基于多时相全极化SAR的建筑物倒损率估计方法技术领域
本发明属于全极化SAR(SyntheticApertureRadar，合成孔径雷达)成像遥
感技术领域，涉及一种基于全极化SAR散射机理分析的建筑物倒损率估计方法。
背景技术
近年来，具有较大破坏力的地震等自然灾害频发，严重威胁着人民的生命
和财产安全。据统计(DebaratiGuha-Sapir,PhilippeHoyois,ReginaBelow,“Annual
disasterstatisticalreview2013:Thenumbersandtrends,”CRED,Brussels,Belgium,
TechnicalReport,2014)，2000年以来，每年世界范围内7级以上地震超过240
次。其中，2008年汶川地震造成约919亿美元的损失，2011年东日本大地震大
海啸造成约2175亿美元的损失。房屋建筑物倒损直接关系人员伤亡和经济损失，
对建筑物目标倒损的定量评估能够为灾后救援和重建提供关键信息支撑。作为
微波成像遥感的极化SAR能够全天候全天时地对地观测，不受地面状况限制，
具有快速、灵活、广域等优势，是快速全面掌握灾区受灾情况最为有效的技术
途径。
世界各发达国家都在大力发展极化SAR对地观测技术，涌现出大批代表微
波成像技术发展最前沿的应用系统。星载方面有德国的TanDEM-X、加拿大的
Radarsat-2、意大利的COSMO-SkyMed和日本的ALOS-2等。机载方面有德国
最新一代具备P、L、S、C、X等多波段同时成像能力的F-SAR系统。对自然
灾害进行实时监测、变化检测和损毁评估是上述极化SAR系统的重要应用领域，
并在近年的地震海啸等自然灾害中取得了实际应用。
目前，在微波成像遥感领域，建筑物倒损评估技术主要基于多时相的单极
化SAR图像。通过分析建筑物倒损后和倒损前的单极化SAR图像的后向散射系
数幅度和相关系数等特征量的变化，进行建筑物倒损区域的检测和提取。然而，
建筑物的后向散射系数的变化和多时相SAR图像间的相关特性并不仅仅由建筑
物损毁决定，还取决于时间/空间基线、入射角等多种因素。因此，基于单极化
SAR图像后向散射系数幅度和相关系数等特征量的震灾评估技术并不稳健，面
临发展瓶颈。
极化SAR通过收发极化状态正交的电磁波能够获得目标的全极化信息，对
目标的几何结构和散射特性进行完整刻画。建筑物目标在损毁前后对电磁波的
响应和极化调制机理是明显不同的。极化特征量能够表征目标固有的结构属性
和散射特性，基本不受时间/空间基线等参数影响，相比于传统的单极化SAR图
像后向散射系数幅度和相关系数等特征量，具有更稳健的性能。目前，基于全
极化SAR数据散射机理分析的建筑物损毁研究十分有限，并基本处于定性研究
和个案研究阶段，缺乏普适性和适应性。此外，当前基于单极化SAR和全极化
SAR的建筑物倒损估计方法均仅能给出粗略的倒损程度划分，如严重损毁、中
度损毁、轻度损毁和未损毁等有限等级，对建筑物倒损率的精细和定量估计方
法未见报道。因此，亟待发展具有高稳定度和精确度的建筑物倒损率定量估计
技术。利用建筑物倒损前(一般指灾前)和倒损后(一般指灾后)的多时相全
极化SAR数据，研究建筑物倒损率精确定量评估方法，对全极化SAR图像解译、
灾害救援、灾后重建和减灾防灾等领域都有显著的应用价值。
发明内容
本发明要解决的技术问题是，提供一种基于多时相全极化SAR的建筑物倒
损率估计方法，本方法能够准确、快速地估计建筑物倒损率，并给出定量结果。
本发明的基本思路是：对建筑物倒损前全极化SAR图像而言，建筑物区域
主要由“墙体-地面”构成的二面角结构所形成的二次散射机理为主散射机理，即
主二次散射机理系数。对倒损后全极化SAR图像，“墙体-地面”这种二面角结构
随着建筑物倒损而相应地减少。与此同时，对应的主二次散射机理系数也会同
步减少。这样，通过有效估计建筑物区域灾后和灾前主二次散射机理系数的变
化，就可以定量反演建筑物的倒损率。这就是本发明的原理基础。
本发明的技术方案是：一种基于多时相全极化SAR的建筑物倒损率估计方
法，利用灾前和灾后建筑物区域的全极化SAR数据，通过极化散射机理建模和
建筑物区域极化散射机理的能量分解，提取建筑物区域的灾前主二次散射机理
能量和灾后主二次散射机理能量；利用灾前主二次散射机理能量和灾后主二次
散射机理能量，构建表征建筑物区域主二次散射机理变化的极化特征量(称为
建筑物极化倒损因子)，建立建筑物极化倒损因子与建筑物倒损率的反演关系
式，得到建筑物倒损率的定量和准确估计。
特别地，本发明的技术方案具体包括下述步骤：
利用配准的灾前和灾后包含建筑物区域的全极化SAR图像，分别获得建筑
物区域倒损前的极化散射矩阵Sipre-event,i＝1,2,…,W和建筑物区域倒损后的极化散
射矩阵Sipost-event,i＝1,2,…,W，W表示全极化SAR图像的像素点数。令极化散射矩阵
S＝Sipre-event或S＝Sipost-event，即对上述每一个极化散射矩阵进行下面第一步至第五步
的处理：
第一步，构建极化散射矢量；
设极化散射矩阵 S = S H H S H V S V H S V V , ]]>并且满足互易性条件SHV＝SVH，利用下式计
算Pauli极化散射矢量kP：
k P = 1 2 S H H + S V V S H H - S V V 2 S H V T . ]]>
其中，SHH为在水平极化H发射和水平极化H接收条件下获取的复后向散射系
数；SVH为在水平极化H发射和垂直极化V接收条件下获取的复后向散射系数；
SHV为在垂直极化V发射和水平极化H接收条件下获取的复后向散射系数；H发
射是指水平发射，V发射是指垂直发射；H接收是指水平接收，V接收是指垂直
接收；SVV为在垂直极化V发射和垂直极化V接收条件下获取的复后向散射系数。
上标T为转置处理。
第二步，极化相干矩阵估计；
利用Pauli极化散射矢量，选取具有散射相似性的样本像素，并进行集合平
均处理，得到极化相干矩阵T，即
其中，<·>为集合平均处理。上标为共轭转置处理。
第三步，对极化相干矩阵进行旋转处理；
对极化相干矩阵T进行旋转处理，使交叉极化项T33最小时，得到旋转后的
极化相干矩阵为
其中，旋转矩阵为 R 3 ( θ ) = 1 0 0 0 c o s 2 θ s i n 2 θ 0 - sin 2 θ cos 2 θ , ]]>旋转角为 θ = 1 4 tan - 1 ( 2 Re [ T 23 ] T 22 - T 33 ) , ]]>Re[T23]
为取T23的实部。
第四步，极化散射机理的能量分解；
对每个经过旋转处理的极化相干矩阵进行目标极化散射机理的能量分
解：
T ^ = f v T v o l + f d T d b l + f s T o d d ]]>
其中，fv为体散射模型系数，fd为二次散射模型系数，fs为奇次散射模型系数。
T v o l = a d e d * b f e * f * c ]]>为体散射模型， T d b l = | α | 2 α 0 α * 1 0 0 0 0 ]]>为二次散射模型，
T o d d = 1 β * 0 β | β | 2 0 0 0 0 ]]>为奇次散射模型。a、b、c、d、e和f为体散射模型参数；α二次
散射模型参数；β为奇次散射模型参数。
令 D = 10 l o g [ T 11 ( θ ) + T 22 ( θ ) - 2 Re ( T 12 ( θ ) ) T 11 ( θ ) + T 22 ( θ ) + 2 Re ( T 12 ( θ ) ) ] , ]]>log为以10为底的常用对数运算。本发
明用到的三种候选体散射模型及其选取原则分别为：当-2dB＜D＜2dB时，体散射
模型选取为 T v o l = 2 0 0 0 1 0 0 0 1 , ]]>即a＝1、b＝1、c＝1、d＝0、e＝0和f＝0；当D≤-2dB时，
体散射模型选取为 T v o l = 15 5 0 5 7 0 0 0 8 , ]]>即a＝15、b＝7、c＝8、d＝5、e＝0和f＝0；当
D≥2dB时，体散射模型选取为 T v o l = 15 - 5 0 - 5 7 0 0 0 8 , ]]>即a＝15、b＝7、c＝8、d＝-5、
e＝0和f＝0。
当确定体散射模型后，则可求取二次散射和奇次散射模型的模型参数α、β，
和各散射模型系数fv、fd和fs。这样，就可得到各散射机理的能量分解结果。利
用下式求解体散射机理的散射能量Pv、二次散射机理的散射能量Pd和奇次散射
机理的散射能量Ps：
Pv＝fv(a+b+c)
Pd＝fd(1+|α|2)
Ps＝fs(1+|β|2)
第五步，计算主二次散射机理系数；
利用全极化SAR图像，提取建筑物区域。如果极化散射矩阵S对应的像素点
位于对位于建筑物区域内，则计算其N×N邻域内同时满足Pd＞Pv和Pd＞Ps的建筑
物区域像素点数目，记为M，则该像素点的主二次散射机理系数D_Pd为：
D _ P d = M N × N ]]>
其中，邻域窗N×N与全极化SAR数据的分辨率有关，根据实际情况确定，通常
可取N＝15。
利用上述第一步至第五步，分别求得建筑物倒损前和倒损后全极化SAR图
像中建筑物区域的主二次散射机理系数，分别记为和
i′＝1,2,…Q，其中Q为提取得到的建筑物区域的像素点数目。
第六步,建筑物极化倒损因子估计；
以建筑物倒损后和倒损前建筑物区域的主二次散射机理系数的比值作为建
筑物极化倒损因子即
Ratio i ′ P d = ( D _ P d ) i ′ p o s t - e v e n t ( D _ P d ) i ′ p r e - e v e n t ]]>
第七步，建筑物倒损率估计。
建筑物极化倒损因子与建筑物倒损率DLi′成反线性关系，即：取
值越小，建筑物倒损率DLi′越大。另外，当建筑物极化倒损因子取值较大(如
)时，建筑物区域主二次散射机理系数的这种轻微减少，难以判定是
由建筑物倒损引起，还是由灾前灾后多时相数据的时间基线等因素所引起。因
此，为确保估计精度，当时，不进行建筑物倒损率反演估计。这样，
建立的建筑物倒损率DLi′的反演表达式为：
DL i ′ = k · Ratio i ′ P d + l 0 ≤ Ratio i ′ P d ≤ 0.8 0 Ratio i ′ P d > 0.8 ]]>
其中，k和l为反演参数。通常可取k＝-1，l＝1。
用本发明可取得以下技术效果：
本发明所述的多时相全极化SAR建筑物倒损率估计方法，即利用了建筑物
目标在倒损前和倒损后的极化特征差异，通过极化散射机理的能量分解，构建
和估计敏感于建筑物倒损率的极化倒损因子，实现对建筑物倒损率的反演。本
发明实现简单，对不同建筑物目标具有很好的鲁棒性，并且实施起来也非常方
便，可直接用于对各种全极化SAR系统获得的多时相全极化SAR图像进行处理。
本发明对于全极化SAR建筑物倒损评估、减灾防灾等应用领域有着重要的参考
价值。
附图说明
图1本发明的实施流程图；
图2建筑物震灾倒损前后的光学图；
图3建筑物震灾倒损情况真值图；
图4建筑物震灾倒损前后的极化散射机理能量分解图；
图5建筑物主二次散射机理系数估计图；
图6建筑物极化倒损因子估计图；
图7具有不同倒损率的建筑物区块倒损情况真值图；
图8建筑物极化倒损因子与建筑物真实倒损率关系图；
图9建筑物倒损率估计图。
具体实施方式
为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作
进一步描述。
图1为本发明的实施流程图，主要由七步组成。第一步，构建极化散射矢
量，利用全极化SAR获得的极化散射矩阵构建Pauli极化散射矢量。第二步，
极化相干矩阵估计，包括散射相似性样本像素的选取和集合平均处理。其中，
散射相似性样本像素的选取采用基于相似性检测的SimiTest算法进行处理，具
体算法内容参见文献Si-WeiChen,Xue-SongWangandMotoyukiSato,“PolInSAR
complexcoherenceestimationbasedoncovariancematrixsimilaritytest,”IEEE
TransactionsonGeoscienceandRemoteSensing,vol.50,no.11,pp.4699–4710,
Nov.2012。第三步，对极化相干矩阵进行旋转处理，使交叉极化项T33的能量最
小，避免散射机理的解译模糊。第四步，极化散射机理的能量分解，获得极化
SAR图像每个像素点的体散射机理、二次散射机理和奇次散射机理的散射能量。
第五步，计算主二次散射机理系数。分别计算建筑物倒损后和建筑物倒损前全
极化SAR图像中建筑物区域每个像素点的主二次散射机理系数。第六步，建筑
物极化倒损因子估计，即以建筑物倒损后和建筑物倒损前主二次散射机理系数
的比值作为建筑物极化倒损因子。第七步，建筑物倒损率估计，得到建筑
物倒损率估计图。
图2至图9是利用本发明的具体实施方式对ALOS/PALSAR系统获得的
2011年3月11日日本大地震大海啸受灾严重的石卷市城区实测多时相全极化
SAR数据的处理结果。震前ALOS/PALSAR全极化SAR数据获取于2010年11
月21日，震后ALOS/PALSAR全极化SAR数据获取于2011年4月8日。
图2为建筑物震灾倒损前后的光学图。光学图由ALOS系统获取。图2(a)
为灾前光学图像，获取于2010年8月23日，图2(b)为灾后光学图像，获取
于2011年4月10日。其中，图像中的右侧区域为太平洋，大地震引发的大海
啸在该区域到达了10米以上，海啸横扫了海岸线附近的大量建筑物，造成大量
建筑物的倒损。从图中可以看出，许多沿岸附近的建筑物区域发生了严重倒损。
图3为建筑物震灾倒损情况真值图，反映了震灾后建筑物倒损的真实情况。
其中，黑色图例表示倒损的建筑物，灰色图例表示未倒损的建筑物，浅灰色图
例表示被海啸淹没的区域。
图4为建筑物震灾倒损前后的极化散射机理能量分解图。其中，图(a)为倒
损前二次散射机理的能量Pd；图(b)为倒损前奇次散射机理的能量Ps；图(c)为倒
损前体散射机理的能量Pv；图(d)为倒损后二次散射机理的能量Pd；图(e)为倒损
后奇次散射机理的能量Ps；图(f)为倒损后体散射机理的能量Pv。对比震前和震后
数据的极化散射机理能量分解图，可以看到建筑物区域的二次散射机理能量Pd
较强。同时，对有建筑物倒损的区域，相比于倒损前，二次散射机理能量Pd是
下降的。因此，本发明选择倒损前和倒损后二次散射机理的能量Pd作为计算主
二次散射机理系数的参数。
图5为建筑物主二次散射机理系数估计图。其中主二次散射机理系数取值
不为0的区域为提取得到的建筑物区域，主二次散射机理系数取值为0的像素
为图像中最黑的像素。对比震前(图5(a))和震后(图5(b))建筑物区域主
二次散射机理系数图，可以看到倒损建筑物区域的主二次散射机理系数显著下
降。同时，主二次散射机理系数下降程度随建筑物区域的倒损程度的增大而增
大。
图6为建筑物极化倒损因子估计图。对提取得到的建筑物区域，进行建筑
物极化倒损因子的估计。图中，像素点灰度值越深，倒损因子取值越小。对比
建筑物震灾倒损情况真值图(图3)可以看到，建筑物极化倒损因子能够很好地
指示建筑物倒损区域。对没有建筑物倒损的区域，建筑物极化倒损因子取值趋
近于1；对有建筑物倒损的区域，建筑物极化倒损因子取值远小于1。此外，还
可看到建筑物极化倒损因子的取值与建筑物倒损率成负相关的关系。
图7为具有不同倒损率的建筑物区块倒损情况真值图，对应图4(d)中用正方
形标示的10块建筑物区块的倒损情况真值图。其中，黑色图例表示倒损的建筑
物，灰色图例表示未倒损的建筑物，浅灰色图例表示被海啸淹没的区域。在图7
中，图(a)对应建筑物区块的真实倒损率为95％；图(b)对应建筑物区块的真实倒
损率90％；图(c)对应建筑物区块的真实倒损率为80％；图(d)对应建筑物区块的
真实倒损率为75％；图(e)对应建筑物区块的真实倒损率为70％；图(f)对应建筑
物区块的真实倒损率为60％；图(g)对应建筑物区块的真实倒损率为40％；图(h)
对应建筑物区块的真实倒损率为25％；图(i)对应建筑物区块的真实倒损率为
20％；图(j)对应建筑物区块的真实倒损率为5％。
图8为极化倒损因子与建筑物真实倒损率关系图。其中，横坐标为建筑物
倒损率DLi′，对应图7中的10块建筑物区块；纵坐标为估计得到的建筑物极化
倒损因子圆圈和竖线分别代表估计得到的该建筑物区块的建筑物极化倒
损因子的均值和方差，虚线代表倒损率反演关系式可以
看到，估计得到的建筑物极化倒损因子能够很好地区分具有不同倒损率的建筑
物区块。同时，随着倒损率的增加，建筑物极化倒损因子取值减小，二者满足
反线性关系。
图9为建筑物倒损率估计图。根据估计得到的建筑物极化倒损因子和倒损
率反演表达式，得到石卷市建筑物倒损率估计图。与建筑物倒损情况真值图(图
3)相比，建筑物倒损率估计准确、精度高。