SAR图像处理的最新研究与应用
- 格式:pdf
- 大小:224.76 KB
- 文档页数:5
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:TP 75 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Wiley C 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 SA R 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(Raw Data,RAW)经预处理获得单目合成图像(Single Look Com plex Image,SLCI and SLCN )。
(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(Precision Im age ,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(Ellipsoid Geocoded Image,GEC,各阶段图像见图1)。
地形几何编码算法(geocoding algorithms )是确
第17卷 第5期2002年10月
遥 感 技 术 与 应 用
REM OT E SENSING T ECHNOLOGY AND APPLICATION
V ol .17 N o .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 SA R 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、Gamm a M AP 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Roger Fjortoft ,Arm and Lopes 和Philippe M arthon 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Tupin F 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 T upin 、Isabelle Bloch 和Henri Maitre 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