本發(fā)明涉及SAR信號(hào)處理領(lǐng)域，特別涉及一種基于分布目標(biāo)的全極化SAR隔離度評(píng)價(jià)方法。

背景技術(shù)：

合成孔徑雷達(dá)(SAR)具有全天時(shí)、全天候和高分辨率成像的優(yōu)點(diǎn)，在地形測(cè)繪、海洋監(jiān)測(cè)、農(nóng)林作物評(píng)估、災(zāi)害救援等領(lǐng)域有廣泛的應(yīng)用。全極化SAR具有SAR的所有特點(diǎn)，還能提供更為豐富的目標(biāo)信息，為分析和提取目標(biāo)特性提供了更廣泛的數(shù)據(jù)來(lái)源。而良好的數(shù)據(jù)質(zhì)量是極化SAR應(yīng)用的基礎(chǔ)，有效的極化SAR圖像質(zhì)量評(píng)價(jià)指標(biāo)是掌握極化SAR數(shù)據(jù)質(zhì)量，衡量數(shù)據(jù)處理效果的必要條件，同時(shí)，也能為衛(wèi)星運(yùn)行參數(shù)沒(méi)計(jì)以及后續(xù)系統(tǒng)優(yōu)化提供指導(dǎo)依據(jù)。

目前，極化SAR圖像質(zhì)量評(píng)價(jià)的常用指標(biāo)有：分辨率、峰值旁瓣比、積分旁瓣比、極化隔離度、幅相不平衡、等效視數(shù)、等效噪聲系數(shù)、動(dòng)態(tài)范圍、極化熵等。其中，極化隔離度是指不同極化通道之間串?dāng)_的水平，串?dāng)_越低，隔離度越高，系統(tǒng)性能越好。如果極化隔離度不夠高，會(huì)使極化SAR系統(tǒng)測(cè)量得到的極化散射矩陣失真，影響后續(xù)極化SAR數(shù)據(jù)的定量應(yīng)用，因此，極化隔離度是衡量極化SAR數(shù)據(jù)質(zhì)量的關(guān)鍵指標(biāo)之一。

在大多數(shù)系統(tǒng)中，串?dāng)_因素是不可忽略的，須進(jìn)行串?dāng)_定標(biāo)。目前國(guó)內(nèi)外開(kāi)展了很多關(guān)于串?dāng)_估算(定標(biāo))的研究，但基本都基于定標(biāo)場(chǎng)進(jìn)行，如定標(biāo)器或熱帶雨林。常見(jiàn)的串?dāng)_定標(biāo)方法按定標(biāo)體類(lèi)型分成點(diǎn)目標(biāo)定標(biāo)法和分布目標(biāo)定標(biāo)法兩類(lèi)：第一類(lèi)用散射特性已知的點(diǎn)目標(biāo)作為定標(biāo)體，主要有Whitt算法，該方法能獲得較好的參數(shù)精度，但點(diǎn)目標(biāo)能準(zhǔn)確控制的范圍和數(shù)據(jù)周期十分有限，布設(shè)定標(biāo)器比較麻煩，且點(diǎn)目標(biāo)的定標(biāo)誤差與背景對(duì)定標(biāo)結(jié)果影響很大。而分布目標(biāo)能避免點(diǎn)目標(biāo)的多種缺點(diǎn)，并且隨著極化數(shù)據(jù)的日益增多，利用分布目標(biāo)進(jìn)行串?dāng)_定標(biāo)的方法正逐漸成為定標(biāo)方法的主流。該方法的主要算法有van Zyl算法、Klein算法、Quegan算法、Ainsworth算法等。利用分布目標(biāo)進(jìn)行串?dāng)_定標(biāo)的算法能較準(zhǔn)確的計(jì)算串?dāng)_值，但均對(duì)定標(biāo)地物具有嚴(yán)格的要求，一般要求其滿(mǎn)足后向散射互易性或(與)同極化與交叉極化通道之間的不相關(guān)性，而極化圖像中的大多數(shù)地物往往比較復(fù)雜、不均勻，無(wú)法嚴(yán)格滿(mǎn)足定標(biāo)的要求。因此，上述串?dāng)_定標(biāo)算法不適用于極化SAR的質(zhì)量評(píng)價(jià)，急需一種無(wú)需依賴(lài)定標(biāo)場(chǎng)和定標(biāo)器等設(shè)施，能在一般極化圖像中使用的串?dāng)_估計(jì)方法，在一定程度上反映極化隔離度情況，評(píng)價(jià)極化SAR的數(shù)據(jù)質(zhì)量，輔助實(shí)際系統(tǒng)的處理和極化SAR的應(yīng)用。

技術(shù)實(shí)現(xiàn)要素：

(一)要解決的技術(shù)問(wèn)題

本發(fā)明的目的在于提供一種基于分布目標(biāo)的全極化SAR隔離度評(píng)價(jià)方法，以解決上述的至少一項(xiàng)技術(shù)問(wèn)題。

(二)技術(shù)方案

本發(fā)明提供了一種基于分布目標(biāo)的全極化SAR隔離度評(píng)價(jià)方法，所述方法包括如下步驟：

步驟1、選取地物，將所選地物的實(shí)測(cè)散射矩陣即需要進(jìn)行評(píng)估的數(shù)據(jù)M分塊，得到N個(gè)大小相同的數(shù)據(jù)塊M_N，N大于等于1；

步驟2、對(duì)所述數(shù)據(jù)塊M_N反向加入串?dāng)_δ，并計(jì)算在不同δ下同極化通道HH和VV與交叉極化通道HV和VH之間的相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH，其中H為水平極化，V為垂直極化；

步驟3、針對(duì)各個(gè)數(shù)據(jù)塊M_N，統(tǒng)計(jì)使其相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH達(dá)到最小時(shí)所加入的串?dāng)_值；

步驟4、將步驟3得到的4N個(gè)串?dāng)_值進(jìn)行統(tǒng)計(jì)平均，得到串?dāng)_估計(jì)值，并取負(fù)，得到極化通道隔離度。

優(yōu)選地，步驟1中，對(duì)所選地物的實(shí)測(cè)散射矩陣M，距離向和方位向的分塊大小均選取80～100個(gè)像素點(diǎn)，分塊后得到N個(gè)數(shù)據(jù)塊M_N。

優(yōu)選地，步驟2中采取如下公式向數(shù)據(jù)塊M_N反向加入串?dāng)_δ：

其中，R為失真矩陣，M′_N為反向加入串?dāng)_δ后的散射矩陣。

優(yōu)選地，在區(qū)間[-0.17,0.17]內(nèi)改變?chǔ)牡拇笮?，?jì)算在不同δ下同極化通道和交叉極化通道間的相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH：

其中，M′_pp為散射矩陣M′_N中的同極化分量M′_HH、M′_VV，M′_rs為散射矩陣M′_N中的交叉極化分量M′_HV、M′_VH，*表示數(shù)據(jù)的共軛。

優(yōu)選地，得到ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH隨著δ變化的四條曲線，找到每條曲線的最小值點(diǎn)所對(duì)應(yīng)的δ值，記為δ_w，1、δ_w，2、δ_w，3、δ_w，4。

優(yōu)選地，計(jì)算得到串?dāng)_估計(jì)值：

其中w為1至N的整數(shù)。

求得隔離度：

隔離度＝(-1)×δ_{value_dB}。

優(yōu)選地，在所述步驟1中所述選取地物包括以下步驟：

步驟01、選擇區(qū)域，將所選區(qū)域的無(wú)串?dāng)_全極化數(shù)據(jù)或隔離度在35dB以上的已定標(biāo)全極化數(shù)據(jù)分塊，得到T個(gè)大小相同的數(shù)據(jù)塊S_T，T大于等于1；

步驟02、對(duì)所述數(shù)據(jù)塊S_T計(jì)算協(xié)方差矩陣C：

其中，S_lk中l(wèi)表示接收的極化方式，k表示發(fā)射的極化方式，*表示數(shù)據(jù)的共軛，<·>表示區(qū)域內(nèi)求平均；

步驟03、根據(jù)協(xié)方差矩陣C，求出以下四個(gè)參數(shù)：

其中，

C(2，1)＝x₁+iy₁，C(3，1)＝x₂+iy₂，C(2，4)＝x₃+iy₃，

C(3，4)＝x₄+iy₄，C(4，1)＝m+in，C(2，3)＝p+iq，γ₁＝m+C(1，1)+C(2，2)+p，γ₂＝m+C(1，1)+C(3，3)+p，γ₃＝m+C(2，2)+C(4，4)+p，γ₄＝m+C(3，3)+C(4，4)+p，

C(x，y)表示協(xié)方差矩陣C中第x行第y列的值，i為虛數(shù)單位；

步驟04、計(jì)算出衡量所選區(qū)域能否進(jìn)行隔離度評(píng)價(jià)的參數(shù)θ_min：其中t為1至T的整數(shù)；

步驟05、判斷所選區(qū)域能否作為隔離度評(píng)價(jià)的地物：如果|θ_min|≤0.002，則滿(mǎn)足條件，所選區(qū)域能作為隔離度評(píng)價(jià)的地物，否則該區(qū)域不能作為隔離度評(píng)價(jià)的地物。

優(yōu)選地，步驟01中，所述無(wú)串?dāng)_全極化數(shù)據(jù)或隔離度在35dB以上的已定標(biāo)全極化數(shù)據(jù)，在距離向和方位向的分塊大小均選取80～100個(gè)像素點(diǎn)，得到T個(gè)大小相同的數(shù)據(jù)塊S_T。

優(yōu)選地，所述地物可以為成片的林木植被覆蓋區(qū)。

(三)有益效果

1、本發(fā)明無(wú)需依賴(lài)定標(biāo)場(chǎng)和定標(biāo)器等設(shè)施，只需選取滿(mǎn)足衡量參數(shù)

|θ_min|≤0.002的全極化SAR數(shù)據(jù)，便能實(shí)現(xiàn)串?dāng)_的估計(jì)，而該類(lèi)數(shù)據(jù)存在于一般的SAR圖像中，更加符合實(shí)際中極化SAR質(zhì)量評(píng)估的要求；

2、本發(fā)明通過(guò)尋找相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH隨反向加入串?dāng)_δ的變化曲線的拐點(diǎn)來(lái)估算串?dāng)_，實(shí)驗(yàn)分析得出，當(dāng)信噪比在10dB以上時(shí)，拐點(diǎn)基本不隨信噪比變化而變化，因此本發(fā)明具有一定的抗噪能力；

3、傳統(tǒng)串?dāng)_定標(biāo)算法大多采用迭代算法求解，而本發(fā)明使用統(tǒng)計(jì)平均的方法進(jìn)行串?dāng)_估計(jì)，不需迭代，避免結(jié)果不收斂的問(wèn)題。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例的基于分布目標(biāo)的全極化SAR隔離度評(píng)價(jià)方法的過(guò)程示意圖；

圖2A為本發(fā)明實(shí)施例使用的第一組RadarSat-2全極化數(shù)據(jù)的圖像；

圖2B為本發(fā)明實(shí)施例使用的第一組RadarSat-2全極化數(shù)據(jù)的衡量參數(shù)θ_min的分布圖；

圖3A為本發(fā)明實(shí)施例使用的第二組RadarSat-2全極化數(shù)據(jù)的圖像；

圖3B為本發(fā)明實(shí)施例使用的第二組RadarSat-2全極化數(shù)據(jù)的衡量參數(shù)θ_min的分布圖；

圖4為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的相關(guān)系數(shù)ρ隨著反向加入串?dāng)_δ的變化曲線；

圖5為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的ρ_HHHV＝f₁(δ)曲線與信噪比的關(guān)系；

圖6A為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的ρ_HHHV＝f₁(δ)曲線隨著真實(shí)存在串?dāng)_δ_real的變化趨勢(shì)；

圖6B為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的ρ_HHHV＝f₁(δ)曲線拐點(diǎn)對(duì)應(yīng)串?dāng)_值δ_min隨著真實(shí)存在串?dāng)_δ_real的變化趨勢(shì)；

圖7為本發(fā)明實(shí)施例對(duì)模擬失真散射矩陣的估計(jì)串?dāng)_值與真實(shí)串?dāng)_值之間的關(guān)系。

具體實(shí)施方式

極化隔離度是指不同極化通道之間串?dāng)_的水平，串?dāng)_越低，極化隔離度越高，系統(tǒng)性能越好。因此，極化隔離度是衡量極化SAR數(shù)據(jù)質(zhì)量的關(guān)鍵指標(biāo)之一。目前，利用點(diǎn)目標(biāo)的串?dāng)_定標(biāo)算法布設(shè)定標(biāo)器比較麻煩，且點(diǎn)目標(biāo)的定標(biāo)誤差與背景對(duì)定標(biāo)結(jié)果影響很大；而利用分布目標(biāo)進(jìn)行串?dāng)_定標(biāo)的算法雖能較準(zhǔn)確的計(jì)算串?dāng)_值，但對(duì)定標(biāo)地物具有嚴(yán)格的要求，一般要求其滿(mǎn)足后向散射互易性或(與)同極化與交叉極化通道之間的不相關(guān)性，而極化圖像中的大多數(shù)地物往往比較復(fù)雜、不均勻，無(wú)法嚴(yán)格滿(mǎn)足定標(biāo)的要求；因此，常用的點(diǎn)目標(biāo)串?dāng)_定標(biāo)法和分布目標(biāo)串?dāng)_定標(biāo)法依賴(lài)于定標(biāo)器和滿(mǎn)足嚴(yán)格要求的定標(biāo)場(chǎng)，均無(wú)法在普通極化圖像中使用。

本發(fā)明實(shí)施例為了解決以上問(wèn)題，提供了一種基于分布目標(biāo)的全極化SAR隔離度評(píng)價(jià)方法，該方法不必依賴(lài)定標(biāo)場(chǎng)和定標(biāo)器，并通過(guò)選取地物，向所選地物的實(shí)測(cè)散射矩陣M反向加入串?dāng)_，利用通道間的相關(guān)系數(shù)得到極化SAR的串?dāng)_估計(jì)值，取負(fù)得到極化SAR的極化通道隔離度。圖1為本發(fā)明實(shí)施例基于分布目標(biāo)的全極化SAR隔離度評(píng)價(jià)方法的過(guò)程示意圖，如圖1所示，所述方法包括如下步驟：

步驟1、選取地物，將所選地物的實(shí)測(cè)散射矩陣即需要進(jìn)行評(píng)估的數(shù)據(jù)M分塊，得到N個(gè)大小相同的數(shù)據(jù)塊M_N，N大于等于1；

具體的可以為，首先，進(jìn)行地物的選取，包括：

步驟01、選擇區(qū)域，將所選區(qū)域的無(wú)串?dāng)_全極化數(shù)據(jù)或隔離度在35dB以上的已定標(biāo)全極化數(shù)據(jù)分塊，得到T個(gè)大小相同的數(shù)據(jù)塊S_T，T大于等于1；

更進(jìn)一步地，其中所述無(wú)串?dāng)_全極化數(shù)據(jù)或隔離度在35dB以上的已定標(biāo)全極化數(shù)據(jù)，在距離向和方位向的分塊大小均選取80～100個(gè)像素點(diǎn)，得到T個(gè)大小相同的數(shù)據(jù)塊S_T。

步驟02、對(duì)所述數(shù)據(jù)塊S_T計(jì)算協(xié)方差矩陣C：

其中，S_lk中1表示接收的極化方式，k表示發(fā)射的極化方式，*表示數(shù)據(jù)的共軛，<·>表示區(qū)域內(nèi)求平均；

步驟03、根據(jù)協(xié)方差矩陣C，求出以下四個(gè)參數(shù)：

其中，

C(2，1)＝x₁+iy₁，C(3，1)＝x₂+iy₂，C(2，4)＝x₃+iy₃，

C(3，4)＝x₄+iy₄，C(4，1)＝m+in，C(2，3)＝p+iq，γ₁＝m+C(1，1)+C(2，2)+p，γ₂＝m+C(1，1)+C(3，3)+p，γ₃＝m+C(2，2)+C(4，4)+p，γ₄＝m+C(3，3)+C(4，4)+p，

C(x，y)表示協(xié)方差矩陣C中第x行第y列的值，i為虛數(shù)單位；

步驟04、計(jì)算出衡量所選區(qū)域能否進(jìn)行隔離度評(píng)價(jià)的參數(shù)θ_min：其中t為1至T的整數(shù)；

步驟05、判斷所選區(qū)域能否作為隔離度評(píng)價(jià)的地物：如果|θ_min|≤0.002，則滿(mǎn)足條件，所選區(qū)域能作為隔離度評(píng)價(jià)的地物，否則該區(qū)域不能作為隔離度評(píng)價(jià)的地物。

具體地，所述地物可以為成片的林木植被覆蓋區(qū)。

選擇符合條件的地物后，對(duì)所選地物的實(shí)測(cè)散射矩陣即需要進(jìn)行評(píng)估的數(shù)據(jù)M，距離向和方位向的分塊大小均選取80～100個(gè)像素點(diǎn)，分塊后得到N個(gè)數(shù)據(jù)塊M_N。

步驟2、對(duì)所述數(shù)據(jù)塊M_N反向加入串?dāng)_δ，并計(jì)算在不同δ下同極化通道HH和VV與交叉極化通道HV和VH之間的相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH，其中H為水平極化，V為垂直極化；

具體的可以為，采取如下公式向數(shù)據(jù)塊M_N反向加入串?dāng)_δ：

其中，R為失真矩陣，M′_N為反向加入串?dāng)_δ后的散射矩陣。

步驟3、針對(duì)各個(gè)數(shù)據(jù)塊M_N，統(tǒng)計(jì)使其相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH達(dá)到最小時(shí)所加入的串?dāng)_值；

具體的可以為，在區(qū)間[-0.17,0.17]內(nèi)改變?chǔ)牡拇笮?，?jì)算在不同δ下同極化通道和交叉極化通道間的相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH：

其中，M′_pp為散射矩陣M′_j中的同極化分量M′_HH、M′_VV，M′_rs為散射矩陣M′_N中的交叉極化分量M′_HV、M′_VH，*表示數(shù)據(jù)的共軛。

得到ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH隨著δ變化的四條曲線，找到每條曲線的最小值點(diǎn)所對(duì)應(yīng)的δ值，記為δ_w，1、δ_w，2、δ_w，3、δ_w，4。

步驟4、將步驟3得到的4N個(gè)串?dāng)_值進(jìn)行統(tǒng)計(jì)平均，得到串?dāng)_估計(jì)值，并取負(fù)，得到極化通道隔離度。

具體的可以為，計(jì)算得到串?dāng)_估計(jì)值：

求得隔離度：

隔離度＝(-1)×δ_{value_dB}。

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。

為了進(jìn)一步體現(xiàn)本發(fā)明的效果，下面使用RadarSat-2的已定標(biāo)全極化數(shù)據(jù)進(jìn)行實(shí)驗(yàn)仿真，實(shí)驗(yàn)工具為MATLAB2012。

首先，選取符合條件的地物，按照如下步驟：

步驟01、選擇區(qū)域(例如大小為：1000×1000個(gè)像素點(diǎn))，將所選區(qū)域的RadarSat-2已定標(biāo)全極化數(shù)據(jù)S分塊，所述數(shù)據(jù)隔離度在35dB以上，分塊大小為100×100個(gè)像素點(diǎn)，得到T個(gè)大小相同的數(shù)據(jù)塊S_T，T為100；

步驟02、對(duì)所述數(shù)據(jù)塊S_T計(jì)算協(xié)方差矩陣C：

其中，S_lk中l(wèi)表示接收的極化方式，k表示發(fā)射的極化方式，*表示數(shù)據(jù)的共軛，<·〉表示區(qū)域內(nèi)求平均；

步驟03、根據(jù)協(xié)方差矩陣C，求出以下四個(gè)參數(shù)：

其中，

C(2，1)＝x₁+iy₁，C(3，1)＝x₂+iy₂，C(2，4)＝x₃+iy₃，

C(3，4)＝x₄+iy₄，C(4，1)＝m+in，C(2，3)＝p+iq，γ₁＝m+C(1，1)+C(2，2)+p，γ₂＝m+C(1，1)+C(3，3)+p，γ₃＝m+C(2，2)+C(4，4)+p，γ₄＝m+C(3，3)+C(4，4)+p，

C(x，y)表示協(xié)方差矩陣C中第x行第y列的值，i為虛數(shù)單位；

步驟04、計(jì)算出衡量所選區(qū)域能否進(jìn)行隔離度評(píng)價(jià)的參數(shù)θ_min：其中t取1至T的整數(shù)；

步驟05、判斷所選區(qū)域能否作為隔離度評(píng)價(jià)的地物：如果|θ_min|≤0.002，則滿(mǎn)足條件，所選區(qū)域能作為隔離度評(píng)價(jià)的地物，否則該區(qū)域不能作為隔離度評(píng)價(jià)的地物。

為詳細(xì)介紹本實(shí)施例如何進(jìn)行地物選取，圖2和圖3展示了兩組RadarSat-2全極化數(shù)據(jù)的圖像和衡量參數(shù)θ_min的分布圖。圖2A為本發(fā)明實(shí)施例使用的第一組RadarSat-2全極化數(shù)據(jù)的圖像，圖2B為本發(fā)明實(shí)施例使用的第一組RadarSat-2全極化數(shù)據(jù)的衡量參數(shù)θ_min的分布圖，圖3A為本發(fā)明實(shí)施例使用的第二組RadarSat-2全極化數(shù)據(jù)的圖像，圖3B為本發(fā)明實(shí)施例使用的第二組RadarSat-2全極化數(shù)據(jù)的衡量參數(shù)θ_min的分布圖。如圖2B和圖3B所示，白色填充區(qū)域代表城市，灰色填充區(qū)代表植被覆蓋區(qū)域，主要是林木植被，黑色填充區(qū)代表海洋(水體)，“★”(五角星)標(biāo)記衡量參數(shù)滿(mǎn)足|θ_min|≤0.002的區(qū)域，即能作為隔離度評(píng)價(jià)的區(qū)域，其中計(jì)算θ_min選取的分塊大小為100×100個(gè)像素點(diǎn)，數(shù)據(jù)塊個(gè)數(shù)為10×10，即T為100。需要說(shuō)明的是，這兩組SAR圖像的地物十分豐富，并且各種地物相互融合，沒(méi)有明確的分界線，為介紹選取結(jié)果，圖中進(jìn)行了簡(jiǎn)單的分區(qū)。對(duì)照?qǐng)D2A和圖2B、圖3A和圖3B，可以看出，成片的林木植被覆蓋區(qū)滿(mǎn)足|θ_min|≤0.002，而大部分海洋和城市地區(qū)無(wú)法滿(mǎn)足，因此，選擇成片的林木植被覆蓋區(qū)作為隔離度評(píng)價(jià)的地物。

因此，本實(shí)施例選擇符合條件的地物為：RadarSat-2中成片的林木植被覆蓋區(qū)，即圖3A中的植被覆蓋區(qū)域。

進(jìn)一步，模擬生成失真散射矩陣M(即實(shí)測(cè)散射矩陣)。由于極化SAR的質(zhì)量評(píng)價(jià)對(duì)串?dāng)_估計(jì)的精度要求沒(méi)有串?dāng)_定標(biāo)高，因此，可在極化失真模型中，假設(shè)發(fā)射天線失真和接收天線失真互易，水平極化天線和垂直極化天線的串?dāng)_相等，幅相不平衡接近1，于是使用下式向所選區(qū)域(圖3A中矩形框出的區(qū)域)的已定標(biāo)全極化數(shù)據(jù)S(大小為：1000×1000個(gè)像素點(diǎn))加入幅值在[0，0.16]之間，相位在25°以?xún)?nèi)的串?dāng)_δ_real，以及幅度在0.5dB，相位在5°的幅相不平衡f來(lái)模擬生成失真散射矩陣M；

對(duì)該區(qū)域的失真散射矩陣M使用本發(fā)明實(shí)施例對(duì)加入的串?dāng)_進(jìn)行估計(jì)，所述方法包括如下步驟：

步驟1、將該區(qū)域(大小為：1000×1000個(gè)像素點(diǎn))的模擬失真散射矩陣M分塊，得到N個(gè)數(shù)據(jù)塊M_N，其中分塊大小為100×100個(gè)像素點(diǎn)，N為100；

步驟2、對(duì)所述數(shù)據(jù)塊M_N反向加入串?dāng)_δ，并計(jì)算在不同δ下同極化通道(HH、VV)和交叉極化通道(HV、VH)之間的相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH；

具體實(shí)施為：采取如下公式向數(shù)據(jù)塊M_N反向加入串?dāng)_δ，

其中，R為失真矩陣，M′_N為反向加入串?dāng)_δ后的散射矩陣；

在區(qū)間[-0.17,0.17]內(nèi)改變?chǔ)牡拇笮?，?jì)算同極化通道和交叉極化通道間的相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH：

其中，M′_pp為散射矩陣M′_j中的同極化分量M′_HH、M′_VV，M′_rs為散射矩陣M′_j中的交叉極化分量M′_HV、M′_VH。

步驟3、針對(duì)各個(gè)數(shù)據(jù)塊，統(tǒng)計(jì)使其相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH達(dá)到最小時(shí)所加入的串?dāng)_值；

具體實(shí)施為：步驟2中得到ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH隨著δ變化的四條曲線，找到每條曲線的最小值點(diǎn)所對(duì)應(yīng)的δ值，記為δ_w，1、δ_w，2、δ_w，3、δ_w，4，w為1至N的整數(shù)；

步驟4、將步驟3得到的4N個(gè)串?dāng)_值進(jìn)行統(tǒng)計(jì)平均，得到串?dāng)_估計(jì)值δ_{value_dB}，并取負(fù)得到隔離度：

隔離度＝(-1)×δ_{value_dB}。

為進(jìn)一步解釋本發(fā)明實(shí)施例的處理效果和優(yōu)點(diǎn)，圖4到圖7展示了針對(duì)圖3A中植被覆蓋區(qū)的同一塊全極化數(shù)據(jù)進(jìn)行處理得到的一系列曲線圖。

圖4為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的相關(guān)系數(shù)ρ隨著反向加入串?dāng)_δ的變化曲線，從圖4可以看出，相關(guān)系數(shù)ρ_HHHV、ρ_HHVH、ρ_VVHV、ρ_VVVH與反向加入串?dāng)_δ的關(guān)系曲線是一個(gè)開(kāi)口向上的類(lèi)拋物線，并且每條曲線均存在一個(gè)使相關(guān)系數(shù)ρ達(dá)到最小的點(diǎn)(拐點(diǎn))。為便于展示，對(duì)曲線進(jìn)行了一定程度的平移。

圖5為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的ρ_HHHV＝f₁(δ)曲線與信噪比的關(guān)系，其中，信噪比在0～30dB內(nèi)變化。從圖5中曲線ρ_HHHV＝f₁(δ)的變化趨勢(shì)，可見(jiàn)，信噪比高于10dB時(shí)，曲線ρ_HHHV＝f₁(δ)基本重合，拐點(diǎn)處δ_min的值基本不變，即拐點(diǎn)對(duì)噪聲不敏感，說(shuō)明了有益效果中的第二點(diǎn)。

圖6A為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的ρ_HHHV＝f₁(δ)曲線隨著真實(shí)存在串?dāng)_δ_real的變化趨勢(shì)，如圖6A所示，每一條曲線上標(biāo)明了本條曲線的真實(shí)串?dāng)_值δ_real，可以看出隨著δ_real增大，曲線ρ_HHHV＝f₁(δ)向右移動(dòng)，將不同δ_real下，曲線ρ_HHHV＝f₁(δ)的拐點(diǎn)所對(duì)應(yīng)的δ_min值提取出來(lái)，并畫(huà)出δ_min與δ_real的關(guān)系曲線得到圖6B。圖6B為本發(fā)明實(shí)施例使用圖3A中植被覆蓋區(qū)的一塊全極化數(shù)據(jù)得到的拐點(diǎn)對(duì)應(yīng)串?dāng)_值δ_min隨著真實(shí)存在串?dāng)_δ_real的變化趨勢(shì)，如圖6B展示的圖6A中ρ_HHHV＝f₁(δ)曲線拐點(diǎn)對(duì)應(yīng)串?dāng)_δ_min與真實(shí)存在串?dāng)_δ_real之間的關(guān)系曲線，驗(yàn)證了理論推導(dǎo)所得出的結(jié)論：拐點(diǎn)所對(duì)應(yīng)的δ_min與散射矩陣中存在的串?dāng)_δ_real呈現(xiàn)斜率為1的線性關(guān)系，即δ_min＝δ_real+C(C為常數(shù))。

圖7為本發(fā)明實(shí)施例對(duì)模擬失真散射矩陣的估計(jì)串?dāng)_值和真實(shí)串?dāng)_值之間的關(guān)系，如圖所示，估計(jì)串?dāng)_和真實(shí)串?dāng)_之間的誤差在1dB以?xún)?nèi)，滿(mǎn)足極化SAR數(shù)據(jù)質(zhì)量評(píng)價(jià)對(duì)串?dāng)_估算誤差的要求，可以看出本發(fā)明實(shí)施例能較準(zhǔn)確地估算出串?dāng)_的大小。

綜上所述，本發(fā)明實(shí)施例提出的極化隔離度估計(jì)方法，在基于合理假設(shè)的情況下，不采用迭代算法，不需布設(shè)定標(biāo)器，取材較易，能較快速、便捷且有效地從實(shí)測(cè)散射矩陣M中估算串?dāng)_，并且其估算精度滿(mǎn)足質(zhì)量評(píng)價(jià)的要求，反映全極化SAR的數(shù)據(jù)質(zhì)量。

以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說(shuō)明，應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。