2023年28期创新前沿科技创新与应用TechnologyInnovationandApplication顾及地形辐射校正的极化SAR图像分类应用李诗涛（西南林业大学地理与生态旅游学院，昆明650224）较传统合成孔径雷达（Syntheticapertureradar，SAR）数据而言，极化SAR（PolarimetricSAR，PolSAR）数据因其能够提供更为丰富的目标散射信息，而在地物分类及参数反演等方面得到广泛应用。然而，由于SAR斜距成像的几何方式易受地形起伏的影响，导致极化状态、地物后向散射系数发生改变，以及因局部入射角变化而产生的角度效应，进而影响到PolSAR影像分类。在以上地形辐射效应中，极化状态改变可通过极化方位角（Polari原sationOrientationAngle，POA）校正予以补偿[1]；地物后向散射系数变化可采用有效散射面积（EffectiveScatteringArea，ESA）校正方法进行校正，常见的校正方法有局部入射角法[2]、表面倾角法[3]、投影角法[4]及面积积分法[5-6]等，众多学者研究表明基于投影角的校正方法效果更优[7]；而局部入射角变化产生的角度效应影响，可通过进一步的角度效应（AngularVariationEffect，AVE）校正来加以消除。AVE校正通常采用局部入射角余弦的n次幂来进行校正[8]，其中n值的确定依赖于极化方式以及植被冠层的结构特点，是角度效应校正相关研究中的热点问题[9-10]。针对该研究热点，Zhao等[11]提出了一种适用于三阶段半经验地形辐射校正（RadiometricTerrainCorrection，摘要：针对极化SAR（PolarimetricSAR，PolSAR）影像在复杂地形区域中存在严重的地形效应问题，该文将极化方位角（Polarisa原tionOrientationAngle，POA）、有效散射面积（EffectiveScatteringArea，ESA）及角度效应（AngularVariationEffect，AVE）校正方法应用到PolSAR影像的分类中，并针对AVE校正提出一种n值确定方法。首先，对预处理后的SAR数据进行POA校正，对校正结果进行地理编码；其次，进行基于投影角的ESA校正；然后，基于训练样本确定AVE校正中的n值，进而实现AVE校正；最后，利用GF-3PolSAR影像进行基于复Wishart分类器的分类实验。研究结果表明，POA校正前后变化不明显；ESA校正可实现约3dB的校正效果，总体分类精度提升约9.42%；此外，选用受地形影响最大的林地n值进行AVE校正得到的结果最好，总体分类精度较ESA阶段而言提升约8.2%。关键词：角度效应；监督分类；极化SAR；地形辐射校正；图像分类中图分类号院TP755文献标志码院A文章编号院2095-2945渊2023冤28-000远-0远Abstract院Inordertos...
