基于逆變換法的空間相關極化sar雜波圖像仿真方法
【專利摘要】本發(fā)明提供一種基于逆變換法的空間相關極化SAR雜波圖像仿真方法。技術方案包括：第一步，復Wishart分布的相干斑圖像仿真；第二步，空間相關Fisher分布紋理圖像仿真；第三步，空間相關KummerU分布的極化SAR雜波圖像生成。通過對仿真的相干斑和紋理進行相乘處理，得到仿真的極化SAR雜波圖像。本發(fā)明的有益效果是能夠仿真服從KummerU分布的極化SAR雜波圖像。KummerU分布能夠更好的表征極化SAR雜波圖像尤其是高分辨率極化SAR雜波圖像的統(tǒng)計特性，從而使得本發(fā)明能夠應用于大量基于統(tǒng)計方法的極化SAR雜波圖像的仿真。
【專利說明】基于逆變換法的空間相關極化SAR雜波圖像仿真方法

【技術領域】
[0001] 本發(fā)明涉及成像雷達雜波圖像仿真【技術領域】，更具體地說，涉及一種極化 SAR(Synthetic Aperture Radar,合成孔徑雷達）雜波圖像仿真方法。

【背景技術】
[0002] SAR是一種主動微波成像傳感器，具有全天時、全天候成像能力。極化SAR是一種 新體制SAR，能夠同時在多個不同極化組合方式下工作。與常規(guī)SAR圖像相比，極化SAR圖 像包含目標更為豐富的信息，這使得極化SAR圖像在很多軍事和民用領域中得到了廣泛應 用。
[0003] 極化SAR圖像仿真對極化SAR圖像解譯有著十分重要的作用，通?？煞譃閮纱?類。第一類方法模擬整個極化SAR成像系統(tǒng)，其側重于對不同類型目標尤其是人造目標 的極化SAR原始信號的仿真，通過成像處理獲得仿真的極化SAR圖像。該方法需要首先 獲知大量不同目標的電磁散射屬性，復雜度高且計算量大。第二類方法直接從極化SAR 圖像本身的統(tǒng)計特性（包括FOFprobability Density Function,概率密度函數(shù)）和 ACC (Auto-Correlation Coefficient,自相關系數(shù)））出發(fā)，仿真具備與實際極化SAR圖像相 似統(tǒng)計特性的圖像，其側重于極化SAR雜波圖像的仿真，具有簡單易行的優(yōu)點。本發(fā)明中涉 及的極化SAR雜波圖像，是指由自然地物如海洋、草地和樹林等反射形成的極化SAR圖像。
[0004] 逆變換法是一種通用性強的極化SAR雜波圖像仿真方法?；谀孀儞Q法的極化 SAR雜波圖像仿真包括兩個關鍵問題，即第一個關鍵問題是極化SAR雜波圖像的統(tǒng)計分布 模型建立，第二個關鍵問題是相應分布的逆分布函數(shù)的計算和服從相應紋理分布的相關紋 理圖像生成。目前已有極化SAR雜波圖像仿真方法中主要以K分布作為極化SAR雜波圖像 的統(tǒng)計分布模型。然而，K分布無法很好滿足對高分辨率尤其是極高分辨率的極化SAR雜 波圖像進行精確統(tǒng)計描述的需求。KummerU分布的提出在很大程度上滿足了當前高分辨率 極化SAR雜波圖像精確統(tǒng)計建模的需求，并且在一定參數(shù)條件下可退化為經典的K分布，具 有廣闊的應用前景。因此，研究以KummerU分布為統(tǒng)計分布模型的極化SAR雜波圖像仿真 方法對于極化SAR圖像的智能化解譯非常有價值。


【發(fā)明內容】

[0005] 本發(fā)明為了有效解決極化SAR雜波圖像仿真問題，提供了一種基于逆變換法的空 間相關極化SAR雜波圖像仿真方法。本方法能夠仿真服從KummerU分布的空間相關極化 SAR雜波圖像，有效滿足了高分辨率極化SAR雜波圖像仿真的需求。
[0006] 本發(fā)明的基本思路是，由于極化SAR雜波圖像可分解為相干斑分量和紋理分量的 乘積，故在設置的極化SAR雜波圖像仿真參數(shù)下，首先通過分別仿真出這兩個分量，然后對 兩個分量進行相乘處理，獲得仿真的極化SAR雜波圖像。
[0007] 本發(fā)明的技術方案是：一種基于逆變換法的空間相關極化SAR雜波圖像仿真方 法，具體包括下述步驟：
[0008] 第一步：復Wishart分布的相干斑圖像仿真
[0009] 已知極化SAR實測圖像包括待仿真的某一地物類別，從中選擇該類地物對應的M 個像素，通常M > 100,利用下述方法產生協(xié)方差矩陣C :
[0010]

【權利要求】
1. 一種基于逆變換法的空間相關極化SAR雜波圖像仿真方法，SAR是指合成孔徑雷達， 其特征在于，包括下述步驟： 第一步，復Wishart分布的相干斑圖像仿真： 已知極化SAR實測圖像包括待仿真的某一地物類別，從中選擇該類地物對應的M個像 素，M彡100，利用下述方法產生協(xié)方差矩陣C:
其中C'i為第i個像素對應的RXR維極化協(xié)方差矩陣，i= 1，2, ...，M，R為極化SAR散射矢量的維數(shù)，C'i的值利用已知極化SAR實測圖像獲得； 計算C的所有特征值λλ2,...，λκ以及相應的單位特征向量P1,p2, ...，ρκ，記0 〈λ1 $ 人 2 $，· · ·，$ 入R; 令Cs =UΛ1/2,其中Λ=diag{λ"λ2, · ··，λK}，u= [P1,P2, · · ·，ρκ]; 對極化SAR雜波圖像的每一個像素位置Oi1,η2)，1彡Ii1彡N1,1彡η2彡N2，根據(jù)下述方 法產生服從復Wishart分布的相干斑協(xié)方差矩陣Ya)Oi1,η2): 首先產生L個R維復矢量Y1Cn1,n2) =Cs[L+jη2,n3+jη4,…，nn+jnjj，1 = 1，2，...，L，其中Il1,η2,η3,η4，···，nmη2Κ為相互統(tǒng)計獨立的均值為0方差為0.5的 高斯分布隨機變量，L>R為待仿真的極化SAR雜波圖像的視數(shù)，為一個正整數(shù)，根據(jù)需要 確定； 則相干斑圖像仿真對應的矩陣
第二步，空間相關Fisher分布紋理圖像仿真： 產生一幅大小SN1XN2的服從均值為0方差為1的統(tǒng)計獨立的高斯分布圖像G1(J^n2); 根據(jù)實際需求，設置紋理分量的自相關函數(shù)Pt(C^cI2)的取值，Cl1和(12分別表示紋理 圖像中任意兩個像素位置在方位向和距離向上的距離差,(I11-D1, (-D^l)，...，（D1-IhD1 ; d2 = -D2, (_D2+1)，...，（D2-I) ,D2A和D2分別表示方位向和距離向上的最大自相關距離， 均為正整數(shù)，根據(jù)實際情況確定； 根據(jù)下述方程求解函數(shù)PJd1,d2)的取值：
其中Λ4和￡為Fisher分布的兩個形狀參數(shù)，均為正實數(shù)，根據(jù)實際情況確定， 只4(_，2￡，2>〇表示自由度為(2/：,2別)的？函數(shù)的反函數(shù)； 利用下式計算空間相關高斯分布圖像^(η,，n。）：
其中FFT和IFFT分別表示二維傅里葉變換及其反變換； 對G2 (η"η2)進行如下非線性變換，得到空間相關圖像?(ηι，η2):
對UOi1,η2)進行下述非線性變換，得到紋理圖像TOi1,η2):
第三步，空間相關KmnmerU分布的極化SAR雜波圖像生成： 對應每一個像素位置（ηι，η2)，根據(jù)下式構造復矩陣： Za) (n"n2) =TOi1,η2) ·Ya)Oi1,η2) 則Ζα)Oi1,η2)為得到的空間相關極化SAR雜波圖像。
【文檔編號】G01S7/40GK104459654SQ201410741469
【公開日】2015年3月25日 申請日期:2014年12月8日 優(yōu)先權日:2014年12月8日
【發(fā)明者】鄒煥新, 秦先祥, 周石琳, 計科峰, 孫浩 申請人:中國人民解放軍國防科學技術大學