基于Pauli分解散射參數特性的潮溝信息提取

2020-04-01 06:45:46朱言江韓震和思海

海洋科學進展 2020年1期

朱言江韓震和思海

(1.上海海洋大學海洋科學學院,上海201306；2.上海市河口海洋測繪工程技術研究中心,上海201306)

利用全極化合成孔徑雷達(Full-polarization Synthetic Aperture Radar)數據可以獲得研究對象的全散射矩陣,該矩陣包含了研究對象的重要散射信息、空間結構信息和紋理信息,利用這些信息可以深入了解研究對象的物理及幾何特性[1-3]。目前,全極化SAR數據的極化特征提取工作已經取得了一系列的研究成果,經過數十年的努力,國內外學者在不同理論的基礎上,提出多種方法進行極化特征分解。如Cloude提出的H/Alpha分解[4]、Freeman等提出的Freeman-Durden分解[5]、Yamaguchi等提出的Yamaguchi分解[6]。對于不同的地物類型,有不同的分解方法,例如:Kiran等[7]利用不同分解方法對城市地區進行分類研究,結果表明,在城市居民點螺旋散射成分更多,Yamaguchi分解效果良好,其次是Freeman-Durden分解,而在水體等表面散射的區域Pauli分解效果更好。陳軍等[8]以ALOS衛星的PALSAR影像為研究數據,提出一種綜合Pauli極化特征分解和支持向量機(SVM)的分類策略,研究結果表明Pauli-SVM算法可以有效地提高分類的準確性。馬騰等[9]采用Radarsat-2全極化數據,利用極化目標分解方法提取到了散射熵、平均散射角、反熵、平均特征值、單次反射特征值相對差異度和二次反射特征值相對差異度,結合實測數據,分析了各參數對于耕地、裸地、含植被水體和建筑等類別的可分離性。Geng等[10]利用Radarsat-2數據的目標分解分析了在不同的環境條件下中國江蘇沿岸潮間帶的極化特征和散射機制,定量比較分析了Radarsat-2數據分解極化參數對潮間帶中不同物體的極化特性,表明潮汐對灘涂和水產養殖場的主要散射機制具有不同的影響。

如何有效地選擇極化特征和分類算法是全極化SAR影像分類領域亟待解決的問題。經過反復試驗,同時結合長江口九段沙研究區域地物類型,利用Pauli分解的極化散射參數可以準確地獲取地物實際物理特性相對應的極化特征。綜合不同提取算法和分類算法的基礎,本文選取2015-04-05 Radarsat-2全極化SAR數據,分析Pauli極化分解出的散射參數對九段沙地物散射特性的影響,并利用區域生長法和數學形態學提取潮溝信息。

1 研究區域

九段沙(圖1)位于長江入海口處(121°46'～122°15'E,31°03'～31°17'N),是上海市的重要濕地之一。由于受潮流的影響,九段沙一直處于變化中,其植物群落主要有3種,分別為互花米草、蘆葦和海三棱藨草[11]。

圖1 研究區域Fig.1 Geographic position of the study area

2 研究方法

首先對Radarsat-2全極化數據進行預處理,包括數據多視處理和相干斑濾波；然后對得到的數據進行Pauli極化相干分解,分別得到3種散射機制系數K1,K2和K3,并且將這3個系數轉化為散射強度；隨后統計分析不同地物類型散射強度值；最后選取合適的散射機制,利用區域生長法和數學形態學中的形態膨脹腐蝕和去除短枝處理提取九段沙潮溝信息(圖2)。

圖2 九段沙潮溝信息提取流程Fig.2 Flow chart of the tidal channel extraction

2.1 數據預處理

對獲取到的Radarsat-2全極化數據進行多視處理,比例為4∶2,之后對多視處理后的圖像采用精極化Lee濾波進行相干斑濾波,對比其結果,發現5×5窗口對降低相干斑噪聲的效果較好,同時九段沙地物和潮溝的邊緣信息保持得比較清晰完整。

2.2 全極化SAR數據的Pauli分解

全極化SAR數據目標分解主要是基于極化數據的散射矩陣來揭示不同散射體的物理表現形式,這樣可以更好地認識和利用極化信息來提取目標信息。其優勢是可以將復雜地物回波信號分解為多個簡單的標準目標回波信號之和,通過分析不同散射機制下的各分量獲得原目標的信息[12]。由于極化分解技術與獲取目標信號中的相位有關,Pauli目標分解的散射特征參數能夠準確獲得與其地物物理特性相對應的極化特征,同時可在一定程度上抑制SAR成像系統自身產生的相干斑噪聲,即使在有噪聲或去極化效應的情況下,仍然可以用它進行分解,這樣很好地保持了目標信息的完整性。

Pauli分解是基于極化散射矩陣S,通過定義不同的極化基矩陣提取極化特征的方法,不同的極化基矩陣代表不同的地物類型[13]。

首先定義基本的散射矩陣,稱為Pauli基{S a,S b,S c,S d},公式為

式中,a為單次散射強度；b為入射角0°的偶次散射強度；c為入射角45°的偶次散射強度；d為S矩陣中反對稱組分的強度；表示奇次散射,指表面散射,如地面等；表示偶次散射,指二面角散射,如建筑物和樹干等表示π/4偶次散射,指體散射,如灌木和樹冠等；表示不存在的地物類型,因此d取值為零[8]。

基于已定義的Pauli基,對于本文將研究的散射矩陣,式(1)可以寫成:

式中,H表示水平方向,V表示垂直方向,SVH表示水平極化發射、垂直極化接收的回波強度。可以寫成向量K的形式:

當介質滿足互易條件時,S HV=S VH,公式(3)變為

Pauli相干極化分解將極化散射矩陣S反映到3個基本散射類型上,分別為奇次散射、繞軸旋轉0°的二面角散射和繞軸旋轉45°的二面角散射。

經過數據預處理后的Pauli分解結果表明(圖3):在平坦表面的區域,如河流、潮溝等表現得相對平滑,呈現出奇次散射,Pauli分解的結果呈現藍色,這是因為奇次散射是水域的主要散射類型；在陸地上由于受到低矮植被的影響,絕大部分呈現綠色,主要為二面角散射,植被主要分布在潮溝附近；九段沙的中沙和下沙的中心區域呈現偏紅色,這是由于這兩處區域受到高大蘆葦的影響,呈現為45°的二面角散射。

潮溝、水體、低矮植被和蘆葦是九段沙典型的4種地物類型,為了更好地分析它們的物理散射特性,將Pauli分解的3個系數轉化成散射強度(圖4)。每種地物類型選擇2個區域,共8個區域(圖4c),每個區域內選擇40個采樣點。統計分析這4種典型地物的3種散射強度值,結果見表1。可以看出,蘆葦的奇次散射強度平均值遠大于其他3種地物類型的奇次散射強度平均值,潮溝和水體的奇次散射強度值較為接近,分別為0.040和0.038,所以,其可以被看作是平靜的表面。相對于潮溝和水體,低矮植被的奇次散射強度值并沒有太大的變化。在九段沙典型類型地物中,各種散射機制分布較為復雜,其中植被的二面角散射成分更多些,這主要是由于九段沙低矮植被與地面形成散射的結果。從表1也可以看出,研究目標潮溝的二面角散射強度平均值為0.007,而低矮植被和蘆葦的二面角散射強度平均值分別為0.783和0.104,相較于奇次散射和45°二面角散射強度值,潮溝和植被的強度平均值差異較大。因此,Pauli分解中二面角散射系數更能體現出潮溝和植被之間的差異性。

圖3 Pauli分解結果的假彩色圖Fig.3 The false color composite image of Pauli decomposition

圖4 Pauli分解的散射強度Fig.4 The scattering intensity image of Pauli decomposition

表1 不同地物類型的散射強度值Table 1 The statistics of the scattering intensities of different land types

2.3 基于區域生長法和數學形態學的潮溝信息提取

為了進一步分析分解參數的選擇對潮溝信息的提取效果,我們在Pauli分解的二面角散射強度圖像上選取具有代表性的3條潮溝(圖4b中A,B和C)作為研究對象,基于區域生長法和數學形態學提取潮溝信息。

2.3.1 區域生長法

區域生長法的基本原理是:在每個分割的區域找種子像素作為生長的起點,再將種子像素周圍鄰域中與種子像素有相同或相似性質的像素(根據某種事先確定的生長或相似準則來判斷)合并到種子像素所在的區域中,然后將這些新像素當作新的種子像素繼續進行上述過程,直到再沒有滿足條件的像素可被包括進去[14]。

區域生長法提取潮溝信息的步驟主要有5步[15]:

1)輸入原始圖像,選擇初始種子點并標記為潮溝點,并對原始圖像進行掩膜；

2)取出種子點,計算其與鄰域中其他像素的灰度差；

3)將灰度差小于給定閾值的像素點與種子點合并,繼續生長并且覆蓋掩膜；

4)閾值分割；

5)輸出潮溝提取結果。

在運用區域生長法提取潮溝信息過程中,不同潮溝的復雜程度不一樣,選取種子點的個數也是不同的。潮溝A,由于土壤出露,因此選擇2個種子點；潮溝B,在2個分叉分別選擇1個種子點,共計2個種子點；潮溝C,由于空間結構較復雜,則在每級分叉都選擇的潮溝選擇1個種子點,共選擇3個種子點。

2.3.2 數學形態學

數學形態學主要是以膨脹、腐蝕為基礎,使用這2種簡單基礎的運算來推導其他較為復雜的運算以實現圖像處理,具有計算快、算法較為簡單的特點。對潮溝信息進行數學形態學處理可以改善潮溝信息在提取時發生的斷裂情況,并且可以降低潮溝信息中的噪聲。4種基本的算子包括膨脹和腐蝕運算、結合膨脹和腐蝕的開運算和閉運算。

1)膨脹和腐蝕,記M為要處理的圖像,N為結構元素,x為圖像M中的一個點:

式中,Φ為空集。

2)結合膨脹和腐蝕的其他運算主要有:

選取的3條潮溝的發育形態和地理位置都不相同,提取這3條潮溝的信息,可以檢驗Pauli分解出的二面角散射機制對整體潮溝的提取效果。首先以潮溝B為對象利用該方法提取信息,提取效果如圖5所示。采用同樣的方法對潮溝A和潮溝C提取信息,提取效果如圖6所示。

從圖6可以看出,利用區域生長法對經過Pauli分解后的二面角散射系數進行潮溝A,B和C提取的總體效果較好,但是在提取潮溝信息的過程中,有些潮溝有斷裂現象,并且出現了一些非潮溝,如圖5b和圖6中圓圈標記出來的潮溝顯示,它們并沒有生長到一起。這主要是因為該區域原始圖像潮溝邊緣受植被的遮擋或者由潮溝中的土壤出露影響所致。另外,由于區域生長法的閾值的設置,也會導致一些非潮溝信息被提取出來。針對區域生長法提取過程中出現的問題,利用數學形態學進行了進一步的處理。