一种基于地形驻点分割的多通道SAR三维重建方法

张福博 梁兴东 吴一戎



一种基于地形驻点分割的多通道SAR三维重建方法

张福博*①②③梁兴东①②吴一戎①②

①(微波成像技术重点实验室 北京 100190)②(中国科学院电子学研究所 北京 100190)③(中国科学院大学 北京 100049)

多通道SAR具有高度向分辨能力，能够实现叠掩场景的3维重建，但是由于其基线长度有限，利用现有方法进行重建所得高程定位精度往往较差，而且由于叠掩区域散射系数起伏较大，重建结果中存在较多的漏检。针对以上问题，该文提出一种基于地形驻点分割的多通道SAR 3维重建方法，首先通过层析获得场景3维分布的草图，之后通过地形驻点定位及以地形驻点为门限的分割得到不叠掩的数据，最后利用干涉信号处理实现场景的3维重建。该方法结合了多通道SAR的高度向分辨能力和干涉信号处理的高精度，能够更加稳定、精确地实现叠掩场景的3维重建，基于实际场景缩比模型的仿真实验结果验证了该文算法的有效性。

多通道SAR；叠掩；3维重建；干涉；地形驻点

1 引言

干涉合成孔径雷达(Interferometric SAR, InSAR)具有大面积生成地表高度模型的能力，近年来获得了广泛的应用[1]。然而，在进行陡峭地形测绘时，由于叠掩和阴影等现象，干涉相位图中经常出现相干系数比较低，不能进行相位解缠的区域，这些区域称为困难区域[2]。近年来，多通道SAR技术逐渐发展起来，通过在高度方向依次增加多个通道，获得了高度方向的分辨能力，能够实现叠掩地形的3维重建，弥补传统InSAR测绘的不足[3]。多通道SAR 3维重建通常利用高分辨谱估计[4,5]、压缩感知[6]等方法，然而这些方法大都只进行高程分辨，获取散射系数在高度方向的分布，或者在一个距离-方位单元内区分有限几个点目标，分别获取它们的散射系数和高度信息。但是，由于多通道SAR通道数量较少、基线长度较短，高度向分辨能力十分有限[7]，因此利用上述方法进行3维重建往往高度向分辨率很低，或者重建结果中相邻距离-方位单元地形起伏很大，难以提取目标特征[8]。

常规InSAR 3维重建采用干涉信号处理方法，重建过程中利用了相邻单元关联性，干涉测高精度很高，但是它不具有高度向分辨能力；多通道SAR具有高度向分辨能力，可以区分叠掩在一起的多个目标，但是现有多通道SAR 3维重建方法多是对每个距离-方位单元分别处理，没有利用相邻单元关联性，因此重建精度往往比较低[9]。结合多通道SAR的高度向分辨能力和干涉信号处理的高精度，本文提出了一种基于地形驻点分割的多通道SAR 3维重建方法，对叠掩区域的地形获得了良好的3维重建效果。仿真实验结果验证了本文算法的有效性和正确性。

2 多通道SAR 3维重建理论基础

当出现叠掩现象时，在同一个距离-方位分辨单元内有不同高度的多个目标叠掩在一起，如图1所示，每个目标对应的干涉相位不同，在多通道干涉中对应着信号频率不同，因此对于特定距离-方位分辨单元其复图像像素值可表示为多个频率分量信号叠加的形式[10]：

图1 叠掩现象示意图

由上述模型可知只需对复图像沿高度方向进行频谱分析即可得到散射系数的高度向分布，现阶段大多数多通道SAR 3维重建方法都是按照这种思路进行的。然而，目前多通道SAR对叠掩地形的3维重建效果很差，主要表现为高度向分辨率低，重建地形起伏大，很多地形片段漏检不能重建。造成这种现象除了多通道SAR系统本身的原因之外，还有以下几点：

(1)上述模型认为在一个距离-方位单元内只有有限几个点目标，这和实际情况差别比较大，而且地形起伏越大其相符程度越差，叠掩地区一般地形起伏都很大[11]，因此与模型相符程度低，3维重建精度差。

(2)现有的3维重建方法大都对每个距离-方位单元进行分别处理，没有利用到相邻单元之间的关联性，造成相邻距离-方位单元重构地形起伏剧烈，或者使得RCS较低的区域漏检不能重构该区域地形[5,12]。

(3)对于叠掩地形，位于同一个距离-方位单元内的多个地形片段RCS是不相同的[13]。在3维重建过程中，同一距离-方位单元内RCS较高的目标会影响到RCS低的目标，使其重建误差增大，甚至造成漏检。

大部分自然场景中的叠掩地形是有限几个连续地形片段的叠掩，其中相当一部分是如图1所示的3地形片段叠掩。将场景投影到斜距-仰角坐标系中，如图2所示。

图2中曲线加粗部分表示叠掩区域，可以看到地形曲线关于斜距有两个极值点和，我们称之为地形驻点。以地形驻点为门限如图中虚线所示将叠掩地形分为3个部分，分别记为Ⅰ区，Ⅱ区，Ⅲ区，这样所得到的每个区域内部的地形是不存在叠掩的，可以利用干涉信号处理方法分别进行高度维重建。上述模型同样适用于楼体叠掩场景，不同的是一般楼体叠掩场景是折线形状，而不是曲线形状[14]。

3 基于地形驻点分割的3维重建方法

利用上一节所述的思想，本文提出了一种基于地形驻点分割的多通道SAR 3维重建方法，其主要过程如下：

(1)对多通道SAR复图像对进行配准、幅度校正和相位校正，使其满足3维成像的基本要求[10]；

(2)从图像中检测并提取出叠掩区域[15]，对叠掩区域进行高度维成像，获得叠掩区域散射系数3维分布草图[8]；

(3)从叠掩区域的边缘分别提取出地形驻点，利用相邻散射单元地形的连续特性对驻点的高度进行精确的计算；

(4)以两侧地形驻点的高度作为门限把叠掩区域的3维分布草图分为如图2所示3个区域，并利用多通道SAR系统参数将它们分别反推生成多幅SAR图像；

(5)将Ⅰ区SAR图像与叠掩区域后方图像联合进行干涉信号处理，将Ⅲ区SAR图像与叠掩区域前方图像联合进行干涉信号处理，Ⅱ区SAR图像单独进行干涉信号处理；

(6)将上述获取的结果进行融合和反演，最终获得整个场景的DEM。

综合以上处理过程即可实现场景3维重建，该算法流程图如图3所示。

上述处理过程中步骤1和步骤2相关研究比较多，可以参考文献[8]、文献[10]和文献[15]的算法进行处理，步骤4比较容易实现，步骤6可以参考文献[16]进行处理，对于步骤3和步骤5，下面进行详细的讨论。

图2 叠掩场景结构图

3.1地形驻点定位

地形驻点位于叠掩区域的边缘，如图4所示，与驻点在同一个距离单元的还有散射点，与驻点在同一个距离单元的还有散射点，为了避免,两点对,两点的定位造成影响，本文采用陷波法对它们进行抑制。以驻点定位为例，进行如下处理：

(1)对点左侧进行干涉信号处理，根据地形连续性估计点仰角高度，同理估计点仰角高度；

(2)提取驻点所在距离单元的SAR复图像信号，沿仰角方向作FFT，获得散射系数的分布；

(4)检测散射系数幅度的最大值，该最大值所在的仰角高度作为点的仰角高度。

图3 算法流程图

图4 叠掩地形驻点结构图

对点的定位过程和上述过程类似，只需将点和点的操作互换即可。定位过程中可以利用相邻方位单元的地形连续特性对驻点高度进行滤波，从而提高定位精度。

3.2叠掩区域干涉信号处理

叠掩区域干涉信号处理需要注意的问题是地形的突变，如图2所示，在预滤波、相位滤波和相位解缠过程中将Ⅰ区SAR图像与右侧联合进行处理，将Ⅲ区SAR图像与左侧联合进行处理，Ⅱ区SAR图像单独进行处理。

叠掩区域地形坡度比较大，坡度变化也比较大，如Ⅰ区和Ⅱ区坡度几乎是相反的。为了使预滤波和地形坡度相适应，我们采用如下的自适应卷积方法进行预滤波，本文只考虑距离向的预滤波，步骤如下：

(4)求取预滤波后的新图像，表达式为

(5)对待处理的所有多通道SAR复图像的每一个像素都进行步骤(2)，步骤(3)，步骤(4)的处理，完成预滤波过程。

本文预滤波过程只考虑了距离预滤波，如有需要可以加入方位预滤波处理。预滤波过程完成之后提取干涉相位，之后利用回转中值滤波对干涉相位进行滤波，最后再进行相位解缠即可以获得绝对相位，之后进行地形融合反演获得3维重建结果。

4 实验结果

仿真多通道SAR数据验证本文算法的有效性，系统参数如表1所示，天线阵列由10个天线构成，水平放置，均匀分布，工作模式为自发自收。

表1多通道SAR仿真参数

波长(cm)3.125 采样率(MHz)360 PRF(Hz)240 载机速度(m/s)100 基线总长度(m)9 脉冲宽度(μs)1 信号带宽(MHz)300 参考斜距(m)7071 下视角(°)45 信噪比(dB)20

仿真场景采用真实自然场景的缩比模型，仿真产生多通道SAR回波数据，之后进行成像处理得到的通道1的SAR图像如图5(a)所示，经过图像配准之后所得通道1和通道2两幅SAR复图像的干涉相位如图5(b)所示。由图5(a)中可以看到，图中存在散射系数比较大的区域，该区域为叠掩区域，叠掩区域后方图像较暗，这是因为该区域的掠射角比较大，散射系数较弱。由图5(b)中可以看到，干涉相位具有明显的趋势特性，相干系数较低的区域出现在叠掩区域和弱散射区域，而且叠掩区域有比较明显的干涉相位反偏现象。

采用文献[15]的算法进行叠掩区域检测和识别，对叠掩区域利用文献[8]中压缩感知方法进行3维重建所得结果如图6(a)中点云所示，利用3.1节中所述方法对地形驻点进行定位，然后对不同方位的地形驻点进行连线结果如图6(a)中线条所示。将驻点仰角高度作为门限对3维分布图进行划分成Ⅰ区，Ⅱ区，Ⅲ区3个区域，之后利用多通道SAR系统参数反推生成的SAR图像分别如图6(b), 6(c), 6(d)所示，图中不仅显示了3个区域分别反推生成的SAR图像，还显示了非叠掩区域SAR图像。由这3幅图中可以看到，Ⅰ区SAR图像和叠掩区域后方图像具有较好的连续特性，Ⅲ区SAR图像和叠掩区域前方图像具有较好的连续特性，与第2节理论分析结果相吻合。

对分割后的3个区域利用第3节所述方法进行干涉信号处理，然后进行地形融合和反演，最终得到的整个场景3维重建结果如图7所示。由图中可以看出重建DEM和原始DEM非常吻合，图中大面积的黑色区域是由SAR图像截取造成的。作为对比本文利用文献[8]中的方法对叠掩场景进行3维重建，所得结果如图7(e), 7(f)所示。可以发现，文献[8]中方法重建结果地形起伏较大，而且重建误差较大。

此外，文献[8]方法还存在比较严重的漏检问题。图8(a)所示为FFT方法所得场景散射系数分布，可以看到其分布是不均匀的，当利用文献[8]方法进行重建时，同一距离单元内强目标会影响弱目标的重建，从而引入较大的误差甚至造成漏检，而本文方法利用地形连续性信息进行重建，没有相应的检测过程，因此不存在漏检问题。对比图8(a)和图8(b)可以发现漏检多数发生在散射系数较弱的位置，与理论分析吻合。

图5 仿真所得SAR图像和干涉相位

图6 地形驻点定位及分割结果

图7 3维重建结果及重建误差

图8 地形重建结果比较

经过统计，两种方法重建DEM误差和漏检概率如表2所示。

由表2中可以看到两种方法对非叠掩区域重建误差几乎一致，因为两种方法对非叠掩区域都采用干涉信号处理，而对于叠掩区域，本文方法重建误差明显小于文献[8]方法误差，其中叠掩Ⅰ区误差最小与非叠掩强散射区相近，叠掩Ⅱ区误差较大，主要因为该区域地形坡度大，信号相关性差，叠掩Ⅲ区误差最大，因为该区域散射较弱，信噪比很差。此外，文献[8]方法还存在较严重的漏检问题，其中漏检概率最高的区域为叠掩Ⅲ区，因为该区域散射较弱，重建过程中受其他强散射区影响较大，而本文方法通过地形驻点分割抑制了其他散射区的干扰，并利用干涉信号处理获得高精度测量结果，因此重建精度和稳定性都较高。

本文算法同样适用于规则楼体叠掩场景的3维重建，不同的是楼体叠掩场景通常是折线型结构而不是曲线型结构。由于楼体叠掩场景其散射系数变化通常很大，常规3维重建方法漏检非常严重，本文算法能够克服漏检问题，获得更为清晰的建筑物纹理结构和更高精度的3维几何结构。

表2重建DEM误差(m)和漏检概率(%)

误差/漏检概率非叠掩区域分割后叠掩区域 强散射区弱散射区Ⅰ区Ⅱ区Ⅲ区 本文方法0.266/--0.581/--0.264/--0.351/--0.398/-- 文献[8]方法0.267/--0.578/--0.491/7.110.722/8.330.710/37.20

5 结束语

本文研究了多通道SAR叠掩区域3维重建方法，弥补了传统InSAR不能进行叠掩区域测绘的缺陷，同时分析了现有3维重建方法的不足，提出了一种基于地形驻点分割的多通道SAR 3维重建方法，该方法结合了多通道SAR的高度向分辨能力和干涉信号处理的高精度，充分利用了SAR数据信息和场景地形连续性信息，相对于传统的方法，能够更加稳定、精确地实现叠掩场景的3维重建。后续研究中我们会进一步改进该算法，使其更适合于处理城市楼体叠掩场景，并进行相关3维重建实验，增强多通道SAR城市3维测绘能力。

[1] Morishita Y and Hanssen R F. Temporal decorrelation in L-, C-, and X-band satellite radar interferometry for pasture on drained peat soils[J]., 2015, 53(2): 1096-1104.

[2] 王健, 向茂生, 李绍恩. 一种基于 InSAR 相干系数的 SAR 阴影提取方法[J]. 武汉大学学报信息科学版, 2005, 30(12): 1063-1066.

Wang Jian, Xiang Mao-sheng, and Li Shao-en. A method for extracting the SAR shadow from InSAR coherence[J]., 2005, 30(12): 1063-1066.

[3] Baselice F, Budillon A, Ferraioli G,.. Layover solution in SAR imaging: a statistical approach[J]., 2009, 6(3): 577-581.

[4] Wang Bin, Wang Yan-ping, Hong Wen,.. Application of spatial spectrum estimation technique in multibaseline SAR for layover solution[C]. Geoscience and Remote Sensing Symposium, Boston, USA, 2008: III-1139-III-1142.

[5] Lombardini F, Cai F, and Pasculli D. Spaceborne 3-D SAR tomography for analyzing garbled urban scenarios: single-look superresolution advances and experiments[J]., 2013, 6(2): 960-968.

[6] Schmitt M and Stilla U. Compressive sensing based layover separation in airborne single-pass multi-baseline InSAR data [J]., 2013, 10(2): 313-317.

[7] Schmitt M and Stilla U. Maximum-likelihood-based approach for single-pass synthetic aperture radar tomography over urban areas[J].,&, 2014, 8(9): 1145-1153.

[8] Zhu Xiao-xiang and Bamler R. Super-resolution power and robustness of compressive sensing for spectral estimation with application to spaceborne tomographic SAR[J]., 2012, 50(1): 247-258.

[9] Frey O, Siddique M, Hajnsek I,.. Combining SAR tomography and a PSI approach for highresolution 3-D imaging of an urban area[C]. Proceedings of 10th European Conference on Synthetic Aperture Radar, Berlin, Germany, 2014: 1-4.

[10] Budillon A, Evangelista A, and Schirinzi G. Three- dimensional SAR focusing from multipass signals using compressive sampling[J]., 2011, 49(1): 488-499.

[11] Kropatsch W G and Strobl D. The generation of SAR layover and shadow maps from digital elevation models[J]., 1990, 28(1): 98-107.

[12] Lombardini F, Robing L, Ender J,.. Towards a complete processing chain of multibaseline airborne InSAR data for layover scatterers separation[C]. Urban Remote Sensing Joint Event, Paris, France, 2007: 1-6.

[13] Schack L and Soergel U. Exploiting regular patterns to group persistent scatterers in urban areas[J]., 2014, 7(10): 4177-4183.

[14] Tao Jun-yi, Auer S, Palubinskas G,.. Automatic SAR simulation technique for object identification in complex urban scenarios[J]., 2014, 7(3): 994-1003.

[15] Rossi C, Eineder M, and Fritz T. Detecting building layovers in a SAR interferometric processor without external references[C]. Proceedings of 10th European Conference on Synthetic Aperture Radar, Berlin, Germany, 2014: 1-4.

[16] 张红敏. SAR 图像高精度定位技术研究[D]. [博士论文], 解放军信息工程大学, 2013.

Zhang Hong-min. Research on technologies of accurate positioning with SAR images[D]. [Ph.D. dissertation], PLA Information Engineering University, 2013.

3-D Reconstruction for Multi-channel SAR Interferometry Using Terrain Stagnation Point Based Division

Zhang Fu-bo①②③Liang Xing-dong①②Wu Yi-rong①②

①(,100190,)②(,,100190,)③(,100049,)

Multi-channel SAR can reconstruct the 3-D surface of the observed scene with its resolution power in the elevation. However, with limited baseline length, most methods suffer from limited precision and significant miss rates. In view of this situation, a new 3-D reconstruction method using terrain stagnation point based division is proposed. Firstly, 3-D distribution is obtained using tomography; secondly, stagnation point position and division are conducted to separate the layover; then 3-D reconstruction is conducted using interferometry. This method combines the resolving power of multi-channel SAR and high precision of interferometry. Therefore, reconstruction results with higher precision and greater stability are achieved. The effectiveness of the method is validated using experiments with simulated data.

Multi-channel SAR; Layover; 3-D reconstruction; Interferometry; Terrain stagnation point

TN957.52

A

1009-5896(2015)10-2287-07

10.11999/JEIT150244

2015-02-12；改回日期：2015-06-25；

2015-07-17

张福博 zhangfubo8866@126.com

张福博： 男，1988年生，博士生，研究方向为多通道SAR 3维重建.

梁兴东： 男，1973年生，研究员，研究方向为高分辨率合成孔径雷达系统、干涉合成孔径雷达系统、成像处理及应用、实时数字信号处理.

吴一戎： 男，1963年生，研究员，中国科学院院士，研究方向为微波成像理论、微波成像技术和雷达信号处理.