پارامترهای آلفا و انتروپی دو پارامتر اساسی و پرکاربرد برای تفسیر اطلاعات پلاریمتری حالت کامل می باشند که به ترتیب نشان دهنده نوع مکانیسم بازپراکنش و درجه تصادفی بودن پلاریزاسیون موج دریافتی هستند. در سال های اخیر پلاریمتری فشرده به دلیل مزیت هایی که بر پلاریمتری کامل دارد بسیار مورد توجه قرار گرفته است و بدلیل اینکه اطلاعات داده حالت فشرده کمتر از اطلاعات حالت کامل می باشد، سعی بر این است که تا حد ممکن بتوان اطلاعات حالت کامل را از روی آن بازسازی نمود. در این مقاله با بهره گیری از روابط همبستگی آلفا و انتروپی در دو حالت پلاریمتری فشرده و کامل، روشی نوین جهت بازسازی این پارامترها ارائه شده است که نسبت به روش پیشین سرعت بازسازی را بالا برده و حجم محاسباتی را کاهش داده است و همچنین ضریب تطبیق برای انتروپی و آلفا به ترتیب %7.74 و %0.6 افزایش و خطای تخمین به ترتیب %4 و %0.5 کاهش یافته است.

علیرغم این که داده حالت پلاریمتری کامل اطلاعات بسیار خوبی از اهداف زمینی فراهم می آورد، مشکلاتی از قبیل کافی نبودن عرض پوشش دهی برای اهداف نظارتی و بالا بودن توان ارسالی، حجم داده، هزینه و پیچیدگی سیستم، پژوهشگران این حوزه را به سمت استفاده از حالت پلاریمتری فشرده سوق داد. در این حالت با سعی بر اینکه اطلاعات دریافتی تا حد ممکن به اطلاعات حالت پلاریمتری کامل نزدیک باشد، مشکلات حالت پلاریمتری کامل مرتفع می گردد. با توجه به کاستی هایی که در مقالات پیشین برای تبیین روش بازسازی داده حالت کامل از روی داده حالت فشرده دو دایروی وجود دارد، در این مقاله این روش به طور مبسوط تشریح می شود و فرضیات مطرح شده در این روش مورد بررسی قرار می گیرد و نقاط ضعف هریک با استفاده از نتایج تجربی روشن خواهد شد. برای بازسازی داده حالت کامل از داده حالت فشرده دو دایروی دو فرضیه تقریبی در نظر گرفته می شود که این دو موجب کم شدن دقت بازسازی می گردند. با توجه به این که در سال های اخیر مقالاتی جهت بهبود بازسازی در نواحی اقیانوسی ارائه شده است، در این پژوهش تمرکز اصلی بر روی نواحی شهری و مناطق با پوشش گیاهی قرار داده شده است و فرضیه ای ارائه می شود که نسبت به فرضیات پیشین دقیقتر بوده و در نتیجه دقت بازسازی را بالا می برد. با استفاده از داده های مربوط به سنجنده RADARSAT- 2 دقت فرضیات و روش های بازسازی آزمایش شده و برتری روش پیشنهادی نسبت به روش های پیشین نشان داده می شود.

اخیرا رشد قابل توجهی در سیستم های (DP) DUAL-polarimetry به وجود آمده است که (CP) Compact Polarimetry نامیده می شود.CP یک سیستم تصویربرداری DP است که چندین مزیت مهم را نسبت به دیگر سیستم های چندپلاریزاسیون SAR دارد. از جمله آن ها می توان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ داده های سیستم SAR اشاره کرد. یکی از زمینه های تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگل ها است، چرا که نقش مهمی را در کنترل آب و هوا بازی می کنند. در این تحقیق پتانسیل داده های CP در طبقه بندی مناطق جنگلی با استفاده از طبقه بندی کننده ویشارت مختلط و به دو صورت بررسی و ارزیابی شده است. یکبار با استفاده از ماتریس های کواریانس 2´2 دو مد (CTLR) Circular Transmit-Linear Receive، و بار دیگر با به کارگیری ماتریس های کواریانس 3´3 بازسازی شده از این دو مد CP. سپس نتایج حاصل با نتیجه به دست آمده از مد (FP) Full Polarimetry مقایسه و ارزیابی شدند. نتایج نشان دادند که در طبقه بندی پوشش های جنگلی، مد pi/4 دقت کلی طبقه بندی بهتری را نسبت به مد CTLR فراهم می کند.

اخیرا مد جدیدی در سیستم های تصویربرداری پلاریمتری دوتایی (DP) رادار با روزنه مجازی (SAR) ارائه شده است که پلاریمتری فشرده (CP) نامیده می شود. این مد چندین مزیت مهم را نسبت به مد تمام پلاریمتری (FP) دارا می باشد که ازجمله آن ها می توان به افزایش در پهنای نوار و نیز کاهش در پیچیدگی، هزینه و نرخ دادهای یک سیستم تصویربرداری SAR اشاره کرد. علی رغم این مزایا، این مد اطلاعات کمتری از اهداف را نسبت به مد FP اخذ می کند. بنابراین دقت نتایج طبقه بندی با استفاده از این مد، به مراتب کمتر از دقت نتایج حاصل از به کارگیری مد FP خواهد بود. این تحقیق، روشی را جهت بهبود نتایج حاصل از طبقه بندی با استفاده از داده های CP پیشنهاد می دهد. برای این منظور، دو روش درنظر گرفته شده است. در روش اول، مدهای CP شبیه سازی شده از مد FP ماهواره رادارست-2، و در روش دوم، مدهای FP بازسازی شده از این مدهای CP (که شبه پلاریمتری چهارتایی (PQ) نامیده می شوند) در سطح ویژگی با یکدیگر ترکیب می شوند. نتایج این پژوهش نشان می دهد که ترکیب مدهای CP در سطح ویژگی دقت کلی طبقه بندی را به %79.76، و ترکیب مدهای PQ دقت کلی طبقه بندی را به %85.01 بهبود داده و گاهی بهتر از دقت کلی طبقه بندی حاصل از به کارگیری مد FP خواهد کرد.

یکی از مهمترین اهداف پژوهشگران در حوزه پلاریمتری فشرده، پیشنهاد روش هایی جهت نزدیک تر کردن اطلاعات و نتایج حاصل از داده های پلاریمتری حالت فشرده به نتایج حاصل از داده های پلاریمتری حالت کامل می باشد. یکی از روش های پرکاربرد جهت استخراج مکانیسم های پراکندگی داده های پلاریمتری، روش طبقه بندی بر اساس فضای انتروپی-آلفا می باشد. فضای طبقه بندی انتروپی-آلفای داده حالت فشرده دو دایروی که در ادبیات موضوع ارائه شده است دقیق نبوده و مرزهای مربوطه به صورت تقریبی بدست آمده اند. بنابراین در این مقاله رویکرد نوینی برای دقیقتر نمودن مرزهای آلفا و انتروپی برای طبقه بندی داده حالت فشرده دو دایروی مربوط به سنجنده RADARSAT-2 ارائه شده است. در این رویکرد مرزهایی که نتایج حاصل از طبقه بندی توسط آن ها بیشترین مشابهت را با نتایج طبقه بندی داده حالت کامل ایجاد می نماید بعنوان مرزهای بهینه معرفی شده و بدست آمده اند و نتایج نشان می دهند که دقت طبقه بندی با استفاده از مرزهای پیشنهادی برای دادگان مورد آزمایش به طور میانگین 3 درصد نسبت به مرزهای پیشین افزایش یافته است.