雙臺河河口濕地極化特征分析與選擇

王啟龍，包德高，徐立軍

(遼寧省水利水電勘測設計研究院有限責任公司，遼寧 沈陽 110000)

自極化SAR系統面世以來，就以自身獨有的優勢受到廣大專家學者的廣泛關注，并且它在遙感圖像分類與識別等解譯方面作用突出明顯，為了研究雙臺河口濕地地物類型與極化特征的關系和解決特征冗余問題，本文就極化SAR數據的特點，提出了基于極化SAR影像極化特征分類算法。

1 濕地典型地物散射機理

極化SAR影像進行分類時，可從散射矩陣、相干矩陣和協方差矩陣中獲取有關地物目標的有用信息實現地物目標的分類。隨著目標極化分解方法研究的深入，發現經過極化分解之后的影像具有更豐富的信息，因此利用目標分解地實現地物反演成為分類研究工作的主流。

盡管自然界中的地物種類多種多樣，但通常可認為其散射過程由一些基本的散射機理組合而成。這些基本散射機理為：表面散射、二面角散射、體散射、螺旋散射和線散射5種基本散射機理。濕地大多數地物的散射情況都可以用表面散射、二面角散射和體散射來描述。不同地物發生的不同散射對于識別與分析目標物的特性具有重要意義。

1.1 表面散射

表面散射是指極化雷達系統發射的電磁波到達光滑的平面時，散射波能夠完全被極化雷達系統接收過程如圖1所示。當入射電磁波與目標地物的夾角從0°變化到90°時，隨著后向散射能量越來越強，影像上的灰度值會越來越大，并且在這個過程中，極化SAR系統只能接收到很少的散射信息，故而在影像上整體是顏色偏暗[1]。在濕地中可以發生表面散射的地物為河流、淺海水域等。可以用規范化的散射矩陣表示，其公式如下：

(1)

式中，S1—規范化之后的散射矩陣。

圖1 表面散射

1.2 二面角散射

二面角散射是模擬表面由兩種不同電介質材料構成的二面角反射器的散射如圖2所示。并且在這個過程中，極化SAR系統可以接收到較強的電磁波散射信息，故而影像的顏色介于淺灰色和白色，并且若是在接收的電磁波散射信息很強的地區，影像上會出現明顯的亮斑。在極化SAR影像上通常是城區或者高大的樹木發生二面角散射，在濕地中能夠發生二面角散射的地物有蘆葦等草本植物[2]。可以用規范化的散射矩陣表示，其公式如下：

(2)

圖2 二面角散射圖

1.3 體散射

體散射指電磁波在接觸到空間中方向分布隨機的微小圓柱形散射體構成的粒子團時，散射波無序隨機分散的傳播如圖3所示，極化SAR系統上能夠接收到的電磁波散射信息強度介于表面散射和二面角散射之間，故而影像的顏色呈現灰色。在極化SAR影像上通常是植被，在濕地中能夠發生體散射的地物有灌叢沼澤等。可以用規范化的散射矩陣表示，其公式如下：

(3)

式中，a1、b1—復數。

圖3 體散射

2 極化分解方法

極化分解的主流是將其分為相干和非相干兩種目標分解方法，相干目標分解是針對點目標的，因此是在極化散射矩陣的基礎上進行的，如Pauli分解、Cameron分解等[5]；非相干目標分解是針對分布式目標的，因此是在相干矩和協方差矩陣的基礎上進行的，非相干目標分解分為基于相干矩陣特征值的H/A/α分解和基于目標物理特征模型的Freeman、MCSM分解等[3- 4]。

為了能夠更好的對研究區地面目標進行分析與分類，本文選用了多種經典的極化分解方法，并從中提取特征，從各個方面充分利用極化雷達信息。本文采用的極化分解方法包括：Freeman分解、H/A/α分解、MCSM分解、NNED分解、Pauli分解和Yamaguchi分解等6種方法，進而得到20個特征。各個特征、相應的含義以及對應的分解方法見表1。其中，h1～h20代表20個特征。

在分解方法中，散射矩陣、協方差矩陣以及相干矩陣可以用來描述極化數據基本的散射特征，在極化SAR圖像分類中，這些矩陣可以提供重要幫助，可以從這些基本的測量數據中獲得目標地物的相關信息。濕地大多數地物的散射情況都可以用表面散射、二面角散射和體散射來描述，能夠發生表面散射的地面物體如平靜的水面、粗糙的裸土等；能夠發生二面角散射的地面物體如樹干等；能夠發生體散射的地面物體如農作物、森林、灌叢等。不同地物發生的不同散射對于識別與分析目標物的特性具有重要意義。

3 極化特性分析與極化特征選擇

為了更好地驗證極化特征向量對分類結果的影響，現對各極化特征進行分析。通過制作各個散射機理的功率均值散點圖、H/A/α平面散點圖和概率密度函數曲線圖來體現出濕地不同地物類型在不同極化特征中的表現，評價極化特征對極化SAR濕地的分類能力。

表1 特征及其含義

3.1 選取樣本

選取樣本對于極化SAR影像的后期研究至關重要，首先，通過地面調查獲得每個濕地地物各個類別的部分樣本；然后，在根據Lansat- 8影像和查閱以往的歷史資料，在Lansat- 8影像上確定位置；最后，通過尋找到的相同特征來獲取該地類的其余樣本。

根據濕地分類體系、相關資料查詢和實地調查，可將雙臺河口濕地地物大致分為草本沼澤、灌叢沼澤、庫塘、河流、淺海水域、淤泥質沙灘和稻田7類。

3.2 功率均值散點圖

每一種極化特征可以使一種或幾種濕地地物與其他地物之間的差異顯著化，有助于找到極化特征與地物之間的關系，可以得到在功率均值散點圖中特征參數與地物之間的對應關系見表2。

表2 功率均值散點圖特征參數與濕地地物對應表

3.3 H/A/α平面散點圖

各類樣本在H/α、H/A和A/α二維平面的空間分布圖如圖4所示。從圖4中可以看出，在H/α平面中淤泥質沙灘、淺海水域和庫塘區分較差，其余地物區分度均較好，淺海水域的大部分被淤泥質沙灘遮擋，說明淺海水域和淤泥質沙灘區分不明顯，另外，稻田將草本沼澤的一部分遮擋，但總體上還是可以區分的；在A/α平面中草本沼澤和灌叢沼澤的區分度較好，稻田大部分遮擋灌叢沼澤，少部分遮擋草本沼澤，其余地物幾乎都相互遮擋，地物區分不明顯；在H/A平面中灌叢沼澤的區分度較好，其余地物相互交錯，淤泥質沙灘分布較為分散，較難區分。

圖4 H/α、H/A和A/α二維平面的空間分布圖

在H/α平面、A/α平面和H/A平面可以區分草本沼澤和灌叢沼澤，但其余地物需利用概率密度函數曲線圖進一步進行區分。

3.4 概率密度函數曲線圖

因除H、A與α外的其余極化特征的后向散射值分布密集且值較小，不利于進行PDF曲線圖分析，因此需要將后向散射強度進行分貝化處理，以增強差異。

在PDF曲線圖中，各個地物在不同的極化特征上呈現出不同的特性，草本沼澤的系數最大，河流與淺海水域的分布都是相似的并且最小，這與功率均值散點圖的分析相同；并且拖尾現象嚴重。

草本沼澤和稻田的PDF與其他地物的曲線交叉較少，尤其是草本沼澤與其他地物沒有交叉，稻田的PDF峰值右側也是基本與其他地物沒有交叉，由此說明草本沼澤和稻田在T22中區分度較好，如圖5所示。

圖5 Pauli分解的PDF曲線圖

經過圖上數據分析，可以看出每一種極化特征可以使一種或幾種濕地地物與其他地物之間的差異顯著化，可以得到在PDF曲線圖中特征參數與地物之間的對應關系見表3。

4 最佳極化特征組合

利用功率均值散點圖、H/A/α平面散點圖和PDF曲線圖進行極化特性分析，可以證明在極化SAR影像分類過程中，可以減少使用極化特征的個數，并且在這個選擇的過程中，可以獲取到目標地物的散射響應信息，這樣在極化特征選擇之后得到的極化特征參數能夠反映不同地物之間的不同，并且使得最終的極化特征參數與地面目標的物理特性是相符的，這樣可以進一步的證明選擇的特征參數的正確性。

表3 PDF曲線圖特征參數與濕地地物對應表

在分析功率均值散點圖、H/A/α平面散點圖和PDF曲線圖過程中，發現每一種分析方法均可以得到幾種極化特征，每種極化特征可使一種或多種地物有較高的區分度，但不同分析方法得出的極化特征可能會有所不同，這樣就需要數據的整理和合并。

在經過分析之后，發現有8種特征參數可以最大程度的區分地物，得出結論見表4。

5 結語

在Freeman分解、H/A/α分解、MCSM分解、NNED分解、Pauli分解和Yamaguchi分解這6種極化分解的基礎上，針對分類過程中因為極化特征過多造成的算法計算量過大以及產生的數據冗余的問題，提出了功率均值散點圖、H/A/α平面散點圖和概率密度函數曲線圖來進行極化特征選擇，最終分析出最佳極化特征組合。

極化特征的選取與種類對于基于極化特征的極化SAR影像分類具有至關重要的作用，極化特征直接關系著分類結果，因此極化SAR影像的極化特征的創新與發展是一個未來的研究方向。