利用随机距离修正 Yamaguchi 四分量分解散射功率

基于模型的分解方法在 Freeman 和 Durden 的开创性工作之后受到了广泛关注。这种假设目标具有反射对称性的分解方法，后来在 Yamaguchi 等人提出的分解中通过引入螺旋参数得到了放宽。此后，许多分解方法被提出，要么修改散射模型以拟合数据，要么旋转代表全极化数据二阶统计量的相干矩阵以拟合散射模型。本文提出利用矩阵统计信息论的概念来修正 Yamaguchi 四分量分解 (Y4O) 的散射功率。为实现这一修正，我们提出了一种利用 Hellinger 距离从全极化 SAR 图像估计极化取向角 (OA) 的方法。在该方法中，通过最大化相干矩阵 $\mathbf{[T]}$ 未旋转与旋转后的 $T_{33}$ 和 $T_{22}$ 分量之间的 Hellinger 距离来估计 OA。随后，利用估计出的 OA 处相干矩阵 $T_{33}$ 和 $T_{22}$ 分量之间的最大相对随机距离来修正 Yamaguchi 四分量基于模型的分解 (Y4O) 的功率。结果表明，旋转城市区域的整体二次反射功率显著改善，同时体散射功率有所降低。具有负功率的像素百分比也较 Y4O 分解有所减少。我们将所提方法与 Y4O 和 Y4R 分解的结果进行了定性和定量比较，使用了 Radarsat-2 C 波段旧金山数据集和 UAVSAR L 波段 Hayward 数据集。