基于極化分解的極化SAR數(shù)據(jù)地質(zhì)信息提取方法研究

張微，林健，陳玲，楊金中

(中國(guó)國(guó)土資源航空物探遙感中心，北京 100083)

1 引 言

合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)能夠主動(dòng)發(fā)射電磁波，具有不依賴太陽光照且不受云、雨等影響的全天時(shí)、全天候?qū)Φ赜^測(cè)能力[1]，同時(shí)由于SAR的后向散射對(duì)地物的介電特性(土壤和植被的含水量)及幾何特性(地表粗糙度)非常敏感，對(duì)植被、干燥地物有一定的穿透性[2-3]，可提供與光學(xué)、熱紅外等遙感手段所不同的特有數(shù)據(jù)。此外，通過調(diào)節(jié)最佳觀測(cè)視角，其成像的立體效應(yīng)可以有效地探測(cè)目標(biāo)地物的空間形態(tài)，增強(qiáng)地形地貌信息；這些獨(dú)特的優(yōu)勢(shì)使得成像雷達(dá)在地質(zhì)學(xué)中得到了廣泛地應(yīng)用，能夠在地質(zhì)填圖、構(gòu)造信息提取等方面發(fā)揮重大作用[4-6]。以地質(zhì)礦產(chǎn)研究為例，成像雷達(dá)能提供豐富的地質(zhì)構(gòu)造、巖性、隱伏地質(zhì)體等地質(zhì)礦產(chǎn)信息，尤其在火山探測(cè)、斷裂解譯，以及構(gòu)造帶控制下的金屬礦床探測(cè)等方面具有獨(dú)特的優(yōu)勢(shì)。謝立云[7]在俄羅斯楚克奇火山一帶開展了基于側(cè)視雷達(dá)的地質(zhì)填圖工作，建立了與圖羅姆奇恩斯穹窿和派生穹窿有關(guān)的同心圓狀和放射狀斷裂構(gòu)造系統(tǒng)，圈定了11個(gè)火山構(gòu)造引起的巨型環(huán)形構(gòu)造，為礦產(chǎn)資源勘查提供了翔實(shí)的資料。趙福岳等[8]開展了SAR圖像填圖方法研究，總結(jié)出回波強(qiáng)度與地形單元和巖石之間變化規(guī)律，提出了灰度-結(jié)構(gòu)單元為基本單位的地質(zhì)填圖方法技術(shù)。譚衢霖和邵蕓[9]總結(jié)了SAR 應(yīng)用技術(shù)的發(fā)展過程，以及成像雷達(dá)遙感在地學(xué)中的應(yīng)用。此外，中科院遙感所、對(duì)地觀測(cè)中心、電子科技大學(xué)等單位也在雷達(dá)圖像處理、地學(xué)應(yīng)用和地表參數(shù)反演等方面做了大量工作。

全極化SAR數(shù)據(jù)是20世紀(jì)90年代初出現(xiàn)并迅速發(fā)展起來的一種新型成像雷達(dá)[10]。它同時(shí)發(fā)射和接收H、V兩種線性極化雷達(dá)脈沖，以Stokes矩陣或散射矩陣為基本記錄單元，記錄了地物HH、HV、VH、VV4種極化狀態(tài)的散射振幅和相位，并可利用極化合成技術(shù)計(jì)算任意一種極化狀態(tài)的后向散射回波，因此能提取更多的地物極化信息和目標(biāo)信息，從而更準(zhǔn)確地描述地面散射特征，提高對(duì)地物的識(shí)別能力[11]。

本文采用目前在軌具有全極化成像能力的Radarsat-2雷達(dá)衛(wèi)星數(shù)據(jù)[12]，通過目標(biāo)分解方法進(jìn)行極化數(shù)據(jù)信息提取，分析地物的散射特性，有效地提取巖性與構(gòu)造信息，探索極化數(shù)據(jù)對(duì)圖像分類與反演地表參數(shù)的潛力，為利用全極化SAR數(shù)據(jù)開展礦產(chǎn)資源勘查與資源評(píng)價(jià)提供基礎(chǔ)數(shù)據(jù)和參考依據(jù)。

2 理論與方法

2.1 特征值分解理論

對(duì)于全極化雷達(dá)，目標(biāo)對(duì)電磁波的變極化效應(yīng)可以用一個(gè)復(fù)二維矩陣的形式來表示[13]，即2×2的極化散射矩陣[S]：

(1)

極化矩陣[S]相干分解的目的就是將散射矩陣[S]表示成與某種確定的散射機(jī)理相對(duì)應(yīng)的基本目標(biāo)的基矩陣之和。Pauli極化相干分解采用Pauli基作為基本散射矩陣，這樣極化散射矩陣[S]可以表示成[14]：

(2)

其中，a，b，c，d均為復(fù)數(shù)且可以表示為：

(3)

當(dāng)介質(zhì)滿足互易條件(SHV=SVH)時(shí)，d=0，這樣散射矩陣[S]就可以寫成矢量形式：

(4)

Pauli 分解后總的功率保持不變，且a，b，c，d分別表示了散射矩陣在四個(gè)基上的權(quán)重且為復(fù)數(shù)，而|a|2，|b|2，|c|2，|d|2則表征了四個(gè)分量的功率[15]。Pauli基分解的第一項(xiàng)的物理意義為單次散射或奇次散射，第二項(xiàng)表示與雷達(dá)—目標(biāo)之間視線成0°的二面角散射，第三項(xiàng)與多次散射有關(guān)。

T=kk*T

(5)

極化SAR數(shù)據(jù)通常利用對(duì)n個(gè)相鄰像素求平均的多視處理方法來降低圖像斑噪及數(shù)據(jù)量。多視處理的相干矩陣可以表示為：

(6)

其中，[T]為3×3的Hermitian矩陣。根據(jù)特征分解理論，[T]矩陣可以分解為：

(7)

λi和ei分別為相對(duì)應(yīng)的特征值和特征向量且λ1≥λ2≥λ3≥0。特征向量可以寫成：

(8)

其中，α角對(duì)應(yīng)著從面散射(α=0°)到偶極子散射(α=45°)再到導(dǎo)電界面的二次散射 (α=90°)；β角兩倍于極化方位角；δ角是SHH+SVV項(xiàng)與SHH-SVV項(xiàng)間的相位差，γ角是SHH+SVV項(xiàng)與SHV項(xiàng)間的相位差；φ角是SHH+SVV項(xiàng)的相位。

Cloude定義散射熵H為：

(9)

(10)

反熵(各向異性)A為：

(11)

且A是熵H的有效補(bǔ)充參數(shù)。

2.2 分類方法

3 研究區(qū)及數(shù)據(jù)

3.1 實(shí)驗(yàn)區(qū)概況

研究區(qū)位于新疆塔什庫爾干南部的塔薩拉地區(qū)(圖1)，出露地層以元古代布倫闊勒巖群片巖、石英片巖、片麻巖類，夾少量大理巖、火山巖等。區(qū)內(nèi)巖漿活動(dòng)強(qiáng)烈，北部、東部和西部分別與石英閃長(zhǎng)巖、花崗閃長(zhǎng)巖等侵入巖接觸，規(guī)模較大。斷裂較發(fā)育，以北西向次級(jí)斷層為主，北東、近南北向斷裂也比較發(fā)育，切割巖體與地層。上述地質(zhì)條件為極化SAR數(shù)據(jù)的地質(zhì)信息提取提供了地質(zhì)基礎(chǔ)。

圖1 新疆塔薩拉地區(qū)ASTER異常圖(黃框?yàn)檠芯繀^(qū))

3.2 實(shí)驗(yàn)數(shù)據(jù)

本文利用加拿大2007年發(fā)射的Radarsat-2全極化數(shù)據(jù)在新疆塔薩拉地區(qū)開展地表散射特性分析及地質(zhì)研究，數(shù)據(jù)的主要參數(shù)如表1所示。

研究使用的數(shù)據(jù)為Radarsat-2精細(xì)極化模式數(shù)據(jù)，工作波段為C波段，極化方式有HH、HV、VH和VV，成像波束為FQ11，入射角為30.287°～32.002°，數(shù)據(jù)類型為單視復(fù)(Single Look Complex，SLC)數(shù)據(jù)，像元大小為4.733m×5.590m，成像時(shí)間為2010年3月25日。

表1 Radarsat-2數(shù)據(jù)主要參數(shù)

4 散射特性分析及分類

4.1 散射特性分析

首先，對(duì)HH、HV和VV極化方式進(jìn)假彩色合成圖像(圖2)，通過解譯獲取不同極化方式的后向散射信息。與原圖像相比，合成后的圖像提取了更多的地物極化信息，更準(zhǔn)確地描述地面散射特征，同時(shí)提高了圖像對(duì)比度和對(duì)地物的識(shí)別能力(圖3)。

圖2 多極化假彩色合成處理

此外，為了更好地利用Radarsat-2數(shù)據(jù)的極化信息，需對(duì)極化SAR數(shù)據(jù)進(jìn)行極化分解，以便最大限度地提取目標(biāo)極化信息。本次研究采用Pauli極化分解，得到分解后的單次散射、二面角散射和多次散射三個(gè)分量的功率圖。從圖3可以看出，處理后的圖像的信息量和可解譯程度較圖2更為明顯，能更好地反映了研究區(qū)的區(qū)域地質(zhì)特征，尤其對(duì)區(qū)內(nèi)構(gòu)造帶、破碎帶、接觸帶、以及大型蝕變巖及熱液脈等均有較好的反映，處理結(jié)果在野外也得到了有效驗(yàn)證。

圖3 Pauli基分解后的三個(gè)分量功率圖

圖4 Cloude分解后的H，A，及Alpha參數(shù)效果圖

圖5 分類結(jié)果與實(shí)地驗(yàn)證

5 結(jié)論及討論

本次研究主要利用Radarsat-2全極化SAR數(shù)據(jù)，對(duì)新疆塔薩拉地區(qū)的巖性、構(gòu)造和礦化蝕變異常信息進(jìn)行提取。采用H-A-Alpha極化分解的方法最大限度地提取目標(biāo)地物極化信息，與傳統(tǒng)的單極化及多極化假彩色合成相比，增加了圖像的信息量和可解譯程度；同時(shí)利用基于Cloude分解的H-A-Alpha-Wishart極化分類方法對(duì)全極化SAR圖像非監(jiān)督分類進(jìn)行了研究，獲取了區(qū)域地質(zhì)背景和區(qū)域構(gòu)造規(guī)律，提取的異常信息在野外得到了有效驗(yàn)證，證明全極化SAR數(shù)據(jù)在地質(zhì)填圖與礦產(chǎn)勘查中的應(yīng)用前景，可作為常規(guī)方法的有效補(bǔ)充。與此同時(shí)，由于研究區(qū)處于山區(qū)，雷達(dá)圖像上的陰影及疊掩現(xiàn)象比較嚴(yán)重，也一定程度加大了SAR數(shù)據(jù)的解譯難度，解譯時(shí)也要充分考慮地形因素的影響。

參考文獻(xiàn)：

[1] HENDERSON F M，LEWIS A J.Radar detection of wetland ecosystems：A review[J].International Journal of Remote Sensing，2008，29(20)：5809-5835.

[2] WANG Y，HESS L L，F(xiàn)ILOSO S，et al.Understanding the radar backscattering from flooded and nonflooded Amazonian forests：Results from canopy backscatter modeling[J].Remote Sensing of Environment，1995，54(3)：324-332.

[3] KASISCHKE E S，BOURGEAU-CHAVEZ L L.Monitoring South Florida wetlands using ERS-1 SAR imagery[J].Photogrammetric Engineering & Remote Sensing，1997，63(3)：281-291.

[4] SHEN G Z，GUO H D，LIAO J J.Change vector analysis method for inundation change detection using multi-temporal multi-polarized SAR images[C].Wuhang：SPIE，2007.

[5] SHEN G Z，GUO H D，LIAO J J.Object oriented method for detection of inundation extent using multi-polarized synthetic aperture radar image[J].Journal of Applied Remote Sensing，2008，2(1)：23512-23519.

[6] DU L，LEE J S，MANGO S A.Fuzzy classification of Earth terrain covers using multi-look polarimetric SAR image data[J].International Geoscience and Remote Sensing Symposium，1993(4)：1602-1604.

[7] 謝立云.側(cè)視雷達(dá)在地質(zhì)勘查與找礦中的應(yīng)用[J].國(guó)外地質(zhì)勘探技術(shù)，1980(10)：12-16.

[8] 趙福岳，張瑞江，楊清華.合成孔徑雷達(dá)圖像填圖方法與應(yīng)用探討[J].國(guó)土資源遙感，2007，74(4)：100-105.

[9] 譚衢霖，邵蕓.成像雷達(dá)(SAR) 遙感地質(zhì)應(yīng)用綜述[J].地質(zhì)找礦論叢，2003，18(1)：59-66.

[10] DU L，LEE J S.Fuzzy classification of earth terrain covers using complex polarimetric SAR data[J].International Journal of Remote Sensing，1996，17(4)：809-826.

[11] CLOUDE S R，POTTIER E.An entropy based classification scheme for land applications of polarimetric SAR[J].IEEE Transactions on Geoscience and Remote Sensing，1997，35(1)：68-78.

[12] TOUZI R.Wetland characterization using polarimetric Radarsat-2 capability[C].IEEE International Conference on Geoscience and Remote Sensing Symposium，Denver，USA，2006：1639-1642.

[13] CHEN C T，CHEN K S，LEE J S.The use of fully polarimetric information for the fuzzy neural classification of SAR images[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41(9)：2089-2100.

[14] YAHIA M，BELHADJ Z.Unsupervised classification of polarimetric SAR images using neural networks[C]IEEE International Geosctence and Remote Sensing Symposium.2003(1)：203-205.

[15] CHEN J S，SHAO Y，LIN H.Classification of polarimetric SAR imagerary based on target decomposition and neural network classifier[Z].Chiang Mai，Thailand，2004.

[16] ALBERGA V.A study of land cover classification using polarimetric SAR parameters[J].International Journal of Remote Sensing，2007，28(17)：3851-3870.

[17] CLOUDE S R，POTTIER E.A review of target decomposition theorems in radar polarimetry[J].IEEE Transactions on Geoscience and Remote Sensing，1996，34(2)：498-518.

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

[19] FERRO-FAMIL L，POTTIER E，LEE J.Unsupervised classification of multifrequency and fully polarimetric SAR images based on the H/A/Alpha-Wishart classifier[J].IEEE Transactions on Geoscience and Remote Sensing，2001，39(11)：2332-2342.

[20] LEE J S.Refined filtering of image noise using local statistics[J].Computer Vision，Graphics，and Image Processing，1981(15)：380-389.

[21] LEE J，GRUNES M R，AINSWORTH T L，et al.Unsupervised classification using polarimetric decomposition and the complex Wishart classifier[J].IEEE Transactions on Geoscience and Remote Sensing，1999，37(5)：2249-2258.