從極化SAR圖像數(shù)據(jù)中，我們可以提取目標的極化散射特性，從而實現(xiàn)全極化數(shù)據(jù)的分類和聚類等其他應用。這需要我們對極化數(shù)據(jù)進行分析，有效地分離出目標的散射特性，其理論核心是目標分解。本文針對幾種現(xiàn)有的目標分解方法進行了深入的分析和研究，并從分解思想、分解結(jié)果、算法實現(xiàn)難點、計算量以及應用范圍等多方面進行比較，以期對這些分解方法進行更深刻的理解，為目標分解方法的實際應用提供一定的理論參考。
關(guān)鍵詞：SAR； 信息處理；目標極化分解； 散射矩陣
多極化合成孔徑雷達（SAR）通過測量地面每個分辨單元內(nèi)的散射回波，進而獲得其極
化散射矩陣以及Stokes矩陣[1]。極化散射矩陣將目標散射的能量特性、相位特性和極化特性統(tǒng)一起來，相對完整的描述了雷達目標的電磁散射特性[2]，為更加深入地研究地物目標提供了重要的依據(jù)，極大地增強了成像雷達對目標信息的獲取能力。
從極化SAR圖像數(shù)據(jù)中，我們可以提取目標的極化散射特性，從而實現(xiàn)全極化數(shù)據(jù)的分
類和聚類等其他應用。這需要我們對極化數(shù)據(jù)進行分析，有效地分離出目標的散射特性，其理論核心是目標極化分解。現(xiàn)有的目標分解主要有兩類方法：基于復反射電壓矩陣的相干分解和基于反射功率矩陣的特征分解。基于復反射電壓矩陣的分解方法有多種，常用的有Pauli分解，Polar分解等。基于反射功率矩陣的分解有Cloud分解等。本文從目標分解的基本理論出發(fā)，對這些分解方法進行了深入的分析，并從方法的理論核心、算法實現(xiàn)和性能特點等多方面進行總結(jié)和比較，以便對這些分解方法進行更深刻的把握，為目標分解方法的實際應用提供一定的理論參考。