SAR图像处理的最新研究与应用

收稿日期:2002-07-10;修订日期:2002-08-10基金项目:国家自然科学基金重点资助项目(批准号:69831040)。作者简介:宋建社(1954-),男,教授,博士生导师,主要研究方向为遥感图像处理、信息融合及系统工程。SAR图像处理的最新研究与应用

宋建社,袁礼海,薛文通

(第二炮兵工程学院信息工程研究所,陕西西安　710025)

摘要:系统地阐述了SAR图像的特点、研究难点、处理过程、国内外最新研究方法及应用。结合国内

外SAR图像最新研究动态对SAR图像消噪、纹理分割、线性特征的提取、多目标的识别、分数维方法的应用等几个热点问题作了论述。具体地论述了利用SAR图像进行目标探测与识别、目标变化

评估;在民用上利用SAR图像进行矿藏资源的探测、洪涝灾害的趋势分析,并介绍了SAR信号处

理算法在医学等领域取得的显著成绩。

关　键　词:合成孔径雷达;图像处理中图分类号:TP75 文献标识码:A 文章编号:1004-0323(2002)05-0284-05

1　引　言

合成孔径雷达(SAR)的概念是1951年美国的

WileyC第一个提出的。SAR是一种能产生高分辨

率遥感图像的相干系统。对接收到的连续不断信号

的幅值和相位进行处理进而产生图像。SAR具有全

天时、全天候、多波段、多极化工作方式、可变侧视

角、穿透能力强和高分辨率等特点,这使得SAR在

工业、民用和军事上都有十分广泛的用途。对SAR

图像的处理和识别研究成了信息工程领域研究的一

个热点问题。许多新的数学方法如:模糊信息处理、

小波分析、分数维方法等与SAR图像研究的结合不

仅促进了SAR图像研究水平的提高,而且也大大促

进了它在各行各业的应用。

SAR图像的特征决定其应用的广泛性,同时也

增加了对SAR图像处理与识别的复杂性。它不像光

学图像那样清晰直观、边缘易于检测。SAR图像不

仅具有光学图像的几何特征,同时还具有重要的电

磁特征。由单幅SAR图像不仅可以提取目标的几何

特征,而且可以提取目标的三维高程信息和运动速

度信息。这些信息的提取不仅需要较系统的数学知

识,而且需要较系统的电磁理论知识,从而增大了图

像理解的难度,使得研究者众多。合成孔径雷达在我国研究较晚,上世纪80年代末期才从美国引进了机

载合成孔径雷达,90年代研制出了我国第一部数字合成孔径雷达,对SAR图像的研究起步更晚。最近

几年,我国对SAR的研究发展较快。中科院电子所、信息产业部第14所、第38所等相继研制出了不同的

机载合成孔径雷达并完成了实验。对SAR图像处理

的研究也取得了很大的进展。本文仅就SAR图像处

理的研究与应用进行总结,以引起更多读者的关注,

促进SAR图像研究的发展与应用。

2　SAR图像的处理过程

在发达国家,对高分辨率的SAR图像的应用研

究已相当普遍,因此迫切需要研究SAR后处理、图

像应用和图像理解等问题。SAR后处理技术分为两

类:天线方向校正和几何畸变校正。以ERS-1卫星

数据为例,具体步骤如下:

(1)原始数据(RawData,RAW)经预处理获得

单目合成图像(SingleLookComplexImage,SLCI

andSLCN)。(2)在SLC图像的基础上应用多目处理、天线

方向校正进而获得细节图像(PrecisionImage,

PRI)。

(3)PRI图像中能获得图像的方向,进而运用

几何畸变校正,查找每个像素准确的位置,最后获得

了通用椭圆几何编码图像(EllipsoidGeocoded

Image,GEC,各阶段图像见图1)。地形几何编码算法(geocodingalgorithms)是确第17卷　第5期2002年10月遥　感　技　术　与　应　用REMOTESENSINGTECHNOLOGYANDAPPLICATION Vol.17　No.10Oct.2002

SLC图像 PRI图像 GEC图像 图1　SAR图像的处理各阶段示意图〔1〕

定图像的方向,准确定位像素的位置。在数字地图上运用地形几何编码算法,并分析SAR图像的纹理特

征,如道路、河流等,然后进行诸如飞机跑道和海岸

线的特征提取,以供进一步的研究。

3　SAR图像处理的研究

3.1　SAR图像消噪

成像雷达获得的SAR图像是地物对雷达波散

射特性的反映。由于成像雷达发射的是纯相干波,这

种信号照射目标时,目标的随机散射信号与发射信

号的干涉产生斑点噪声,并使图像的像素灰度值剧烈变化,即在均匀的目标表面,有的像素呈亮点,有

的呈暗点,模糊了图像的精细结构,使图像解释能力

降低。

SAR图像斑点噪声大,如果幅度分布是高斯型

的,相位分布是均匀的,则像素幅度为瑞利分布。相

干的结果可能是增强型的,也可能是削弱型的,这取

决于是增强型干涉还是削弱型干涉。去除斑点噪声

采用空域滤波算法,如均值滤波、中值滤波、Frost滤

波、Lee滤波、GammaMAP滤波等,同样在频域也可进行滤波处理。文献〔2〕在一般方法基础上提出了

小波包域值法去除合成孔径雷达图像斑点噪声方

法。文献〔3〕提出了基于自适应加权中值滤波前处理

的多尺度非线性阈值斑点噪声消除算法和利用

Harr小波基抑制条纹干扰的算法,取得了很有意义

的研究成果。

3.2　SAR图像纹理分割

纹理分割是基于特征的。描述纹理的特征很多,

但目前还没有提出一种纹理特征可以描述所有纹理。经多年研究表明,寻找可以描述任何纹理、可以

区分任何纹理的特征是不切实际的。实际中针对不同的应用寻找适合某类纹理的特征,由此得到满意的分割才是切实可行的。在各类分割方法中,基于算子的特征计算较为简单,但大多方法抗噪声能力差;

基于统计的特征计算量大、分割精度差,同样受到噪

声的影响;分形模型使用范围较小,只在个别分辨率

下有分割纹理的能力,分数维门限值确定困难,分割

精度差。基于随机场的模型对大尺寸、灰度级较多的

图像分割计算量是极大的;多分辨小波的纹理特征具有先天的缺点(逐点采样造成的纹理信息不全),

很难得到稳定的纹理特征,并且计算量较大;结构方

法仅适合规则纹理〔4〕。法国的RogerFjortoft,

ArmandLopes和PhilippeMarthon提出了SAR图

像中最佳的多边缘检测算法〔5〕,他们提出针对SAR图像的边缘检测器,这种检测器在随机多边缘模型

下以最小均方误差判断是最优的。

3.3　SAR图像线性特征的提取

法国巴黎高等电信工程学院的TupinF等人提

出了适合贝叶斯框架下检测线性特征的算法〔6〕。该

方法分为两步:

第一步,从包含斑噪的雷达图像中提取线性特

征,并作为道路分割的基元。它在作用线性检测器

D1和D2后进行两种检测器的融合,从而得到路的片断结果。两种检测器都是基于斑点噪声的随机特

性。

第二步,将路的片断连接成真实的道路。主要采

用在路的片断结果中定义马尔科夫随机域,引入道

路目标的相关先验知识(路的长度、曲率、是否交叉

等),采用模拟退火算法求马尔科夫随机域中的能量

极小点,为了提高检测的准确程度,算法中还采用了一些后处理方法。在此算法的基础上,Florence

Tupin、IsabelleBloch和HenriMaitre通过几种结构

检测器结论对SAR图像的自动解释做出了贡献〔7〕,

并进一步研究了运用SAR图像和多视角的有效性285第5期 宋建社等:SAR图像处理的最新研究与应用 对高密集度市区道路检测问题〔8〕。针对道路的描述,

论文作者对道路长度、宽度的计算,道路方向、质地

的判别进行讨论,给出了相应的算法〔9〕。

3.4　SAR图像中多目标的识别美国珀德尤大学电子工程学院爱德华教授针对

SAR图像提取多目标特征提出了一套新方法。该方

法中目标检测是基于局部明亮的像素,并通过像素的聚类分析完成。

第一步,首先运用基于像素值反差统计,采用恒

定错误预警率,在SAR信号中搜索局部明亮的区域

来确定可能的目标。第二步,在上面所获得的数据基础上,使用基于

数据空间分布的聚类分析方法将数据集合成组,多

个属于同一目标的数据能集合一起形成簇。

3.5　雷达影像分维方法信息提取

Mandelbrot首先提出采用分形维数来描述和测

量分形的特性。分数维是一个对图像的不规则程度

和碎裂程度的度量,它包含相应集几何性质的许多信息,反映分形体的比例性质及自相似性。对同一自

然景观,分维大小反映其表面的不规则程度和粗糙

度,即分形维数越大,对应的图像表面越粗糙;反之,

分形维数越小,对应的图像表面越光滑。其灰度图像的分维反映灰度分布的特征并间接反映出自然表面

的某些特性。采用构造影像灰度面的虚拟表面积和

体积方法,在小窗口下以单像点为中心逐点计算影像分维特征图。由于分形表面积是灰度表面复杂程

度的一种度量,分维提取的是图像表面复杂度分布

的变化,对雷达图像多噪声、多斑点的特征提取具有

较好效果。文献〔10〕提出一种尺度分维(Scale

FractalDimension,SFD)的概念,用于描述实际中

遇到的分形,指出尺度分维反映了不同尺度对应的

局部分形维数的大小,并提出了一种基于图像纹理特征具有良好抗噪性能的边缘提取方法。

3.6　SAR图像处理存在的问题

在当今解决图像处理问题的同时,也存在如下

一些问题:(1)基于模型的方法一般对图像的要求较高,

对模型比较敏感,在图像与模型不相符时,可能会得

不到满意的结果。

(2)实际生活中,往往对图像处理实时性要求较高,这样对于运算代价较高的一类算法在实际情

况中是不现实的。(3)图像目标检测是一个信息不足的不确定问题,经典数学方法在解决此类问题难度很大,促使人们寻找一种自动或半自动的图像解译系统。

(4)如何恰当描述经典数学语言难以描述的先

验知识,将是在图像处理领域取得突破的关键所在。

(5)为了更好解决视觉处理中分割精度与实时性之间的矛盾,人们将多分辨的思想引入其中,但是

多分辨思想解决视觉问题的主要困难在于高分辨与

低分辨层间的信息接口问题,而且多分辨的搜索策略必须依赖于先验知识。

(6)图像处理方法众多,得到的信息量、价值量

参差不齐。缺乏数学方法和多种处理结果的有机融

合。

4　SAR图像研究的应用

4.1　军事目标的识别与毁伤效能评估

SAR以其不可比拟的优势已广泛地应用在军事领域。新世纪对合成孔径雷达的要求不再局限于

全天候和全天时侦察,而且要求它可以穿透云雾以

及植被,还能探测一定深度的目标,能显示动目标和实时传送图像等。“全球鹰”堪称目前世界上技术最

先进的无人机,它的主要工具则是安装在机头里的

合成孔径雷达。同样采用了高性能的合成孔径雷达,

U-2R的探测距离大大增加。美军许多战斗机上也都安装了专用的合成孔径雷达。因此,美军要求合成

孔径雷达对地面目标的分辨率能达到0.3～3m,能

通过获得多种图像辨别真伪目标,识别隐身目标,并通过对攻击前后的图像作“差”评估打击的效果。如

图2,(a)美国纽约世贸大厦受攻击前的SAR图像,

(b)美国纽约世贸大厦受攻击后的SAR图像。图像

经相关处理后便能分析出大厦的毁伤程度。4.2　矿藏资源的探测

SAR图像在矿藏资源的探测中已被广泛地使

用。过去探测矿藏主要是地质勘探人员亲临各地,做土壤、地质等的采样,然后进行样本分析、实验求证,

最终得出结果。这种方法工作量大,耗费人力、物力、

财力。由于采样的局限性给结果带来了许多的不确

定性。采用SAR图像进行矿藏资源的探测,具有探测范围广、准确程度高等优点,而且探测周期大大缩

短,探测的成本也大为降低。因而在矿藏资源的探测

领域,SAR图像的应用将更加广泛深入。图3为我国

广东肇庆地区的SAR图像,黄金矿藏已作了相关的标注。

4.3　灾情探测与防治

在1998年长江特大洪水期间,中国主要遥感单位利用6颗卫星和3套航空遥感系统,对灾区进行286 遥　感　技　术　与　应　用 第17卷