Research Progress and Challenges in the PolSAR Decomposition

HAN Wentao; ZHOU Cui; ZHU Jianjun; FU Haiqiang; XIE Qinghua; HU Jun; WANG Changcheng; GAO Han

doi:10.13203/j.whugis20230388

您当前的位置：

首页 >

文章列表页 >

Research Progress and Challenges in the PolSAR Decomposition

Review | 更新时间：2026-11-05

- Research Progress and Challenges in the PolSAR Decomposition
- Geomatics and Information Science of Wuhan University Vol. 50, Issue 8, Pages: 1498-1516(2025)
- 作者机构：
  
  1.中南大学地球科学与信息物理学院,湖南长沙，410083
  2.中南林业科技大学理学院，湖南长沙，410083
  3.中国地质大学（武汉）地理与信息工程学院，湖北武汉，430074
  4.中国石油大学（华东）海洋与空间信息学院，山东青岛，266580
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20230388
  CLC： P237.4
- Received：16 October 2023，
  
  Published：05 August 2025
- 稿件说明：
移动端阅览
韩文涛,周璀,朱建军，等.极化SAR分解研究进展与展望[J].武汉大学学报（信息科学版）,2025,50(8):1498-1516.

HAN Wentao,ZHOU Cui,ZHU Jianjun,et al.Research Progress and Challenges in the PolSAR Decomposition[J].Geomatics and Information Science of Wuhan University,2025,50(8):1498-1516.
韩文涛,周璀,朱建军，等.极化SAR分解研究进展与展望[J].武汉大学学报（信息科学版）,2025,50(8):1498-1516. DOI：10.13203/j.whugis20230388

HAN Wentao,ZHOU Cui,ZHU Jianjun,et al.Research Progress and Challenges in the PolSAR Decomposition[J].Geomatics and Information Science of Wuhan University,2025,50(8):1498-1516. DOI：10.13203/j.whugis20230388

摘要

极化SAR（synthetic aperture radar

SAR）由于其全天时、全天候的特点使其成为对地观测研究中的一种主要技术手段。极化SAR系统通过收发不同极化状态的雷达波可以获得4种组合方式的信号，提高了对不同地物的描述能力。极化SAR分解技术可以挖掘观测值记录的地物几何物理属性并促进极化SAR应用的发展，因此，该技术受到了广泛的关注。基于极化SAR信号与地物的交互过程，系统阐述目前极化SAR分解的主流算法，将其归纳为相干目标分解、非相干目标分解和图像法三大类，并进一步对比了不同方法在C、L、P波段的观测下对不同地物的解译表现。针对已有研究现状，总结了现有极化SAR分解研究面临的两个关键挑战以及有潜力解决这两个问题的思路。该研究旨在通过极化SAR分解的分析与总结，加深对极化SAR信号与地物交互过程的理解，促进极化SAR应用的发展。

Abstract

The polarimetric SAR（synthetic aperture radar） (PolSAR) has become essential method in earth observation research due to the advantages of all-time and all-weather. The full PolSAR system can obtain signals in four channels by transmitting and receiving radar waves with horizontal polarization and vertical polarization

which improves the ability to describe different ground targets. The PolSAR decomposition can extract the geometric and physical properties recorded by observations and promote the development of PolSAR applications. It therefore has received extensive attention. In this study

starting from the principle of interaction between PolSAR signals and targets

systematically expounding the mainstream algorithms

which can be summarized into three categories

including coherent decomposition methods represented by Pauli

Krogager

and Cameron decompositions; and incoherent decomposition represented by Freeman-Durden

Cloude-Pottier decompositions; and image visualization method represented by polarization characteristic map and polarization projection map. The principles of different methods are summarized

and the interpretation performances of different methods for forests

crops

orthogonal buildings

and oriented buildings under the observation of C

and P bands SAR signals are compared. The advantage of the coherent decomposition is that it is simple and easy to understand

without involving complex second-order statistical operations. However

its limitation is that it cannot describe the scattering characteristics of distributed targets

which hinders the development of coherent target decomposition. The advantage of model-based decomposition lies in its clear physical meaning

which plays an important role in different applications. However

its main limitation is the coupling between scattering components and the coupling between structure

orientation

and dielectric constant

making it difficult to comprehensively understand the geometric physical properties of targets. Eigenvalue-based decomposition has a rigorous mathematical background and can avoid model coupling. However

this method can only identify three dominant scatterers within each resolution cell. In addition

due to the variation of eigenvectors

it increases the difficulty in understanding their physical meaning. Image visualization methods visualize the interaction process between PolSAR signals and targets

facilitating a fine exploration of scattering information. However

rich polarization information provided increases the difficulty in extracting geometric physical features of targets

limiting its application scope to object classification and similar applications. Furthermore

two key challenges faced by the interpretation of PolSAR image and potential ways to solve these two problems are introduced. The purpose of this paper is to deepen the understanding of the interaction process between PolSAR signals and ground targets and to promote the development of PolSAR applications.

关键词

Keywords

references

安文韬 . 基于极化SAR的目标极化分解与散射特征提取研究［D］. 北京：清华大学， 2010 .

AN Wentao . The Polarimetric Decomposition and Scattering Characteristics Extraction of Polarimetric SAR ［D］. Beijing ： Tsinghua University ， 2010 .

付海强 . 基于测量平差理论的PolInSAR植被垂直结构提取模型与方法［D］. 长沙：中南大学， 2014 .

FU Haiqiang . Theory and Method of Extracting Vegetation Vertical Structure with PolInSAR Based on Surying Adjustment ［D］. Changsha ： Central South University ， 2014 .

时洪涛 . 时序极化SAR土壤湿度及农作物生物物理常数估计方法研究［D］. 武汉：武汉大学， 2021 .

SHI Hongtao . Soil Moisture and Crop Biophysical Parameters Estimation from Time Series of PolSAR Imageries ［D］. Wuhan ： Wuhan University ， 2021 .

张腊梅 . 极化SAR图像人造目标特征提取与检测方法研究［D］. 哈尔滨：哈尔滨工业大学， 2010 .

ZHANG Lamei . Reasearch on Feature Extraction and Detection of Man-Made Target Using Polarimetric SAR Images ［D］. Harbin ： Harbin Institute of Technology ， 2010 .

项德良 . SAR/PolSAR图像建筑物信息提取技术研究［D］. 长沙：国防科学技术大学， 2016 .

XIANG Deliang . Research on Built-Up Area Information Extraction from SAR/PolSAR Imagery ［D］. Changsha ： National University of Defense Technology ， 2016 .

HUYNEN J R . Phenomenological Theory of Radar Targets ［D］. Netherlands ： Technical University Delft ， 1970

KROGAGER E . New Decomposition of the Radar Target Scattering Matrix ［J］. Electronics Letters ， 1990 ， 26 ： 1525 - 1527 .

LI H Z ， WANG C ， ZHANG H ， et al . A Unified Three-Component Scattering Model for Polarimetric Coherent Target Decomposition ［J］. International Journal of Remote Sensing ， 2012 ， 33 （ 9 ）： 2868 - 2891 .

CAMERON W L ， YOUSSEF N N ， LEUNG L K . Simulated Polarimetric Signatures of Primitive Geometrical Shapes ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 1996 ， 34 （ 3 ）： 793 - 803 .

FREEMAN A ， DURDEN S L . A Three-Component Scattering Model for Polarimetric SAR Data ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 1998 ， 36 （ 3 ）： 963 - 973 .

YAMAGUCHI Y ， MORIYAMA T ， ISHIDO M ， et al . Four-Component Scattering Model for Polarimetric SAR Image Decomposition ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2005 ， 43 （ 8 ）： 1699 - 1706 .

LI D ， ZHANG Y H ， LIANG L T . A Mathematical Extension to the General Four-Component Scattering Power Decomposition with Unitary Transformation of Coherency Matrix ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2020 ， 58 （ 11 ）： 7772 - 7789 .

VAN ZYL J J ， ZEBKER H A ， ELACHI C . Imaging Radar Polarization Signatures： Theory and Observation ［J］. Radio Science ， 1987 ， 22 （ 4 ）： 529 - 543 .

CHEN S W . Polarimetric Coherence Pattern： A Visualization and Characterization Tool for PolSAR Data Investigation ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2018 ， 56 （ 1 ）： 286 - 297 .

HAN W T ， FU H Q ， ZHU J J ， et al . A Polarimetric Projection-Based Scattering Characteristics Extraction Tool and Its Application to PolSAR Image Classification ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2023 ， 202 ： 314 - 333 .

CLOUDE S R ， POTTIER E . An Entropy Based Classification Scheme for Land Applications of Polarimetric SAR ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 1997 ， 35 （ 1 ）： 68 - 78 .

YAMAGUCHI Y ， SATO A ， BOERNER W M ， et al . Four-Component Scattering Power Decomposition with Rotation of Coherency Matrix ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2011 ， 49 （ 6 ）： 2251 - 2258 .

LEE J S ， SCHULER D L ， AINSWORTH T L ， et al . On the Estimation of Radar Polarization Orientation Shifts Induced by Terrain Slopes ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2002 ， 40 （ 1 ）： 30 - 41 .

AN W T ， LIN M S . A Reflection Symmetry Approximation of Multilook Polarimetric SAR Data and Its Application to Freeman–Durden Decomposition ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2019 ， 57 （ 6 ）： 3649 - 3660 .

HAN W T ， FU H Q ， ZHU J J ， et al . Decoupling Between Different Polarization Channels of PolSAR Data ［J］. IEEE Geoscience and Remote Sensing Letters ， 2023 ， 20 ： 4008105 .

LEE J S AND POTTIER E . Polarimetric Radar Imaging： From Basics to Applications ［M］. Boca Raton ： CRC Press ， 2009 .

VAN ZYL J ， KIM Y . Synthetic Aperture Radar Polarimetry ［J /M］. Hoboken ， New Jersey： John Wiley & Sons ， Inc， 2011 .

巫兆聪，欧阳群东，胡忠文，等 . 四分量散射模型在极化SAR相干斑滤波中的应用［J］. 武汉大学学报（信息科学版）， 2011 ， 36 （ 7 ）： 763 - 766 .

WU Zhaocong ， OUYANG Qundong ， HU Zhongwen ， et al . Application of Four-Component Scattering Model in Speckle Filtering of Polarimetric SAR Data ［J］. Geomatics and Information Science of Wuhan University ， 2011 ， 36 （ 7 ）： 763 - 766 .

陈启浩，刘修国，陈奇 . 一种综合多特征的全极化SAR图像分割方法［J］. 武汉大学学报（信息科学版）， 2014 ， 39 （ 12 ）： 1419 - 1424 .

CHEN Qihao ， LIU Xiuguo ， CHEN Qi . An Integrated Multi-feature Segmentation Method of Polarimetric SAR Images ［J］. Geomatics and Information Science of Wuhan University ， 2014 ， 39 （ 12 ）： 1419 - 1424 .

杨杰，常永雷，李平湘，等 . 采用螺旋散射的SAR极化定标参考地物提取方法［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 12 ）： 2023 - 2029 .

YANG Jie ， CHANG Yonglei ， LI Pingxiang ， et al . Distributed Targets Extraction for SAR Polarimetric Calibration Using Helix Scattering ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 12 ）： 2023 - 2029 .

邹同元，杨文，代登信，等 . 一种新的极化SAR图像非监督分类算法研究［J］. 武汉大学学报（信息科学版）， 2009 ， 34 （ 8 ）： 910 - 913 .

ZOU Tongyuan ， YANG Wen ， DAI Dengxin ， et al . An Unsupervised Classification Method of POLSAR Image ［J］. Geomatics and Information Science of Wuhan University ， 2009 ， 34 （ 8 ）： 910 - 913 .

HAJNSEK I ， POTTIER E ， CLOUDE S R . Inversion of Surface Parameters from Polarimetric SAR ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2003 ， 41 （ 4 ）： 727 - 744 .

IODICE A ， NATALE A ， RICCIO D . Retrieval of Soil Surface Parameters via a Polarimetric Two-scale Model ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2011 ， 49 （ 7 ）： 2531 - 2547 .

LEE J S ， AINSWORTH T L ， WANG Y T . Generalized Polarimetric Model-Based Decompositions Using Incoherent Scattering Models ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2014 ， 52 （ 5 ）： 2474 - 2491 .

CLOUDE S . Polarisation： Applications in Remote Sensing ［M］. Oxford ： Oxford University Press ， 2009 .

BALLESTER-BERMAN J D ， VICENTE-GUIJALBA F ， LOPEZ-SANCHEZ J M . Polarimetric SAR Model for Soil Moisture Estimation Over Vineyards at C-band ［J］. Progress in Electromagnetics Research ， 2013 ， 142 ： 639 - 665 .

SHI H T ， YANG J ， LI P X ， et al . Soil Moisture Estimation Using Two-Component Decomposition and a Hybrid X-Bragg/Fresnel Scattering Model ［J］. Journal of Hydrology ， 2019 ， 574 ： 646 - 659 .

CHEN S W ， SATO M . General Polarimetric Model-Based Decomposition for Coherency Matrix ［C］// IEEE International Geoscience and Remote Sensing Symposium ， Munich， Germany ， 2012 .

HAN W T ， FU H Q ， ZHU J J ， et al . Polarimetric SAR Decomposition by Incorporating a Rotated Dihedral Scattering Model ［J］. IEEE Geoscience and Remote Sensing Letters ， 2022 ， 19 ： 4005505 .

SATO A ， YAMAGUCHI Y ， SINGH G ， et al . Four-Component Scattering Power Decomposition with Extended Volume Scattering Model ［J］. IEEE Geoscience and Remote Sensing Letters ， 2012 ， 9 （ 2 ）： 166 - 170 .

HONG S H ， WDOWINSKI S . Double-Bounce Component in Cross-Polarimetric SAR from a New Scattering Target Decomposition ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2014 ， 52 （ 6 ）： 3039 - 3051 .

XIANG D L ， BAN Y F ， SU Y . Model-Based Decomposition with Cross Scattering for Polarimetric SAR Urban Areas ［J］. IEEE Geoscience and Remote Sensing Letters ， 2015 ， 12 （ 12 ）： 2496 - 2500 .

XIANG D L ， TANG T ， BAN Y F ， et al . Unsupervised Polarimetric SAR Urban Area Classification Based on Model-Based Decomposition with Cross Scattering ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2016 ， 116 ： 86 - 100 .

NEUMANN M ， FERRO-FAMIL L ， REIGBER A . Estimation of Forest Structure， Ground， and Canopy Layer Characteristics from Multibaseline Polarimetric Interferometric SAR Data ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2010 ， 48 （ 3 ）： 1086 - 1104 .

ARII M ， VAN ZYL J J ， KIM Y . A General Characterization for Polarimetric Scattering from Vegetation Canopies ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2010 ， 48 （ 9 ）： 3349 - 3357 .

ARII M ， VAN ZYL J J ， KIM Y . Adaptive Model-Based Decomposition of Polarimetric SAR Covariance Matrices ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2011 ， 49 （ 3 ）： 1104 - 1113 .

XIE Q H ， ZHU J J ， LOPEZ-SANCHEZ J M ， et al . A Modified General Polarimetric Model-Based Decomposition Method with the Simplified Neumann Volume Scattering Model ［J］. IEEE Geoscience and Remote Sensing Letters ， 2018 ， 15 （ 8 ）： 1229 - 1233 .

HAN W T ， FU H Q ， ZHU J J ， et al . Orthogonal Scattering Model-Based Three-Component Decomposition of Polarimetric SAR Data ［J］. Remote Sensing ， 2022 ， 14 （ 17 ）： 4326 .

HAN W T ， FU H Q ， ZHU J J ， et al . A Compound Volume Scattering Model with Emphasis on the Morphological Diversity of Vegetation Canopy Scatterers ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2021 ， 14 ： 12104 - 12113 .

ANTROPOV O ， RAUSTE Y ， HAMe T . Volume Scattering Modeling in PolSAR Decompositions： Study of ALOS PALSAR Data over Boreal Forest ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2011 ， 49 （ 10 ）： 3838 - 3848 .

SHI H T ， ZHAO L L ， YANG J ， et al . Soil Moisture Retrieval over Agricultural Fields from L-band Multi-incidence and Multitemporal PolSAR Observations Using Polarimetric Decomposition Techniques ［J］. Remote Sensing of Environment ， 2021 ， 261 ： 112485 .

ZHANG L M ， ZOU B ， CAI H J ， et al . Multiple-Component Scattering Model for Polarimetric SAR Image Decomposition ［J］. IEEE Geoscience and Remote Sensing Letters ， 2008 ， 5 （ 4 ）： 603 - 607 .

SINGH G ， YAMAGUCHI Y . Model-Based Six-Component Scattering Matrix Power Decomposition ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2018 ， 56 （ 10 ）： 5687 - 5704 .

SINGH G ， MALIK R ， MOHANTY S ， et al . Seven-Component Scattering Power Decomposition of POLSAR Coherency Matrix ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2019 ， 57 （ 11 ）： 8371 - 8382 .

KITAYAMA K ， YAMAGUCHI Y ， YANG J . Compound Scattering Matrix of Targets Aligned in the Range Direction ［J］. IEICE Transactions on Communications ， 2001 ， E84-B（ 1 ）： 81 - 88 .

SHI L ， LI P X ， YANG J ， et al . A Statistical Polarimetric Decomposition Solution Based on the Maximum-Likelihood Estimator ［J］. IEEE Geoscience and Remote Sensing Letters ， 2012 ， 9 （ 5 ）： 861 - 865 .

CLOUDE S R ， FORTUNY J ， LOPEZ-SANCHEZ J M ， et al . Wide-band Polarimetric Radar Inversion Studies for Vegetation Layers ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 1999 ， 37 （ 5 ）： 2430 - 2441 .

TOUZI R . Target Scattering Decomposition in Terms of Roll-invariant Target Parameters ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2007 ， 45 （ 1 ）： 73 - 84 .

XIE Q H ， WANG J F ， LIAO C H ， et al . On the Use of Neumann Decomposition for Crop Classification Using Multi-temporal RADARSAT-2 Polarimetric SAR Data ［J］. Remote Sensing ， 2019 ， 11 （ 7 ）： 776 .

GAO H ， WANG C C ， WANG G Y ， et al . A Novel Crop Classification Method Based on PPFSVM Classifier with Time-Series Alignment Kernel from Dual-Polarization SAR Datasets ［J］. Remote Sensing of Environment ， 2021 ， 264 ： 112628 .

EVANS D L ， FARR T G ， VAN ZYL J J ， et al . Radar Polarimetry： Analysis Tools and Applications ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 1988 ， 26 （ 6 ）： 774 - 789 .

SHI L ， YANG J ， LI P X . Co-polarization Channel Imbalance Determination by the Use of Bare Soil ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2014 ， 95 ： 53 - 67 .

JAFARI M ， MAGHSOUDI Y ， VALADAN ZOEJ M J . A New Method for Land Cover Characterization and Classification of Polarimetric SAR Data Using Polarimetric Signatures ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2015 ， 8 （ 7 ）： 3595 - 3607 .

HUANG X D ， WANG J F ， SHANG J L ， et al . Application of Polarization Signature to Land Cover Scattering Mechanism Analysis and Classification Using Multi-temporal C-band Polarimetric RADARSAT-2 Imagery ［J］. Remote Sensing of Environment ， 2017 ， 193 ： 11 - 28 .

YANG R ， XU X ， XU Z Z ， et al . Dynamic Fractal Texture Analysis for PolSAR Land Cover Classification ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2019 ， 57 （ 8 ）： 5991 - 6002 .

CHEN S W ， WANG X S ， SATO M . Urban Damage Level Mapping Based on Scattering Mechanism Investigation Using Fully Polarimetric SAR Data for the 3.11 East Japan Earthquake ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 12 ）： 6919 - 6929 .

HAN W T ， FU H Q ， ZHU J J ， et al . A Type of Polarimetric Parameter for Evaluating the Reliability of Model-Based Decomposition Result and Its Application ［J］. International Journal of Digital Earth ， 2023 ， 16 （ 1 ）： 2111 - 2128 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research Progress on Uncertainty in Radiometric Benchmark Transfer for Ocean Targets

Autonomous Robotic Mapping for Complex Spaces： Progress， Challenges and Future Perspectives

Intelligent Change Detection Method and Application Based on Wuhan-1 Satellite Imagery

A Framework for Evaluating Geospatial Cognitive Abilities of Multimodal Large Language Models for Brain-Inspired Spatial Intelligence

Development and Prospects of Spaceborne Greenhouse Gas LiDAR Technology

Related Author

No data

Related Institution

No data

AI问答

⁰