[論文レビュー] A PolSAR Scattering Power Factorization Framework and Novel Roll-Invariant Parameters Based Unsupervised Classification Scheme Using a Geodesic Distance

Debanshu Ratha, Éric Pottier+2 more|arXiv (Cornell University)|Jun 27, 2019

Synthetic Aperture Radar (SAR) Applications and Techniques参考文献 29被引用数 5

ひとこと要約

本稿では、正規化されたケナウフ行列上の測地的距離に基づく類似性測定を用いて、全電力（Span）を非負の散乱成分に分解する、新しい散乱電力因子分解フレームワーク（SPFF）を提案する。この手法により、ロールインヴァリエントなパrameter推定と教師なし分類手法が可能となり、Cバンド（RADARSAT-2）およびLバンド（ALOS-2）のサンフランシスコデータにおいて、散乱メカニズムの識別が向上した。

ABSTRACT

We propose a generic Scattering Power Factorization Framework (SPFF) for Polarimetric Synthetic Aperture Radar (PolSAR) data to directly obtain $N$ scattering power components along with a residue power component for each pixel. Each scattering power component is factorized into similarity (or dissimilarity) using elementary targets and a generalized random volume model. The similarity measure is derived using a geodesic distance between pairs of $4 imes4$ real Kennaugh matrices. In standard model-based decomposition schemes, the $3 imes3$ Hermitian positive semi-definite covariance (or coherency) matrix is expressed as a weighted linear combination of scattering targets following a fixed hierarchical process. In contrast, under the proposed framework, a convex splitting of unity is performed to obtain the weights while preserving the dominance of the scattering components. The product of the total power (Span) with these weights provides the non-negative scattering power components. Furthermore, the framework along the geodesic distance is effectively used to obtain specific roll-invariant parameters which are then utilized to design an unsupervised classification scheme. The SPFF, the roll invariant parameters, and the classification results are assessed using C-band RADARSAT-2 and L-band ALOS-2 images of San Francisco.

研究の動機と目的

• 全電力（Span）を物理的に意味のある散乱成分に分解するための柔軟で、測地的距離に基づくフレームワークの開発。
• 従来のモデルベースおよび固有値ベースの分解手法の限界を克服し、支配的順序と全電力を保持するとともに、単位の凸分割を可能にする。
• 測地的距離から導出された新たなロールインヴァリエントパラメータ（散乱タイプ角度αGD、ヘリシティτGD、偏光度インデックスPGD）を用いて、散乱メカニズムの特徴付けを強化する。
• 事前にラベル付けされたデータが不要な、効率的な教師なし分類スキームを設計する。
• CバンドおよびLバンドのマルチテンポラル・マルチバンドPolSARデータ（RADARSAT-2とALOS-2）を用いて、フレームワークの妥当性を検証し、土地被覆および散乱ゾーンの特定を向上させる。

提案手法

• 4×4実数ケナウフ行列の単位球面上における測地的距離（GD）を用い、観測された散乱ターゲットと基本的散乱ターゲットとの類似性を測定する。
• 単位の凸分割を適用して、支配的順序を保持し、全電力（Span）を保存する重みを計算し、非負の散乱電力成分を保証する。
• 測地的距離に基づき、3つの新たなロールインヴァリエントパラメータ（散乱タイプ角度αGD、ヘリシティτGD、偏光度インデックスPGD）を導出する。
• 測地的距離を用いて、観測されたケナウフ行列と事前に定義された散乱モデル（例：表面散乱、体積散乱、奇数跳ね返り散乱）との類似性／類似性の度合いを計算する。
• 導出されたパラメータ（特にPGDとαGD）をクラスタリング手法に用いて教師なし分類スキームを実装し、ラベル付きデータに依存しない。
• フレームワークの有効性を、サンフランシスコのCバンドRADARSAT-2およびLバンドALOS-2 PolSAR画像を用いて検証し、パウリおよびY4R RGB合成画像と比較する。

実験結果

リサーチクエスチョン

• RQ1 ケナウフ行列上における測地的距離に基づく類似性測定は、PolSAR全電力（Span）を物理的に解釈可能な散乱成分に効果的に分解できるか？
• RQ2 提案されたロールインヴァリエントパラメータ（αGD、τGD、PGD）は、標準的なパラメータと比較して散乱メカニズムの識別にどの程度優れているか？
• RQ3 測地的距離フレームワークは、ラベルなし学習データが存在しない状況下でも、PolSAR画像の教師なし分類性能をどの程度向上できるか？
• RQ4 フレームワークは、Cバンド対Lバンドや11年間の時間的差異といった、PolSARデータの時間的・バンド的差異をどのように処理できるか？
• RQ5 異なるセンサーや観測条件下でも、散乱ゾーンの同定が一貫性を保っているか？

主な発見

• SPFFは、測地的距離から導出された凸重みを用いて、Spanを非負の散乱電力成分に効果的に分割し、全電力と支配的順序を保持した。
• αGD、τGD、PGDの3つの新たなロールインヴァリエントパラメータは、散乱メカニズムの区別に有効であり、αGD単体でも都市部と植生地域を明確に分離可能である。
• τGDパラメータは、陸上対海洋または船対海洋のシーンを区別するのに特に効果的であり、散乱の対称性に敏感であることが示された。
• PGDとαGDを用いた教師なし分類スキームは、都市部（例：サウスマーケットエリア）、森林（ゴールデンゲートパーク）、海面などの支配的散乱ゾーンを正確に特定した。
• フレームワークは時間的・バンド依存の散乱変化を捉え、ゴールデンゲートブリッジの北側領域が、RADARSAT-2データでは奇数跳ね返り散乱から、ALOS-2データでは体積散乱に変化していることを示し、H/αプロット解析と整合的であった。
• SPFF出力マップ（例：支配的散乱クラスラベル）は、パウリおよびY4R RGB合成画像と強い一致を示したが、従来の可視化では見えない散乱挙動の詳細な違いを明らかにした。