基于城区特征和SLIC的简缩极化SAR分类方法 *

尹 嫱， 徐 洁

(北京化工大学信息科学与技术学院, 北京 100029)

0 引言

作为一种主动式遥感手段，合成孔径雷达(Synthetic Aperture Radar, SAR)通过发射电磁波获取地物的散射信息。相较于传统光学遥感，SAR在能见度较差的区域有其独特的优势。极化SAR则通过发送与接收不同方向的电磁波，获取更为丰富的极化特征，这些极化特征对于地物分类、识别起很大作用。在极化SAR的各个模式中，全极化SAR包含了目标的全部散射信息，被广泛地应用在农业、军事等领域，但由于系统受限，全极化SAR成像幅宽小、分辨率低。为了克服全极化的缺点，简缩极化的概念得到了提出，通过发送或接收线极化波以及圆极化波，更有效地保留全极化信息，并且可以获得更大成像幅宽，有很大的应用潜力[1]。

简缩极化SAR有3种工作模式：π/4模式[2]、CTLR (Circular Transmit and Linear Receive, CTLR) 模式[3]、DCP (Dual Circular Polarization, DCP) 模式[4]。π/4模式发射±45°线极化波，接收水平(H)和垂直(V)线极化波。CTLR模式发射左旋(L)或右旋(R)圆极化波，接收H和V线极化波。DCP模式发射和接收左旋或右旋圆极化波。虽然不同的简缩极化模式获取数据的格式不同，但本质上都是全极化数据的线性组合。

在极化SAR分类方面，监督分类和无监督分类是两种主要思路[5]。监督分类需要结合真实地物信息，通过带标记样本进行分类。而无监督分类主要通过物理散射机制进行初步划分，再通过基于目标统计特性的分类器进行迭代分类，不依赖真实地物信息，从而具有一定的实际应用价值[6-8]。

对于简缩极化数据，我们常用Stokes矢量S=(S0,S1,S2,S3)T形式进行表述。通过Stokes矢量可进一步提取简缩极化特征参数，如极化度m、相对相位角δ，圆度χ，极化熵H，以及散射角α等。……