通过选取模拟和真实极化干涉SAR数据进行实验,验证了改进的算法较之传统的方法能够获得更高的反演精度。(3)提出了一种结合Freeman-极化干涉互协方差矩阵分解及RVOG模型的植被高度反演算法。该算法将Freeman-极化干涉分解估算的地面散射相位作为RVOG模型的初始地表相位,然后利用RVOG模型进行植被高度反演。利用模拟和真实的极化干涉SAR数据进行实验,验证了该算法的有效性,结果表明该方法可以获得更高的植被高度反演精度。图：55幅,表：6个,参考文献：52篇。