基于Pauli分解散射参数特性的潮沟信息提取

朱言江韩 震和思海

(1.上海海洋大学 海洋科学学院,上海201306；2.上海市河口海洋测绘工程技术研究中心,上海201306)

利用全极化合成孔径雷达(Full-polarization Synthetic Aperture Radar)数据可以获得研究对象的全散射矩阵,该矩阵包含了研究对象的重要散射信息、空间结构信息和纹理信息,利用这些信息可以深入了解研究对象的物理及几何特性[1-3]。目前,全极化SAR数据的极化特征提取工作已经取得了一系列的研究成果,经过数十年的努力,国内外学者在不同理论的基础上,提出多种方法进行极化特征分解。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]。对于不同的地物类型,有不同的分解方法,例如:Kiran等[7]利用不同分解方法对城市地区进行分类研究,结果表明,在城市居民点螺旋散射成分更多,Yamaguchi分解效果良好,其次是Freeman-Durden分解,而在水体等表面散射的区域Pauli分解效果更好。陈军等[8]以ALOS卫星的PALSAR影像为研究数据,提出一种综合Pauli极化特征分解和支持向量机(SVM)的分类策略,研究结果表明Pauli-SVM算法可以有效地提高分类的准确性。马腾等[9]采用Radarsat-2全极化数据,利用极化目标分解方法提取到了散射熵、平均散射角、反熵、平均特征值、单次反射特征值相对差异度和二次反射特征值相对差异度,结合实测数据,分析了各参数对于耕地、裸地、含植被水体和建筑等类别的可分离性。Geng等[10]利用Radarsat-2数据的目标分解分析了在不同的环境条件下中国江苏沿岸潮间带的极化特征和散射机制,定量比较分析了Radarsat-2数据分解极化参数对潮间带中不同物体的极化特性,表明潮汐对滩涂和水产养殖场的主要散射机制具有不同的影响。

如何有效地选择极化特征和分类算法是全极化SAR影像分类领域亟待解决的问题。经过反复试验,同时结合长江口九段沙研究区域地物类型,利用Pauli分解的极化散射参数可以准确地获取地物实际物理特性相对应的极化特征。综合不同提取算法和分类算法的基础,本文选取2015-04-05 Radarsat-2全极化SAR数据,分析Pauli极化分解出的散射参数对九段沙地物散射特性的影响,并利用区域生长法和数学形态学提取潮沟信息。

1 研究区域

九段沙(图1)位于长江入海口处(121°46'～122°15'E,31°03'～31°17'N),是上海市的重要湿地之一。由于受潮流的影响,九段沙一直处于变化中,其植物群落主要有3种,分别为互花米草、芦苇和海三棱藨草[11]。

图1 研究区域Fig.1 Geographic position of the study area

2 研究方法

首先对Radarsat-2全极化数据进行预处理,包括数据多视处理和相干斑滤波；然后对得到的数据进行Pauli极化相干分解,分别得到3种散射机制系数K1,K2和K3,并且将这3个系数转化为散射强度；随后统计分析不同地物类型散射强度值；最后选取合适的散射机制,利用区域生长法和数学形态学中的形态膨胀腐蚀和去除短枝处理提取九段沙潮沟信息(图2)。

图2 九段沙潮沟信息提取流程Fig.2 Flow chart of the tidal channel extraction

2.1 数据预处理

对获取到的Radarsat-2全极化数据进行多视处理,比例为4∶2,之后对多视处理后的图像采用精极化Lee滤波进行相干斑滤波,对比其结果,发现5×5窗口对降低相干斑噪声的效果较好,同时九段沙地物和潮沟的边缘信息保持得比较清晰完整。

2.2 全极化SAR数据的Pauli分解

全极化SAR数据目标分解主要是基于极化数据的散射矩阵来揭示不同散射体的物理表现形式,这样可以更好地认识和利用极化信息来提取目标信息。其优势是可以将复杂地物回波信号分解为多个简单的标准目标回波信号之和,通过分析不同散射机制下的各分量获得原目标的信息[12]。由于极化分解技术与获取目标信号中的相位有关,Pauli目标分解的散射特征参数能够准确获得与其地物物理特性相对应的极化特征,同时可在一定程度上抑制SAR成像系统自身产生的相干斑噪声,即使在有噪声或去极化效应的情况下,仍然可以用它进行分解,这样很好地保持了目标信息的完整性。

Pauli分解是基于极化散射矩阵S,通过定义不同的极化基矩阵提取极化特征的方法,不同的极化基矩阵代表不同的地物类型[13]。

首先定义基本的散射矩阵,称为Pauli基{S a,S b,S c,S d},公式为

式中,a为单次散射强度；b为入射角0°的偶次散射强度；c为入射角45°的偶次散射强度；d为S矩阵中反对称组分的强度；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,如建筑物和树干等表示π/4偶次散射,指体散射,如灌木和树冠等；表示不存在的地物类型,因此d取值为零[8]。

基于已定义的Pauli基,对于本文将研究的散射矩阵,式(1)可以写成:

式中,H表示水平方向,V表示垂直方向,SVH表示水平极化发射、垂直极化接收的回波强度。可以写成向量K的形式:

当介质满足互易条件时,S HV=S VH,公式(3)变为

Pauli相干极化分解将极化散射矩阵S反映到3个基本散射类型上,分别为奇次散射、绕轴旋转0°的二面角散射和绕轴旋转45°的二面角散射。

经过数据预处理后的Pauli分解结果表明(图3):在平坦表面的区域,如河流、潮沟等表现得相对平滑,呈现出奇次散射,Pauli分解的结果呈现蓝色,这是因为奇次散射是水域的主要散射类型；在陆地上由于受到低矮植被的影响,绝大部分呈现绿色,主要为二面角散射,植被主要分布在潮沟附近；九段沙的中沙和下沙的中心区域呈现偏红色,这是由于这两处区域受到高大芦苇的影响,呈现为45°的二面角散射。

潮沟、水体、低矮植被和芦苇是九段沙典型的4种地物类型,为了更好地分析它们的物理散射特性,将Pauli分解的3个系数转化成散射强度(图4)。每种地物类型选择2个区域,共8个区域(图4c),每个区域内选择40个采样点。统计分析这4种典型地物的3种散射强度值,结果见表1。可以看出,芦苇的奇次散射强度平均值远大于其他3种地物类型的奇次散射强度平均值,潮沟和水体的奇次散射强度值较为接近,分别为0.040和0.038,所以,其可以被看作是平静的表面。相对于潮沟和水体,低矮植被的奇次散射强度值并没有太大的变化。在九段沙典型类型地物中,各种散射机制分布较为复杂,其中植被的二面角散射成分更多些,这主要是由于九段沙低矮植被与地面形成散射的结果。从表1也可以看出,研究目标潮沟的二面角散射强度平均值为0.007,而低矮植被和芦苇的二面角散射强度平均值分别为0.783和0.104,相较于奇次散射和45°二面角散射强度值,潮沟和植被的强度平均值差异较大。因此,Pauli分解中二面角散射系数更能体现出潮沟和植被之间的差异性。

图3 Pauli分解结果的假彩色图Fig.3 The false color composite image of Pauli decomposition

图4 Pauli分解的散射强度Fig.4 The scattering intensity image of Pauli decomposition

表1 不同地物类型的散射强度值Table 1 The statistics of the scattering intensities of different land types

2.3 基于区域生长法和数学形态学的潮沟信息提取

为了进一步分析分解参数的选择对潮沟信息的提取效果,我们在Pauli分解的二面角散射强度图像上选取具有代表性的3条潮沟(图4b中A,B和C)作为研究对象,基于区域生长法和数学形态学提取潮沟信息。

2.3.1 区域生长法

区域生长法的基本原理是:在每个分割的区域找种子像素作为生长的起点,再将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判断)合并到种子像素所在的区域中,然后将这些新像素当作新的种子像素继续进行上述过程,直到再没有满足条件的像素可被包括进去[14]。

区域生长法提取潮沟信息的步骤主要有5步[15]:

1)输入原始图像,选择初始种子点并标记为潮沟点,并对原始图像进行掩膜；

2)取出种子点,计算其与邻域中其他像素的灰度差；

3)将灰度差小于给定阈值的像素点与种子点合并,继续生长并且覆盖掩膜；

4)阈值分割；

5)输出潮沟提取结果。

在运用区域生长法提取潮沟信息过程中,不同潮沟的复杂程度不一样,选取种子点的个数也是不同的。潮沟A,由于土壤出露,因此选择2个种子点；潮沟B,在2个分叉分别选择1个种子点,共计2个种子点；潮沟C,由于空间结构较复杂,则在每级分叉都选择的潮沟选择1个种子点,共选择3个种子点。

2.3.2 数学形态学

数学形态学主要是以膨胀、腐蚀为基础,使用这2种简单基础的运算来推导其他较为复杂的运算以实现图像处理,具有计算快、算法较为简单的特点。对潮沟信息进行数学形态学处理可以改善潮沟信息在提取时发生的断裂情况,并且可以降低潮沟信息中的噪声。4种基本的算子包括膨胀和腐蚀运算、结合膨胀和腐蚀的开运算和闭运算。

1)膨胀和腐蚀,记M为要处理的图像,N为结构元素,x为图像M中的一个点:

式中,Φ为空集。

2)结合膨胀和腐蚀的其他运算主要有:

选取的3条潮沟的发育形态和地理位置都不相同,提取这3条潮沟的信息,可以检验Pauli分解出的二面角散射机制对整体潮沟的提取效果。首先以潮沟B为对象利用该方法提取信息,提取效果如图5所示。采用同样的方法对潮沟A和潮沟C提取信息,提取效果如图6所示。

从图6可以看出,利用区域生长法对经过Pauli分解后的二面角散射系数进行潮沟A,B和C提取的总体效果较好,但是在提取潮沟信息的过程中,有些潮沟有断裂现象,并且出现了一些非潮沟,如图5b和图6中圆圈标记出来的潮沟显示,它们并没有生长到一起。这主要是因为该区域原始图像潮沟边缘受植被的遮挡或者由潮沟中的土壤出露影响所致。另外,由于区域生长法的阈值的设置,也会导致一些非潮沟信息被提取出来。针对区域生长法提取过程中出现的问题,利用数学形态学进行了进一步的处理。

图5 潮沟B原始图像及其提取效果图Fig.5 Raw image and the extracted result of tidal channel B

图6 潮沟A和C信息提取效果Fig.6 Extracted tidal channels(A and C)

对于潮沟断裂现象,考虑到潮沟在图像上呈现出形态细长和曲率变化较大的特点,选取了尺寸较小的结构元素进行膨胀腐蚀处理。这样不仅可以使断裂的潮沟得到连接,而且不会导致提取的潮沟长度和宽度发生变化。本文对选取的潮沟采用3×3正方形结构元素(图7)进行先膨胀后腐蚀处理,直到断裂潮沟被连接上为止。

由于区域生长法和数学形态学分别对潮沟提取和断裂连接过程中会产生非潮沟像素点,因此在此基础上利用spur函数进行去除毛刺处理,函数值根据实验要求进行设定,最后得到较为完整的潮沟信息,利用同样的方法提取了潮沟B和潮沟C的信息(图8)。

图7 正方形结构元素Fig.7 Square structural elements

图8 潮沟A,B和C信息提取效果Fig.8 Extracted tidal channels(A,B and C)

3 结 语

通过对长江口九段沙地区SAR影像进行Pauli目标极化分解,分析了研究区不同地物的散射特性,最后利用区域生长法和数学形态学进行了潮沟信息提取,得到主要结果:

1)利用目标分解技术对长江口九段沙进行Pauli分解,可以将九段沙不同地物类型的散射回波简单化。

2)Pauli目标极化分解出的奇次散射、二面角散射和45°二面角散射的特征参数能够反映出水体、潮沟、低矮植被和芦苇之间的地物差异,其中二面角散射差异最大。潮沟的二面角散射强度值为0.007,低矮植被和芦苇的散射强度值为0.783和0.104。

3)利用二面角散射参数,结合区域生长法和数学形态学可以有效地提取潮沟信息。