化反熵和散射熵所組成 的極化參數(shù)組合值，該極化參數(shù)組合值中同時包含了反射熵和極化反熵這兩個數(shù)值，同時， 由于反射熵和極化反熵的組合形式并不唯一，因此極化參數(shù)組合值可能是有多個。具體的， 極化參數(shù)組合值可以是如下的一種或多種，HA、H(1-A)、（l-H)A，和（1-H) (1-A)，其中，Η為 散射熵，Α為極化反熵。第一種是ΗΑ，第二種是H(l-A)，第三種是（l-H)A，第四種是（1-Η) (1-A)〇
[0080] 在進行溢油檢測的時候，可以使用不同的極化參數(shù)組合值共同進行，也可以是只 使用某一種極化參數(shù)組合值進行。如，可以組合HA和（1-H)(1-A)進行溢油檢測，也可以 組合H(l-A)和（l-H)A進行溢油檢測。這些檢測方式中，較為合理的是使用組合（l-H)A、 (1-H) (1-A)進行溢油檢測。
[0081] 當(dāng)然，由于不同的極化參數(shù)組合值對溢油的表現(xiàn)不一（也可以說不同的極化參數(shù) 組合值對不同溢油區(qū)域、狀況的表現(xiàn)敏感程度不同），在具體進行溢油檢測的時候，可以先 使用這些極化參數(shù)組合值進行比較和分析，也就是先進行第二溢油檢測，根據(jù)檢測的結(jié)果 來確定應(yīng)當(dāng)使用何種極化參數(shù)組合值進行第一溢油檢測。即，步驟S104,所述使用所述極化 參數(shù)組合值進行第一溢油檢測包括：
[0082] 選擇檢測程度超過閾值的極化參數(shù)組合值進行第一溢油檢測，其中，所述檢測程 度是分別使用HA、H(l-A)、（l-H)A，和（1-H) (1-A)對候選采樣樣本進行第二溢油檢測后得 到的，其中Η為散射熵，A為極化反熵。
[0083] 需要說明的是，第二溢油檢測可以理解為針對非目標(biāo)采樣樣本的采樣樣本進行的 檢測，此種情況下，主要是考慮到某種（如某海域，某海水類別等）溢油區(qū)域（溢油樣本）有 其特有的屬性，使用四種極化參數(shù)組合值對不同種溢油區(qū)域進行檢測的時候，不同極化參 數(shù)組合值的檢測明顯程度（主要指區(qū)分噪聲的程度）不同。如針對第一種溢油區(qū)域，HA和 H(l-A)檢測結(jié)果較為明顯，對于第二種區(qū)域，（l-H)A，和（1-H) (1-A)的檢測結(jié)果較為明顯。 因此，可以先使用這四種極化參數(shù)組合值分別針對某一種溢油區(qū)域（候選采樣樣本）進行 檢測，并且通過分析檢測結(jié)果，來確定哪種極化參數(shù)組合值對該種溢油區(qū)域進行檢測更有 有利，在確定了之后（確定了檢測程度超過閾值的極化參數(shù)組合值后），便可以使用檢測程 度超過閾值的極化參數(shù)組合值來執(zhí)行第一溢油檢測，其中目標(biāo)采樣樣本是屬于候選采樣樣 本中的一個。
[0084] 當(dāng)然，第一溢油檢測和第二溢油檢測可以是同一個檢測（此時，候選采樣樣本和 目標(biāo)采樣樣本是同一個樣本），也就是分別使用各個極化參數(shù)組合值對目標(biāo)樣本進行檢測， 并且選擇檢測程度（檢測的明顯程度，主要指是否能夠有效區(qū)分噪聲）足夠好的極化參數(shù) 組合值作為最終的檢測結(jié)果。具體的，步驟S104還可以理解為：分別使用HA、H(1-A)、（1-H) A，和（1-H) (1-A)進行第一溢油檢測，并且使用這四個檢測結(jié)果（HA的檢測結(jié)果、H(l-A)檢 測結(jié)果、（l-H)A檢測結(jié)果，和（1-H) (1-A)檢測結(jié)果）中，檢測程度（檢測的明顯程度，主要 指是否能夠有效區(qū)分噪聲）足夠好的檢測結(jié)果所對應(yīng)的極化參數(shù)組合值進行溢油檢測，并 且將這個檢測程度足夠好的檢測結(jié)果作為溢油檢測的最終結(jié)果。
[0085] 具體的，散射熵如果低于某個具體的閾值，則會導(dǎo)致檢測出的結(jié)果出現(xiàn)明顯的 造成，因此，在進行檢測之前，應(yīng)當(dāng)先判斷散射熵是否超過預(yù)定的閾值，該閾值通常在 0. 6-0. 75之間，優(yōu)選的，該閾值為0. 7。如果散射熵高于0. 7,則可以執(zhí)行步驟S104,S卩，只 有散射熵大于〇. 7的時候，使用極化反熵進行檢測才有意義。相應(yīng)的，如果散射熵小于或等 于0. 7,則應(yīng)當(dāng)只使用散射熵來進行溢油檢測。
[0086] 下面，對本申請所提供的基于極化分解技術(shù)的溢油檢測方法進行整體性說明：可 以分為如下幾個步驟：
[0087] 11，極化相干矩陣的計算，
[0088] 通過對全極化的SAR數(shù)據(jù)計算，得到極化相干矩陣[T]3X3。
[0089] 12.極化參數(shù)分解計算，
[0090] 基于Cloude1986年提出了相干矩陣的特征矢量分析方法，是能夠包含所有散射 機制的分解定理。據(jù)該分解方法，可由極化相干矩陣的特征值及特征向量產(chǎn)生三個具有明 顯物理含義的特征參量：散射角α、散射熵Η及極化反熵A。
[0091] 其中，關(guān)于散射角α的計算，
[0092] 散射角α的值與散射過程的物理機制相互聯(lián)系，對應(yīng)著從奇次散射（表面散射） (α=0° )到偶極子散射（體散射）（α=45° )到偶次散射（二面角散射）（α=90° ) 的變化。
[0093] 其中，關(guān)于散射熵Η的計算，
[0094] 散射熵（Entropy)(0彡Η彡1)表示了散射介質(zhì)由各向同性散射（Η= 0)到完全 隨機散射（Η= 1)的隨機性。
[0095] 若Η值很低（Η< 0. 3)，則系統(tǒng)弱去極化，優(yōu)勢散射機制為最大特征值對應(yīng)的特征 向量；若Η值很高，則說明目標(biāo)去極化效應(yīng)較強；若Η值為1，則極化信息為0,目標(biāo)散射實際 上是一個隨機噪聲過程。計算公式為：
[0096]
口1=人1八入1+人2+人3)，其中：人1、人2、人3為相干矩陣的特征向量；
[0097] 其中，關(guān)于極化反熵Α的計算，
[0098] 極化散射熵提供了同一分辨單元內(nèi)總體散射機制的信息，然而，在低熵或中等熵 λ2,λ3)情況下，散射熵不能提供有關(guān)兩個較小特征值λ2,λ3之間的關(guān)系，此時需 進一步考慮極化反熵Α。極化反熵的計算式如下：
[0099]
其中，12和λ3為C3矩陣的特征向量；
[0100] 反熵Α反映了Cloude分解中優(yōu)勢散射機制以外的兩個相對較弱的散射分量之間 的大小關(guān)系，是極化熵的補充參量。僅當(dāng)Η> 0. 7時，A(極化反熵）才可作為進一步識別 的來源，否則A包含過高的隨機噪聲。Η(散射熵）值變大，則極化可分類別數(shù)下降。Η值越 大，則Α作為散射分類意義明顯。
[0101] 運用散射熵、反熵的乘積組合形成極化特征譜，具有4個部分，分為一種散射參數(shù) 為（Ι-Η)α-Α);-種散射機制為主導(dǎo)，另兩種散射相對較小的參數(shù)為H(l-A);兩種散射相 對為HA;單次、偶次、隨機散射相對一致為A(l-H)。
[0102] 13.極化分解參數(shù)組合分析與溢油信息提取，
[0103] 計算極化分解參數(shù)Η與A，同時計算他們的結(jié)合值，當(dāng)熵Η的取值大于0. 7,計算極 化參數(shù)Η與Α，并對Η與Α的組合進行計算，得到HA、（1-H)A、H(l-A)、（1-Η) (1-Α)，分析這 四個參數(shù)對溢油的表現(xiàn)，獲得最利于溢油信息提取的極化參數(shù)（最能夠有效區(qū)分、鑒別出 噪聲的極化參數(shù)），利用支持向量機（SVM)，進行溢油信息的提取。
[0104] 下面，以一個具體的實例來說明本申請所提供的基于極化分解技術(shù)的溢油檢測方 法。
[0105] 1，計算極化分解參數(shù)Η與A，同時計算他們的結(jié)合值，得到圖2-7 (圖2為Η的結(jié) 果，圖3為A的結(jié)果，圖4為HA的結(jié)果，圖5為（1-H)A的結(jié)果，圖6為H(l-A)的結(jié)果，圖7 為