SARscape下雷達影象一般處理與應用
SAR系統可以通過多種方式獲得影象,如單通道或雙通道模式(如HH、HH / HV或VV / VH)、干涉 (單軌或多軌)模式、極化模式(HH,HV,VH,VV)、干涉及極化組合採集模式,不同的獲取模式對應了不同的處理方法,可分為以下四種:
-
雷達強度影象處理 -
雷達干涉測量(InSAR/DInSAR) - 極化雷達處理(PolSAR)
- 極化雷達干涉測量(PoIInSAR)
本文介紹的是雷達強度影象的處理。
1 處理流程
如下圖是利用SARscape雷達影象基本處理工具,基於不同雷達資料情況,執行雷達影象處理和應用的流程圖。
單雷達影象處理與應用流程圖
單一感測器,單一模式,多時相雷達影象處理與應用流程圖
單/多感測器,多模式,多時相雷達影象處理與應用流程圖
2 處理流程關鍵技術
下面介紹流程中相關技術。
(1) 聚焦處理
對雷達系統的RAW資料中每個點的反射綠利用經過優化的調焦演算法實現資料快速聚焦處理,直接輸出單視複數產品資料(SLC資料)。
(2) 多視處理
為了得到最高空間解析度的SAR影象,SAR訊號處理器使用完整的合成孔徑和所有的訊號資料,如單視複數(SLC)SAR影象產品,使得SAR影象包含很多的斑點噪聲。多視處理的目的是為了抑制SAR影象的斑點噪聲。
Multilooking工具支援距離向多視和方位向多視,處理得到的多視強度影象是距離向和/或方位向像元解析度的平均值。為了提高多檢視像的輻射解析度,降低了空間解析度。Multilooking
對SLC影象(*_slc)多視處理的結果(右邊*_pwr)
(3) 影象配準
(4) 濾波
對於單波段雷達影象,提供的濾波包括:Mean、Median、Mode、EPS、Frost、Lee、Anisotropic Non-Linear Diffusion。
對於多時相雷達影象,提供的濾波包括:De Grandi
多時相濾波結果(左-原影象,中-De Grandi濾波,右-Anisotropic Non-Linear Diffusion 濾波)
(5) 特徵提取
Feature Extraction工具是基於統計學的理論,能夠從SAR影象和InSAR資料中提取不同特徵引數,用於影象分割、分類或定量分析等。包括:
(一)
可以計算兩個SLC影象的相干性,得到一幅0~1值範圍的影象。包括兩個處理過程:
- 系統性的空間去相關
- 主影象和從影象之間的時間去相關
得到的相干性產品具有兩層應用目的:
- 確定干涉相位的質量,低相干的InSAR像對不能獲得可靠的相位測量。
- 提取地面特徵屬性及其時空變化等相關的專題資訊。
(二)
Coefficient of Variation工具可以計算影象變異係數,得到變異係數影象。
(三)
(四)
Multi Temporal Features工具可以對已配準或者地理編碼的多時相雷達強度影象進行特徵統計,可計算特徵包括:均值(Mean)、標準差(Std)、中值(Median)、梯度(Gradient)、最大值(Max)、最小值(Min)、跨度差異(Span Difference)、最大增量(Max Increment)、最大減量(Max Decrement)、跨比(Span Ratio)、最大比率(Max Ratio)、最小比率(Min Ratio)。以影象格式輸出
(6) 地理編碼和輻射定標
橢球地理編碼(左圖)和地形地理編碼(右圖)
在執行地理編碼時,還可以選擇以下處理功能:
(一)
校正了三種影響因素:散射區域、雷達天線增益和方位向傳輸損失。
可選擇三種定標輸出結果:後向散射係數(Sigma),歸一化後向散射係數(Gamma),雷達亮度或者反射值(Beta)。
(二)
提供兩種方法:餘弦校正或半經驗修正法(Semi-empirical)。
(三)
(四)
影象定標結果(左-後向散射係數,中-區域性入射角地圖,右-疊掩/陰影地圖)
提供地理編碼雷達影像逆轉換其他格式的工具,包括轉成距離/地面影像、距離/地面點和距離/地面向量。
(7) 定標後處理(雷達輻射校正)
提供後向散射係數後處理Post Calibration工具,減少水分、表面特徵等干擾介電常數而產生對後向散射係數的影響。
提供三種校正:
(一)
(二)
以一個或者多個參考影像校正由於時相造成介電常數的失真。計算得到的介電常數校正係數還可用於定性溼度指標。
(三)
對多時相的資料集統計的基礎上得到校正係數(二維影象)。
以上三種輻射校正方法可以獨立執行或者組合方法執行。
(8) 鑲嵌
可以將覆蓋相同區域的多幅雷達影像拼接成一幅,也支援干涉產品的鑲嵌(如DEM、地表形變圖等)。提供兩種方法:
(一)
(二)
適用於需要在重疊區繪製切割線的鑲嵌。切割線是基於邊緣檢測技術自動生成,
1250幅JERS-1 SAR影象鑲嵌結果
(9) 影象分割
支援雷達或者光學的分割,分為四步:各向異性非線性擴散濾波、邊緣檢測、區域合併、區域地圖生成。
(一)
採用Canny邊緣檢測演算法,Canny演算法不需要依賴區域分佈的先驗統計,而是直接基於結構分析進行輪廓檢驗,支援單個和多個影象檔案。
(二)
採用基於假設編碼結構的方法,該方法是將影象分解成同質“片段”,之後分別對閉合區域進行編碼。從邊緣檢測影象中定義的閉合區域與同質“片段”相匹配。
(三)
(四)
可以探測多個影象檔案之間的變化。
不同時相雷達影象的分割結果
時變分割用於檢測變化資訊
3 典型應用
(1) 洪水監測
資料為ENVISAT 的ASAR雷達資料,覆蓋區域為孟加拉國。原始資料引數如下:
-
ASA_WSM_1P level 1b -
Wide Swath Standard Image -
(multi-look ground range) -
Descending orbit -
HH polarization -
Incidence angle ~ 30.95 ° -
Nominal resolution
-
Nominal pixel spacing
四個時間拍攝的SAR影象,已經經過的地理編碼等預處理
從不同時期影像上獲取的水淹沒資訊
(2) 農作物監測
雷達影象的後向散射係數產品可以反映土壤粗糙度和水分含量,以及土壤其他性質,可以識別土壤屬性資訊(如犁地,播種,和作物生長等)。
利用雷達影象監測不同時間內玉米種植
利用ASAR和PALSAR資料監測作物資訊