عنوان مقاله :
تجزيه داده هاي پلاريمتري رادار با روزنه مصنوعي بر مبناي امضاءهاي پلاريمتريك و مدل هاي ساختار پراكندگي مرجع
عنوان به زبان ديگر :
Polarimetric SAR Data Decomposition Based On Polarimetric Signatures and Reference Scattering Models
پديد آورندگان :
مقصودي، ياسر دانشگاه صنعتي خواجه نصيرالدين طوسي , طالقاني، سعيد دانشگاه صنعتي خواجه نصيرالدين طوسي
كليدواژه :
رادار پلاريمتري , امضاء پلاريمتريك , سهم ساختار پراكندگي , تجزيه
چكيده فارسي :
تجزيه داده هاي پلاريمتري يكي از گام هاي مهم در تجزيه و تحليل داده هاي راداري با روزنه مصنوعي مي باشد. در روش هاي پيشين تنها از اطلاعات يك پايه پلاريزاسيون ميخص استفاده شده است. در اين تحقيق، يك روش جديد براي تجزيه داده هاي راداري بر مبناي امضاء پلاريمتريك ارائه مي شود. الگوريتم پيشنهادي داراي دو گام اصلي انتخاب امضاء پلاريمتريك مرجع و تعيين سهم ساختارهاي پراكندگي مرجع مي باشد. در اين تحقيق، از داده هاي تمام پلاريمتريك سنجنده Radarsat2 مربوط به شهر سانفرانسيسكو واقع در ايالت كاليفرنيا آمريكا و شهر نيگاتا ژاپن مربوط به سنجنده Pi-SAR كه به ترتيب در طول موج هاي C و L اخذ شده اند، استفاده شده است. الگوريتم پيشنهادي با چهار روش تجزيه Y4O ، Y4R ، Arii - NNED و Freeman مقايسه شده است. با توجه به نتايج حاصل شده در روش پيشنهادي، شاهد كاهش
برآورد بيش از اندازه ساختار پراكندگي حجمي و افزايش ساختار پراكندگي دو وجهي در مناطق شهري به خصوص در مناطق با زاويه جهت گيري زياد نسبت به پرتو رادار هستيم هم چنين از آن جايي كه مقادير توان تجزيه شده با استفاده از روش پيشنهادي همواده مثبت مي باشند بنابراين مشكل منفي شدن توان حاصل شده مطرح نمي باشد.
چكيده لاتين :
The polarimetric decomposition is one of the most important steps in SAR data processing and analyzing. Conventional decomposition methods use polarimetric information only in a restricted number of polarization bases. This paper presents a new decomposition method based on polarimetric signatures. The proposed decomposition includes two main steps: 1) selection of the reference polarimetric signatures, and 2) Classification of the pixel's polarimetric signature. The presented method was tested on the Radarsat-2 image in C band collected over San Francisco and the Pi-SAR image in L band collected over Niigata University in Japan. The proposed decomposition was compared with Y4O, Y4R, Arii-NNED and Freeman decomposition methods. According to the results of the suggested method, in urban areas especially in areas with a large orientation angle, it is clearly seen that the overestimation of the volume contribution has been reduced and the double-bounce contribution has been increased. In addition, the obtained power values of the proposed decomposition are always positive; therefore, the problem of negative power value cannot be achieved.