[发明专利]极化干涉SAR稀疏植被高度反演方法

摘要

本发明提出了一种极化干涉SAR稀疏植被高度反演方法，主要解决现有技术反演精度较低的问题。其实现方案为：对极化干涉SAR辅图像进行平地干涉相位修正；获取主图像和修正后的辅图像的Pauli基矢量矩阵；通过Pauli基矢量矩阵求取极化相干矩阵集合；根据植被干涉相位分布图对极化相干矩阵集合进行非邻域空间多视平均；通过非邻域空间多视平均后的极化相干矩阵集合求取地表相干系数矩阵和体散射相干系数矩阵；通过地表相干系数矩阵和体散射相干系数矩阵对稀疏植被植被高度进行反演。本发明降低了极化相干矩阵之间干涉相位的差异性，提高了植被参数反演的精度，可用于森林的分类和制图、大面积植被检测以及复杂地形高精度三维地形测绘。

主权项

1.一种极化干涉SAR稀疏植被高度反演方法，其特征在于，包括如下：(1)对极化干涉SAR辅图像I_s进行平地干涉相位修正，得到修正后的极化干涉SAR辅图像I′_s；(2)计算极化干涉SAR主图像I_m上每个像元的Pauli基矢量k₁，得到I_m的Pauli基矢量矩阵{k₁}，并计算修正后的极化干涉SAR辅图像I′_s上每个像元的Pauli基矢量k₂，得到I′_s的Pauli基矢量矩阵{k₂}；(3)通过{k₁}计算I_m的极化自相干矩阵T₁₁的集合{T₁₁}，同时通过{k₂}计算I′_s的极化自相干矩阵T₂₂的集合{T₂₂}，并通过{k₁}和{k₂}计算I_m与I′_s之间的极化互相干矩阵Ω₁₂的集合{Ω₁₂}；(4)获取极化干涉SAR干涉相位图中植被干涉相位的分布图：(4a)计算I_m上每个像元的Lexicographic基矢量u₁，得到I_m的Lexicographic基矢量矩阵{u₁}，并计算I′_s上每个像元的Lexicographic基矢量u₂，得到I′_s的Lexicographic基矢量矩阵{u₂}；(4b)对{u₁}中的每个u₁与{u₂}中相同位置的u₂进行共轭内积，得到I_m与I′_s之间的干涉Lexicographic基矢量v的矩阵{v}，并对{v}中每个v进行幅度归一化，得到幅度归一化后的干涉Lexicographic基矢量v′的矩阵{v′}；(4c)对{v′}中每个v′其共轭转置矢量(v′)^H进行外积，得到极化协方差矩阵C的集合{C}；(4d)在极化干涉SAR干涉相位图上选取一块先验的矩形地表干涉相位区域，并在幅度归一化后的干涉Lexicographic基矢量矩阵{v′}中截取与这块区域位置相同的子矩阵{v′_e}，同时在极化协方差矩阵集合{C}中截取与这块区域位置相同的子集合{C_e}；(4e)对截取的极化协方差矩阵子集合{C_e}中的所有矩阵C_e取平均，得到平均极化协方差矩阵并对截取的幅度归一化后的干涉Lexicographic基矢量子矩阵{v′_e}中的每个v′_e与计算广义内积Z_e，得到截取的广义内积子矩阵{Z_e}，再对{Z_e}所有Z_e取平均，得到广义内积均值(4f)对幅度归一化后的干涉Lexicographic基矢量矩阵{v′}中每个v′与平均极化协方差矩阵计算广义内积Z，得到广义内积矩阵{Z}，并将{Z}中每个广义内积Z与广义内积均值进行比较量化，得到植被干涉相位分布图R_tree；(5)按照R_tree中植被干涉相位的分布，对I_m的极化自相干矩阵集合{T₁₁}、I′_s的极化自相干矩阵集合{T₂₂}、I_m与I′_s之间的极化互相干矩阵集合{Ω₁₂}分别进行非邻域空间多视平均，得到非邻域空间多视平均后的I_m的极化自相干矩阵集合{T′₁₁}、I′_s的极化自相干矩阵集合{T′₂₂}、I_m与I′_s之间的极化互相干矩阵集合{Ω′₁₂}；(6)将非邻域空间多视平均后的I_m的极化自相干矩阵集合{T′₁₁}、I′_s的极化自相干矩阵集合{T′₂₂}、I_m与I′_s之间的极化互相干矩阵集合{Ω′₁₂}进行组合，得到极化相干矩阵组合的集合{T′₁₁,T′₂₂,Ω′₁₂}，并通过每个组合(T′₁₁,T′₂₂,Ω′₁₂)对地表相干系数γ_g和体散射相干系数γ_v进行估计，得到地表相干系数矩阵{γ_g}和体散射相干系数矩阵{γ_v}；(7)将体散射相干系数矩阵{γ_v}与地表相干系数矩阵{γ_g}进行共轭内积，得到去地表后的体散射相干系数矩阵{γ′_v}，并通过每个相干系数γ′_v对稀疏植被高度h_tree进行估计，得到稀疏植被高度矩阵{h_tree}。