基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法

摘要

本发明提出了一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法，对于双极化和全极化SAR的L1A单视复数数据，可以计算出该SAR系统的极化相位不平衡；提取同极化、交叉极化通道数据场景中都是强散射的点目标作为极化强散射点；以这些极化强散射点为中心，对局部区域进行交叉极化和同极化间的相干系数计算，将筛选得到的强极化相干性的点目标作为等效旋转二面角点目标；计算各个等效旋转二面角点目标峰值对应的同极化和交叉极化的相位差的数值作为该点相位不平衡估计数值；对所有等效旋转二面角点目标的相位不平衡估计数值统计得到相位不平衡估计值的聚集中心；结合场景具体二次反射结构，进行180度相位模糊判定，得到最终的SAR系统相位不平衡估计值。

说明书

技术领域

本发明涉及合成孔径雷达(Synthetic Aperture Radar，SAR)图像处理，具体涉及一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法、系统、计算机及存储介质。

背景技术

多极化SAR技术是如今星载机载SAR系统所广为使用的成熟的技术，在农林业，减灾，海洋等各个领域对于多极化SAR数据的定量化应用的需求日益增加。多极化SAR数据的定量化应用严重依赖于极化数据的质量，包括辐射强度、极化散射矩阵等的准确性等，这主要通过辐射、极化定标和长期的数据质量监测等实现。而极化失真参数中，极化串扰以及极化通道的幅度不平衡，随着天线硬件，成像补偿等技术的发展成熟，如今两者普遍可以控制在较为优秀的水平。对于不少星载SAR天线系统，串扰不经过定标即可达到指标要求。但是极化通道相位不平衡失真参数一般难以做到有效控制，可能随着波位，下视角变化而出现变化，是最复杂也是值得关注的极化系统失真参数。

传统的SAR极化定标等依赖于特定的定标场和定标器，比如人造角反射器、极化有源定标器等，或者热带雨林等特定地物目标。人造定标器的方法虽然具有精度高、可控制等优点，并被国内外SAR系统定标所广泛采用，但其在定标场中的布置和维护精密的定标器需要大量的人力、物力，且其提供的测量范围、标定次数等存在较大的限制，在较长的卫星运行周期中无法提供常态化的连续的定标参考。而基于热带雨林自然目标的定标方法，也存在明显区域限制，且热带雨林自身在空间、时间、入射角等方面存在一定的依赖性或不稳定性，影响定标精度。因此，研究使用SAR场景中所广泛存在的地物目标或者挖掘其极化特征用于多极化SAR极化定标具有重要的意义。另外，对于双极化SAR数据，由于观测数据的减少，其只能获取两个极化通道数据，一些体散射分布目标的极化散射特征难以使用，对于极化失真的无场标定是欠定的。因此目前双极化SAR极化数据的标定都是采用定标器的方法，基本上没有成熟的使用一般自然地物的研究成果。

在这样的需求背景下，该发明基于美国学者Atwood和法国学者Thirion-Lefevre等在SAR图像城区的雷达波散射表现的研究成果，其在研究指出城区广泛地存在二次散射，城区二次散射的极化表现的可以等效为二面角的极化散射特征。以此为基础，作者深入地研究城区广泛存在的二次散射特征，创新性地提出了有效的城区内等效旋转二面角点目标提取技术，并研究其对于多极化SAR系统的极化失真影响下的表现，创新性地发明提出并实现了等效旋转二面角目标点目标集的有效信息提取和相应的对SAR系统的发送端接收端极化相位不平衡失真参数的估计统计方法。因此，本发明提出一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法，该方法估计精度可以达到5度以内。

发明内容

本发明的目的在于提出一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法、系统、计算机及存储介质。

实现本发明目的的技术解决方案为：一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法，包括如下步骤：

步骤1，提取同极化和交叉极化通道场景中都是强散射的点目标作为极化强散射点；

步骤2，以提取得到这些极化强散射点为中心，对局部区域进行交叉极化和同极化间的相干系数计算，将筛选得到的强极化相干性的点目标作为等效旋转二面角点目标；

步骤3，计算各个等效旋转二面角点目标峰值对应的同极化和交叉极化的相位差的数值作为该点相位不平衡估计数值；

步骤4，对所有等效旋转二面角点目标的相位不平衡估计数值统计得到相位不平衡估计值的聚集中心，确定场景的SAR极化相位不平衡估计值；

步骤5，结合场景具体二次反射结构，进行180度相位模糊判定，得到最终的SAR系统相位不平衡估计值。

进一步的，步骤1，提取同极化和交叉极化通道场景中都是强散射的点目标作为极化强散射点，具体方法为：

步骤1.1，对于双极化SAR数据，采用两个极化通道计算接收端相位不平衡，对于四极化SAR数据，采用HH同极化通道和HV交叉极化通道，或者VV同极化通道和VH交叉极化通道计算接收端的相位不平衡，采用HH同极化通道和VH交叉极化通道，或者VV同极化通道和HV交叉极化通道计算发送端的相位不平衡；

步骤1.2，分别计算同极化、交叉极化通道场景中所有像素幅度的平均值，筛选出交叉极化场景中像素幅度都大于等于K1倍交叉极化场景幅度平均值，且同极化场景中像素幅度都大于等于K2倍同极化场景幅度平均值的点目标，得到的点目标称为极化强散射点，其中参数因子K1、K2的数值取值范围为[1,10]。

进一步的，步骤2，以提取得到这些极化强散射点为中心，对局部区域进行交叉极化和同极化间的相干系数计算，将筛选得到的强极化相干性的点目标作为等效旋转二面角点目标，具体方法为：

以步骤1中提取得到的极化强散射点为中心，选取尺寸为5像素*5像素尺寸的局部区域像素，计算出交叉极化通道和同极化通道对应区域像素复数相干系数幅度，提取出其值大于阈值C的极化强散射点目标作为等效旋转二面角点目标，其中C的取值范围为在[0.6,0.9]。

进一步的，步骤3，计算各个等效旋转二面角点目标峰值对应的同极化和交叉极化的相位差的数值作为该点相位不平衡估计数值，具体方法为：

提取对应的等效旋转二面角点目标像素峰值的同极化通道的复数值和交叉极化通道的复数值，将该点目标同极化的复数值乘上交叉极化点目标复数值的共轭，取结果的相位，即同极化交叉极化相位差，该相位数值即是该点目标估计得到的相位不平衡数值，并将提取得到的各个相位不平衡数值归一化到-180度到180度之间。

进一步的，步骤4，对所有等效旋转二面角点目标的相位不平衡估计数值统计得到相位不平衡估计值的聚集中心，确定场景的SAR极化相位不平衡估计值，具体方法为：

对步骤3得到的由所有等效旋转二面角点目标计算得到的归一化到-180度到180度的众多相位不平衡估计值，做统计分布直方图，横坐标为-180度到180度区间1度的相位不平衡数值，纵坐标为各个区间对应的等效旋转二面角的数量，对该相位不平衡的分布直方图进行统计，对直方图中最高峰所在区间正负40度区间范围内，以各区间柱的顶端中心点为拟合点，进行正态曲线拟合，计算出拟合曲线的最大值所在的横坐标，得到该相位不平衡的聚集中心，作为该场景确定的相位不平衡估计值。

进一步的，步骤5，结合场景具体二次反射结构，进行180度相位模糊判定，得到最终的SAR系统相位不平衡估计值具体方法为：

对于步骤4统计的聚集中心所在最高峰对应的等效旋转二面角点目标，随机选择一点目标，根据点目标在场景中的位置，确定其二次反射结构的墙面朝向，结合下视角，计算出其等效二面角的旋转角度，根据该等效旋转二面角点目标的同极化交叉极化相位关系，判定统计得到的相位不平衡估计值是否存在180度的相位偏差，若否，则直接输出，若是，则对步骤4的结果进行180度相位偏移作为最终结果。

一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计系统，基于所述的基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法，实现SAR极化相位不平衡估计。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，基于所述的基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法，实现SAR极化相位不平衡估计。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，基于所述的基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法，实现SAR极化相位不平衡估计。

本发明与现有技术相比，其显著的优点为：1)本发明可以实现双极化SAR数据的无场极化相位不平衡失真参数的准确估计，这是目前现有技术所达不到的。这是由于本发明通过使用全新的地物参考目标，即城区广泛存在的二次散射特征来实现的，本发明首创性地将其用于极化失真估计。相比于使用雨林等分布目标在双极化SAR系统下难以解决的方程欠定问题，本发明可以较理想的实现无定标器的相位不平衡的估计。2)本发明适用场景广泛，用于定标的空间限制小，不需要调用卫星成像资源，因此成本低。这是由于本发明通过场景内的二次散射结构来实现的，由于人类活动的广泛性，水平平面和垂直墙面构成的人造建筑，分布范围广阔，不仅是城区只要场景中存在一定量的村镇的人造建筑即可使用。这就使得本发明的定标空间限制很小，不像传统的基于定标场和热带雨林等方法需要对特定区域成像。应此本发明成本低限制小，与现有技术相比是一个巨大的优势。3)本发明对地物目标要求低，方法鲁棒性好，适用性好。这是由于本发明对场景内的等效旋转二面角目标的提取方法，强极化散射筛选可以有效规避噪声杂波的影响，并去除单次散射等其他散射类型的影响，强极化相干筛选可以有效规避城区复杂多径散射的影响，保证目标极化信息。另外本发明采用了统计相位聚集中心的方法，所以规避了考虑少数离散值的干扰，这也降低了对地物目标的要求。本发明相比于传统对点目标精确处理分析的方法，存在较强鲁棒性和稳定性，对SAR数据强点的旁瓣干扰等具有较好的容忍性。4)本发明对多不同波段SAR都具备良好的适用性，可适用于P、L、S、C、X、Ka、Ku等多个波段的机载，星载SAR极化数据，数据成像模式可包括聚束、条带、扫描等多种SAR成像模式。这是由于本发明采用的人造建筑的二次散射信号特征，其对于SAR雷达的波长具有广泛的适用性，SAR雷达波长最长不会超过米级尺寸，最短波长由于一般建筑结构表面较为光滑同样可以适用。传统定标器方法由于雷达波长不同需要制订不同尺寸的定标器，而雨林分布目标方法由于低波段雷达波对植被的穿透性也存在适用性问题。

附图说明

图1是一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法的流程图。

图2是标准二面角的极化散射特征图；(a)HH同极化和HV交叉极化对不同旋转角度的二面角的归一化极化散射强度图；(b)散射强度0.5阈值筛选下得到的两个极化通道对二面角的散射信号(只有部分旋转角度区间的信号留存，对应HHHV同相位和HHHV反相位两种类型)。

图3是由建筑墙面水平面构成的二次散射结构的等效旋转二面角几何示意图。

图4是本发明对GF-3未定标全极化数据的相位不平衡估计实验结果和验证；(a)在一未定标的GF-3局部场景中提取的等效旋转二面角点目标的结果图，可见点目标密集地分布在建筑群区域；(b)在该场景中基于分布目标的全极化定标算法计算的到该场景的接收端相位不平衡结果图，用来作为该SAR系统实际相位不平衡的参考以验证本发明方法的有效性；(c)由本发明得到该场景的接收端相位不平衡统计直方图图，右峰为180度相位模糊判定后的目标峰，曲线拟合后得到最终相位不平衡估计。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，本发明一种基于城区等效旋转二面角点目标统计的SAR极化相位不平衡估计方法，包括如下步骤：

S101，对于双极化和全极化数据SAR数据，使用数据为L1A级的单视复数数据的同极化和交叉极化数据作为本发明方法的数据输入。在本发明实例中，将GF-3的成像于2016年的未进行定标全极化数据作为实例数据，输入数据不需要做额外的预处理操作，直接使用L1A原始数据产品。场景以成像于城区的场景最为适宜，但是发明中不要求城区筛选操作或者场景地理位置筛选操作，该发明为了实现常态化的对任意场景的极化相位不平衡监测，不对特定场景做要求。但是会根据场景中提取得到的等效旋转二面角点目标数量来作为失真参数估计结果可靠性的一个参考指标。该实例场景成像于广州江门市附近的城镇区域包含山林，农田和大量的城镇区域。对于全极化SAR数据，使用HH同极化加HV交叉极化通道或者VV同极化加VH交叉极化通道计算接收端相位不平衡。使用全极化数据的HH同极化加VH交叉极化通道或者VV同极化加HV交叉极化通道计算发送端相位不平衡。而对于单发双收的双极化数据，直接使用双极化数据的同极化交叉极化两个极化通道数据作为数据输入，计算发送端的相位不平衡。在实例中使用该场景的HH极化和HV极化估计系统的接收端相位不平衡。

S102，筛选场景内同极化、交叉极化都是强散射的点目标。首先计算场景中交叉极化通道和同极化通道数据的复数像素数值幅度在整个场景的平均值，接着遍历场景像素，筛选出交叉极化场景中像素幅度大于等于K1倍交叉极化场景幅度平均值，且同极化场景中像素幅度大于等于K2倍同极化场景幅度平均值的点目。采用如下计算公式

S103，对这一场景中提取出的极化强散射点，遍历各个极化强散射点，以极化强散射点为中心，尺寸5*5的局部区域像素进行切片，计算HH图像(同极化)中的切片和HV图像(交叉极化)中的切片的相干系数。当该极化强散射点的相干系数大于一阈值时，则可筛选出等效旋转二面角点目标。可表示为

S104，对S103提取出的场景内的众多等效旋转二面角点目标，提取该点目标像素处的复数值，逐个点目标同极化交叉极化相位差作为该点目标的相位不平衡估计值。在这一步中实现对各个点的相位不平衡估计，下面简单给出理论解释，由于旋转二面角的极化散射矩阵为

考虑极化失真的影响，观测到的HH通道数据M

S105，对上一步计算得到的众多等效旋转二面角点目标的相位不平衡估计值，做统计分布直方图，横坐标为-180度到180度，区间1度的相位不平衡数值，纵坐标为各个区间对应的等效旋转二面角点目标的数量。实例场景中，该统计直方图可见图4(c)由于场景建筑群朝向的不规则，统计分布直方图上会形成双峰现象。在这一步骤中，统计其数据聚束中心，即统计其直方图中峰所对应的相位不平衡数值。采用对于峰所在的众数区间前后40度，共80度范围的直方图区间的中心频次做拟合点，进行正态曲线拟合，并计算拟合曲线最大值所在的位置，即得到峰所对应的相位不平衡数值。由于S104步骤中使用了二面角的同极化交叉极化反相位的关系，这对应于-22.5度和67.5度的二面角旋转区间，但是复杂场景中建筑朝向对应的等效旋转二面角点目标的旋转角度为22.5度和-67.5度时，同极化交叉极化的相位关系为相同，此时计算的结果相差180度，会形成一个伪峰，即图4(c)中会存在两个峰。对于这样的180度相位模糊，需要进行判定确定双峰中哪个是正确的。

S106，如果应用场景是对定标后的多极化SAR数据进行长期极化质量监测，则这一步得到的相位不平衡估计结果可以作为相位不平衡最终结果，因为定标后的极化相位不平衡不可能突变超过90度，其目标峰的数值应该在0度附近，如果在180度附近说明该场景的次峰应该是目标峰。此时可以跳过180度相位模糊判定，直接输出结果。如果应用场景为未定标SAR系统的极化失真参数估计或定标，则对于提取得到的一个峰位置的相位不平衡数值，通过180度相位模糊判定处理判定该峰是否是目标峰，若是，则直接输出相位不平衡估计结果，否则将该峰统计得到的相位不平衡值加上180度偏移量作为最终相位不平衡估计值。这里的180度相位模糊判定方法为结合这一峰所对应的一等效二面角点目标所对应的建筑反射结构的墙面朝向反演等效旋转二面角的旋转角度来判定该峰是否是目标峰，从而确定最终的相位不平衡估计值。二次反射结构的几何示意图如图3所示，这个结构对应的等效旋转二面角的旋转角度计算公式为

在本实施例中，方法实现采用了同极化、交叉极化反相位的处理方法，所以通过对图4(c)右峰所对应的一等效旋转二面角强点目标的建筑结构的墙面朝向进行分析，结合该景的下视角，通过上述计算公式，得到该强点目标在-20度附近，结合图2(b)，符合同极化交叉极化反相位关系，判定其为目标峰。因此，上述曲线拟合统计得到的-94.5度为该估计的相位不平衡的最终结果。在该场景中基于分布目标的全极化定标算法计算的到该场景的接收端相位不平衡结果图如图4(b)，通过做直方图，曲线拟合统计得到其峰所对应的相位不平衡结果为-94.5度。其结果和其他基于林区分布目标的四极化定标算法进行比较，其相位不平衡结果可见图4(b)，为-91.1度。可见两者的结果高度一致，在GF-3上估计的误差在3度左右，这验证了提出的方法的有效性。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。