极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, 简称极化SAR）是一种高级的遥感技术，它利用电磁波的极化特性获取地表信息，从而提供比传统单极化SAR更为丰富的地物特征。在本压缩包“SAR_POLSAR”中，包含的是关于极化SAR处理的MATLAB源程序，这些程序对于理解极化SAR数据处理流程、分析地表特性具有重要意义。 我们需要理解极化SAR的基本概念。极化SAR系统发射和接收不同极化状态的电磁波，如垂直极化（VV）、水平极化（HH）、交叉极化（HV或 VH）。通过分析这些不同极化的回波信号，我们可以获取地物的复杂散射特性，例如地表粗糙度、纹理、目标形状等。这在环境监测、地质勘查、城市规划等领域有着广泛的应用。 MATLAB作为强大的科学计算工具，是进行SAR数据处理的理想选择。在“SAR_POLSAR”压缩包中的源代码，可能涵盖了以下关键步骤： 1. **数据预处理**：包括去除噪声、校准、辐射改正等，以提高数据质量。预处理对于准确提取地物信息至关重要。 2. **极化分解**：如Cloude-Pottier分解、Pauli分解、Hanssen-Radar分解等，用于将多极化数据转换为更易于分析的形式，揭示地表的不同散射机制。 3. **极化特征参数**：计算相关性矩阵、熵、α角、χ^2等参数，这些参数有助于区分不同的地物类型和散射特性。 4. **图像分类**：基于极化特征参数进行地物分类，例如支持向量机（SVM）、随机森林等机器学习算法可以被应用于此过程。 5. **极化成像**：如合成孔径雷达干涉（InSAR）和极化干涉（PolInSAR），用于获取地表高程信息和地表形变监测。 6. **目标检测与识别**：利用极化信息对特定目标进行检测，如森林、水体、建筑物等。 7. **极化图谱分析**：如双线性散射系数（BSC）、四分量图谱等，帮助理解地物的复杂散射行为。 8. **后处理**：包括图像增强、可视化等，使结果更直观易读。 学习并理解这些MATLAB程序，不仅可以深入掌握极化SAR的数据处理技术，还能为实际应用中的数据分析提供有力支持。同时，通过修改和扩展这些源代码，科研人员和工程师可以针对特定需求进行定制化的极化SAR数据处理。 极化SAR的MATLAB源程序集合“SAR_POLSAR”是一个宝贵的教育资源，对于研究者和实践者来说，它们是深入了解极化SAR理论、提高数据处理技能的关键工具。通过深入学习和实践，我们可以更好地利用极化SAR技术服务于地球观测和科学研究。

用于极化sar的特征分解，其中包括常见cloude、freeman等分解

将读取的San Francisco地区数据转成Muller矩阵的程序

Whitt算法——参考《通用偏振雷达标定技术》 PARC算法——参考《有源雷达校准器偏振SAR标定实验》 Quegan算法——参考《偏振数据相位和串扰标定的统一算法——理论与观测》 Ainsworth算法——参考“保留后验偏振SAR定标的方向角

极化SAR目标分解方法以及RCS后向散射特征提取知识应用

针对极化SAR（PolSAR）遥感图像分割，提出了一种空间受限的核模糊C均值（SCKFCM）算法。 与经典的模糊C均值（FCM）算法相比，核方法可以执行从原始空间到核空间的非线性映射。 因此，SCKFCM不受遥感图像数据分布的影响。 此外，为了克服斑点噪声的影响，在目标函数中增加了空间约束项，可以有效地提高图像分割的准确性。 PolSAR图像分割的实验结果证明了所提出的SCKFCM方法的有效性。

安全技术-网络信息-面向极化SAR地物分类的稀疏深度网络.pdf

Wishart 向导是在 IDL 中实现的图形用户界面 (GUI)，作为遥感图像分析环境 ENVI 的扩展。 它提供了一个简化且用户友好的平台，用于使用双时相极化 SAR 图像执行多变量变化检测。 所实施的变化检测程序利用了以平均协方差矩阵格式的极化 SAR 图像观测值的复杂 Wishart 分布，以定义每像素变化/无变化假设检验。 它包括检验统计量概率分布的近似值，因此允许引用变化像素的定量显着性水平。 此外，改进的多元方法用于估计外观平均图像的等效外观数 (ENL)，这是假设检验的关键参数。 如果 SARscape 在 ENVI 环境中获得许可，则向导会在 IDL 脚本级别访问 SARscape API 以仅公开变更检测分析所需的功能，从而指导用户并简化处理链。 如果 SARscape 不存在，则可以使用用于所需预处理的开源替代方案，并在本文档中进行了描述。

本代码可用于实现双边滤波处理极化SAR图像，具有很好的去噪效果

极化SAR定标处理的matlab程序，采用最新的Ainsworth算法