极化合成孔径雷达(Polarimetric synthetic aperture radar, PolSAR) 是一种多参数、多通道的微波成像系统,具有较强的穿透性, 能全天时、全天候工作. 与传统的单极化SAR 相比, PolSAR 能够获取更丰富的地物信息和分类特征,在农林业、地质、海洋和军事等领域有着广泛的应用前景，如农作物种类识别、土地使用评估、森林状态监控、地质灾害检测与评估、军事目标识别等. 随着PolSAR系统的发展，对海量数据的解译已变成迫切需要解决的问题.而PolSAR 图像的相干斑抑制和分类是数据解译的重要环节, 目前是遥感领域的研究热点.

（a）AIRSAR         （b）ESAR            （C）PISAR

图1 机载极化合成孔径雷达

（a）SIR-C            （b）TerraSAR        （C）RADARSAT-2

图2 星载极化合成孔径雷达

图3 各类极化SAR数据相干斑抑制方法比较表

图4 极化SAR图像分类方法综述

本文综述了现有PolSAR 图像的相干斑噪声抑制和分类方法并进行展望. 首先, 简要介绍了PolSAR 系统的主要进展和应用. 然后, 对PolSAR 图像相干斑抑制的评价指标和方法进行综述，总结了目前主要的三类方法: 空域滤波、非局部均值和变分方法，分析了他们的优缺点，并对几种代表性方法进行了实验对比. 接下来, 对PolSAR 图像的特征进行分析归纳,分成了六类，包括极化特征、统计特征、纹理特征、颜色特征、空间结构特征和基于深度学习提取的特征. 并分别对有监督、无监督和半监督的PolSAR 分类方法进行总结并对每个大类的方法进行了详细的归纳和分类，还给出了几种有监督分类方法的实验比较.最后,对PolSAR 图像相干斑抑制和分类方法未来可能的研究方向进行了思考和讨论.在相干斑抑制方面，我们认为未来可能的研究方向包括：设计高效、具有场景自适应能力的算法以及结合最新的机器学习技术如深度学习或迁移学习的算法设计.在分类方面，我们认为可以考虑少量标注样本情况下的高精度分类问题、基于多视角信息融合的分类算法设计以及基于在线增量算法的PolSAR 图像实时分类问题.

引用格式：聂祥丽, 黄夏渊, 张波, 乔红. 极化合成孔径雷达图像相干斑抑制和分类方法综述. 自动化学报, 2019, 45(8): 1419-1438. 

链接：http://html.rhhz.net/ZDHXBZWB/html/2019-8-1419.htm

作者简介： 

聂祥丽 中国科学院自动化研究所助理研究员. 2015 年获得中国科学院数学与系统科学研究院博士学位. 主要研究方向为图像处理与机器学习. E-mail: xiangli.nie@ia.ac.cn

黄夏渊 中国科学院自动化研究所助理研究员. 2016 年获得中国科学院数学与系统科学研究院博士学位. 主要研究方向为图像分类与机器学习. E-mail: xiayuan.huang@ia.ac.cn 

张波 中国科学院数学与系统科学研究院研究员. 1992 年获得英国斯特拉斯思克莱德大学博士学位. 主要研究方向为散射和反向散射问题、机器学习和模式识别. E-mail: b.zhang@amt.ac.cn 

乔红 中国科学院自动化研究所研究员. 1995 年获得德蒙特福德大学博士学位. 主要研究方向为机器人与机器学习. E-mail: hong.qiao@ia.ac.cn