4成分散乱電力分解によるpi-sar画像...
Post on 13-Jan-2020
3 Views
Preview:
TRANSCRIPT
4成分散乱電力分解によるPi-SAR画像
の解析
石堂基 山口芳雄 山田寛喜
新潟大学
第490回電波研連F分科会開催日:2004年12月17日
発表の流れ1. 研究の背景・目的
POLSAR画像解析を行う背景・目的
解析に使用した領域POLSAR画像について
2. 三成分散乱モデル分解についてCovariance matrix について
三成分散乱モデル分解三成分散乱モデルとCovariance matrix の画像
三成分散乱モデルの問題点と四成分散乱モデル分解の提案
3. 四成分散乱モデル分解について平均化Covariance matrix 基本ターゲットにおける平均化Covariance matrix 確率密度関数の変更
4. 解析結果市街地モデルの解析(鳥屋野潟周辺画像)植生モデルの解析(苫小牧画像)
5. まとめ
1. 研究の背景・目的
背景
地球観測地球環境観測大規模災害の迅速な把握地球の資源探査
航空機に搭載された偏波合成開口レーダ(Pi-SAR)により得られたPOLSAR画像データを用いて地表面の解析を行う
偏波情報を用いることにより、地上ターゲットの識別がある程度可能
偏波を用いた振幅情報、位相情報の利用合成開口処理による高分解能の実現
目的
市街地や植生の領域を検出するためには?
物理モデルを基本とした三成分散乱モデル分解 を用いる
定式化に問題がある
平均化Covariance matrix を用いた四成分散乱モデル分解の提案
三成分散乱モデル分解と四成分散乱モデル分解を様々な方法で比較
四成分散乱モデル分解の妥当性を評価
†
†: Freeman, Durdenらによる
解析領域(1)
HH HV VV
新潟市鳥屋野潟周辺
2003年8月20日34.4~47.1(degree)HH HV VH VV
1.27[GHz] (L-band)λ=23.6(cm)
2000×2000(pixel)2.5×2.5(m)5×5 (pixel)
解析領域
観測日時
入射角
偏波
周波数
波長
画像サイズ
ピクセルサイズ
平均化サイズ
Azimuth direction
Ran
ge d
irect
ion
L-band
画像データの諸元
解析領域(2)
北海道苫小牧
2002年11月8日36.4~49.2(degree)HH HV VH VV
1.27[GHz] (L-band)λ=23.6(cm)
2000×2000(pixel)2.5×2.5(m)
5×5
解析領域
観測日時
入射角
偏波
周波数
波長
画像サイズ
ピクセルサイズ
平均化サイズ
画像データの諸元
HH HV VV
Azimuth direction
Ran
ge d
irect
ion
L-band
POLSAR画像解析について
[ ]SScattering matrix
Covariance matrix Coherency matrix Kennaugh matrix[ ]C [ ]T [ ]K
Physical Mathematical Phenomenological
三成分散乱モデル分解 Entropy, αHuynennParameter
集合平均
3×3 3×3 4×4
2. 三成分散乱モデル分解について
Covariance matrix(1)
散乱行列 [S] をCovariance matrix [C] に変換する
集合平均をとれるため、平均化処理が容易
[ ]
=
VVVH
HVHH
SSSS
S
=
VV
HV
HH
SSS
S 2
独立要素によりベクトル化
[ ]
=⊗= ∑2**
*2*
**2
*
||22||22
2||1
VVHVVVHHVV
VVHVHVHHHV
VVHHHVHHHHNT
SSSSSSSSSSSSSSS
SSN
C
・:アンサンブル平均
Covariance matrix(2)
特徴
森林などの分布した自然ターゲットに対して、偏波チャネルの電力によりほとんどの要素が決まる個々のターゲットに依存しない2次統計量として用いることができる実験的にわかっているReflection symmetry なターゲット
に対して三成分散乱モデル分解を使うことができる
0** ≈≈ VVHVHVHH SSSS
=2*
2
*2
||00||20
0||
VVHHVV
HV
VVHHHH
SSSS
SSSC0** ≈≈ VVHVHVHH SSSS
三成分散乱モデル分解(1)
測定散乱波を物理的な散乱過程に基づいた散乱モデルに分解
Covariance Matrix の要素を用いて分解を行う
海域・農地・低植生域における散乱過程
表面散乱
地表面に入射して樹幹や人工建造物に反射する散乱過程
二回反射
ランダムに傾いたWireが合成された
散乱過程体積散乱
( ) 0Re * <VVHH SS1=β
三成分散乱モデル分解(2)観測された Covariance Matrix を以下のように3つの
成分に展開する
[ ] [ ] [ ] [ ]
+
+
=
++=
301020103
310000
0
10000
0
*
2
*
2
vds
HV
volumevHV
doubledHV
surfacesHV
fff
CfCfCfC
α
αα
β
ββ
vdsHH fffS ++= 222 αβ
vdsVV fffS ++=2
3/*vdsVVHH fffSS ++= αβ
3/2vHV fS =
0** ≈≈ VVHVHVHH SSSS
11C
22C
33C
13C
21,12CC( ) 0Re * >VVHH SS
1−=α
( )21 β+= ss fP
( )21 α+= dd fP28
38
HVvv SfP ==
各成分による散乱電力
三成分散乱モデル分解(3)
sP dP vP
min max
平均化Covariance Matrix の要素(1)
2HHS
2VVS
22 HVS
[ ]
=2**
*2*
**2
||22||22
2||
VVHVVVHHVV
VVHVHVHHHV
VVHHHVHHHH
SSSSSSSSSSSSSSS
C
平均化Covariance Matrix の要素(2)
*Re VVHH SS *Im VVHH SS
[ ]
=2**
*2*
**2
||22||22
2||
VVHVVVHHVV
VVHVHVHHHV
VVHHHVHHHH
SSSSSSSSSSSSSSS
C
平均化Covariance Matrix の要素(3)
( )*2Re HVHH SS ( )*2Im HVHH SS
[ ]
=2**
*2*
**2
||22||22
2||
VVHVVVHHVV
VVHVHVHHHV
VVHHHVHHHH
SSSSSSSSSSSSSSS
C
平均化Covariance Matrix の要素(4)
( )*2Re VVHV SS ( )*2Im VVHV SS
[ ]
=2**
*2*
**2
||22||22
2||
VVHVVVHHVV
VVHVHVHHHV
VVHHHVHHHH
SSSSSSSSSSSSSSS
C
平均化Covariance Matrix の要素
*Re VVHH SS
*Im VVHH SS
( )*2Re HVHH SS
( )*2Im HVHH SS
( )*2Re VVHV SS
( )*2Im VVHV SS
四成分散乱モデル分解の提案
必ずしも が成立しないが必ず体積散乱成分にならない
定式化において強制的に0にして計算している部分がある
0** ≈≈ VVHVHVHH SSSS2
HVS
三成分散乱モデル分解の欠点
これらの問題を解決する分解法を提案すれば、より詳細に地表面を解析することが可能
四成分散乱モデルを提案
3. 四成分散乱モデル分解について
平均化Covariance matrix (1)
[ ]
=
=
bcca
SSSS
SVVVH
HVHH ( )[ ]
−
−
=
=
θθθθ
θθθθ
θcossinsincos
cossinsincos
bcca
SSSS
Svvvh
hvhhHV
( )[ ] ( )[ ] ( ) θθθθπ
dpCC ∫=2
0数式的な平均Covariance matrix
( )[ ]
=2**
*2*
**2
||22||22
2||
vvhvvvhhvv
vvhvhvhhhv
vvhhhvhhhhHV
SSSSSSSSSSSSSSS
C θ ( )θp は確率密度関数
( ) ( ) ( )( ) ( ) ( )
( )
( ) ( ) ( )
82
10*
9*
3*
5*
6**
82
9*
10*
3
**
6
**
5
***
6**
5**
2*
1*
32
422*
8*
72
322
5*
6*
4*
32
12
222
4*
4*
4*
32
22
122
222
222
}Re{41
Re2Re2Re2
Re2Re2Re2
IccIbIcaIabcIabbIabaSS
IcIbcIacIabcIabbIabaSS
IbccaIaccbbIaIabIcIbaSS
IabcIcIabS
IbcIacIabIcIbIaS
IbcIacIabIcIbIaS
vvhv
hvhh
vvhh
hv
vv
hh
−++−
+−
+−
=
+++−
+−
+−
=
−+−+++−+=
−++−=
−−+++=
+++++=
( )
( )
( )
( )
( ) θθθθ
θθθθ
θθθ
θθθ
θθθ
π
π
π
π
π
dpI
dpI
dpI
dpI
dpI
2sincos
cossin
2sin
sin
cos
2
0
25
22
0
24
2
0
23
2
0
42
2
0
41
∫∫∫∫∫
=
=
=
=
= ( )
( )
( )
( )
( ) θθθθ
θθθθ
θθθθ
θθθ
θθθθ
π
π
π
π
π
dpI
dpI
dpI
dpI
dpI
2coscos
2cossin
2cos2sin
2cos
2sinsin
2
0
210
2
0
29
2
08
2
0
27
2
0
26
∫∫∫∫∫
=
=
=
=
=
平均化Covariance matrix (2)
確率密度関数を一様であると仮定し のように選べば( )π
θ21
== pp
( )( )
( )
( )}Im{2
}Im{2
21
81
21Re
21
81
21
41
81
***
***
222
2*2**
222222
bacjSSSS
bacjSSSS
cbaS
cbabaSSSS
cbabaSS
vvhvhvhh
vvhvhvhh
hv
hhvvvvhh
vvhh
−−==
−+==
+−=
−++==
++++== 実数
実数
実数
虚数
虚数
散乱行列[S]を用いて基本ターゲットの平均化Covariance matrixを求める
[ ]
=
VVVH
HVHH
SSSS
S [ ]
=
?????????
C
基本ターゲットによる平均化Covariance matrix(1)
ワイヤターゲット
[ ]
=− 10
00HVwirevS
[ ]
=− 00
01HVwirehS
垂直ワイヤ
水平ワイヤ
[ ]
=
301020103
81HV
wireC
二回反射ターゲット(金属の2面リフレクタ)
垂直diplane
水平diplane
[ ]
−=− 10
01HVdiplanevS
[ ]
−
=− 1001HV
diplanehS
[ ]
−
−=
101020101
41HV
diplaneC
二次統計量の利点
基本ターゲットによる平均化Covariance matrix(2)
奇数回反射ターゲット(Plate,Sphere,3面リフレクタ)
[ ]
=
1001HV
plateSプレート [ ]
=
101000101
21HV
plateC
円偏波発生ターゲット(Helix)
R-Helix
L-Helix
[ ]
−−−
=− 11
21
jj
S HVhelixr
[ ]
−
=− 11
21j
jS HV
helixl
[ ]
−−−
−=
−
121222121
41
jjj
jC HV
helixr
[ ]
−−−−
=−
121222
121
41
jjj
jC HV
helixl
基本ターゲットによる平均化Covariance matrix(3)
( )}Im{2
*** bacjSSSS vvhvhvhh −== の関係より( )}Im{2
*** bacjSSSS vvhvhvhh −==
( ) ( )*** Im21}Im{
21
VVHVHVHH SSSSbac +=− Helixのみ存在
R-Helix
L-Helix
[ ]
−−−
=− 11
21
jj
S HVhelixr
[ ]
−
=− 11
21j
jS HV
helixl
41
211
2Im
21
=
+j
41
211
2Im
21
−=
+− j
( ) ( )}Im{21Im
21
4***
VVHHHVVVHVHVHHc SSSSSSSf
−=+=
円偏波発生成分
cc fP =cP
確率密度関数の変更(1)
垂直に立っている幹・枝が多い植生を想定して確率密度関数を変更する
=0
sin21
)( θθp)0( πθ <<
)2( πθπ <<1)(
2
0=∫ θθ
πdp
確率密度関数の変更(2)
( )( )
( )
10*
9*
3**
9*
10*
3
***
2*
1*
32
422*
72
322
4*
32
12
222
4*
32
22
122
2
2
41
Re2
Re2
cIbIcaIabcSS
IbcIacIabcSS
bIaIabIcIbaSS
IcIabS
IabIcIbIaS
IabIcIbIaS
vvhv
hvhh
vvhh
hv
vv
hh
++−
−=
++−
=
++−+=
+−=
+++=
+++=
0152
158158
153
5
4
3
2
1
=
=
=
=
=
I
I
I
I
I
151156
0157
0
10
9
8
7
6
=
−=
=
=
=
I
I
I
I
I
θθ sin21)( =p のとき ( )
( )
( )( )
( ) cacbabcSS
bcacabcSS
baabcbaSS
cIbaS
abcbaS
abcbaS
vvhv
hvhh
vvhh
hv
vv
hh
****
*****
**222*
23
22
*2222
*2222
156
158
154
156
158
154
153
1584
152
157
152
Re154
158
153
158
Re154
158
158
153
−+−=
−+−=
++−+=
+−=
+++=
+++=
[ ]
=− 00
01HVwirehS水平ワイヤ [ ]
=
−
801040103
151HV
wirehC
[ ]
=− 10
00HVwirevS垂直ワイヤ [ ]
=
−
301040108
151HV
wirevC
平均化Covariance matrixの展開(1)
[ ]
=
⇒
100
00 2
2
2 αγγ
γ
thghj
tvgvj
thghj
tree RReRRe
RReS v
v
h
vv
hh
tvgv
thghj
SS
RRRR
e vh ∝= − )( γγα
地面と木の幹により構成される2回反射構造を想定 誘電体
hh成分とvv成分の位相差を考慮した複素数 を導入α
_tR _gR: 樹幹による反射係数 : 地面による反射係数 : 伝播定数_γ (_はそれぞれ,水平のhか垂直のv)
[ ]
=
=10000
0
||22||22
2||
*
2
2**
*2*
**2
α
αα
VVHVVVHHVV
VVHVHVHHHV
VVHHHVHHHHHV
double
SSSSSSSSSSSSSSS
C
この2回反射構造は角度 に対して植生のようにランダムとはならないので、角度に対する積分は行わない
θ
平均化Covariance matrixの展開(2)
表面散乱モデルの基本Covariance matrix1次Bragg反射モデルを用いて
[ ]
=
000β
surfaceS
=10000
0
*
2
β
ββHV
surfaceC
円偏波発生電力
Covariance matrixにおける の値を用いると は2312 ,cc cf
( ) { }{ }2312
***
Im21
Im21Im
21
4
cc
SSSSSSSfVVHVHVHHVVHHHV
c
+=
+=−=
四成分散乱モデル分解(1)
HH HV VV
azimuth方向に対して傾いた市街地
Azimuth direction
Ran
ge d
irect
ion
HV偏波が多く発生
全てが体積散乱成分の寄与となり得る
vP cPdPsP の四成分を用いた四成分散乱モデル分解を行う
観測された Covariance Matrix を以下のように4つの成分に展開する
四成分散乱モデル分解(2)
[ ] [ ] [ ] [ ] [ ]
−±−±
+
+
+
=
+++=
121222
121
4302040208
1510000
0
10000
0
*
2
*
2
jjj
jffff
CfCfCfCfC
cvds
HV
circularcHV
volumevHV
doubledHV
surfacesHV
m
m
α
αα
β
ββ
βα , :相対要素(未定係数)
sf df vf, , , :表面散乱,二回反射,体積散乱の円偏波発生成分の寄与cf
4158222 c
vdsHHffffS +++= αβ
41532 c
vdsVVffffS +++=
4152* c
vdsVVHHffffSS −++= αβ
41522 c
vHVffS +=
}Im{21
4**VVHVHVHH
c SSSSf+=
11C
22C
33C
13C
21,12CC
θθ sin21)( =p
各成分による散乱電力
( )21 β+= ss fP
( )21 α+= dd fP
vv fP =
cc fP =
( ) 0Re * <VVHH SS1=β
( ) 0Re * >VVHH SS1−=α
4. 解析結果
解析結果(鳥屋野潟周辺)
sP dP
四成分散乱モデル分解
解析結果(鳥屋野潟周辺)
cPvP
四成分散乱モデル分解
解析領域の説明
patch 3
patch 2
patch 1
解析結果 (patch 1)
Ground truth三成分散乱モデル分解
sP dP vP
四成分散乱モデル分解cPsP dP vP
patch 1
三成分散乱モデル分解sP dP vP
四成分散乱モデル分解cPsP dP vP
Azi
mut
h di
rect
ion
Range direction
0 400
四成分散乱モデル分解
Ground truth三成分散乱モデル分解
sP dP
cP
vP
sP dP vP
解析結果 (patch 2)
patch 2
Ground truth
a b c d
ab
c d
a
b
cd
三成分散乱モデル分解
四成分散乱モデル分解
Azi
mut
h di
rect
ion
Range direction
a :平成大橋b :水道橋c :新潟バイパスd :新幹線高架橋
cPsP dP vP
sP dP vP
0 400
解析結果 (patch 3)
Ground truth三成分散乱モデル分解
sP dP vP
四成分散乱モデル分解cPsP dP vP
patch 3
三成分散乱モデル分解sP dP vP
四成分散乱モデル分解cPsP dP vP
Azi
mut
h di
rect
ion
Range direction
0 400
市街地モデルのまとめ
四成分散乱モデル分解ではアジマス方向に平行な市街地であるほど、二回反射成分が強くなる
アジマス方向に対して平行な市街地で発生していた体積散乱成分を軽減し、円偏波発生成分への寄与に分散
三成分散乱モデル分解よりも物理現象に近いことを確認
解析領域の説明
200pixel
解析領域
偏波シグネチャの変化の様子
Diplane Horizontal wire
7.5mおきに偏波シグネチャを作成
sP dP
sP dP
三成分散乱モデル分解
四成分散乱モデル分解
解析結果(苫小牧)
解析結果(苫小牧)
三成分散乱モデル分解
四成分散乱モデル分解
cPvP
vP
解析結果(苫小牧)
sP dP cPvP
sP dP vP三成分散乱モデル分解(fvを除去しないもの)
四成分散乱モデル分解
vdsHH fffS ++= 222 αβ
vdsVV fffS ++=2
3/*vdsVVHH fffSS ++= αβ
3/2vHV fS =
0** ≈≈ VVHVHVHH SSSS
5. まとめ
まとめ
三成分散乱モデル分解と四成分散乱モデル分解を単純な領域で比較
三成分散乱モデル分解の物理的な矛盾点を解消した四成分散乱モデル分解を提案
三成分散乱モデル分解の時に生じた、二回反射成分における水域の不要な電力が除去された
人工ターゲットではアジマスに対するターゲットの傾きによって二回反射受信電力が変化する
自然ターゲットで必ずしも が成立しない0** == VVHVHVHH SSSS矛盾点
市街地領域と植生領域を選択
樹幹や沢の部分において二回反射成分と想定できる箇所が微量ではあるが検出された
補足資料(コンポジット画像)
三成分散乱モデル分解 四成分散乱モデル分解
PsPd Pv
補足資料(α, βの分布 1)
α β
(白がα=-1の部分) (白がβ=1の部分)
補足資料(α, βの分布 2)
α β
(緑がα=-1の部分) (緑がβ=1の部分)
補足資料(X-band,三成分)
sP dP vP
補足資料(X-band, 四成分)
cP
sP dP
vP
top related