极化分解后多纹理特征的建筑物损毁评估
【图文】:
Pauli分解将目标的散射过程相干分解为4种散射机制:平坦表面的奇次散射,方向角为0°的角反射器产生的二面角散射(偶次散射),方向角为45°的角反射器产生的二面角散射(π/4偶次散射),以及散射矩阵的所有不对称分量。在满足互易定理的单站情况下,SHV=SVH,使得d=0,此时Pauli分解可简化为3个基矩阵。奇次散射、偶次散射和π/4偶次散射分量的功率依次可描述为u=10lg(|a|2)v=10lg(|b|2)ω=10lg(|c|2)(3)一般地,非建筑区主要包括河流、道路及裸地等目标,这些地物以奇次散射为主,其他类型散射均较弱;而完好建筑物的屋顶及倒塌建筑物的奇次散射也较强。建筑物倒塌后偶次散射降低,奇次散射增强;但完好建筑和倒塌建筑的π/4偶次散射均明显强于非建筑物区。图2为玉树震后的RADARSAT-2极化SAR图像中完好建筑物、倒塌建筑物和非建筑物区样本Pauli分解后各分量的均值。可以看出,非建筑区和建筑区(包括完好建筑物和倒塌建筑物)在π/4偶次散射分量的差异最大。因此,根据震后灾区地物的散射机制,本文利用Pauli分解的π/4偶次散射分量功率ω来区分非建筑区和建筑区。为了降低相干斑噪声的影响,本文利用3×3窗口均值滤波后的π/4偶次散射分量功率ω′剔除非建筑物。通过统计分析确定区分建筑区与非建筑区图1利用极化分解后多纹理特征的建筑物损毁评估流程Fig.1Theflowchartofbuildingdamageassessmentusingtexturefeaturesofpolarizationdecompositioncomponents图2建筑区与非建筑区样本的Pauli分解后各分量的均值Fig.2ThemeanofsamplescalculatedonthethreecomponentsafterPaulidecomposition陈启浩等:极化分解后多纹理特征的建筑物损毁评估957
Pauli分解将目标的散射过程相干分解为4种散射机制:平坦表面的奇次散射,方向角为0°的角反射器产生的二面角散射(偶次散射),方向角为45°的角反射器产生的二面角散射(π/4偶次散射),以及散射矩阵的所有不对称分量。在满足互易定理的单站情况下,SHV=SVH,使得d=0,此时Pauli分解可简化为3个基矩阵。奇次散射、偶次散射和π/4偶次散射分量的功率依次可描述为u=10lg(|a|2)v=10lg(|b|2)ω=10lg(|c|2)(3)一般地,非建筑区主要包括河流、道路及裸地等目标,这些地物以奇次散射为主,其他类型散射均较弱;而完好建筑物的屋顶及倒塌建筑物的奇次散射也较强。建筑物倒塌后偶次散射降低,奇次散射增强;但完好建筑和倒塌建筑的π/4偶次散射均明显强于非建筑物区。图2为玉树震后的RADARSAT-2极化SAR图像中完好建筑物、倒塌建筑物和非建筑物区样本Pauli分解后各分量的均值。可以看出,非建筑区和建筑区(包括完好建筑物和倒塌建筑物)在π/4偶次散射分量的差异最大。因此,根据震后灾区地物的散射机制,,本文利用Pauli分解的π/4偶次散射分量功率ω来区分非建筑区和建筑区。为了降低相干斑噪声的影响,本文利用3×3窗口均值滤波后的π/4偶次散射分量功率ω′剔除非建筑物。通过统计分析确定区分建筑区与非建筑区图1利用极化分解后多纹理特征的建筑物损毁评估流程Fig.1Theflowchartofbuildingdamageassessmentusingtexturefeaturesofpolarizationdecompositioncomponents图2建筑区与非建筑区样本的Pauli分解后各分量的均值Fig.2ThemeanofsamplescalculatedonthethreecomponentsafterPaulidecomposition陈启浩等:极化分解后多纹理特征的建筑物损毁评估957
【相似文献】
相关期刊论文 前10条
1 张志龙;李吉成;沈振康;;基于局部沃尔什变换的纹理特征提取方法研究[J];信号处理;2005年06期
2 王德民;基于数学形态学的纹理特征及其有效性的实验比较[J];电子学报;1995年01期
3 魏铼;胡卓玮;;基于合成孔径雷达影像的海洋溢油纹理特征参数分析[J];海洋学报(中文版);2013年01期
4 李学龙,刘政凯,俞能海;一种有效的基于内容的图像检索方法[J];通信学报;2002年12期
5 廖倩倩;夏定元;;基于提升小波提取颜色和纹理特征的图像检索方法[J];电子技术应用;2007年04期
6 付仲良;张文元;孟庆祥;;灰度和纹理特征组合的SAR影像SVM分类[J];应用科学学报;2012年05期
7 殷泽兴,李介谷;基于纹理特征的图像检索[J];红外与激光工程;1999年06期
8 童涛;杨桄;崔震;叶怡;王寿彪;;基于纹理特征的SAR图像水上桥梁目标检测[J];中国体视学与图像分析;2012年02期
9 吴樊,王超,张红;基于纹理特征的高分辨率SAR影像居民区提取[J];遥感技术与应用;2005年01期
10 徐佳;陈媛媛;黄其欢;何秀凤;;综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究[J];遥感技术与应用;2012年05期
相关硕士学位论文 前4条
1 刘虹呈;基于纹理特征的HEVC综合性算法的研究[D];电子科技大学;2015年
2 党晓婉;基于SVM和散射机理的极化SAR影像地物分类[D];西安电子科技大学;2014年
3 李钦岚;极化SAR流冰区大块接触性浮冰分离方法研究[D];大连海事大学;2017年
4 刘明珠;基于纹理特征的SAR图像质量评估[D];哈尔滨工程大学;2013年
本文编号:2570927
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2570927.html