买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明提出了基于PolInSAR地形效应补偿的植被参数反演方法，通过对PolInSAR极化方位角和地形效应补偿，旨在提高植被参数反演的精度。实现步骤为：对PolInSAR干涉相位图进行去平地；获取PolInSAR主图像的Pauli基矢量矩阵和辅图像的Pauli基矢量矩阵；对Pauli基矢量矩阵进行POA校正；获取PolInSAR的极化自相干矩阵集合和极化互相干矩阵集合；对自相干矩阵集合以及互相干矩阵集合进行地形干涉相位坡度补偿；获取PolInSAR的地表相干系数矩阵和体散射相干系数矩阵；对植被场景的参数进行反演。本发明降低了极化相干矩阵之间的地形干涉相位坡度的差异性，提高了植被参数反演的精度。

主权项：1.一种基于PolInSAR地形效应补偿的植被参数反演方法，其特征在于，包括如下步骤：1对PolInSAR的干涉相位图进行去平地：1a对PolInSAR包含M×N个像元的干涉相位图的平地干涉相位进行估计，得到与干涉相位图大小相同的PolInSAR平地干涉相位图，其中M≥2，N≥2；1b对PolInSAR平地干涉相位图进行复数域转换，得到M×N个相位修正因子，并通过每个相位修正因子对PolInSAR辅图像对应位置的像元进行修正，得到修正后的PolInSAR辅图像；1c将PolInSAR主图像与修正后的PolInSAR辅图像进行共轭内积，得到去平地后的PolInSAR干涉相位图；2获取PolInSAR主图像的Pauli基矢量矩阵和辅图像的Pauli基矢量矩阵：计算PolInSAR主图像上每个像元的Pauli基矢量k1，得到包含M×N个k1的Pauli基矢量矩阵{k1}，同时计算修正后的PolInSAR辅图像上每个像元的Pauli基矢量k2，得到包含M×N个k2的Pauli基矢量矩阵{k2}；3对Pauli基矢量矩阵{k1}和{k2}进行POA校正：3a计算PolInSAR主图像上每个像元对应的主天线POA值βm，得到包含M×N个βm的主天线POA值矩阵{βm}，同时计算PolInSAR辅图像上每个像元对应的辅天线POA值βs，得到包含M×N个βs的辅天线POA值矩阵{βs}；3b对{βm}中每一个βm进行极化基变换，得到包含M×N个旋转矩阵Gm的矩阵{Gm}，并通过每个Gm对{k1}中相同位置的k1进行校正，得到校正后的PolInSAR主图像Pauli基矢量矩阵{k’1}，同时对{βs}中每一个βs进行极化基变换，得到包含M×N个旋转矩阵Gs的矩阵{Gs}，并通过每个Gs对{k2}中相同位置的k2进行校正，得到校正后的PolInSAR辅图像Pauli基矢量矩阵{k'2}；4获取PolInSAR的极化自相干矩阵集合和极化互相干矩阵集合：4a获取PolInSAR的极化自相干矩阵集合：对{k’1}中的每个k’1与k’1的共轭转置矢量k’1*T进行外积，得到包含M×N个PolInSAR主图像极化自相干矩阵T11的集合{T11}，同时对{k'2}中的每个k'2与k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR辅图像极化自相干矩阵T22的集合{T22}；4b获取PolInSAR的极化互相干矩阵集合：对{k’1}中的每个k’1与{k'2}中与每个k’1相同位置的k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR极化互相干矩阵Ω12的集合{Ω12}；5对自相干矩阵集合{T11}和{T22}，以及互相干矩阵集合{Ω12}进行地形干涉相位坡度补偿：5a计算去平地后的PolInSAR干涉相位图包含的每一像元的方位向干涉相位坡度ωa和距离向干涉相位坡度ωr，得到方位向干涉相位坡度矩阵{ωa}和距离向干涉相位坡度矩阵{ωr}；5b通过{ωa}和{ωr}对{T11}、{T22}和{Ω12}中的每一个矩阵进行地形干涉相位坡度补偿，得到补偿后的PolInSAR极化自相干矩阵集合{T’11}和{T’22}，以及互相干矩阵集合{Ω'12}；6获取PolInSAR的地表相干系数矩阵和体散射相干系数矩阵：6a设置含有K个不同随机散射机理矢量W的集合{W}，其中，K为正整数，且500≤K≤10000；6b对{T’11}、{T’22}和{Ω'12}进行组合，得到极化相干矩阵组合的集合{T’11,T’22,Ω'12}，并通过每个T’11,T’22,Ω'12与{W}计算植被的随机相干系数，得到包含M×N个植被的随机相干系数分布区域Aγ的集合{Aγ}，然后对每个Aγ进行直线拟合，得到包含M×N条直线Lγ的集合{Lγ}，其中，每个Aγ中均含有K个植被的随机相干系数；6c对{Lγ}中的每个Lγ与单位圆进行相交，得到包含M×N个交点对γuc1,γuc2的集合{γuc1,γuc2}，同时对{Lγ}中的每个Lγ与{Aγ}中对应的Aγ的进行相交，得到包含M×N个交点对γcre1,γcre2的集合{γcre1,γcre2}；6d对{γuc1,γuc2}中的每个γuc1,γuc2进行地表散射判别，得到包含M×N个PolIInSAR地表相干系数γg的矩阵{γg}，并对{γcre1,γcre2}中的每个γcre1,γcre2进行体散射判别，得到包含M×N个PolInSAR体散射相干系数γv的矩阵{γv}；7对植被场景的参数进行反演：7a对{γv}与{γg}进行共轭内积，得到去地表后的PolInSAR体散射相干系数矩阵{γ’v}；7b设置包含U×V个植被高度hlut的查找矩阵{hlut}和包含U×V个消光系数σlut的查找矩阵{σlut}，并对{hlut}和{σlut}进行组合，得到植被参数组合的矩阵{hlut,σlut}，其中，400≤U≤2000，400≤V≤2000；7c获取PolInSAR视角θ，并计算PolInSAR有效垂直波数kz，然后通过kz、θ和{hlut,σlut}中的每个hlut,σlut计算植被的体散射相干系数γlut，得到包含U×V个植被体散射相干系数γlut的查找矩阵{γlut}；7d在{γlut}里获取与{γ’v}中的每个γ’v最为相似的相干系数的二维矩阵坐标，得到包含M×N个二维矩阵坐标pos的矩阵{pos}，并在{hlut}里提取坐标与{pos}中的每个pos相同的植被高度，得到包含M×N个植被高度的矩阵Htree。

全文数据：基于PolInSAR地形效应补偿的植被参数反演方法技术领域本发明属于信号处理技术领域，涉及一种植被参数反演方法，具体涉及一种基于PolInSAR地形效应补偿的植被参数反演方法，可用于森林的分类和制图、大面积植被检测以及复杂地形高精度三维地形测绘等。背景技术合成孔径雷达SAR是一种全天时、全天候的空间微波遥感成像雷达，能同时实现对地面目标的距离向和方位向的高分辨率成像。干涉合成孔径雷达InSAR利用不同天线的回波数据进行干涉处理，可以对地面的高程进行估计，对海流进行测高和测速等。极化合成孔径雷达PolSAR通过对目标进行全极化测量，实现目标的地物分类，荒漠化评估等。极化干涉合成孔径雷达PolInSAR集PolSAR和InSAR测量技术于一体，可以把目标的精细物理特征与空间分布特性结合起来，能进行植被参数反演，岩层分析，目标的检测和识别等。对于植被场景，PolInSAR图像分辨单元内存在来自地面、植被茎干、植被冠层等多种极化散射回波的组合，从而使分辨单元内存在地面、植被茎干、植被冠层等多种极化相干系数，这些极化相干系数包含植被的参数信息，通过极化相干系数与植被参数之间关系，能反演植被的参数。因此，准确地获取这些极化相干系数是PolInSAR精确反演植被参数的关键。通过PolInSAR回波的散射矩阵来构建相干矩阵，并利用相干矩阵来估计植被的体散射相干系数和地表相干系数，进而实现对植被参数的反演。当植被场景存在地形坡度时，PolInSAR回波的极化状态与发射波相比会发生变化，导致散射矩阵的幅度和相位发生变化，即散射矩阵发生旋转，无法准确地描述目标的散射特性。此外，由于地形坡度引起的相邻位置地表存在水平高度差异，导致相邻的处理像素之间的干涉相位存在差异，造成多视处理过程中极化相干矩阵样本之间的差异性，从而降低了用极化相干矩阵来估计植被体散射相干系数和地表相干系数的准确度，进而降低植被参数反演的精度。目前，利用PolInSAR来对带地形坡度的植被场景进行植被参数反演的方法中，应用最广泛的是基于PolInSAR极化方位角POA补偿的植被参数反演方法，例如：文献“龙江平,丁晓利,汪长城.极化方位角补偿信息支持下的植被参数反演[J].测绘学报,2014,4310:1051-1060.”公开的一种极化方位角补偿信息支持下的植被参数反演方法，该方法对PolInSAR干涉相位图进行去平地，获取PolInSAR的Pauli基矢量矩阵，对Pauli基矢量矩阵进行POA校正，获取PolInSAR的极化相干矩阵集合，获取PolInSAR的地表相干系数矩阵和体散射相干系数矩阵，对植被场景的参数进行反演。该方法对Pauli基矢量矩阵进行POA校正，消除了Pauli矢量矩阵里的每个Pauli矢量的旋转效应，提高了Pauli矢量矩阵描述植被散射特性的准确度，从而提高了由Pauli矢量矩阵得到的极化相干矩阵集合描述植被相干特性的准确度，但忽略了由PolInSAR地形效应引起的相邻极化相干矩阵之间干涉相位坡度的差异性，降低了用极化相干矩阵来估计植被体散射相干系数和地表相干系数的准确度，使得植被参数反演的精度较低。发明内容本发明的目的在于克服现有技术的不足，提出一种基于PolInSAR地形效应补偿的植被参数反演方法，通过对PolInSAR极化方位角和地形效应补偿，旨在提高植被参数反演的精度。为实现上述目的，本发明采取的技术方案包括如下步骤：1对PolInSAR的干涉相位图进行去平地：1a对PolInSAR包含M×N个像元的干涉相位图的平地干涉相位进行估计，得到与干涉相位图大小相同的PolInSAR平地干涉相位图，其中M≥2，N≥2；1b对PolInSAR平地干涉相位图进行复数域转换，得到M×N个相位修正因子，并通过每个相位修正因子对PolInSAR辅图像对应位置的像元进行修正，得到修正后的PolInSAR辅图像；1c将PolInSAR主图像与修正后的PolInSAR辅图像进行共轭内积，得到去平地后的PolInSAR干涉相位图；2获取PolInSAR主图像的Pauli基矢量矩阵和辅图像的Pauli基矢量矩阵：计算PolInSAR主图像上每个像元的Pauli基矢量k1，得到包含M×N个k1的Pauli基矢量矩阵{k1}，同时计算修正后的PolInSAR辅图像上每个像元的Pauli基矢量k2，得到包含M×N个k2的Pauli基矢量矩阵{k2}；3对Pauli基矢量矩阵{k1}和{k2}进行POA校正：3a计算PolInSAR主图像上每个像元对应的主天线POA值βm，得到包含M×N个βm的主天线POA值矩阵{βm}，同时计算PolInSAR辅图像上每个像元对应的辅天线POA值βs，得到包含M×N个βs的辅天线POA值矩阵{βs}；3b对{βm}中每一个βm进行极化基变换，得到包含M×N个旋转矩阵Gm的矩阵{Gm}，并通过每个Gm对{k1}中相同位置的k1进行校正，得到校正后的PolInSAR主图像Pauli基矢量矩阵{k′1}，同时对{βs}中每一个βs进行极化基变换，得到包含M×N个旋转矩阵Gs的矩阵{Gs}，并通过每个Gs对{k2}中相同位置的k2进行校正，得到校正后的PolInSAR辅图像Pauli基矢量矩阵{k′2}；4获取PolInSAR的极化自相干矩阵集合和极化互相干矩阵集合：4a获取PolInSAR的极化自相干矩阵集合：对{k′1}中的每个k′1与k′1的共轭转置矢量k′1*T进行外积，得到包含M×N个PolInSAR主图像极化自相干矩阵T11的集合{T11}，同时对{k′2}中的每个k'2与k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR辅图像极化自相干矩阵T22的集合{T22}；4b获取PolInSAR的极化互相干矩阵集合：对{k′1}中的每个k′1与{k'2}中与每个k′1相同位置的k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR极化互相干矩阵Ω12的集合{Ω12}；5对自相干矩阵集合{T11}和{T22}，以及互相干矩阵集合{Ω12}进行地形干涉相位坡度补偿：5a计算去平地后的PolInSAR干涉相位图包含的每一像元的方位向干涉相位坡度ωa和距离向干涉相位坡度ωr，得到方位向干涉相位坡度矩阵{ωa}和距离向干涉相位坡度矩阵{ωr}；5b通过{ωa}和{ωr}对{T11}、{T22}和{Ω12}中的每一个矩阵进行地形干涉相位坡度补偿，得到补偿后的PolInSAR极化自相干矩阵集合{T′11}和{T′22}，以及互相干矩阵集合{Ω'12}；6获取PolInSAR的地表相干系数矩阵和体散射相干系数矩阵：6a设置含有K个不同随机散射机理矢量W的集合{W}，其中，K为正整数，且500≤K≤10000；6b对{T′11}、{T′22}和{Ω'12}进行组合，得到极化相干矩阵组合的集合{T′11,T′22,Ω'12}，并通过每个T′11,T′22,Ω'12与{W}计算植被的随机相干系数，得到包含M×N个植被的随机相干系数分布区域Aγ的集合{Aγ}，然后对每个Aγ进行直线拟合，得到包含M×N条直线Lγ的集合{Lγ}，其中，每个Aγ中均含有K个植被的随机相干系数；6c对{Lγ}中的每个Lγ与单位圆进行相交，得到包含M×N个交点对γuc1,γuc2的集合{γuc1,γuc2}，同时对{Lγ}中的每个Lγ与{Aγ}中对应的Aγ的进行相交，得到包含M×N个交点对γcre1,γcre2的集合{γcre1,γcre2}；6d对{γuc1,γuc2}中的每个γuc1,γuc2进行地表散射判别，得到包含M×N个PolIInSAR地表相干系数γg的矩阵{γg}，并对{γcre1,γcre2}中的每个γcre1,γcre2进行体散射判别，得到包含M×N个PolInSAR体散射相干系数γv的矩阵{γv}；7对植被场景的参数进行反演：7a对{γv}与{γg}进行共轭内积，得到去地表后的PolInSAR体散射相干系数矩阵{γ′v}；7b设置包含U×V个植被高度hlut的查找矩阵{hlut}和包含U×V个消光系数σlut的查找矩阵{σlut}，并对{hlut}和{σlut}进行组合，得到植被参数组合的矩阵{hlut,σlut}，其中，400≤U≤2000，400≤V≤2000；7c获取PolInSAR视角θ，并计算PolInSAR有效垂直波数kz，然后通过kz、θ和{hlut,σlut}中的每个hlut,σlut计算植被的体散射相干系数γlut，得到包含U×V个植被体散射相干系数γlut的查找矩阵{γlut}；7d在{γlut}里获取与{γv'}中的每个γv'最为相似的相干系数的二维矩阵坐标，得到包含M×N个二维矩阵坐标pos的矩阵{pos}，并在{hlut}里提取坐标与{pos}中的每个pos相同的植被高度，得到包含M×N个植被高度的矩阵Htree。本发明与现有技术相比，具有如下优点：本发明在对植被场景的参数进行反演的过程中，首先利用极化方位角对PolInSAR的Pauli矢量矩阵进行补偿，实现PolInSAR极化方位角补偿，并利用地形干涉相位坡度矩阵对PolInSAR的极化相干矩阵集合进行补偿，实现PolInSAR的地形效应补偿，降低了现有技术中仅用极化方位角对PolInSAR的Pauli矢量矩阵进行补偿具有的极化相干矩阵之间地形干涉相位坡度的差异性，地表相干系数和体散射相干系数能更准确描述植被的参数特征，提高了植被参数反演的精度。附图说明图1为本发明的实现流程图；图2为本发明对植被场景进行仿真获取的干涉相位图；图3为本发明和现有技术的植被参数反演结果的植被高度分布对比图。具体实施方式下面结合附图和具体实施例，对本发明作进一步详细描述：参照图1，基于PolInSAR地形效应补偿的植被参数反演方法，包括如下步骤：步骤1对PolInSAR的干涉相位图进行去平地：步骤1a对PolInSAR包含M×N个像元的干涉相位图的平地干涉相位进行估计，得到与干涉相位图大小相同的PolInSAR平地干涉相位图，且每个像元的平地干涉相位的估计公式为：其中，φflat为像元的平地干涉相位，λ为PolInSAR的工作波长，Rflat1为像元对应的平地与PolInSAR主天线的斜距，Rflat2为像元对应的平地与PolInSAR辅天线的斜距，M≥2，N≥2；限定M≥2，N≥2主要是考虑后续的对相干矩阵的多视处理，要使多视处理后的相干矩阵的秩为3，则至少需要3个相干矩阵样本，而PolInSAR图像是矩阵形式，所以图像须至少有2×2个像元；步骤1b对PolInSAR平地干涉相位图进行复数域转换，得到M×N个相位修正因子，并通过每个相位修正因子对PolInSAR辅图像对应位置的像元进行修正，得到修正后的PolInSAR辅图像；步骤1c将PolInSAR主图像与修正后的PolInSAR辅图像进行共轭内积，得到去平地后的PolInSAR干涉相位图；步骤2获取PolInSAR主图像的Pauli基矢量矩阵和辅图像的Pauli基矢量矩阵：计算PolInSAR主图像上每个像元的Pauli基矢量k1，得到包含M×N个k1的Pauli基矢量矩阵{k1}，同时计算修正后的PolInSAR辅图像上每个像元的Pauli基矢量k2，得到包含M×N个k2的Pauli基矢量矩阵{k2}；步骤3对Pauli基矢量矩阵{k1}和{k2}进行POA校正：步骤3a计算PolInSAR主图像上每个像元对应的主天线POA值βm，得到包含M×N个βm的主天线POA值矩阵{βm}，同时计算PolInSAR辅图像上每个像元对应的辅天线POA值βs，得到包含M×N个βs的辅天线POA值矩阵{βs}，对于每个βm和βs，计算公式分别为：其中，ω为像元的方位向地形坡度角，γ为像元的距离向地形坡度角，θm为PolInSAR主天线照射到像元的视角，θs为PolInSAR雷达辅天线照射到像元的视角。步骤3b对{βm}中每一个βm进行极化基变换，得到包含M×N个旋转矩阵Gm的矩阵{Gm}，并通过每个Gm对{k1}中相同位置的k1进行校正，得到校正后的PolInSAR主图像Pauli基矢量矩阵{k′1}，同时对{βs}中每一个βs进行极化基变换，得到包含M×N个旋转矩阵Gs的矩阵{Gs}，并通过每个Gs对{k2}中相同位置的k2进行校正，得到校正后的PolInSAR辅图像Pauli基矢量矩阵{k'2}；步骤4获取PolInSAR的极化自相干矩阵集合和极化互相干矩阵集合：步骤4a获取PolInSAR的极化自相干矩阵集合：对{k′1}中的每个k′1与k′1的共轭转置矢量k′1*T进行外积，得到包含M×N个PolInSAR主图像极化自相干矩阵T11的集合{T11}，同时对{k'2}中的每个k'2与k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR辅图像极化自相干矩阵T22的集合{T22}；步骤4b获取PolInSAR的极化互相干矩阵集合：对{k′1}中的每个k′1与{k'2}中与每个k′1相同位置的k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR极化互相干矩阵Ω12的集合{Ω12}；步骤5对自相干矩阵集合{T11}和{T22}，以及互相干矩阵集合{Ω12}进行地形干涉相位坡度补偿：步骤5a计算去平地后的PolInSAR干涉相位图包含的每一像元的方位向干涉相位坡度ωa和距离向干涉相位坡度ωr，得到方位向干涉相位坡度矩阵{ωa}和距离向干涉相位坡度矩阵{ωr}；步骤5b通过{ωa}和{ωr}对{T11}、{T22}和{Ω12}中的每一个矩阵进行地形干涉相位坡度补偿，得到补偿后的PolInSAR极化自相干矩阵集合{T′11}和{T′22}，以及互相干矩阵集合{Ω'12}，对于每次的地形干涉相位坡度补偿操作，补偿公式为：其中，m和n均为非负整数，且0≤m＜M，0≤n＜N，{T11}为PolInSAR主图像极化自相干矩阵的集合，{T22}为PolInSAR辅图像极化自相干矩阵的集合，{Ω12}为PolInSAR极化互相干矩阵的集合，T11x+k,y+l为{T11}中第x+k行y+l列的元素，T22x+k,y+l为{T22}中第x+k行y+l列的元素，Ω12x+k,y+l为{Ω12}中第x+k行y+l列的元素，{ωa}为方位向干涉相位坡度矩阵，{ωr}为距离向干涉相位坡度矩阵，ωax,y为{ωa}中第x行y列的元素，ωrx,y为{ωr}中第x行y列的元素，且m+1≤x≤M-m，n+1≤x≤N-n。步骤6获取PolInSAR的地表相干系数矩阵和体散射相干系数矩阵：步骤6a设置含有K个不同随机散射机理矢量W的集合{W}，其中，K为正整数，且500≤K≤10000；限定500≤K≤10000是根据多次实验的结果，K小于500时，导致后续得到随机散射相干系数的个数较少，无法较好地反映散射分布，而K大于10000时，会影响后续处理的效率；步骤6b对{T′11}、{T′22}和{Ω'12}进行组合，得到极化相干矩阵组合的集合{T′11,T′22,Ω'12}，并通过每个T′11,T′22,Ω'12与{W}计算植被的随机相干系数，得到包含M×N个植被的随机相干系数分布区域Aγ的集合{Aγ}，然后对每个Aγ进行直线拟合，得到包含M×N条直线Lγ的集合{Lγ}，其中，每个Aγ中均含有K个植被的随机相干系数；步骤6c对{Lγ}中的每个Lγ与复数域单位圆进行相交，得到包含M×N个交点对γuc1,γuc2的集合{γuc1,γuc2}，同时对{Lγ}中的每个Lγ与{Aγ}中对应的Aγ的进行相交，得到包含M×N个交点对γcre1,γcre2的集合{γcre1,γcre2}；步骤6d对{γuc1,γuc2}中的每个γuc1,γuc2进行地表散射判别，得到包含M×N个PolIInSAR地表相干系数γg的矩阵{γg}，并对{γcre1,γcre2}中的每个γcre1,γcre2进行体散射判别，得到包含M×N个PolInSAR体散射相干系数γv的矩阵{γv}，对于每次的地表散射判别和体散射判别，采用差异最大化方法，实现步骤为：步骤6d1计算HH+VV极化相干系数γHH+VV、HH-VV极化相干系数γHH-VV和HV极化相干系数γHV；步骤6d2判断γuc1的相位是否小于γHV的相位，若是，则将γuc1作为PolInSAR地表相干系数γg，否则，将γuc2作为PolInSAR地表相干系数γg；步骤6d3计算γcre1与γg的距离Rcre1，γcre2与γg的距离Rcre2，γHH-VV与γg的距离RHH+VV，γHH-VV与γg的距离RHH-VV；步骤6d4判断Rcre1是否大于RHH+VV，且Rcre1是否大于RHH-VV，若是，则将γcre1作为PolInSAR体散射相干系数γv，否则，则将γcre2作为PolInSAR体散射相干系数γv。步骤7对植被场景的参数进行反演：步骤7a对{γv}与{γg}进行共轭内积，得到去地表后的PolInSAR体散射相干系数矩阵{γ′v}；步骤7b设置包含U×V个植被高度hlut的查找矩阵{hlut}和包含U×V个消光系数σlut的查找矩阵{σlut}，并对{hlut}和{σlut}进行组合，得到植被参数组合的矩阵{hlut,σlut}，其中，400≤U≤2000，400≤V≤2000；限定400≤U≤2000，400≤V≤2000主要是根据多次实验的结果，当U和V小于400时，会降低植被参数的精度，当U和V小于400时，会降低植被参数的查找效率；步骤7c获取PolInSAR视角θ，并计算PolInSAR有效垂直波数kz，然后通过kz、θ和{hlut,σlut}中的每个hlut,σlut计算植被的体散射相干系数γlut，得到包含U×V个植被体散射相干系数γlut的查找矩阵{γlut}，且对于每个植被的体散射相干系数的计算操作，计算公式为：其中，kz为有效垂直波数，θ为PolInSAR视角，α为植被场景距离向地形坡度，hlut为植被高度，σlut为消光系数。步骤7d在{γlut}里获取与{γ′v}中的每个γ′v最为相似的相干系数的二维矩阵坐标，得到包含M×N个二维矩阵坐标pos的矩阵{pos}，并在{hlut}里提取坐标与{pos}中的每个pos相同的植被高度，得到包含M×N个植被高度的矩阵Htree。以下通过仿真实验，对本发明的技术效果作进一步说明：1、仿真条件和内容：本实验所用的仿真数据为ESAPolSARPro仿真软件生成的带地形坡度的植被场景PolInSAR全极化数据，所设置的仿真参数如表1所示：表1PolSARPro仿真参数仿真完成后，在MATLAB2015b软件上读取仿真全极化数据，得到HH通道受干涉相位图如图2所示。对现有技术和本发明得到的植被场景高度图进行统计，得到植被高度统计对比直方图如图3所示，分别求取现有技术和本发明植被场景高度图的高度均值和高度标准差，如表2所示：表2植被参数反演结果2、仿真结果分析从表1可知，所设置的仿真参数中植被的高度为11m。从表2可知，现有技术的植被参数反演结果中，植被高度为9.9499m，标准差为1.0907m，而本发明的植被参数反演结果中，植被高度为9.9742m，标准差为1.0647m；本发明反演的植被高度更接近真实植被高度。并且，由图3可知，相对于现有技术，本发明得到的靠近真实树高的植被高度点数更多。因此，本发明对带地形坡度的植被场景的参数反演精度比现有技术高。

权利要求：1.一种基于PolInSAR地形效应补偿的植被参数反演方法，其特征在于，包括如下步骤：1对PolInSAR的干涉相位图进行去平地：1a对PolInSAR包含M×N个像元的干涉相位图的平地干涉相位进行估计，得到与干涉相位图大小相同的PolInSAR平地干涉相位图，其中M≥2，N≥2；1b对PolInSAR平地干涉相位图进行复数域转换，得到M×N个相位修正因子，并通过每个相位修正因子对PolInSAR辅图像对应位置的像元进行修正，得到修正后的PolInSAR辅图像；1c将PolInSAR主图像与修正后的PolInSAR辅图像进行共轭内积，得到去平地后的PolInSAR干涉相位图；2获取PolInSAR主图像的Pauli基矢量矩阵和辅图像的Pauli基矢量矩阵：计算PolInSAR主图像上每个像元的Pauli基矢量k1，得到包含M×N个k1的Pauli基矢量矩阵{k1}，同时计算修正后的PolInSAR辅图像上每个像元的Pauli基矢量k2，得到包含M×N个k2的Pauli基矢量矩阵{k2}；3对Pauli基矢量矩阵{k1}和{k2}进行POA校正：3a计算PolInSAR主图像上每个像元对应的主天线POA值βm，得到包含M×N个βm的主天线POA值矩阵{βm}，同时计算PolInSAR辅图像上每个像元对应的辅天线POA值βs，得到包含M×N个βs的辅天线POA值矩阵{βs}；3b对{βm}中每一个βm进行极化基变换，得到包含M×N个旋转矩阵Gm的矩阵{Gm}，并通过每个Gm对{k1}中相同位置的k1进行校正，得到校正后的PolInSAR主图像Pauli基矢量矩阵{k’1}，同时对{βs}中每一个βs进行极化基变换，得到包含M×N个旋转矩阵Gs的矩阵{Gs}，并通过每个Gs对{k2}中相同位置的k2进行校正，得到校正后的PolInSAR辅图像Pauli基矢量矩阵{k'2}；4获取PolInSAR的极化自相干矩阵集合和极化互相干矩阵集合：4a获取PolInSAR的极化自相干矩阵集合：对{k’1}中的每个k’1与k’1的共轭转置矢量k’1*T进行外积，得到包含M×N个PolInSAR主图像极化自相干矩阵T11的集合{T11}，同时对{k'2}中的每个k'2与k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR辅图像极化自相干矩阵T22的集合{T22}；4b获取PolInSAR的极化互相干矩阵集合：对{k’1}中的每个k’1与{k'2}中与每个k’1相同位置的k'2的共轭转置矢量k'2*T进行外积，得到包含M×N个PolInSAR极化互相干矩阵Ω12的集合{Ω12}；5对自相干矩阵集合{T11}和{T22}，以及互相干矩阵集合{Ω12}进行地形干涉相位坡度补偿：5a计算去平地后的PolInSAR干涉相位图包含的每一像元的方位向干涉相位坡度ωa和距离向干涉相位坡度ωr，得到方位向干涉相位坡度矩阵{ωa}和距离向干涉相位坡度矩阵{ωr}；5b通过{ωa}和{ωr}对{T11}、{T22}和{Ω12}中的每一个矩阵进行地形干涉相位坡度补偿，得到补偿后的PolInSAR极化自相干矩阵集合{T’11}和{T’22}，以及互相干矩阵集合{Ω'12}；6获取PolInSAR的地表相干系数矩阵和体散射相干系数矩阵：6a设置含有K个不同随机散射机理矢量W的集合{W}，其中，K为正整数，且500≤K≤10000；6b对{T’11}、{T’22}和{Ω'12}进行组合，得到极化相干矩阵组合的集合{T’11,T’22,Ω'12}，并通过每个T’11,T’22,Ω'12与{W}计算植被的随机相干系数，得到包含M×N个植被的随机相干系数分布区域Aγ的集合{Aγ}，然后对每个Aγ进行直线拟合，得到包含M×N条直线Lγ的集合{Lγ}，其中，每个Aγ中均含有K个植被的随机相干系数；6c对{Lγ}中的每个Lγ与单位圆进行相交，得到包含M×N个交点对γuc1,γuc2的集合{γuc1,γuc2}，同时对{Lγ}中的每个Lγ与{Aγ}中对应的Aγ的进行相交，得到包含M×N个交点对γcre1,γcre2的集合{γcre1,γcre2}；6d对{γuc1,γuc2}中的每个γuc1,γuc2进行地表散射判别，得到包含M×N个PolIInSAR地表相干系数γg的矩阵{γg}，并对{γcre1,γcre2}中的每个γcre1,γcre2进行体散射判别，得到包含M×N个PolInSAR体散射相干系数γv的矩阵{γv}；7对植被场景的参数进行反演：7a对{γv}与{γg}进行共轭内积，得到去地表后的PolInSAR体散射相干系数矩阵{γ’v}；7b设置包含U×V个植被高度hlut的查找矩阵{hlut}和包含U×V个消光系数σlut的查找矩阵{σlut}，并对{hlut}和{σlut}进行组合，得到植被参数组合的矩阵{hlut,σlut}，其中，400≤U≤2000，400≤V≤2000；7c获取PolInSAR视角θ，并计算PolInSAR有效垂直波数kz，然后通过kz、θ和{hlut,σlut}中的每个hlut,σlut计算植被的体散射相干系数γlut，得到包含U×V个植被体散射相干系数γlut的查找矩阵{γlut}；7d在{γlut}里获取与{γ’v}中的每个γ’v最为相似的相干系数的二维矩阵坐标，得到包含M×N个二维矩阵坐标pos的矩阵{pos}，并在{hlut}里提取坐标与{pos}中的每个pos相同的植被高度，得到包含M×N个植被高度的矩阵Htree。2.根据权利要求1所述的基于PolInSAR地形效应补偿的植被参数反演方法，其特征在于，步骤1a中所述的对PolInSAR包含M×N个像元的干涉相位图的平地干涉相位进行估计，是指对PolInSAR干涉相位图的每个像元的平地干涉相位进行估计，估计公式为：其中，φflat为像元的平地干涉相位，λ为PolInSAR的工作波长，Rflat1为像元对应的平地与PolInSAR主天线的斜距，Rflat2为像元对应的平地与PolInSAR辅天线的斜距。3.根据权利要求1所述的基于PolInSAR地形效应补偿的植被参数反演方法，其特征在于，步骤3a中所述的计算PolInSAR主图像上每个像元对应的主天线POA值βm，以及计算PolInSAR辅图像上每个像元对应的辅天线POA值βs，计算公式分别为：其中，ω为像元的方位向地形坡度角，γ为像元的距离向地形坡度角，θm为PolInSAR主天线照射到该像元的视角，θs为PolInSAR雷达辅天线照射到该像元的视角。4.根据权利要求1所述的基于PolInSAR地形效应补偿的植被参数反演方法，其特征在于，步骤5b中所述的通过{ωa}和{ωr}对{T11}、{T22}和{Ω12}中的每一个矩阵进行地形干涉相位坡度补偿，补偿公式为：其中，m和n均为非负整数，且0≤m＜M，0≤n＜N，{T11}为PolInSAR主图像极化自相干矩阵的集合，{T22}为PolInSAR辅图像极化自相干矩阵的集合，{Ω12}为PolInSAR极化互相干矩阵的集合，T11x+k,y+l为{T11}中第x+k行y+l列的元素，T22x+k,y+l为{T22}中第x+k行y+l列的元素，Ω12x+k,y+l为{Ω12}中第x+k行y+l列的元素，{ωa}为方位向干涉相位坡度矩阵，{ωr}为距离向干涉相位坡度矩阵，ωax,y为{ωa}中第x行y列的元素，ωrx,y为{ωr}中第x行y列的元素，且m+1≤x≤M-m，n+1≤x≤N-n。5.根据权利要求1所述的基于PolInSAR地形效应补偿的植被参数反演方发法，其特征在于，步骤6d中所述的对{γuc1,γuc2}中的每个γuc1,γuc2进行地表散射判别，并对{γcre1,γcre2}中的每个γcre1,γcre2进行体散射判别，采用差异最大化方法，实现步骤为：6d1计算HH+VV极化相干系数γHH+VV、HH-VV极化相干系数γHH-VV和HV极化相干系数γHV；6d2判断γuc1的相位是否小于γHV的相位，若是，则将γuc1作为PolInSAR地表相干系数γg，否则，将γuc2作为PolInSAR地表相干系数γg；6d3计算γcre1与γg的距离Rcre1，γcre2与γg的距离Rcre2，γHH-VV与γg的距离RHH+VV，γHH-VV与γg的距离RHH-VV；6d4判断Rcre1是否大于RHH+VV，且Rcre1是否大于RHH-VV，若是，则将γcre1作为PolInSAR体散射相干系数γv，否则，则将γcre2作为PolInSAR体散射相干系数γv。6.根据权利要求1所述的基于PolInSAR地形效应补偿的植被参数反演方法，其特征在于，步骤7c中所述的通过kz、θ和{hlut,σlut}中的每个hlut,σlut计算植被的体散射相干系数γlut，计算公式为：其中，kz为有效垂直波数，θ为PolInSAR视角，α为植被场景距离向地形坡度，hlut为植被高度，σlut为消光系数。

百度查询： 西安电子科技大学 基于PolInSAR地形效应补偿的植被参数反演方法