雙極化SAR影像的分類研究

崔建楠，邢立新，葉 超，高志勇

(吉林大學地球探測科學與技術學院，吉林長春 130026)

?

雙極化SAR影像的分類研究

崔建楠，邢立新*，葉 超，高志勇

(吉林大學地球探測科學與技術學院，吉林長春 130026)

合成孔徑雷達(SAR)遙感數據的穿透性，可以反應亞表層的結構信息等特點，對地表景觀分類有特殊的作用。通過研究地物后向散射和極化等特性，可以反映地物的粗糙度、含水量等特點，用于土地利用調查有很好的效果。文章重點研究了雙極化SAR數據特性與數據處理，利用決策樹分類、K-means分類方法對吉林西部松原地區進行土地利用分類，并與Landsat 8數據的分類結果進行對比分析。結果表明，基于地物極化特性的雙極化雷達數據分類結果明顯優于光學遙感影像。

合成孔徑雷達；極化；后向散射；分類；吉林西部

The penetrability of the dual polarization SAR remote sensing data, can refelect characteristics of the structure information of the surface. It has special effect on the landscape classification. By studying the back scattering and polarization characteristics of surface features, the terrain roughness, water content can be reflected. It has a very good effect on land use investigation. This article focuses on the dual polarization data features and data processing, using the method of decision tree classification, and K-means for land use classification in Songyuan, west Jilin, comparing with the classification results of Landsat 8 data. The results showed that based on the features of the polarization characteristics of dual polarization radar data classification result is better than optical remote sensing image.

Key words SAR; Polarization; Back scattering; Classification; West of Jilin Province

合成孔徑雷達(SAR)是自20世紀50年代發展起來的一種全天候、全天時高分辨率微波遙感成像雷達[1]。其不僅具有高分辨率對地觀測的能力，而且具有一定的穿透性，可以反應亞表層的結構信息等特點[2]。并且通過調節觀測視角，對目標的空間位置和形態特征具有較好的判別能力。這種獨特的優勢使SAR在土地利用調查、資源勘查、地質調查、地形測繪等方面發揮了巨大的作用。與常規雷達數據相比，極化雷達數據以散射矩陣的形式全面的記錄了地物散射回波信息，既有相位信息也有幅度信息，為目標檢測、散射特性分析以及分類等應用提供了更多的極化信息[3-4]。

雷達圖像與光學圖像的成像原理不同。合成孔徑雷達為側視成像，而光學圖像通常是接收地面垂直反射波所得。這使得雷達圖像與光學圖像呈現出截然不同的影像特征。雷達系統在工作時，主動以一定的俯角發射雷達波束到被測繪的區域，這使得雷達圖像具有陰影、迎坡縮短、頂底位移等固有特征，輪廓比較清楚，有較好的對比度[5]。與光學圖像相比，其優勢在于可以獲得目標地物的極化散射信息，最大限度地將不同地物的散射特征以矢量的形式表現出來，從而揭示不同地物的散射特性差別，進而達到分類地物的目的[6]。不過，由于雷達系統回波的復雜性，數據量遠大于光學圖像，處理難度更大。

早在1988年，美國麻省理工學院的孔金甌教授研究團隊首次進行了極化SAR數據的分類[7]；隨后，Van Zyl第一次對極化SAR數據進行基于知識和極化散射機制的分類[8]；1997年Cloude提出了基于特征向量分解的目標信息分解方法，并基于H/α空間進行分類[9]；1999年Lee在Cloude的研究基礎上，提出了基于H/α分解和Wishart分類器的非監督方法[10]。

筆者在研究極化SAR數據(ALOS PALSAR)特性基礎上進行數據處理，研究HH與HV兩種不同極化方式下PALSAR影像的極化特性，實現研究區土地利用分類。

1 PALSAR雙極化數據的處理

1.1 研究區概況及數據來源研究區位于吉林省西部松原地區，地勢平坦，松花江自西向東橫穿全區而過。土地利用類型多樣，除大面積耕地覆蓋(不同耕種類型)，另有少量鹽堿地，林地極少，松花江經流形成的濕地與古河道分布清楚。

該研究所采用的數據為2006年日本發射升空的ALOS衛星上搭載的PALSAR所獲取的雷達圖像。獲取日期為2013年10月27日(秋季)。數據級別Level 1.1，使用L波段對地進行觀測。包括HH、HV 2個通道的雙極化數據，具體參數見表1。

另外選用美國國家航空航天局(NASA)于2013年2月發射的Landsat 8衛星搭載的陸地成像儀(OLI)所獲取的同時相的影像數據，包括9個波段，空間分辨率30 m，其中包括一個分辨率15 m的全色波段。

1.2 數據預處理PALSAR雙極化數據與光學遙感數據不同，SAR系統本身是一個相干系統，因此SAR圖像會受到相干斑的影響。在SAR圖像上，分辨單元的尺寸一般遠大于散射體，而散射體在分辨單元內隨機分布，它們在分辨單元內相干疊加，使未經任何處理的SAR圖像看起來只是一幅雜亂的斑點和噪聲。這大大增加了解譯的難度，所以要對數據進行多視和濾波處理。使用PolSARpro_v4.2.0的SAR處理軟件進行預處理，以便分類應用。

1.2.1多視處理。 多視處理有幾種常用的方法，比如將相鄰的像素點進行疊加，求它們的空間平均，用計算得到的數據代替原始數據。而平均像素的個數即為視數。多視處理會減少圖像的斑點噪聲，但也會降低同樣倍數的方位分辨率。

使用PolSARpro_v4.2.0軟件對研究區的PALSAR雙極化數據(圖1)進行距離向和方位向的4視處理，結果見圖2。

表1 PALSAR的基本參數

圖1 原始圖像

圖2 多視處理后圖像

1.2.2后向散射輻射定標。采用日本宇宙航空研究開發機構為PALSAR數據提供的定標方法，計算公式如下：

σ0=101g(I2+Q2)+CF-32.0

(1)

式中，I和Q分別代表復型數據的實部與虛部；CF為定標常數;HH極化數據為-83，而HV極化數據為-80。經過輻射定標處理后，得到后續處理需要的后向散射強度圖像。

1.2.3濾波處理。由于與光學遙感的成像原理不同，只要是由連貫SAR傳感器中生成的圖像都會產生斑點噪聲。由圖2可以看出，經多視處理后的圖像斑點噪聲仍然較為嚴重，無法準確地反應地物目標的散射特性，對判讀真實的地物信息造成很大影響，所以要進行濾波處理。平抑斑點噪聲通常分為在信號級和圖像級的分別處理[11]。該研究只在圖像級進行濾波處理。精制極化Lee濾波能夠較好的保持雙極化數據各通道間的極化信息和圖像分辨率，是一種優質的濾波方法。所以該研究采用精制極化Lee濾波對圖像進行濾波處理。

2 地物后向散射與極化方式特性分析

研究區大部分面積為耕地所覆蓋，耕地類型包括旱地和水田，數據時相為10月末的完成作物收割時期，所以區內的土地類型大部分為作物茬子覆蓋下的裸土。根據各類地物后向散射程度分析其影像特征(圖3、4)，將主要地物敘述如下。

2.1 旱地旱地在HH和HV圖像上均具有十分高的后向散射系數，且相差值最大約為10 dB。高后向散射強度是由于收割后的耕地，為作物茬子所覆蓋，散射機制復雜，回波較強。而一些農作物(如玉米)在收割后會留下15 cm左右的根莖，與相對光滑的裸土發生二面角散射，也會發生較強的后向散射。

2.2 水田與旱地相比后向散射強度要低5 dB左右。受高含水量的影響，雷達波束在水田會發生鏡面反射，導致水田的散射強度偏低。水田在HH和HV圖像上的后向散射系數都處于中間值。但在HV圖像上與旱田散射強度相差不大難以區分，可以利用二者在HH后向散射強度圖像上的差別加以區分。

2.3 水體水體是十分光滑的表面，雷達波束在水面發生鏡面反射，回波信號極少，所以無論HH還是HV圖像上，水體的后向散射強度均為最低值。

2.4 鹽堿地鹽堿地的后向散射系數在HH和HV圖像上均較低，僅比水體高2～3 dB。鹽堿地地區植被極其稀少，僅少部分區域有矮草覆蓋。該研究選用的PALSAR數據為L波段，波長為23 cm。對于這一波段的雷達波來講，僅有少量矮草覆蓋的鹽堿地仍可認為是較光滑的表面。故鹽堿地的后向散射強度也很弱。

2.5 居民地居民地的后向散射強度值在HH和HV圖像上遠高于其他地物，這是由于居民地的房屋、墻體等與光滑的路面發生二面角反射，故居民地的后向散射強度遠高于其他幾種地物，可以據此區分居民地與其他地物。

圖3 不同地物后向散射強度

圖4 不同極化方式地物后向散射強度關系

3 PALSAR與Landsat 8圖像的分類及精度驗證

3.1 圖像分類多數情況下，想要獲取地表真實的信息是十分困難的。尤其對于極化SAR數據而言，想要人為地提取特征明顯的訓練樣本十分不易。所以，目前極化SAR數據分類研究的重點是非監督分類，即在沒有訓練樣本的前提下，找到不同類之間極化特性的區別[5]。該研究使用決策樹、K-Means法分別對HH后向散射強度圖像、HH+HV后向散射強度圖像以及L8圖像進行分類處理。

根據上文的PALSAR圖像后向散射強度與極化特性分析，分別制定決策樹，對HH圖像與HH+HV圖像進行決策樹分類處理，各種圖像的分類處理結果見圖6～9。

圖5 HH決策樹分類路線

圖6 HH圖像決策樹分類處理結果

圖7 HH+HV圖像決策樹分類處理結果

圖8 HH圖像K-Means分類處理結果

圖9 L8圖像K-Means分類處理結果

3.2 精度驗證2014年10月24日～10月26日，筆者在位于吉林西部的研究區內進行了為期3天的野外實地考查，對PALSAR與L8土地利用類型分類結果進行實地驗證。

此次野外驗證共采集樣本點90個。野外樣本點的采集原則為：樣本點在分類圖中應具有典型性與代表性。使用GPS記錄每一點的經緯度、高程、土地覆蓋類型以及照片。

在ArcGIS中，根據樣本點的實際土地覆蓋類型，利用樣本點的經緯度坐標建立點覆蓋圖層，將該圖層與PALSAR和L8分類圖進行疊加，看土地覆蓋類型是否一致。若完全一致，記1分；若不完全一致，但同屬一個大類，記0.5分；若完全不一致，則記0分[12]。用總得分除以90即為分類總體精度。不同地物4種處理方式的精度對比見表2。

表2 不同地物4種處理方式的精度對比

由表2可知，不同地物類別的圖像處理精度有所差別，具體如下：

(1)水體。在PALSAR的分類圖像上，無論使用決策樹還是K-Means方法，水體都被很好地分離出來。與L8分類圖像相比，河道的形狀、輪廓被更加明顯的顯現出來。部分古河道(牛扼湖)的輪廓也可以較清晰地在圖像上辨認。這是由于實驗所選擇的PALSAR數據為L波段的雷達數據，具備一定的穿透能力，對隱伏在下的河道邊界、古河道有很好地表達。在L8分類圖像中，對河道的形狀、輪廓均無法分辨，古河道及河漫灘被一起劃分為水體。

(2)鹽堿地。在幾幅分類圖像中，除L8分類圖外，鹽堿地的分類效果均不夠理想，且部分被誤分為水體或水田。鹽堿地在L波段的的PALSAR圖像上屬于較光滑的表面，在雷達圖像上表現為與水體、水田相近的暗色調，后向散射強度位于水體與水田之間，故較難區分。

(3)居民地。在HH與HH+HV決策樹分類圖像中，居民地等高后向散射強度的區域(紅色區域)分類效果較理想，可以很清晰地分辨出圖像左上角的一個大的居民地以及很多散落在耕地間的小居民點。而L8分類圖居民地誤分的情況較嚴重。

(4)旱地。對于圖像上面積最大的旱田來講，HH決策樹分類效果不夠理想。這是由于旱田散射機制的多樣性及決策樹分類方法的選擇造成的。該研究所用雷達圖像采集時間為10月末，絕大部分的耕地已經完成了收割作業，而不同作物的收割方式不同，在剛剛完成收割之后，田地里會覆蓋一層作物茬子，使旱地表現出多樣的散射機制。而決策樹分類僅從后向散射強度來區分耕地，無法更多地表現出耕地的紋理細節等信息。HH圖像的K-Means分類圖對于耕地的分類效果較好，突出了耕地邊界等細節信息，而且由于不同作物收割后造成的多樣的散射機制，也很好地區分了出來。在L8圖像上，旱地與居民地混淆的情況較嚴重。

(5)水田。水田的表面同樣覆蓋一層作物茬子，散射機制較為復雜，分類情況與旱地類似。

4 結論

(1)雷達極化圖像的決策樹分類法在基于一定人工經驗的基礎上，根據不同地物獨特的后向散射特性，正確的制定決策樹至關重要。對于雷達后向散射強度圖像來說，決策樹分類可以很好地區分具有最高后向散射強度與最低后向散射強度的地物。如圖6、8中，紅色區域的居民地與藍色區域的水體，輪廓等細節信息都得到了很好地表達。而一些具有復雜散射特性的地物如植被、耕地等，決策樹分類法的分類效果并不理想。今后的研究可以著重于對植被覆蓋區的極化雷達圖像分類研究。

(2)L波段的雷達波具備一定的穿透能力，可以探測一些隱伏信息，對河道的邊界反應尤其敏感。而傳統的光學圖像并不具備這一能力。在兩幅PALSAR決策樹分類圖中，不僅現代河道的邊界、輪廓分類效果很好，部分古河道的信息也很清晰的表達出來。此次實驗所選擇的研究區內古河道發育非常好，L波段的極化雷達數據能夠有效的探測這一地區的古河道。利用極化雷達數據，選擇決策樹、目標信息分解等方法進行分類研究，以探測古河道信息，是下一步的研究方向。

[1] 王艷,伍吉倉.ALOS衛星PALSAR數據在上海沉降監測中的應用[R].上海:同濟大學,2009.

[2] 王靜,邢立新,潘軍，等.雙極化SAR目標分解方法研究及應用[J].遙感信息,2013,28(2):106-109.

[3] 王翠珍,郭華東.極化雷達目標分解方法用于巖性分類[J].遙感學報,2000,4(3):219-223.

[4] 徐俊毅,楊健,彭應寧.雙波段極化雷達遙感圖像分類的新方法[J].信息科學,2005,35(10):1083-1095.

[5] 曹芳.基于Cloude pottier分解的全極化SAR數據非監督分類的算法和實驗研究[D].北京:中國科學院電子學研究所,2007.

[6] 王超,張紅,陳曦，等.全極化合成孔徑雷達圖像處理[M].北京:科學出版社,2008:107-108.

[7] KONG J A,SCHWARTZ A A,YUEH H A,et al. Identification of terrain cover using the optimal polarimetric classifier[J]. J.Electromagn.Waves Applicat, 1988,2(2):171-194.

[8] VAN ZYL J J.Unsupervised classification of scattering behavior using radar polarimetry data[J].IEEE Trans.Geosci.Remote Sensing,1989,27(l):36-45.

[9] CLOUDE S R,POTTIER E.An entropy based classification scheme for land application of polarimetric SAR[J]. IEEE Trans.Geosci. Remote Sensing,1997,35(1):549-557.

[10] LEE J S,GRUNES M R.Classification of multi-look polarimetric SAR imagery based on complex Wishart distribution[J].Int.J.Remote Sensing,1994,15(11):2299-2311.

[11] 王梁文敬.典型地物的極化后向散射特性分析及其在分類中的應用[D].青島:山東科技大學,2010.

[12] 張增祥,汪瀟,王長耀,等.基于框架數據控制的全國土地覆蓋遙感制圖研究[J].地球信息科學學報,2009,11(2):216-224.

吉林省地質勘查基金項目(2014地勘13-13)。

崔建楠(1988-)，男，吉林吉林人，碩士研究生，研究方向：遙感與地理信息系統。*通訊作者，教授，碩士生導師，從事遙感與地理信息系統研究。

2014-12-15

S 126；TP 79

A

0517-6611(2015)04-356-04

Classification of Dual-Polarization SAR Images

CUI Jian-nan, XING Li-xin*, YE Chao et al

(College of Geo Exploration Science and Technology, JiLin University, Changchun, Jilin 130026)