极化特征在单视情况下的测量与分析

功率测量数据协方差矩阵相干矩阵,出于斑点抑制或数据压缩的需要,常要进行多视平均考虑到功率或强度信息的非相干可加性,有必要使用基于功率测量的特征。利用式(3.1-5)的目标矢量,可得单视情况下的极化协方差矩阵:

(3.4-4)

式中，表示共扼。单视情况下的目标相干矩阵利用式(3.1-5)的目标矢量得到：

(3.4-5)

多个单视协方差矩阵或相干矩阵进行非相干平均,即得到多视协方差矩阵或相干矩阵。假设目标矢量服从多元复高斯分布,则可推得协方差矩阵和相干矩阵服从复高斯分布。

令Stokes矢量为：

(3.4-6)(www.xing528.com)

式中，g0与波的总功率成比例,分别为单视情况下极化椭圆的椭率角χ和方位角φ。

协方差矩阵、相干矩阵及Stokes矩阵可以相互转化,因此包含相同的极化信息。基于功率测量的特征即由这几个矩阵的元素构成，实际上可认为这些特征表征的是各极化通道之间的相关性,特别对协方差矩阵而言,其元素本身就是各个极化通道下的目标后向散射系数及通道间的相关系数。

各通道极化强度比率和相位差，通道相关系数的对数特征可定义为：

(3.4-7)

由于目标通常接近方位对称,共极化通道与交叉极化通道间的相关性很弱,不予考虑。在对数域进行操作的好处在于传统的聚类技术主要由信号的幅度变化驱动。在数据中,由于图像斑点的存在,高后向散射区域选择的类比在低后向散射区域选择的类多。然而图像斑点在对数域具有加性噪声的统计特性,其功率水平在图像中变化不大,不影响聚类中心的选择。因此,对数操作能提高图像斑点影响下聚类的稳健性。在线性域,交叉极化项幅度上常比共极化项低几个数量级,除非对不同通道进行加权,聚类主要由共极化项驱动。最优加权会随目标类型或环境条件而变化。