合成孔径雷达（SAR）是一种具有全天时、全天候工作能力的主动式微波成像传感器，在方位向与距离向上都具有较高的分辨率，且可以灵活地选择在不同波段、不同侧视角以及不同极化组合状态下获取丰富的目标散射信息。极化合成孔径雷达（PolSAR）利用水平（Horizontal）和垂直（Vertical）极化方式交替地发送与接收雷达信号，共有4个通道。通过这种方式获取的丰富目标散射信息在城市规划、土地利用、战场环境勘测等方面发挥了重要作用。特别地，基于区域的极化SAR图像解译方法由于良好的抗噪性与高效性而受到了更多的关注。为了生成数量可控、形状规则且紧致的区域单元，超像素分割作为一种预处理步骤，在基于区域的极化SAR图像解译算法中得到了广泛的研究。
图1 极化SAR图像超像素分割示意图
针对传统的极化SAR图像超像素分割算法中采用的距离度量对相似性表征能力不足的问题，国防科技大学邹焕新教授团队提出了一种基于测地线距离的极化SAR图像快速超像素分割算法。该算法利用实对称Kennaugh矩阵之间的测地线距离度量当前不稳定点与其搜索范围内其他聚类中心点之间的相似度，更准确地为当前不稳定点分配标签，从而快速减少不稳定点的数量，有效地提升了运算效率，较好地兼顾了超像素分割的准确性与高效性，具有较高的实用价值。该工作拟发表在《雷达学报》2021年第1期“极化成像雷达目标精细解译与应用”专题“一种基于测地线距离的极化SAR图像快速超像素分割算法”（邹焕新，李美霖，曹旭，李润林，秦先祥），现已网络优先出版。该文首先对输入极化SAR图像进行正六边形初始化，与常用的正方形初始化相比，可以减少在局部聚类时的距离计算次数。考虑到极化SAR图像中细长区域的影响，在正六边形初始化基础上将所有像素点都初始化为不稳定点。之后，在对不稳定点进行重贴标签时，由于实对称Kennaugh矩阵导出的测地线距离能够准确地衡量两个像素点之间的最短距离，快速减少连续两次迭代之间的不稳定点数量，因此，能够显著提高计算效率。本文首先基于仿真极化SAR图像评估了初始化方法的有效性，并通过与FHAWS算法对比验证了测地线距离的有效性；同时，基于仿真和实测极化SAR图像将本文算法与其他4种算法进行对比分析（图2、图3），验证了本文算法分割性能的优越性。
图2 5种算法基于仿真极化SAR图像的实验结果对比
图3 实测极化SAR图像局部区域的分割结果对比
了解详细内容请点击最下面阅读原文或扫描下方原文二维码。↓↓↓