多山地区合成孔径雷达数据预处理方法

王晓宁，卢 鹏，徐天蜀

(1.贵州省林业调查规划院，贵州 贵阳 550003；2.西南林业大学，云南 昆明 650224)

合成孔径雷达数据(SyntheticApertureRadar，SAR)，以其全天时、具有一定的穿透能力、能探测垂直结构信息等特点逐渐受到广泛应用，和光学遥感数据互为补充，为土壤、植被等地表参数反演、农作物估产、环境参数监测等提供了有效的手段。SAR系统在崎岖的山区成像时会导致辐射畸变、斑点噪声、复杂叠掩、透视收缩、阴影等，必须进行图像预处理来纠正这些畸变[1-5]。

1 数据来源

研究区位于云南省宜良县花园林场，海拔1 300～2 700m，山地、谷地与坝子相间分布为地貌总特点。实验所用的L波段ALOSPALSAR1.1级数据获取的时间为2010年7月3日，影像具体参数信息如表1。

2 数据预处理

2.1 辐射定标

辐射定标补偿SAR原始图像反映的辐射特性与实际地物之间的辐射畸变，从而使SAR图像真实地反映地面目标后向散射特性[6]。ALOSPALSAR1.1级数据为单视复数据(SLC)，记录了实部和虚部。它包含幅度信息和相位信息。然后转化为用分贝(dB)表示的后向散射系数。辐射定标公式为：

表1 PALSAR数据相关参数

σ0=10log10(I2+Q2)+CF1-C

式中：σ2为后向散射系数，I为单视复数据的实部，Q为单视复数据的虚部。CF1(Calibrationfactor)为定标因子，可自JAXAALOS数据分发公开网站上获取，CF1标称值为-83.0，C值为32.0。生成的后向散射系数可以使用两种表示方法：常规值(linear)和分贝值(dB)。两种数据格式间的关系：dB=10log10(linear)。在SAR数据的预处理阶段，后向散射系数一直是以非dB的形式运算的，因此将SAR数据DN值(I，Q)转化为后向散射系数公式为：

这里定义K=CF1-C=-115.0。

2.2 多视处理

降低雷达图像的噪声水平有两种途径，一是多视处理，二是斑点噪声滤波。多视处理能降低斑点噪声水平，同时也会降低空间分辨率，但有利于识别出更多的空间分布特征及地物特征信息。基于强度雷达影像的多视化处理，对输入影像进行距离向M视，方位向N视处理后，输出影像的大小在距离向将是输入影像的1/M，在方位向将是输入影像的1/N。本文设置距离向和方位相视数分别为1和4，生成多视强度图距离向和方位向分辨率为9.3m×12.7m。

2.3 滤波

滤波可在多视化后进行。较好的滤波方法应该在降低斑点噪声的同时，保持图像的辐射特性和空间分辨率，并能很好的保持边缘和纹理，不引入虚假特征。本文选择影像上信息较丰富的区域进行了滤波对比试验。7×7和9×9窗口大小的滤波结果图像模糊，纹理、边界信息丢失较严重；3×3窗口大小的滤波结果纹理、边界保持较好，但图像中还存在一些噪声。窗口大小为5×5时，既能达到较好的平滑效果，又能使纹理和边界信息保存良好。Gamma-map滤波器既能很好地平滑图像去除斑点噪声，又能很好地保持边缘和纹理细节，目视效果较好。

2.4 正射校正

目前SAR正射纠正大致分以下几种方法[7-11]：(1)多项式法，是一种比较传统的校正方法，它较多地应用于光学影像的正射校正。在SAR校正理论发展的初级阶段，被应用到SAR的几何处理上。但是随着技术的不断发展，其校正结果精度越来越不能满足要求。同时，由于选点困难，其校正的效率也比较低。因此，这种方法渐渐不被人们所采用。(2)共线方程法，采用一定的数学模型模拟SAR几何成像关系。(3)DEM模拟影像法。SAR系统侧视成像的几何特点会导致叠掩、透视收缩、阴影等几何变形，需采用数字高程模型(DEM)数据进行正射校正。本文亦采用DEM模拟影像法对研究区影像进行正射校正。

2.4.1 正射校正流程

正射校正流程图如图1。

图1 正射校正流程图

主要步骤如下：

(1)由于DEM的分辨率和真实SAR影像的分辨率不一致，采用双线性内插方法，将ASTGTM_DEM重采样到15m×15m，获得和真实SAR影像分辨率较一致的DEM。DEM坐标系统为WGS84UTM。再将DEM转换为二进制格式，便于在GAMMA平台上操作。

(2)创建dem.par文件。cornernorth和cornereast为左上角坐标，用长度单位输入，posting设为与DEM分辨率相近的数值。

(3)基于DEM和SAR成像几何关系，模拟地图坐标系下的SAR强度，得到初始的地理编码查找表(地图坐标系到距离-多普勒坐标系)。模拟SAR影像的质量主要受DEM与模拟SAR影像相对空间分辨率的影响。在叠掩阴影区域采用线性插值的方法得到初始查找表的值。同时会得到当地入射角、叠掩图、阴影图等附属产品。

(4)将模拟的SAR强度图从地图坐标重采样到距离-多普勒SAR坐标系下，即进行基于初始地理编码查找表的前向转换。

(5)计算模拟SAR强度图和实际SAR强度图之间的偏移量，计算出的偏移量配准多项式用于改进地理编码查找表。

利用SAR元数据信息计算得到的以上的转换关系通常会存在一定的误差，这种误差可以通过计算模拟图像和实际图像之间的同名点偏移量来进行估计，也就是估计实际SAR图像上的点I(x,y)和模拟SAR图像上的同名点M(i,j)之间的偏差。假设I(x,y)和M(i,j)之间的映射关系可以用Fx，Fy来描述：

研究发现Fx，Fy可以用多项式方程近似。本文利用图像交叉相关分析通过搜索同名点进行偏移量计算。搜索窗口视SAR和DEM的分辨率而定，如果是100m分辨率，设置64×64的窗口是足够的，如果是25m分辨率，128×128或者256×256是合适的。多项式的次数主要考虑图像大小而定，一般三次多项式就可以满足大多数情况的需要。置信噪比(SNR)用来检验每一个搜索窗口偏移量估计的可靠性。通常设为7.0。可以通过设置搜索窗口的数量、大小，多项式的次数等参数和重复搜索同名点等方法来获得可靠的配准多项式。可以通过检查偏移量的标准差来判断配准精度，标准差低于0.3表示配准效果良好。本文中SAR的像元大小为15×15m，因此设置搜索窗口为512×512。偏移量的标准差HV影像距离向为0.2819，方位向为0.3410；HH影像距离向为0.2723，方位向为0.3277。

HH影像配准多项式为：

HV影像配准多项式为：

然后，将生成的偏移量精编查找表。

(6)利用精编的查找表进行SAR坐标系到地图坐标系的后向转换。最后生成坐标系统为WGS84_UTM的正射影像图。

2.4.2 效果评价

(1)明显地物点坐标比较

选取研究区校正好的快鸟影像，均匀选取12个明显地物点，分别读取检验点在校正后影像和快鸟影像上的坐标值，计算两者的差异，结果显示在x方向和y方向校正误差均小于一个像元。

(2)目视评价

利用已有的矢量数据进行叠加，通过目视方法检查校正的效果和精度。山区中的河流在光学影像中由于图像分辨率的限制难以显示河流的特征和灰度，但微波图像较好的地形特征可以轻易辨认出河谷位置，因此也可较容易识别出山中的细小河流。将校正结果图像与现有的水系矢量数据进行了叠加，可以看出山区的细小河流与矢量数据的河流显示了很好的一致性，校正效果达到了预期的要求。

图2 正射校正图像与矢量水系叠加图

2.5 辐射校正

由于侧视成像，地形不仅会引起雷达影像几何畸变，还会引起一定的辐射畸变。因此需要对地形影响进行辐射补偿，即辐射校正。辐射畸变的消除是一个后处理操作，可在完成精确的正射校正的基础上进行。地形影响的辐射补偿，进行当地入射角和真实像元面积标准化的校正是必须的。基本上，位于面向雷达方向的像元散射强度要比位于阴影区域的强。辐射校正公式如下[12]：

3 讨论

对图像进行辐射定标，把图像转换成以dB表示的后向散射系数图像，便于对图像进行点目标的定量度量和分析。像元大小为15m左右时，5×5大小的滤波窗口，既能达到较好的平滑效果，又能使纹理和边界信息保存良好。Gamma-map滤波器既能很好地平滑图像去除斑点噪声，又能很好地保持边缘和纹理细节，目视效果较好，是PALSAR图像滤波的理想选择。

利用DEM模拟SAR强度图，再将地图坐标系下的模拟SAR强度图转换到SAR坐标系下，通过图像交叉相关分析的方法寻找同名点，通过建立配准多项式，精编查找表，实现对山区SAR影像的正射校正。该方法原理清晰，精度较好，是目前对山区SAR影像的正射校正的主要方法之一。

在校正过程中影响校正精度的因素较多，其中最重要的是DEM的质量，如DEM数据的高程、平面位置精度、数据缺失情况、象元大小等。本文使用的DEM为像元30m的数据，其分辨率低于待校正的微波遥感图像的空间分辨率，将其过采样到15m在一定程度上影响了校正的精度。

参考文献：

[1]宋茜，范文义.大兴安岭植被生物量的ALOSPALSAR估算[J].应用生态学报，2011，22(2)：303-308.

[2]朱海珍，庞勇.基于ENVISATASAR数据的森林蓄积量估测研究[J].地理与地理信息科学，2007，23(2)：51-55.

[3]肖伟山，汪小钦，凌飞龙.ALOSPALSAR数据在漳江口红树林提取中的应用[J].遥感技术与应用，2010(2)：91-95.

[4]杨永恬，李增元，陈尔学，等.基于ALOSPALSAR数据的森林蓄积量估测技术研究[J].林业资源管理，2010，2(1)：113-117.

[5]Ulander，LarsMH，Radiometricslopecorrectionofsynthetic-apertureradarimages.IEEEtransactionsongeoscienceandremotesensing，1996，34(5)：1115-1122.

[6]范凤云.基于机载LiDAR和极化SAR数据的山区森林蓄积量估测方法研究[D].北京：中国林业科学研究院，2010.

[7]陈尔学.星载合成孔径雷达影像正射校正方法研究[D].北京：中国林业科学研究院，2004.

[8]徐凌，杨武年.利用DEM进行多山地区星载SAR影像的正射校正[J].物探化探计算技术，2004，26(2)：145-149.

[9]徐天蜀，岳彩荣，张王菲.山区星载ALOSPALSAR微波遥感图像的正射校正[J].农业工程学报，2012，28(1)：173-177.

[10]RausteY，AnneL.ALOSPalsarDatainBorealForestMonitoringandBiomassMapping[C].VTTTechnicalResearchCentreofFinland.2007.

[11]SantoroM，ErikssonL，AskneJ，etal.Assessmentofstand-wisestemvolumeretrievalinborealforestfromJERS-1L-bandSARbackscatter[J].InternationalJournalofRemoteSensing，2006，27(16)：3425-3454.

[12]TCASTEL，ABEAUDOIN，NSTACH.Sensitivityofspace-borneSARdatatoforestparametersoverslopingterrain.Theoryandexperiment[J].InternationalJournalofRemoteSensing，2001，22(12)：2351-2376.