本發(fā)明屬于遙感圖像處理技術領域，涉及一種改進的極化干涉sar植被高度聯(lián)合反演方法。

背景技術：

合成孔徑雷達(sar)作為一種先進的微波遙感手段，具有全天候、全天時、分辨率高、大面積覆蓋等優(yōu)勢。極化sar和干涉sar是傳統(tǒng)sar系統(tǒng)的重要分支。極化sar通過觀測不同收發(fā)極化組合下的回波信息，區(qū)分物體的細致結構、目標指向及物質組成等參數(shù)來更加系統(tǒng)全面地反映目標的后向散射特性，從而獲得豐富全面的地物信息。干涉sar通過空間位置略有差異的兩個點對目標成像，利用兩幅圖像對應點的相位差可以獲取目標垂直方向的高度信息。極化干涉sar是將極化sar和干涉sar結合于一體的新型遙感技術，同時具有極化sar能夠區(qū)分目標散射體細致結構和干涉sar能夠獲取目標高程信息的優(yōu)點，極化干涉sar能夠提供更為豐富的極化信息和高程信息，大大拓寬了sar的應用領域。

森林生態(tài)系統(tǒng)在全球碳循環(huán)過程和大尺度環(huán)境變化準確監(jiān)測中起著極其重要的作用，而森林高度的地面測量不僅昂貴、費時，并且難以獲得大面積數(shù)據。極化干涉sar技術的出現(xiàn)為該問題提供了有效的解決途徑。極化干涉sar地表植被參數(shù)反演是指對場景內的地物植被進行參數(shù)估計，通常用于森林區(qū)域的植被高度信息提取。隨著越來越多的極化干涉sar系統(tǒng)投入使用，獲得的森林區(qū)域極化干涉sar圖像越來越豐富，現(xiàn)有的植被高度反演方法大都存在反演結果低估高度的缺陷，嚴重影響了極化干涉sar在森林區(qū)域的應用。如何利用這些圖像來有效提取森林高度，一直是迫切需要解決的一個難題。

技術實現(xiàn)要素：

為了解決現(xiàn)有的極化干涉sar圖像反演方法存在的低估反演高度的缺陷，本發(fā)明提供了一種改進的極化干涉sar植被高度聯(lián)合反演方法。

本發(fā)明是通過以下技術方案實現(xiàn)的：

一種改進的極化干涉sar植被高度聯(lián)合反演方法，包括如下步驟：

步驟一：輸入極化干涉sar圖像，進行預處理，得到預處理后的極化干涉sar圖像；

步驟二：采用基于相位分離相干優(yōu)化的三階段算法對預處理后的極化干涉sar圖像進行地表相位提?。?/p>

a：相位分離相干優(yōu)化：對預處理后的極化干涉sar圖像進行相位分離，得到高、低相位對應的復相干性系數(shù)；

b：三階段算法：①利用hh、hv、vv三種不同極化方式得到的復相干性系數(shù)和相位分離得到的高、低相位對應的復相干性系數(shù)進行最小二乘擬合，擬合直線與單位圓的交點之一就是地表相位；②根據最大植被偏差準則，選擇和體散射相位相距最大的那個點作為地表相位點；

步驟三：基于antropov體散射模型對預處理后的極化干涉sar圖像進行極化目標分解，得到體散射成分，提取出冠層相位；

步驟四：根據相位差異法，利用步驟二得到的地表相位和步驟三得到的冠層相位的相位差異初步估計植被高度；

步驟五：采用相干幅度法對步驟四得到的高度進行補償，實現(xiàn)極化干涉sar圖像的植被高度估計。

本發(fā)明具有如下優(yōu)點：

1、本發(fā)明應用于遙感圖像處理領域，實現(xiàn)極化干涉sar圖像植被高度反演。

2、本發(fā)明將傳統(tǒng)三階段算法和極化目標分解方法結合，采取了二者的優(yōu)勢，并且利用相位分離技術優(yōu)化三階段算法得到的地表相位，同時采用antropov體散射模型優(yōu)化極化目標分解得到的冠層相位，解決了地表相位和冠層相位估計模糊的問題，提高了極化干涉sar植被高度反演的精度。

附圖說明

圖1是本發(fā)明改進的極化干涉sar植被高度聯(lián)合反演方法的流程圖。

圖2是原始極化干涉sar圖像hh通道的幅度圖像。

圖3是復相干性系數(shù)在復平面的分布示意圖。

圖4是植被高度反演的三維成像結果。

圖5是本發(fā)明的植被反演結果和三階段反演算法的反演結果對比圖。

具體實施方式

下面結合附圖對本發(fā)明的技術方案作進一步的說明，但并不局限于此，凡是對本發(fā)明技術方案進行修改或者等同替換，而不脫離本發(fā)明技術方案的精神和范圍，均應涵蓋在本發(fā)明的保護范圍中。

具體實施方式一：本實施方式提供了一種改進的極化干涉sar植被高度聯(lián)合反演方法，如圖1所示，具體實施步驟如下：

步驟一：輸入極化干涉sar圖像，進行預處理，得到預處理后的極化干涉sar圖像，其中：

預處理后極化干涉sar圖像的極化相干矩陣t6為：

其中，和為pauli基散射矢量：

上式中，每個元素siqp(p,q＝h,v)表示以q極化方式發(fā)射，p極化方式接收時的目標后向復散射系數(shù)，由極化干涉sar系統(tǒng)獲得。i＝1,2表示雷達系統(tǒng)在略微不同視角獲得的主、副兩幅sar圖像，h,v分別表示水平極化和垂直極化方式，<g>表示空域平均。

步驟二：采用基于相位分離相干優(yōu)化的三階段算法對預處理后的極化干涉sar圖像進行地表相位提?。?/p>

a：相位分離相干優(yōu)化：對預處理后的極化干涉sar圖像進行相位分離，得到高、低相位對應的復相干性系數(shù)γpdh和γpdl。具體過程如下：

找到式(3)的兩個特征向量ωh和ωl使式(4)所示的復相干性的余切值達到最值，它們對應于復平面上具有最大相位差異的兩種極化狀態(tài)。然后根據相干性計算公式(5)，將得到的ωh和ωl分別代入式(5)，可以求得高、低相位所對應的復相干性γpdh和γpdl。

其中，3個3×3復矩陣塊是極化相干矩陣t6的一部分，t＝(t11+t22)/2，ω＝ω1＝ω2是與極化狀態(tài)有關的歸一化復投影矢量，λ是相應的特征值，γ是復相干性系數(shù)，j是虛數(shù)單位，^*t表示共軛轉置。

b：三階段算法：利用hh、hv、vv三種極化方式得到復相干性系數(shù)γhh、γhv和γvv，將γhh、γhv、γvv和γpdh、γpdl進行最小二乘擬合，擬合直線與單位圓的交點之一就是地表相位；然后根據最大植被偏差準則，選擇和體散射相位相距最大的那個點作為地表相位點。具體過程如下：

對于hh極化方式，投影矢量代入相干性計算公式(5)中，得到對應的復相干性系數(shù)γhh；同理，對于hv極化方式，投影矢量ω＝ω1＝ω2＝[001]^t，而對于vv極化方式，投影矢量由公式(5)可以計算出相應的復相干性系數(shù)γhv和γvv。然后對已經得到的5個復相干性系數(shù)γhh、γhv、γvv、γpdh和γpdl在復平面上進行最小二乘擬合。它們在復平面的分布示意圖如圖3所示。擬合得到的直線和復平面單位圓相交于兩點，其中一個即為所求的地表相位點。

根據最大植被偏差準則，選擇離體散射相干點相位距離最大的那個點作為地表相位點，其相位項φ0認為是地表相位，用來進行植被高度提取。這里通常認為，hv極化通道獲得的復相干性系數(shù)γhv可以表征體散射相干性，用來進行植被偏差準則比較。

步驟三：基于antropov體散射模型對預處理后的極化干涉sar圖像進行極化目標分解，得到體散射成分，提取出冠層相位。其中，提取冠層相位的具體過程如下：

將預處理后極化干涉sar圖像的互協(xié)方差矩陣分解為奇次散射、偶次散射和體散射三種基本散射機理的加權和：

[cint]＝[cs]+[cd]+[cv](6)

其中，為預處理后極化干涉sar圖像的互協(xié)方差矩陣，這里和是lexicographic基散射矢量：

[cs]為奇次散射協(xié)方差矩陣：

其中，ψhv＝ψh-ψv是不同極化方式下的復散射系數(shù)相位差，φs是奇次散射的相位項。

[cd]是偶次散射協(xié)方差矩陣：

其中，rgh、rth、rgv和rtv是菲涅耳(fresnel)系數(shù)，φd是偶次散射的相位項。

應用antropov體散射模型計算體散射相位，首先計算參考協(xié)方差矩陣：

其中δ＝<|shh|²>/<|svv|²>，則體散射協(xié)方差矩陣可表示為：

[cv]＝fv[cv_refer](11)

其中，φv是體散射的相位項。

根據公式(6)，使該公式等號左右兩側各項對應相等，可以得到

根據式(12)可以提取出體散射相位φv作為冠層相位。

步驟四：根據相位差異法，利用步驟二得到的地表相位和步驟三得到的冠層相位的相位差異初步估計植被高度，具體過程如下：

根據相位差異法，可得植被高度hv表達式如下：

其中，φ0是步驟二求得的地表相位，φv是步驟三求得的冠層相位，kz是有效垂直波數(shù)，由極化干涉sar系統(tǒng)獲得。

步驟五：采用相干幅度法對步驟四得到的高度進行補償，實現(xiàn)極化干涉sar圖像的植被高度估計，具體過程如下：

在rvog模型中，干涉相干性表達式如下：

其中，是有效地體幅度比，只與極化方式有關，γv是體散射相干性，獨立于極化方式，只與消光系數(shù)σ和樹高hv有關，其表達式如下：

上式中，θ0為極化干涉sar系統(tǒng)均值入射角。

當消光系數(shù)σ趨于零時，體散射相干性變成了只與樹高hv有關的函數(shù)：

因此，可以使用測量的相干幅度估計植被高度。體散射相干γv通常用體散射占優(yōu)的交叉極化復相干性系數(shù)γhv近似，通過相干幅度法獲得的植被高度hv表達式如下：

通過相干幅度法獲取的植被高度通常用于對其他植被高度估計算法的結果進行補償。本發(fā)明所述的精確高度估計算法將步驟四相位差異法獲得的高度和步驟五相干幅度法獲得的高度結合，最終求得的植被高度表達式如下：

其中，補償系數(shù)ε取值范圍為0.4:0.6。

具體實施方式二：本實施方式中所用實驗圖像為polsarprosim軟件產生的仿真極化干涉sar圖像，圖像大小為164×141個像素，其hh通道幅度圖像如圖2所示。該仿真區(qū)域樹種為落葉林，森林密度為300棵/公頃，平均樹高為10m。

對極化干涉sar圖像采用本發(fā)明所述改進的極化干涉sar植被高度聯(lián)合反演方法進行植被高度反演，其3維成像結果如圖4所示。

對于圖像的第78列，本發(fā)明改進的極化干涉sar植被高度聯(lián)合反演方法和三階段反演算法的高度圖像對比結果如圖5所示。對于整幅圖像，平均高度和均方根誤差結果對比如表1所示。

表1

通過圖5的反演結果可以看出：改進的極化干涉sar聯(lián)合反演算法可以獲得很好的反演結果。由于引入了相位分離相干優(yōu)化，獲得的地表相位更接近真實情況，并且采用antropov體散射模型，可以更全面精確地描述冠層結構，因而相位差異的結果接近真實植被高度。在算法誤差分析上，本發(fā)明算法的均方根誤差(rems)值為2.03m，而傳統(tǒng)的三階段反演算法的為6.09m。這是因為直線擬合過程中引入了由相位分離相干優(yōu)化產生的更接近真實情況的兩個相干性，擬合的直線更精確。因此，本發(fā)明改進的極化干涉sar植被高度聯(lián)合反演方法不僅提高了反演結果的精度，還大大降低了誤差。