技術(shù)特征：

1.一種基于超復(fù)數(shù)的極化SAR圖像多通道聯(lián)合匹配方法，其特征在于：包括以下步驟：

(1)極化SAR圖像Pauli分解，具體是將待匹配的兩幅極化SAR圖像進(jìn)行Pauli分解，分別得到含有三個(gè)元素的Pauli矢量；

(2)Pauli矢量超復(fù)數(shù)化，具體是用Pauli矢量的三個(gè)元素對(duì)超復(fù)數(shù)的三個(gè)虛數(shù)通道賦值，實(shí)數(shù)通道置0，得到Pauli矢量的超復(fù)數(shù)形式；其中，超復(fù)數(shù)包含一個(gè)實(shí)數(shù)通道和三個(gè)虛數(shù)通道；

(3)超復(fù)數(shù)偶對(duì)分解，具體是將Pauli矢量形式的超復(fù)數(shù)分解成為包含單部和復(fù)部的廣義復(fù)數(shù)形式；

(4)快速傅里葉變換，具體是對(duì)偶對(duì)分解完成的兩幅圖像進(jìn)行左右傅里葉變換及逆變換；

(5)計(jì)算兩幅圖像的超復(fù)數(shù)相位相關(guān)，具體是利用兩幅圖像的左右傅里葉變換及其逆變換，通過(guò)計(jì)算得到兩幅極化SAR圖像的相位相關(guān)；

(6)計(jì)算極化SAR圖像的最佳匹配位置，具體是在相位相關(guān)平面中尋找最大值，根據(jù)該最大值對(duì)應(yīng)的橫、縱坐標(biāo)，計(jì)算獲得兩幅極化SAR圖像的最佳匹配位置。

2.根據(jù)權(quán)利要求1所述的基于超復(fù)數(shù)的極化SAR圖像多通道聯(lián)合匹配方法，其特征在于：步驟(1)中極化SAR圖像的Sinclair矩陣表示為：

$S=\left[\begin{array}{cc}{S}_{HH}& S_{HV}\\ S_{VH}& S_{VV}\end{array}\right]$

其中，H、V分別表示水平、垂直極化方式，S_ij中i表示發(fā)射天線的極化方式，j表示接受天線的極化方式，S_ij表示在該發(fā)射接受極化狀態(tài)下獲得的目標(biāo)復(fù)散射系數(shù)；

Pauli分解后的矢量k為：

$k=\frac{1}{\sqrt{2}}\left[\begin{array}{c}{S}_{HH}+S_{VV}\\ S_{HH}-S_{VV}\\ 2S_{HV}\end{array}\right].$

3.根據(jù)權(quán)利要求2所述的基于超復(fù)數(shù)的極化SAR圖像多通道聯(lián)合匹配方法，其特征在于：步驟(2)中超復(fù)數(shù)定義為：

q＝a+bi+cj+dk

其中，a、b、c、d為任意實(shí)數(shù)，i、j、k為復(fù)數(shù)算子；當(dāng)a＝0時(shí)，q為純超復(fù)數(shù)；

Pauli矢量的超復(fù)數(shù)形式為：

$q=\frac{1}{2}{\left|S_{III}+S_{VV}\right|}^{2}i+2{\left|S_{IIV}\right|}^{2}j+\frac{1}{2}{\left|S_{IIII}-S_{VV}\right|}^{2}k.$

4.根據(jù)權(quán)利要求3所述的基于超復(fù)數(shù)的極化SAR圖像多通道聯(lián)合匹配方法，其特征在于：步驟(3)中將超復(fù)數(shù)偶對(duì)分解為：

q＝A′+B′μ₂

其中，μ₂為任意單位純超復(fù)數(shù)，A′＝a′+b′μ₁為單部，B′＝c′+d′μ₁為復(fù)部，μ₁為垂直于μ₂的任意單位純超復(fù)數(shù)，a′、b′、c′、d′為實(shí)數(shù)系數(shù)；因此：

q＝(a′+b′μ₁)+(c′+d′μ₁)μ₂

展開(kāi)可得：

q＝a′+b′μ₁+c′μ₂+d′μ₃

其中，μ₃＝μ₁μ₂。

5.根據(jù)權(quán)利要求4所述的基于超復(fù)數(shù)的極化SAR圖像多通道聯(lián)合匹配方法，其特征在于：步驟(4)中設(shè)f(m,n)、g(m,n)為兩幅極化SAR圖像Pauli矢量的超復(fù)數(shù)矩陣，超復(fù)數(shù)的傅里葉變換分為左傅里葉變換與右傅里葉變換，以f(m,n)為例：

其中，M、N為矩陣的行數(shù)和列數(shù)，μ為傅里葉變換軸，L為左(逆)傅里葉變換標(biāo)識(shí)，R為右(逆)傅里葉變換標(biāo)識(shí)，+為傅里葉變換標(biāo)識(shí)，－為逆傅里葉變換標(biāo)識(shí)，v、u是分別是傅里葉變換后頻域矩陣的行、列；

以超復(fù)數(shù)左傅里葉變換為例，具體包含以下步驟：

步驟4.1：將f(m,n)偶對(duì)分解：

f(m,n)＝f₁(m,n)+f₂(m,n)μ₂

其中，f_i為偶對(duì)分解的分量，i＝1～2，f_i∈(1,μ₁)平面；μ₁為傅里葉變換軸，與步驟3中的復(fù)數(shù)算子相同；

步驟4.2：展開(kāi)偶對(duì)分量：

f_i(m,n)＝f_i,1(m,n)+f_i,2(m,n)μ₁

其中，f_i,1(m,n)和f_i,2(m,n)為實(shí)數(shù)；

步驟4.3：構(gòu)造等價(jià)復(fù)矩陣：

f_i′(m,n)＝f_i,1(m,n)+f_i,2(m,n)j

其中，j為傳統(tǒng)復(fù)數(shù)算子；

步驟4.4：對(duì)f_i′(m,n)進(jìn)行FFT：

F_i′(v,u)＝F′_i,1(v,u)+F′_i,2(v,u)j

步驟4.5：用μ₁代替j，形成傅里葉變換的單部與復(fù)部：

F_i′(v,u)＝F′_i,1(v,u)+F′_i,2(v,u)μ₁

步驟4.6：組合單部與復(fù)部，完成傅里葉變換。

6.根據(jù)權(quán)利要求5所述的基于超復(fù)數(shù)的極化SAR圖像多通道聯(lián)合匹配方法，其特征在于：步驟(5)中兩幅圖像的相位相關(guān)ph(m,n)：

$ph(m,n)=F^{-R}\left(\frac{R_R(v,u)}{\left|R_R(v,u)\right|}\right)$

其中，R_R(v,u)為兩幅極化SAR圖像的互功率譜；

$R_R(v,u)={\stackrel{\‾}{F_L(v,u)G}}_{R\left|\right|}(v,u)+{\stackrel{\‾}{F_{-L}(v,u)G}}_{R\⊥}(v,u)$

其中，——為共軛運(yùn)算；G_R(v,u)、G_R⊥(v,u)分別為G_R(v,u)平行、垂直于傅里葉變換軸的分量；F_L(v,u)、F_-L(v,u)和G_R(v,u)分別為f(m,n)的左傅里葉變換、f(m,n)的逆左傅里葉變換和g(m,n)的右傅里葉變換。

7.根據(jù)權(quán)利要求6所述的基于超復(fù)數(shù)的極化SAR圖像多通道聯(lián)合匹配方法，其特征在于：步驟(6)中假設(shè)相位相關(guān)ph(m,n)幅值最大的位置坐標(biāo)為(m₀,n₀)，待匹配的兩幅極化SAR圖像f(m,n)、g(m,n)的匹配關(guān)系為：

f(m,n)＝g(m-m₀,n-n₀)。