建筑物Ku波段极化SAR成像仿真及损毁评估特征分析

庞雷 张风丽 王国军 刘娜 邵芸 张家萌 赵钰川 庞蕾

引用本文:
Citation:

建筑物Ku波段极化SAR成像仿真及损毁评估特征分析

    作者简介:
    庞 雷(1996–),男,四川人,中国科学院大学硕士研究生,研究方向为微波遥感、SAR图像处理。E-mail: panglei18@mails.ucas.ac.cn;
    张风丽(1978–),女,山东人,博士,中国科学院空天信息创新研究院副研究员,研究方向为雷达遥感机理与方法、国产SAR卫星数据处理和应用。发表论文70余篇,出版专著2部,获发明专利授权6项。E-mail: zhangfl@aircas.ac.cn;
    王国军(1986–),男,湖北人,博士,中国科学院空天信息创新研究院助理研究员,研究方向为SAR遥感应用及数据分析。E-mail: wanggj@radi.ac.cn;
    刘 娜(1994–),女,辽宁人,中国科学院大学硕士研究生,研究方向为微波遥感、SAR图像处理。E-mail: liuna@radi.ac.cn;
    邵 芸(1961–),女,中国科学院空天信息创新研究院研究员,中共十八大、十九大代表。长期从事雷达遥感机理与应用研究,发表论文260余篇。E-mail: shaoyun@aircas.ac.cn;
    张家萌(1996–),女,河北人,北京建筑大学硕士研究生,研究方向为摄影测量与遥感、微波遥感、SAR图像处理。E-mail: 2108521519003@stu.bucea.edu.cn;
    赵钰川(1997–),男,北京人,北京建筑大学本科,研究方向为微波遥感、SAR图像处理。E-mail: 847733296@qq.com;
    庞 蕾(1971–),女,博士,北京建筑大学副教授,主要研究方向为多基线干涉SAR数据处理与应用。E-mail: panglei@bucea.edu.cn.
    通讯作者: 张风丽 zhangfl@aircas.ac.cn
  • 基金项目:

    国家重点研发计划(2016YFB0502504),国家自然科学基金(41671359),北京高等学校高水平人才交叉培养“实培计划”项目(编号17)

  • 中图分类号: TN957.52

Imaging Simulation and Damage Assessment Feature Analysis of Ku Band Polarized SAR of Buildings

    Corresponding author: ZHANG Fengli, zhangfl@aircas.ac.cn
  • Fund Project: The National Key R&D Program of China (2016YFB0502504), The National Natural Science Foundation of China (41671359), The “Practical Training Plan” Project for Cross Training of High Level Talents in Beijing Colleges and Universities (No. 17)

    CLC number: TN957.52

  • 摘要: 建筑物损毁评估在灾害应急监测中十分重要。近年来,随着SAR硬件多极化能力的增加,极化SAR为建筑物损毁评估提供了更多的可能性,基于极化特征的建筑物损毁评估方法逐渐成为了研究的重点。然而,由于极化SAR数据获取的限制,当前的研究主要集中在L, C, X等有限波段内。为了进一步加深对SAR图像损毁建筑物极化特征的理解并丰富其它波段下SAR图像损毁建筑物的极化特征应用,该文进行了建筑物Ku波段极化SAR仿真实验,并通过SAR图像极化分解的方法进行了损毁评估特征分析。该文首先制作了真实材料的建筑物缩比模型,利用微波特性测量与仿真成像科学实验平台对损毁前后的建筑物目标进行SAR仿真成像,获取了建筑物损毁前后的Ku波段极化SAR图像。然后,借助$ H/A/\alpha $分解、Yamaguchi分解、Touzi分解等极化分解方法分析了Ku波段建筑物目标损毁前后的极化散射特征,分析表明,Yamaguchi分解得到的去定向后的体散射分量、二次散射分量占比以及Touzi分解得到的$ {\alpha }_{\rm s1} $分量对于Ku波段建筑物损毁评估具有较好的指示意义;通过与X波段实验测量结果的对比,发现Ku波段对建筑物损毁评估更敏感,这对于未来雷达遥感应用具有重要的启发意义。
  • 图 1  微波特性测量与仿真成像科学实验平台内景

    Figure 1.  Microwave characteristic measurement and simulation imaging science experiment platform interior view

    图 2  完好与损毁建筑物缩比模型(1:50倍缩比)

    Figure 2.  Scale model of intact and damaged buildings (1:50)

    图 3  入射角与方位角定义

    Figure 3.  Definition of incidence angle and azimuth angle

    图 4  0°方位角测量结果对比

    Figure 4.  Comparison of measurement results of 0° azimuth angle

    图 5  30°方位角损毁前后测量结果对比

    Figure 5.  Comparison of measurement results of 30° azimuth angle

    图 6  60°方位角损毁前后测量结果对比

    Figure 6.  Comparison of measurement results of 60° azimuth angle

    图 7  去定向前后的体散射分量分布

    Figure 7.  Distribution of Vol before and after disoriented

    图 8  去定向前后的二次散射分量占比分布

    Figure 8.  Distribution of ${R_{\rm s}}$ before and after disoriented

    图 9  建筑物损毁前后${\alpha _{{\rm{s}}1}}$$\left| {{\tau _2}} \right|$的分布

    Figure 9.  Distribution of ${\alpha _{{\rm{s}}1}}$ and $\left| {{\tau _2}} \right|$ before and after building damage

    图 10  X波段建筑物损毁前后体散射分量、二次散射分量占比与${\alpha _{{\rm{s}}1}}$分量的分布

    Figure 10.  Distribution of Vol, ${R_{\rm s}}$ and ${\alpha _{{\rm{s}}1}}$ before and after building damage in X band

    表 1  实验平台功能及性能参数

    Table 1.  The function and performance parameters of experiment platform

    功能参数
    波段范围0.8~20 GHz
    极化方式单极化/双极化/全极化
    入射角0°~90°
    方位向0°~360°
    轨道精度mm级精确控制
    成像模式SpotLight/StripMap/ISAR等模式
    双天线InSAR成像技术
    3D层析SAR成像技术
    双站测量
    被测目标尺寸1 cm×1 cm×1 cm~4 m×3 m×3 m
    下载: 导出CSV

    表 2  仿真图像指标参数

    Table 2.  Simulation image index parameters

    序号波段极化方式入射角(°)方位角(°)像元大小(cm)实际分辨率(m)
    1KuHH, HV, VH, VV5002.51.25
    2KuHH, HV, VH, VV50302.51.25
    3KuHH, HV, VH, VV50602.51.25
    4KuHH, HV, VH, VV50902.51.25
    5KuHH, HV, VH, VV501202.51.25
    6KuHH, HV, VH, VV501502.51.25
    7KuHH, HV, VH, VV501802.51.25
    下载: 导出CSV
  • [1] Tadono T, Ohki M, and Abe T. Summary of natural disaster responses by the Advanced Land Observing Satellite-2(ALOS-2)[C]. The International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences, Kyoto, Japan, 2019: 69–72. doi: 10.5194/isprs-archives-XLII-3-W7-69-2019.
    [2] 张风丽, 邵芸. 城市目标高分辨率SAR遥感监测技术研究进展[J]. 遥感技术与应用, 2010, 25(3): 415–422. doi: 10.11873/j.issn.1004-0323.2010.3.415ZHANG Fengli and SHAO Yun. Urban target monitoring using high resolution SAR data[J]. Remote Sensing Technology and Application, 2010, 25(3): 415–422. doi: 10.11873/j.issn.1004-0323.2010.3.415
    [3] CHEN Qihao, LI Linlin, JIANG Ping, et al. Building collapse extraction using modified freeman decomposition from post-disaster polarimetric SAR image[C]. 2016 IEEE International Geoscience And Remote Sensing Symposium (IGARSS), Beijing, China, 2016: 5769–5772. doi: 10.1109/IGARSS.2016.7730507.
    [4] WANG Xiaoqing, DOU Aixia, JIN Dingjian, et al. Study on the comparation of building damage extracted from different RS images acquired after 2010 M = 7.1 Yushu, Qinghai, China earthquake[C]. 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012: 935–938. doi: 10.1109/IGARSS.2012.6351401.
    [5] ZHANG Haizhen, WANG Qing, ZENG Qiming, et al. A novel approach to building collapse detection from post-seismic polarimetric SAR imagery by using optimization of polarimetric contrast enhancement[C]. 2015 IEEE International Geoscience And Remote Sensing Symposium (IGARSS), Milan, Italy, 2015: 3270–3273. doi: 10.1109/IGARSS.2015.7326516.
    [6] PARK S E, YAMAGUCHI Y, and KIM D J. Polarimetric SAR remote sensing of the 2011 Tohoku earthquake using ALOS/PALSAR[J]. Remote sensing of Environment, 2013, 132: 212–220. doi: 10.1016/j.rse.2013.01.018
    [7] ZHAI Wei, SHEN Huanfeng, HUANG Chunlin, et al. Building earthquake damage information extraction from a single post-earthquake PolSAR image[J]. Remote Sensing, 2016, 8(3): 171. doi: 10.3390/rs8030171
    [8] SATO M, CHEN Siwei, and SATAKE M. Polarimetric SAR analysis of tsunami damage following the March 11, 2011 East Japan earthquake[J]. Proceedings of the IEEE, 2012, 100(10): 2861–2875. doi: 10.1109/JPROC.2012.2200649
    [9] WATANABE M, MOTOHKA T, MIYAGI Y, et al. 2012. Analysis of urban areas affected by the 2011 off the pacific coast of Tohoku earthquake and tsunami with L-Band SAR full-polarimetric mode[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(3): 472–476. doi: 10.1109/LGRS.2011.2182030
    [10] ZHAI Wei and HUANG Chunlin. Fast building damage mapping using a single post-earthquake PolSAR image: A case study of the 2010 Yushu earthquake[J]. Earth, Planets and Space, 2016, 68(1): 86. doi: 10.1186/s40623-016-0469-2
    [11] ZHAI Wei, HUANG Chunlin, and PEI Wansheng. Two new polarimetric feature parameters for the recognition of the different kinds of buildings in earthquake-stricken areas based on entropy and eigenvalues of PolSAR decomposition[J]. Remote Sensing, 2018, 10(10): 1613. doi: 10.3390/rs10101613
    [12] LI Xinwu, GUO Huadong, ZHANG Lu, et al. A new approach to collapsed building extraction using RADARSAT-2 polarimetric SAR imagery[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(4): 677–681. doi: 10.1109/LGRS.2011.2178392
    [13] SUN Weidong, SHI Lei, YANG Jie, et al. Building collapse assessment in urban areas using texture information from postevent SAR data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(8): 3792–3808. doi: 10.1109/JSTARS.2016.2580610
    [14] ZHAO Lingli, YANG Jie, LI Pingxiang, et al. Damage assessment in urban areas using post-earthquake airborne PolSAR imagery[J]. International Journal of Remote Sensing, 2013, 34(24): 8952–8966. doi: 10.1080/01431161.2013.860566
    [15] GE Pinglan, GOKON H, and MEGURO K. A review on synthetic aperture radar-based building damage assessment in disasters[J]. Remote Sensing of Environment, 2020, 240: 111693. doi: 10.1016/j.rse.2020.111693
    [16] CHEN Siwei, WANG Xuesong, and SATO M. Urban damage level mapping based on scattering mechanism investigation using fully polarimetric SAR data for the 3.11 East Japan earthquake[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(12): 6919–6929. doi: 10.1109/TGRS.2016.2588325
    [17] 王雪松, 陈思伟. 合成孔径雷达极化成像解译识别技术的进展与展望[J]. 雷达学报, 2020, 9(2): 259–276. doi: 10.12000/JR19109WANG Xuesong and CHEN Siwei. Polarimetric synthetic aperture radar interpretation and recognition: Advances and perspectives[J]. Journal of Radars, 2020, 9(2): 259–276. doi: 10.12000/JR19109
    [18] FREEMAN A and DURDEN S L. A three-component scattering model for polarimetric SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3): 963–973. doi: 10.1109/36.673687
    [19] YAMAGUCHI Y, SATO A, BOERNER W M, et al. Four-component scattering power decomposition with rotation of coherency matrix[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(6): 2251–2258. doi: 10.1109/TGRS.2010.2099124
    [20] JI Kefeng and WU Yonghui. Scattering mechanism extraction by a modified cloude-pottier decomposition for dual polarization SAR[J]. Remote Sensing, 2015, 7(6): 7447–7470. doi: 10.3390/rs70607447
    [21] CHIEN L L C, EWE H T, and SAW S H. Understanding the correlation in scattering mechanisms between H-Alpha decomposition and theoretical modelling[C]. 2018 Progress in Electromagnetics Research Symposium (PIERS-Toyama), Toyama, Japan, 2018: 1198–1203. doi: 10.23919/PIERS.2018.8597662.
    [22] TOUZI R. Target scattering decomposition in terms of roll-invariant target parameters[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(1): 73–84. doi: 10.1109/TGRS.2006.886176
    [23] AN Wentao, XIE Chunhua, YUAN Xinzhe, et al. Four-component decomposition of polarimetric SAR images with deorientation[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(6): 1090–1094. doi: 10.1109/LGRS.2011.2157078
    [24] 孙翔, 宋红军, 王宇, 等. 基于高分辨率全极化SAR图像的取向角校正方法[J]. 雷达学报, 2018, 7(4): 465–474. doi: 10.12000/JR18026SUN Xiang, SONG Hongjun, WANG R, et al. POA correction method using high-resolution full-polarization SAR image[J]. Journal of Radars, 2018, 7(4): 465–474. doi: 10.12000/JR18026
    [25] LIU Shan, ZHANG Fengli, WEI Shiying, et al. Building damage mapping based on Touzi decomposition using quad-polarimetric ALOS PALSAR data[J]. Frontiers of Earth Science, 2020: 1–12. doi: 10.1007/s11707-019-0779-3
  • [1] 许璐张红王超吴樊张波汤益先 . 简缩极化SAR数据处理与应用研究进展. 雷达学报, 2020, 9(1): 55-72. doi: 10.12000/JR19106
    [2] 许成斌周伟丛瑜关键 . 基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别. 雷达学报, 2015, 4(3): 367-373. doi: 10.12000/JR14093
    [3] 洪文 . 基于混合极化架构的极化SAR:原理与应用(中英文). 雷达学报, 2016, 5(6): 559-595. doi: 10.12000/JR16074
    [4] 张杰张晰范陈清孟俊敏 . 极化SAR在海洋探测中的应用与探讨. 雷达学报, 2016, 5(6): 596-606. doi: 10.12000/JR16124
    [5] 杨文钟能严天恒杨祥立 . 基于黎曼流形的极化SAR图像分类. 雷达学报, 2017, 6(5): 433-441. doi: 10.12000/JR17031
    [6] 滑文强王爽侯彪 . 基于半监督学习的SVM-Wishart极化SAR图像分类方法. 雷达学报, 2015, 4(1): 93-98. doi: 10.12000/JR14138
    [7] 计科峰王海波冷祥光邢相薇康利鸿 . 星载简缩极化SAR船舶目标检测技术研究. 雷达学报, 2016, 5(6): 607-619. doi: 10.12000/JR16083
    [8] 邹焕新罗天成张月周石琳 . 基于组合条件随机场的极化SAR图像监督地物分类. 雷达学报, 2017, 6(5): 541-553. doi: 10.12000/JR16109
    [9] 张向荣于心源唐旭侯彪焦李成 . 基于马尔科夫判别谱聚类的极化SAR图像分类方法. 雷达学报, 2019, 8(4): 425-435. doi: 10.12000/JR19059
    [10] 张腊梅张思雨董洪伟朱厦 . 基于Pinball损失函数支持向量机的极化SAR图像鲁棒分类. 雷达学报, 2019, 8(4): 448-457. doi: 10.12000/JR19055
    [11] 秦先祥余旺盛王鹏陈天平邹焕新 . 基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法. 雷达学报, 2020, 9(3): 525-538. doi: 10.12000/JR20062
    [12] 陈诗强洪文 . 基于极化轴比参数的圆极化波发射误差分析方法. 雷达学报, 2020, 9(2): 343-353. doi: 10.12000/JR19063
    [13] 邢艳肖张毅李宁王宇胡桂香 . 一种联合特征值信息的全极化SAR图像监督分类方法. 雷达学报, 2016, 5(2): 217-227. doi: 10.12000/JR16019
    [14] 王建峰林赟郭胜龙喻玲娟洪文 . 圆迹SAR的建筑物全方位优化成像方法研究. 雷达学报, 2015, 4(6): 698-707. doi: 10.12000/JR15069
    [15] 解金卫李真芳王帆王志斌 . 基于幅相不一致准则的建筑物SAR层析成像. 雷达学报, 2020, 9(1): 154-165. doi: 10.12000/JR19062
    [16] 金添宋勇平 . 超宽带雷达建筑物结构稀疏成像. 雷达学报, 2018, 7(3): 275-284. doi: 10.12000/JR18031
    [17] 王超仇晓兰李芳芳雷斌 . 一种InSAR建筑物图像仿真及高程反演方法. 雷达学报, 2020, 9(2): 373-385. doi: 10.12000/JR20010
    [18] 胡涛李卫华秦先祥王鹏余旺盛李军 . 基于深度卷积神经网络和条件随机场模型的PolSAR图像地物分类方法. 雷达学报, 2019, 8(4): 471-478. doi: 10.12000/JR18065
    [19] 张新勋周生华刘宏伟 . 目标极化散射特性对极化分集雷达检测性能的影响. 雷达学报, 2019, 8(4): 510-518. doi: 10.12000/JR18112
    [20] 胡丁晟仇晓兰雷斌徐丰 . 极化串扰对基于Cloude分解的地物散射机制特征量影响分析. 雷达学报, 2017, 6(2): 221-228. doi: 10.12000/JR16129
  • 加载中
图(10)表(2)
计量
  • 文章访问数:  237
  • HTML浏览量:  134
  • PDF下载量:  32
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-05-13
  • 录用日期:  2020-06-24
  • 网络出版日期:  2020-06-30
  • 刊出日期:  2020-06-28

建筑物Ku波段极化SAR成像仿真及损毁评估特征分析

    通讯作者: 张风丽 zhangfl@aircas.ac.cn
    作者简介:
    庞 雷(1996–),男,四川人,中国科学院大学硕士研究生,研究方向为微波遥感、SAR图像处理。E-mail: panglei18@mails.ucas.ac.cn;
    张风丽(1978–),女,山东人,博士,中国科学院空天信息创新研究院副研究员,研究方向为雷达遥感机理与方法、国产SAR卫星数据处理和应用。发表论文70余篇,出版专著2部,获发明专利授权6项。E-mail: zhangfl@aircas.ac.cn;
    王国军(1986–),男,湖北人,博士,中国科学院空天信息创新研究院助理研究员,研究方向为SAR遥感应用及数据分析。E-mail: wanggj@radi.ac.cn;
    刘 娜(1994–),女,辽宁人,中国科学院大学硕士研究生,研究方向为微波遥感、SAR图像处理。E-mail: liuna@radi.ac.cn;
    邵 芸(1961–),女,中国科学院空天信息创新研究院研究员,中共十八大、十九大代表。长期从事雷达遥感机理与应用研究,发表论文260余篇。E-mail: shaoyun@aircas.ac.cn;
    张家萌(1996–),女,河北人,北京建筑大学硕士研究生,研究方向为摄影测量与遥感、微波遥感、SAR图像处理。E-mail: 2108521519003@stu.bucea.edu.cn;
    赵钰川(1997–),男,北京人,北京建筑大学本科,研究方向为微波遥感、SAR图像处理。E-mail: 847733296@qq.com;
    庞 蕾(1971–),女,博士,北京建筑大学副教授,主要研究方向为多基线干涉SAR数据处理与应用。E-mail: panglei@bucea.edu.cn
  • 1. 中国科学院空天信息创新研究院 北京 100094
  • 2. 中国科学院大学 北京 100049
  • 3. 中科卫星应用德清研究院浙江省微波目标特性测量与遥感重点实验室 湖州 313200
  • 4. 北京建筑大学 北京 100044
基金项目:  国家重点研发计划(2016YFB0502504),国家自然科学基金(41671359),北京高等学校高水平人才交叉培养“实培计划”项目(编号17)

摘要: 建筑物损毁评估在灾害应急监测中十分重要。近年来,随着SAR硬件多极化能力的增加,极化SAR为建筑物损毁评估提供了更多的可能性,基于极化特征的建筑物损毁评估方法逐渐成为了研究的重点。然而,由于极化SAR数据获取的限制,当前的研究主要集中在L, C, X等有限波段内。为了进一步加深对SAR图像损毁建筑物极化特征的理解并丰富其它波段下SAR图像损毁建筑物的极化特征应用,该文进行了建筑物Ku波段极化SAR仿真实验,并通过SAR图像极化分解的方法进行了损毁评估特征分析。该文首先制作了真实材料的建筑物缩比模型,利用微波特性测量与仿真成像科学实验平台对损毁前后的建筑物目标进行SAR仿真成像,获取了建筑物损毁前后的Ku波段极化SAR图像。然后,借助$ H/A/\alpha $分解、Yamaguchi分解、Touzi分解等极化分解方法分析了Ku波段建筑物目标损毁前后的极化散射特征,分析表明,Yamaguchi分解得到的去定向后的体散射分量、二次散射分量占比以及Touzi分解得到的$ {\alpha }_{\rm s1} $分量对于Ku波段建筑物损毁评估具有较好的指示意义;通过与X波段实验测量结果的对比,发现Ku波段对建筑物损毁评估更敏感,这对于未来雷达遥感应用具有重要的启发意义。

English Abstract

    • 建筑物损毁评估在灾害应急监测中十分重要。合成孔径雷达(Synthetic Aperture Radar, SAR)凭借其不受光照和天气条件影响的特点,在灾害应急监测与灾后救援应用中具有明显的优势[1]。利用SAR进行建筑物损毁评估,能够敏感地识别受灾区域目标的几何结构,获取粗糙元的空间分布及高度维特征,从而对建筑物损毁程度进行描述。然而,由于SAR图像成像机理的特殊性,以及城市目标、场景几何结构与空间关系的复杂性,SAR图像解译与城市损毁目标损毁信息的提取仍有较大的困难[2]

      近年来,随着SAR硬件多极化能力的增加,极化SAR为建筑物损毁评估提供了更多的可能性。与传统SAR相比,极化SAR极大地提高了对目标散射信息的获取能力,为更加深入地研究目标散射机理提供了重要依据。因此,基于极化特征的建筑物损毁评估方法逐渐成为了研究的重点[3-7]。当前,研究人员已经基于各类极化分解方法开展了广泛的研究并取得了丰硕的成果。比如,Sato等人[8]应用Cloude-Pottier分解方法分析了2011年东日本大地震中石卷地区建筑物的受损情况,从整体上揭示了损毁地区的极化散射机理。Watanabe等人[9]利用 ALOS和 PiSAR数据对地震前后的极化参数和散射机制做了对比分析,通过实验提出了一系列能够检测灾害信息的极化参数和极化特征。Zhai等人[10,11]还利用改进的Yamaguchi分解方法分别对2010年玉树地震主要震区与东日本大地震主要震区进行了快速建筑物损毁制图研究。Guo等人[12]结合$ H{\text{-}}\alpha $分解与圆极化相关系数对玉树地震建筑物受损情况进行了评估。而Sun等人[13]基于双波段(X与P波段)的CASMASAR影像探讨了损毁建筑物的纹理特征,并引入了5种常见的纹理描述符。Zhao等人[14]则进一步探讨了圆极化相关系数与纹理特征结合的损毁评估方法。

      总的来说,当前基于极化特征的建筑物损毁评估研究已经涵盖了各种各样的极化分解模型与方法[15],但由于极化SAR数据获取的限制,当前的研究主要集中在L波段[16]与C波段[3],部分研究探讨了P波段[10]以及X波段[8]的损毁建筑物极化特征情况。为了进一步加深对SAR图像损毁建筑物极化特征的理解并丰富其它波段下SAR图像损毁建筑物的极化特征应用,本文进行了建筑物Ku波段极化SAR仿真实验。

      本文利用中国科学院遥感与数字地球研究所研建的微波特性测量与仿真成像科学实验平台进行仿真成像实验,获取了Ku波段极化SAR图像。通过对SAR图像进行极化分解,分析了建筑物损毁前后的极化散射特征。实验结果表明,Yamaguchi分解得到的去定向后的体散射分量、二次散射分量占比,以及Touzi分解得到的$ {\alpha }_{\mathrm{s}1} $分量对于建筑物损毁评估具有较好的指示意义。

    • Ku波段极化SAR成像仿真利用微波特性测量与仿真成像科学实验平台实现。该实验平台由中国科学院遥感与数字地球研究所研建,位于浙江省德清县,是目前亚洲唯一、性能先进、功能高度集成的大型微波遥感基础实验科学装置。其在24 m×24 m×17 m空间内构建了纯净无干扰的微波测试环境,精确的轨道系统可以实现天线与待测目标之间定量化的相对位置与相对运动控制,能够获取待测目标在0.8~20 GHz频率范围内的连续微波波谱特征,同时可以完成对典型组件-目标-场景的微波特性全要素(多波段、全极化HH/HV/VH/VV、多角度0°~90°、全方位向0°~360°)微波特性测量与SAR成像仿真。平台的内部照片和具体参数如图1表1所示。

      图  1  微波特性测量与仿真成像科学实验平台内景

      Figure 1.  Microwave characteristic measurement and simulation imaging science experiment platform interior view

      功能参数
      波段范围0.8~20 GHz
      极化方式单极化/双极化/全极化
      入射角0°~90°
      方位向0°~360°
      轨道精度mm级精确控制
      成像模式SpotLight/StripMap/ISAR等模式
      双天线InSAR成像技术
      3D层析SAR成像技术
      双站测量
      被测目标尺寸1 cm×1 cm×1 cm~4 m×3 m×3 m

      表 1  实验平台功能及性能参数

      Table 1.  The function and performance parameters of experiment platform

    • 首先,本文利用近似真实建筑物材料制作了某真实建筑物目标的三维缩比模型,如图2所示。该建筑物实际长130 m,宽75 m,高50 m,具有轴对称结构。为了契合实验平台的大小,以便于进行仿真成像模拟实验,本文按照1:50倍缩比制作建筑物目标三维缩比模型。在实际灾害中,建筑物的损毁情况会十分复杂,仅凭一个三维缩比模型无法概括所有的损毁情况。因此,本文参照实际灾害中建筑物损毁的一些典型特征,如二面角结构破坏、垂直裂纹、水平裂纹、局部破碎、整体倒塌等对建筑物缩比模型进行了破坏,以较好地模拟建筑物目标真实的损毁状态。

      图  2  完好与损毁建筑物缩比模型(1:50倍缩比)

      Figure 2.  Scale model of intact and damaged buildings (1:50)

      接着,利用微波特性测量与仿真成像科学实验平台进行了建筑物目标Ku波段SAR仿真成像。实验中,入射角定义为微波馈源相对于转台水平方向的夹角(本实验中固定为50°),方位角定义为目标模型与转台北方向的夹角,如图3所示。首先把完好的建筑物目标缩比模型放置到转台上,通过转台的360°旋转进行成像,同时对方位角与模型位置做好标记,完成一个方位角的测量后接下来变换方位角进行下一次测量。然后,对模型进行破坏,将损毁模型放置在对应标记处,依次进行测量。损毁前后的两次测量,通过具体的标记,确保了模型空间状态的一致性,即确保了两次测量下建筑物的损毁状态为唯一变量。

      图  3  入射角与方位角定义

      Figure 3.  Definition of incidence angle and azimuth angle

    • 实验获取了50°入射角下,建筑物损毁前后不同方位角(0°, 30°, 60°, 90°, 120°, 150°, 180°)下的Ku波段全极化SAR仿真图像。仿真图像的各项参数如表2所示。实验测量分辨率为5 cm,等效分辨率为2.5 m,过采样2倍,即图像像元大小2.5 cm,对应实际分辨率1.25 m。

      序号波段极化方式入射角(°)方位角(°)像元大小(cm)实际分辨率(m)
      1KuHH, HV, VH, VV5002.51.25
      2KuHH, HV, VH, VV50302.51.25
      3KuHH, HV, VH, VV50602.51.25
      4KuHH, HV, VH, VV50902.51.25
      5KuHH, HV, VH, VV501202.51.25
      6KuHH, HV, VH, VV501502.51.25
      7KuHH, HV, VH, VV501802.51.25

      表 2  仿真图像指标参数

      Table 2.  Simulation image index parameters

      图4图6分别展示了建筑物损毁前后0°, 30°与60°方位角的Ku波段SAR图像。其中,每幅图像自左上至右下分别为HH, HV, VH, VV极化,图像亮度反映了建筑物表面的后向散射系数(Radar Cross Section, RCS)值,RCS值的范围如右侧图例所示。为了便于对比,同一方位角下建筑物损毁前后的图例范围被调整为一致。从整体上可以看到,实验测量得到的仿真SAR图像质量良好,完全符合建筑物一般散射特征,能够被用于建筑物损毁有关的进一步分析。

      图  4  0°方位角测量结果对比

      Figure 4.  Comparison of measurement results of 0° azimuth angle

      图  5  30°方位角损毁前后测量结果对比

      Figure 5.  Comparison of measurement results of 30° azimuth angle

      图  6  60°方位角损毁前后测量结果对比

      Figure 6.  Comparison of measurement results of 60° azimuth angle

      通过对比同一方位角下建筑物损毁前后的仿真SAR图像可以发现:完好建筑物图像纹理特征明显,图像灰度层次分明,与建筑物墙地结构具有较好的对应关系;损毁建筑物图像则没有明显的纹理特征,呈现为杂乱、随机的亮点与墙地具有较好的对应关系,与完整建筑物的结构没有对应关系。

      通过对不同极化下建筑物损毁前后的仿真SAR图像可以发现:建筑物在不同极化方式下的图像特征具有明显的差异。损毁前后的建筑物RCS值都呈现出HH>VV>HV/VH,其中HH与VV图像特征更加鲜明,HV与VH图像则更具有相似性。同时,在各极化方式下,损毁后的建筑物RCS值较损毁前都有显著的下降。这意味着采用多极化SAR图像能更完整地描述目标建筑物的结构特征,更有利于进行建筑物损毁检测。

      通过对不同方位角下建筑物损毁前后的仿真SAR图像可以发现:建筑物目标在不同方位向上的图像特征差异明显,但总体上完整建筑物都具有相似的图像特征,损毁建筑物则各不相同。这是由于损毁建筑物墙面结构破损,导致反射截面随方位角改变发生了发生较大变化。同时,在不同方位角下损毁后的建筑物RCS值也都较损毁前显著下降,并且下降程度各不相同。

    • 极化SAR通过收发极化状态正交的电磁波,能够获取目标的全极化信息。通过对目标电磁散射特性的建模与分析,能够更准确地理解目标极化散射机理,有助于准确反演目标物理参数。极化目标分解理论在近年不断发展,成为极化SAR散射机理解译的主流理论工具[17]。对于建筑物而言,由于建筑物损毁的散射过程可以看作是一个随机、不确定的过程,通常采用非相干目标分解方法进行研究。常见的方法有Freeman-Durden分解[18]、Yamaguchi分解[19]、Cloude-Pottier分解[20]$ H/A/\alpha $分解[21]以及Touzi分解[22]等方法。

      本文利用$ H/A/\alpha $分解、Yamaguchi分解、Touzi分解等常见的极化分解方法进行了试验,分析了相比特征值分解参数、归一化圆极化相关系数(Normalized Circular polarization Correlation Coefficient, NCCC)以及各类极化分解参数。鉴于Yamaguchi分解充分考虑了城市与复杂地形的反射不对称性,Touzi分解则充分考虑了旋转不变性,更能有效反映建筑物目标损毁前后的散射特征,因此着重对二者