SAR图像处理.docx
《SAR图像处理.docx》由会员分享，可在线阅读，更多相关《SAR图像处理.docx（7页珍藏版）》请在冰豆网上搜索。
SAR图像处理
SAR图像处理
SAR图像处理
班级：
学号：
姓名：
一：
SAR图像概述：
SAR是一种可成像的雷达，它所用的雷达波段大约是300MHz到30GHz。
比如一般用的波段是1~10GHz的合成孔径雷达，大气对这种波段的影响不大。
也就是说如果天上有一个合成孔径雷达卫星，白天黑夜、大气的云雾雨雪等天气变化对雷达看到的结果影响甚微，可忽略不计。
所以合成孔径雷达是一种全天时、全天候的雷达，它所成的图像就是SAR图像了。
SAR图像的场景和照相机拍出来的场景类似，只不过波段不同看到的事物也不一样。
SAR都是斜视的，而光学的可以垂直照射。
二SAR图像成像原理
雷达是通过发射微波，接收地面目标反射的回波来获得信息的一种主动微波遥感，而且主要采用侧视雷达。
侧视雷达的工作原理是把天线安装在飞行器的侧面，在垂直于航线的一侧或两侧发射雷达波束，这个波束在航向上很窄，在距离向上很宽，覆盖了地面上一个很窄的条带，随着飞行器向前移动，不断地发射这样的波束，并接收相应的地面窄带上各种地物的回波信号。
这样，雷达波束在目标区域上扫过，获得该地区的连续带状。
平行于飞行航线的方向称为方位向，垂直于航线的方向称为距离向。
图像的灰度与后向散射波强相关，反映地表的粗糙性、介电常数等性质。
侧视雷达又可以分为真实孔径侧视雷达和合成孔径侧视雷达。
真实孔径雷达是一种以天线的真实孔径工作的侧视雷达，这种雷达的方位向分辨率比较低，要提高方位向分辨率，
三：
光学图像与SAR图像的异同：
对于初学者来说，区分光学图像与SAR图像是很重要的。
通过查阅资料以及《新技术讲座》这门课的学习，以下是我的一些见解：
按传感器采用的成像波段分类，光学图像通常是指可见光和部分红外波段传感器获取的影像数据。
而SAR传感器基本属于微波频段，波长通常在厘米级。
可见光图像通常会包含多个波段的灰度信息，以便于识别目标和分类提取。
而SAR图像则只记录了一个波段的回波信息，以二进制复数形式记录下来；但基于每个像素的复数数据可变换提取相应的振幅和相位信息。
振幅信息通常对应于地面目标对雷达波的后向散射强度，与目标介质、含水量以及粗糙程度密切相关；该信息与可见光成像获得的灰度信息有较大的相关性。
而相位信息则对应于传感器平台与地面目标的往返传播距离，这与GPS相位测距的原理相同。
由于SAR影像分辨率相对较低、信噪比较低，所以SAR影像中所包含的振幅信息远达不到同光学影像的成像水平；但其特有的相位信息是其他传感器所无法获取的，基于相位的干涉建模也是SAR的主要应用方向。
在成像模式方面，光学影像通常采用中心投影面域成像或推帚式扫描获取数据；而SAR处于信号处理的需要（合成孔径过程，这里就不展开讨论了）不能采用垂直向下的照射方式而只能通过测视主动成像方式发射和接受面域雷达波，并通过信号处理（聚焦、压缩、滤波等）手段后期合成对应于地面目标的复数像元。
单一SAR影像的相位信息基本没有统计特征，只有振幅信息可用于目标识别和分类等应用。
正如前面所说，振幅信息深受噪声的影响，加之SAR影像特有的几何畸变（叠掩、透视收缩、多路径虚假目标等）特征，个人认为仁兄若是想在图像分割领域做探讨的话，可以直接忽略掉SAR影像了。
四：
SAR图像的几何特征与纠正方法
在雷达成像中，目标的位置在方向上按雷达飞行的时序记录成像，而在距离向是按目标反射信息先后来记录成像及斜距成像，因而它有不同于一般光学影像的几何特征。
透视收缩：
出现在距离向是指图像依比例尺测量距离比实际距离小的特征。
收缩的大小随波束入射角的变化而变化，例如山坡这样的目标，即使前、后坡的大小一样，由于透视收缩的原理，使得图像正对波束的一面较窄，而背对波束的一面较宽。
定点位移：
雷达是距离成像，目标距天线的距离越近，成像则越靠近航迹线，因此，高出地面的物体的影像靠近航迹线，而低于地面的物体的影像原理航迹线。
顶点位移的大小同物体的高度和波束的入射角有关。
阴影：
雷达成像是侧视的，发射的电磁波沿直线传播，因此，高的物体阻挡雷达发射的电磁波，而位于高物体之下的地物不能反射电磁波，不能成像从而形成阴影。
阴影的大小跟物体的高度、雷达天线的俯角以及背坡坡角有关。
叠掩：
多个目标由于斜距相同，它们在影像上具有相同的位置，使这点的灰度值很大，这种现象叫做叠掩。
SAR图像几何纠正方法
目前已经提出了一些处理方法，如：
1）利用SAR的斜距信息和DEM来模拟SAR成像的透视收缩，然后利用TM影像来与之相匹配，最后达到纠正的目的。
2）利用DEM和后向散射函数以及卫星辅助数据记录模拟雷达影像并生成DEM地址文件，在模拟影像上给每个像素指定一个地理参考位置，然后进行匹配与重采样，以实现图像的每个像素作必要的坐标变换，生成一种以地面坐标系为标准的新图像。
3）方圣辉舒宁潘斌在“ERS-1SAR图像的几何处理的研究”中，提供的模式是按照SAR的构象方程，利用星历参数建立的，可以达到很好的纠正精度：
（1）利用影像的头文件提供的参数把地距产品转化为斜距产品；
（2）利用斜距投影建立纠正数学模型。
五：
SAR图像相干斑的形成机理
由于雷达所照射场景的特性——表面的粗造程度、分布式散射体的密度等等，总是不确定的，因而SAR原始信号表现为一个随机过程。
SAR图像中的噪声包括系统噪声和斑点噪声。
其中，系统噪声主要包括系统的非线性性质，对数据进行采样、量化、压缩、传输和解码等数字化过程以及图像本身在成像过程中的退化等因素的影响所产生的噪声，是直接作用到图像上的，一般可以用高斯噪声或椒盐噪声进行描述。
而对SAR图像质量影响最大的斑点噪声与成像系统本身固有的噪声有着本质的不同，这是因为他们形成的物理过程有着本质的差别。
SAR是一种相干成像传感器。
信号的相干性是合成孔径雷达能够提高分辨率的关键。
它的一个分辨率单元内有大量散射子。
SAR回波强度图像中的每一个素记录的是它所覆盖的地面区域的总回波强度，在理想情况下，这些散射子的回波为球面波，在球面上其幅度处处相等。
如图2.4。
在这个分辨率单元内的每个散射中心都产生一个子回波，每个子回波都有独立的相位和振幅。
所有子回波的矢量和形成了总的回波。
子回波的相位是随机的，在矢量求和时振幅会相互抵消或叠加，得到的总回波强度与子回波的平均强度之间存在偏差。
在SAR图像中这种随机的偏差呈现出强噪声的形式，通常称为相干斑现象。
由于SAR发射相干电磁波，因此各散射中心的回波是相互干涉的。
当相干电磁波照射实际目标时，其散射回来的总回波并不完全由地物目标的散射系数决定，而是围绕这些散射系数值有很大的随机起伏，这种起伏将会使具有均匀散射系数目标的SAR图像并不具有均匀灰度，而会出现许多斑点。
斑点噪声的存在使图像信噪比下降，严重时使图像模糊，甚至图像特征消失。
六：
SAR图像的应用
SAR在国民经济的许多领域和军事上均得到了广泛的应用[5]。
在农林方面，SAR已应用于土地利用情况调查、作物和树木分类、作物和树木长势检测、作物产量和树木蓄积量估计等诸多方面，带来了可观的经济效益。
在地质方面，SAR的侧视工作方式以及雷达波对地表物质的穿透能力在揭示地质构造方面具有突出的优势，因此，SAR广泛地应用于岩性识别、构造分析、地形测绘、火山监测和矿产资源勘探等。
在水文方面，SAR图像己经用于土壤水分监测、水系分析、水资源调查、海水入侵监测、河道变迁分析等方面，并取得了许多重要的研究成果。
在海洋方面，世界上第一部星载SAR（SEASAT-A）的设计就着眼于海洋研究，目前SAR已经在海浪研究、洋流分析、海冰监测、浅海水下地形研究、海底油气勘探、渔业估产、海洋气象预报等方面得到了广泛应用。
在防灾减灾方面，SAR可用于一些自然灾害的预报、灾情调查、森林火灾监测、强台风预报和地震减灾等。
在军事侦察方面[6]，现代战争要求侦察设备具有大范围、高精度、机动灵活、抗伪装能力强、全天时、全天候的侦察能力，SAR以其特有的优势能够适应现代战争的高要求，可广泛地用于战略和战术侦察，尤其是夜间侦察和云雾覆盖地区的侦察，更是可见光和红外侦察设备所无法代替的。
此外，由于SAR具有一定的穿透力，而且雷达回波与目标表面材料的介电常数有关，所以可对目标表面材质进行定量分析，从而辨明目标的真伪。
总而言之，SAR在处于信息时代的当今社会中发挥着越来越重要的作用。
目前，SAR数据获取技术有了长足的发展，不少国家和一些联合组织发射了自己的星载SAR系统，并有了商业化的数据来源。
与SAR数据源快速增长的现状相比，以SAR图像解译为核心的SAR应用技术研究相对滞后。
SAR成像机理与普通光学传感器有很大的差异，其数据处理的难度主要在于成像过程中电磁波与地表目标相互作用的机理还有待进一步揭示，难以直接反演地表物理现象；成像过程所必然带来的相干斑（Speckle）噪声使地物目标在SAR图像中具有独特的信息特点，因而常规的基于灰度的数字图像处理与分析技术难以奏效。
对SAR图像快速、自动地解译成为了一个世界性的研究课题[7]。
作为SAR数据应用研究重要环节之一的图像处理与分析技术的研究与开发面临巨大的挑战，其研究成果直接关系到SAR在诸领域的应用。
我国的SAR应用技术虽然经过十多年的努力，有了较大的提高，但是与世界先进水平相比，仍有较大的差距[8]。
在数据源充足，SAR应用日益广泛的今天，有必要尽快发展成像后的SAR图像处理技术，以便从观测数据中获取大量的实时信息。
七：
国内外的研究状况
随着SAR在军用、民用等方面的广泛应用，SAR图像的后处理技术逐渐得到人们的广泛关注，其中对SAR图像纹理的分析一直是一个重要的课题。
多年来，研究者们建立了许多纹理算法以测量纹理的特性。
一般的纹理分析算法可以分为两种：
统计分析方法和结构分析方法[9]。
统计分析方法从图像有关属性的统计分析出发，而结构分析方法则着力找出纹理基元，再从结构组成探索纹理构成的结构规律，还有直接去探求纹理构成的结构规律。
由于遥感图像上的纹理没有规则不变的局部模式和简单的周期重复，其纹理信息往往只有统计学上的意义，使得结构分析方法在遥感图像中的应用效果不佳，所以遥感图像纹理分析主要采用的是统计纹理分析方法[10]。
常用的纹理分析方法有傅立叶功率谱法基于模型的Gabor滤波分析法、Markov随机场模型、分形模型纹理描述、灰度共生矩阵、灰度游程长度纹理测度等。
灰度共生矩阵纹理析法已有较长的研究历史，是人们公认的一种重要的纹理分析方法[11]。
1973年Haralick[12]在其文章详细列举了14个灰度共生矩阵特征并将其应用到图像的分类中。
Acqua和Gamba[13]借助灰度共生矩阵纹理分析方法对意大利帕维亚城区的ESR-1图像进行市中心、城郊、市郊的分类提取，通过对不同时相的SAR图像分析结果表明相对于灰度分析法而言，纹理分析法可以提高分类精度。
AnneH.SchistadSolberg[14]等比较了不同条件下得的同一区域SAR图像的灰度共现矩阵、局部统计及随机场模型的提取方法，认为几种方法综合可以得到更好的分类，L.Bruzzone[15]等分析了灰度共现矩阵不同窗口、方向、步长对SAR图像分类结果的影响，Leen-KiatSoh[16]等研究了基于海小波分析自提出以来，就得到了数学界、物理学界和信号处理界等众多学科领域专家和学者的密切关注，原因在于小波变换克服了经典Fourier变换只在频域分析时（空）域信号特征的局限，可以将信号的基本特征在时（空）域与频域中同时展现出来，具有对信号时频局部化的能力，在数学界享有“数学显微镜”的美称。
在应用小波分析解决信号处理特别是图像处理的实际问题时，我们往往不仅要求可以同时在时（空）频域对信号加以“透视”，更需要从不同侧面（比如从方向、尺度等）观察信号，提取我们需要的信息，对于这类问题，小波理论中的多分辨率分析（MRA）恰是最合适的工具，它可以从小波分解的不同子带（方向）和不同等级（尺度）发挥小波分析的“数字显微镜”作用.
升级会员 