[논문 리뷰] A PolSAR Scattering Power Factorization Framework and Novel Roll-Invariant Parameters Based Unsupervised Classification Scheme Using a Geodesic Distance

Debanshu Ratha, Éric Pottier외 2명|arXiv (Cornell University)|2019. 06. 27.

Synthetic Aperture Radar (SAR) Applications and Techniques참고 문헌 29인용 수 5

한 줄 요약

이 논문은 C-밴드(RADARSAT-2) 및 L-밴드(ALOS-2) 샌프란시스코 데이터에서 산란 메커니즘의 분별을 향상시키기 위해 다항성 분해 프레임워크(SPFF)를 제안한다. 이 프레임워크는 정규화된 케너오파 매트릭스 상에서 지오데식 거리 기반 유사도 측정을 사용하여 총 전력(Span)을 비음성 산란 성분으로 분해한다. 이 방법은 롤링 불변 파rameter 추정과 비지도 분류 기법을 가능하게 하며, 결과적으로 산란 메커니즘의 분별 능력 향상을 입증한다.

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.

연구 동기 및 목표

• 다항성 분석에서 물리적으로 의미 있는 산란 성분으로 총 전력(Span)을 분해하기 위한 융통성 있고 지오데식 거리 기반의 프레임워크를 개발하는 것.
• 기존의 모델 기반 및 고유값 기반 분해 방식의 한계를 보완하기 위해 지배 순서와 총 전력(Span)을 유지하면서도 볼록 분할을 가능하게 하는 것.
• 지오데식 거리에서 유도된 새로운 롤링 불변 파rameter(산란 유형 각도 αGD, 헬리시티 τGD, 편극화 지수 PGD)를 도출하여 산란 메커니즘의 특성 분석을 향상시키는 것.
• 사전 학습 데이터 없이도 효과적인 비지도 분류 기법을 설계하기 위해 유도된 파rameter를 활용하는 것.
• 다중 시기, 다중 밴드 다항성 분석 데이터(C-밴드 및 L-밴드)를 대상으로 프레임워크를 검증하여 지형 구역 및 산란 영역 식별 능력을 향상시키는 것.

제안 방법

• 4×4 실수 케너오파 매트릭스의 단위 구면 상에서 지오데식 거리(GD)를 사용하여 관측된 산란 목표물과 기본 산란 타겟 간의 유사도를 측정한다.
• 단위의 볼록 분할을 적용하여 지배 순서를 유지하고 총 전력(Span)을 보존하는 가중치를 계산함으로써 비음성 산란 전력 성분을 확보한다.
• 지오데식 거리 기반으로 세 가지 새로운 롤링 불변 파rameter(산란 유형 각도 αGD, 헬리시티 τGD, 편극화 지수 PGD)를 유도한다.
• 관측된 케너오파 매트릭스와 사전 정의된 산란 모델(예: 표면, 부피, 이상반사) 간의 유사도/이질도를 지오데식 거리로 계산한다.
• 유도된 파arameter(특히 PGD 및 αGD)를 사용하여 클러스터링 기반의 비지도 분류 기법을 구현함으로써 레이블이 없는 데이터에 의존하지 않는다.
• 샌프란시스코의 C-밴드 RADARSAT-2 및 L-밴드 ALOS-2 다항성 영상에 프레임워크를 검증하고, Pauli 및 Y4R RGB 복합 영상 결과와 비교한다.

실험 결과

연구 질문

• RQ1 케너오파 매트릭스 상에서 지오데식 거리 기반의 유사도 측정이 다항성 분석에서 총 전력(Span)을 물리적으로 해석 가능한 산란 성분으로 효과적으로 분해할 수 있는가?
• RQ2 제안된 롤링 불변 파arameter(αGD, τGD, PGD)는 기존의 표준 파arameter에 비해 산란 메커니즘의 분별 능력에서 어떻게 우월한가?
• RQ3 지오데식 거리 기반 프레임워크는 레이블이 없는 학습 데이터 없이도 다항성 영상의 비지도 분류 성능을 어느 정도 향상시킬 수 있는가?
• RQ4 C-밴드와 L-밴드 간의 밴드 차이 및 11년 간의 시기적 차이를 고려할 때, 이 프레임워크는 다항성 데이터의 시간적·밴드적 변화를 어떻게 다루는가?
• RQ5 다양한 센서와 데이터 획득 조건에서도 산란 영역 식별의 일관성을 유지할 수 있는가?

주요 결과

• SPFF는 지오데식 거리에서 유도된 볼록 가중치를 사용하여 Span을 비음성 산란 전력 성분으로 성공적으로 분할하며, 총 전력과 지배 순서를 유지한다.
• 새로운 롤링 불변 파arameter인 αGD, τGD, PGD는 산란 메커니즘의 분별에 효과적으로 기여하며, αGD만으로도 도시 지역과 식생 지역을 효과적으로 분리할 수 있다.
• τGD 파arameter는 산란 대칭성에 민감하여 해안선 또는 선박-해양 영역 간의 분별에 특히 효과적이다.
• PGD 및 αGD를 기반으로 한 비지도 분류 기법은 도시 지역(예: 서던 마켓 지역), 숲(골든 게이트 파크), 해양 표면 등 주요 산란 영역을 정확히 식별한다.
• 프레임워크는 시간적·밴드적 산란 변화를 잘 포착한다: 골든 게이트 브리지 북쪽 지역은 RADARSAT-2 데이터에서는 이상반사 산란에서 ALOS-2 데이터에서는 부피 산란으로 변화하며, H/α 플롯 분석 결과와 일치한다.
• SPFF 출력 지ap(예: 주요 산란 유형 레이블)는 Pauli 및 Y4R RGB 복합 영상와 강한 일치를 보이며, 기존의 표준 시각화 방식에서는 보이지 않는 추가적인 산란 행동의 미세한 특징까지 드러낸다.