sar SAR卫星影像数据应用

随着合成孔径雷达技术的不断发展，人们有可能从合成孔径雷达图像中获取更多的表面信息。干涉合成孔径雷达技术出现于20世纪60年代末。它可以获得地球表面的高程信息，但不具备分辨高程方向的能力。1998年，Reigber等人开展了层析成像SAR成像技术的研究，利用多基线L波段机载SAR数据获得了植被和建筑物的三维结构，验证了层析成像SAR技术的可行性。2003年，Fornaro等人利用ERS星载SAR数据进行了数据处理实验，证明了利用星载SAR数据进行三维层析SAR成像的可行性，为后续研究和实际应用奠定了基础。

(1)

公式中，δ s为反射信号沿高程方向的分布范围；γ(s)是目标沿仰角方向的散射函数；ξn为空之间的采样间隔，可由ξn=-2b⊥b/(λr计算)；B⊥n是垂直基线距离；λ是入射波长；r为中心斜距。

综上所述，层析反演的过程是根据某个像素的数据集gn的逆运算计算γ(s)，然后确定各主导散射体的反射率和位置，从而实现明确的三维SAR成像。

2色谱合成孔径雷达成像处理流程

层析合成孔径雷达成像的处理流程如图2所示。

2.1复杂图像配准

由于N幅图像是从不同的视角和不同的天线高度获得的，地面与天线斜面的角度不同，不同图像中同一接地点对应的像素很难重叠，因此图像配准尤为重要。目前广泛使用的配准方法有相关系数法、平均波动函数法和最大谱配准法。

2.2赤纬

去除单目复杂图像序列中由参考倾斜距离引起的相位项称为去斜坡。参考斜距可以利用电磁波传输的中心延迟和雷达记录的光速来计算，也可以根据参考地形和雷达位置来计算。后者是常用的，即参考地形赤纬。该方法只需知道雷达位置和地形即可计算出参考斜距长度。

2.3相位误差补偿

相位误差的随机性严重影响层析合成孔径雷达的成像精度。因此，多时间相位差干扰常被用作相位补偿，但其处理较为繁琐。后来朱小祥等人提出了一种基于PS-InSAR的相位误差补偿方法。在分析前人研究的基础上，孙锡龙提出了基于PS-InSAR中间输出的相位误差补偿方法和基于PGA算法的相位误差补偿方法。

与干涉合成孔径雷达相位补偿方法相比，基于干涉合成孔径雷达中间输出的相位误差补偿方法具有更高的处理效率和精度。基于PGA算法的层析成像合成孔径雷达相位误差补偿方法不仅效率更高，而且适应性更强。

2.4立面成像

因为目前的SAR系统对同一目标的观测很少，而且轨道分布不均匀。因此成像效果不好，层析成像分辨率低，旁瓣高。

色谱分辨率是指两个不同散射体之间在仰角方向上可以分辨的最小距离。分辨率越高，距离越小，散射体可以分离得越多。相反，低分辨率会导致距离小的散射体无法分离。色谱分辨率与最大垂直基线长度有关，但在现有的合成孔径雷达系统中，很难通过改变基线长度来提高色谱分辨率。因此，超分辨率成像算法一直是层析成像研究的重点。

3层析合成孔径雷达成像算法

基于各专家学者对层析成像合成孔径雷达成像算法的研究成果，本文主要分析了傅里叶变换算法、现代谱估计算法和压缩感知算法。另外，还有只适用于机载层析成像SAR成像的后向投影方法，这里不再赘述。其中，傅里叶变换算法和现代谱估计算法都需要满足奈奎斯特采样定理。在目前的数据采集条件下，很难以低成本获得足够的多基线数据。因此，将压缩感知算法引入层析合成孔径雷达成像算法具有重要意义。

3.1傅立叶变换算法

傅里叶变换可以将满足一定条件的某个函数表示为三角函数或它们的积分的线性组合。最早的层析合成孔径雷达成像算法是利用傅里叶变换来区分不同高度的散射中心。该算法要求数据采样均匀，满足奈奎斯特采样定理，但傅里叶变换成像算法无法实现超分辨率成像。

Reigber在德国的Oberpfaffcnhofen对垂直基线约为260米的14轨电子合成孔径雷达系统的L波段全极化数据进行了成像实验。成像方法采用傅里叶变换算法，最终在仰角方向的瑞利分辨率约为2.9 m。

3.2现代频谱估计算法

现代谱估计算法是最经典的层析成像算法，也是一种研究较多的算法。将该算法用于仰角成像相当于估计多个散射源的到达方向。层析成像SAR常用的是现代谱估计算法，包括基于SVD的成像算法、RELAX算法、MUSIC算法和Capon算法。这种算法改善了傅里叶变换成像的色谱分辨率低、旁瓣高的缺点，并且在处理过程中成像效果受系统误差和噪声的影响较大。

2003年，Fornaro等人提出了一种基于奇异值分解的层析成像算法，并利用仿真数据验证了该算法的可行性。为了解决奇异值分解结果中一些小奇异值引起的噪声传播问题，设置了奇异值阈值(奇异值分解，TSVD)。2010年，朱小祥等人提出了维纳-奇异值分解(Wiener-SVD)算法，该算法利用噪声水平来优化奇异值的权重，而不是简单地截断奇异值，并给出了噪声水平的预测方法。2013年，王安迪采用改进的维纳-奇异值分解方法进行仿真实验，讨论了采集次数不足和基线分布不均匀的情况。实验表明，奇异值分解成像算法的性能优于傅里叶频谱分析。2014年，魏连焕、廖提出了一种基于巴特沃斯滤波奇异值分解(Butterworth-SVD)的色谱算法，克服了传统奇异值算法不能自适应选取阈值的缺陷，提高了算法的自适应特性和鲁棒性。

1996年李提出的松弛算法具有较好的分辨率和鲁棒性。2002年，基尼等人提出了M-RELAX算法来抵消乘性噪声的存在。2010年，任晓珍提出了基于RELAX算法的IRLAX算法，优化了第一次迭代矩阵，细化了迭代过程中的搜索区间。2012年，基于RELAX算法，孙锡龙提出了一种适用于城市建筑三维重建的高分辨率层析成像SAR成像算法。与奇异值分解方法相比，它在高程方向上具有更高的分辨率。

施密特于1979年提出了多信号分类方法(MUSIC)，将“矢量空区间”的概念引入空区间谱估计领域，并将其应用于层析成像合成孔径雷达成像的研究。2003年，Lombardini首次实现了基于Capon算法的真实星载SAR数据层析成像。幅度和相位估计(Capon)算法是由李和提出的一种频谱估计算法。2012年，张、、提出了基于加权信噪比的频域最小二乘APES算法来解决基线不均匀带来的离焦问题，实现了基线不均匀下的高维聚焦。

3.3压缩感知算法

2004年，Donoho、Candes和Tao提出了压缩感知(CS)算法，此后得到了广泛的研究。它的核心思想是压缩和采样相结合。首先采集信号的非自适应投影(测量值)，然后根据相应的重建算法从测量值重建原始信号。2007年，Baraniuk等人提出将压缩感知算法引入层析成像。压缩感知算法突破了传统的奈奎斯特采样定理，使用更少的采样数据，也有可能对原始信号产生更好的逼近。该方法实现了仰角方向无旁瓣效应的超分辨率成像，成像效果较好，弥补了傅里叶变换算法和频谱估计算法的不足。此后，国内外专家学者开展了一系列相关研究。

自2009年以来，国外研究者对层析合成孔径雷达成像算法进行了深入研究。朱小祥利用CS算法做了一系列层析实验。文献[8]提出了基于L1范数的最小化正则化CS算法。与非参数方法和参数方法相比，该算法具有计算效率高、不需要选择模型、在保持方位-距离分辨率的同时，可以实现高程方向的超分辨率等优点。参考文献[32-33]提出了基于CS算法的SL1MMER算法，这是一种基于压缩感知、模型选择和最大似然参数的算法。通过与最小二乘法的比较，建立了超分辨率的绝对边界，并给出了位置精度和超分辨率因子的解析表达式。2014年，论文[34]提出了一种结合周期图、SVD-Wiener和SL1MMER的层析成像算法，并结合永久散射点(PSI)方法对米分辨率的城市区域图像进行层析反演。利用城市数据集对该方法进行了测试，得到了可靠的结果，并确定了使运行速度超过50%的加速因子。2015年，朱小祥等人提出了一种新的基于SL1MMER的M-SL1MMER，并加入了建筑物的先验知识。实验中使用了双基地的TanEDM-X数据集。利用这种方法，只需要六个干涉图就可以实现良好的层析重建。与在单次快照上使用稀疏度的SL1MMER相比，M-SL1MMER在多次快照上使用稀疏度，充分利用了SAR图像信息，从而获得更好的成像效果。2011年，Budillon等人还开展了基于压缩感知算法的层析成像研究，该算法基于L1范数最小化，允许超分辨率成像，克服了整体基线跨度的限制。2010年Kim提出的压缩多信号分类的CS-MUSIC算法和2012年Aguilera提出的多信号DCS算法大大减少了航班数量。2012年，Barilone等人提出了CST算法，大大减少了采样数据，获得了高程方向的高分辨率。

在中国，色谱合成孔径雷达也得到了广泛的研究。2012年，孙锡龙完善了基于压缩感知的CT成像理论，并在不限制等距离属性(RIP)约束条件的压缩感知框架下，对基于压缩感知的CT SAR成像理论进行了深入分析。2012年，闵瑞等人提出了正则化匹配追踪(ROMP)算法在层析成像SAR成像中的应用。仿真结果表明，该算法能够实现高分辨率成像。同年，刘康等人利用压缩感知算法估计层析合成孔径雷达的频谱，重构回波信号，并在德国柏林用模拟数据和TerraSAR-X高分辨率图像进行了实验。实验结果表明，压缩感知算法比传统的基于奇异值分解的层析成像算法更具优势。2014年，李烈臣等人针对连续场景稀疏阵列提出了一种基于CS算法的三维成像算法。该算法可以在保证图像分辨率的同时实现不等间隔空的稀疏采样，减少了对垂直阵列的设计约束，使得在孔径综合处理后无法获得全阵列的情况下实现对地成像成为可能。2014年，任剑等人提出了一种基于压缩感知的自适应跟踪方法，以提高仰角方向的分辨率。与正交匹配算法相比，有效提高了成像质量。2016年，王、等人提出使用块压缩感知(BCS)算法。与基于压缩感知的合成孔径雷达层析成像方法相比，该方法更好地利用了目标的稀疏性和结构性，重建精度更高，性能更好。2017年，赵克群和毕慧提出了基于快速阈值迭代算法(FIST)的层析SAR成像算法，保持了阈值迭代算法(IST)的高分辨率和计算精度，使迭代速度更快。

总体来说，国内外研究者已经将压缩感知算法引入到层析SAR成像的研究中。许多实验研究证实，与传统的层析合成孔径雷达成像方法相比，基于压缩感知的层析成像算法具有分辨率高、采样数据大大减少、重建性能更好的优点。

4层析成像合成孔径雷达成像的主要应用4.1城市三维/4D信息提取

2000年，Reigber等人成功提取了德国航天局附近建筑物的竖向结构信息。2005年，Fornaro和Lombardini利用ERS1/2卫星从1992年至2004年获取了63幅图像。图像的最大基线跨度为1700 m，平均基线间隔为28 m，垂直分辨率为5.5 m，2010年朱小祥等人首次使用25幅高分辨率TerraSAR-X Spotlight数据重建了拉斯维加斯市区的三维散射。同年，她还首次利用该数据集提取了拉斯维加斯市区建筑物的变形信息。2014年，朱小祥等人利用美国拉斯维加斯和德国柏林的数据集进行层析反演。2017年，赵克祥和毕慧利用TerraSAR-X条带图数据重建了北京盘古七星酒店北侧的建筑。2017年，王等人利用Envisat卫星的34幅时间序列图像对日本某处地表变形进行监测，并以传统测量获得的数据为参考进行验证。实验结果表明，采用KRS-BCS方法的差分层析成像反演结果与参考数据保持较好的一致性，变形率总体偏差较小，实现了城市地表变形的高精度估计。

城市地区是叠加现象严重的地区。层析成像合成孔径雷达技术可以解决散射体的叠加问题，实现高层建筑的三维成像。同时，随着差分层析成像合成孔径雷达技术的出现，有可能获得城市的四维信息，即传统的三维和时维信息，从而实现城市建筑物的变形监测。目前，随着我国城市化进程的加快，建筑物三维/4D信息的获取对于城市发展、城市管理、公共安全、减灾救灾、动态监测等都具有重要意义。

4.2森林覆盖研究

由于森林散射机制对偏振模式的依赖性很强，因此在森林层析成像合成孔径雷达研究中一般采用多极化数据。2000年，赖格伯等人成功提取了德国航天局附近植被的垂直结构信息。2005年，吉亚索利用德国航天中心的E-SAR L波段数据对德国奥伯法芬霍芬的森林进行了成像。2008年，弗雷等人利用E-SAR机载传感器数据提取了一个林区植被的垂直结构信息。2012年，Aguilera等人利用E-SAR获得的全极化L波段数据，获得森林垂直结构。2015年，张、等人利用2007年瑞典雷明索普地区E-SAR系统获得的图像进行森林高程重建实验。2016年，施密特和朱晓祥提出了森林资源单次飞行多基线毫米波数据的研究，并利用单次飞行多基线毫米波数据和高精度地面激光扫描数据对一个公园进行层析合成孔径雷达成像。实验结果表明，可以重建树冠高度，甚至可以重建单棵树来研究森林体积。

合成孔径雷达层析成像方法对于提高森林类型的分类精度、森林垂直结构参数、森林生物量和蓄积量的估计精度具有重要的潜在应用价值。

4.3冰川厚度研究

随着气候的逐渐变暖，利用冰川厚度的变化来监测气候变化具有重要意义。2011年，吴等人利用2006年和2008年的高分辨率数据对冰川进行层析成像，实现了5米的地表层析精度和14米的厚度精度；2014年，Ferro-Fame等人利用2013年的X波段和波段地基合成孔径雷达(GBSAR)数据对Loita市冰川进行层析反演，获得厘米级分辨率。

目前，层析成像合成孔径雷达技术在冰川中的应用研究仍处于起步阶段，潜力巨大，其中多极化层析成像合成孔径雷达技术和地基层析成像合成孔径雷达技术将是研究热点。

4.4调查和监督

2012年，楠尼娜等人利用E-SAR系统获得的L波段机载数据，对隐藏在树叶下的隐藏物体进行监测。实验结果表明，在断层图像上，卡车和油罐车能够被清晰地区分。

除上述应用领域外，根据国内外学者的研究和预测，层析SAR技术在地形测绘、考古、砂层、军事、民用等方面将有广阔的应用前景。

5存在的问题及趋势分析

国内外综合研究表明，色谱合成孔径雷达技术在某些方面还存在一些问题。首先，由于星载合成孔径雷达系统设计之初没有考虑层析合成孔径雷达技术的应用，数据不能完全满足层析合成孔径雷达高分辨率成像的理论条件；其次，目前研究的算法不能很好地解决问题，达到理想的成像效果。然后，目前研究人员还没有充分利用现有的数据信息。最后，层析合成孔径雷达技术的研究和应用需要更多研究人员的共同努力和更好的数据支持。数据问题详述如下:

5.1飞行数据数量少

多基线层析合成孔径雷达图像通常是通过重复飞行获得的，这是昂贵的。为了保证高程方向的高分辨率和成像精度，需要更多的数据。层析成像分辨率低的主要原因是图像数量少。如何用更少的图像获得更高的分辨率将是未来需要克服的一个难点。一些学者提出了减少所需航班数量、降低成本的航线优化方法。此外，成像算法在压缩感知算法的基础上不断优化，以便即使在飞行次数较少的情况下也能获得超分辨率和高成像精度。

5.2基线分布不均匀

在合成孔径雷达系统设计之初，没有考虑层析合成孔径雷达技术的应用，因此得到的基线分布不均匀，导致数据欠采样或过采样，会增加高程成像的精度误差。基于现有的多次飞行数据，通过插值重采样得到基线分布均匀的数据，此外，基于现有的非均匀基线飞行数据，开发了一种新的算法来实现理想的色谱分辨率，这将是一种可以研究的解决方案。

5.3大气效应的影响

获取多幅图像需要几个月甚至几年的时间，中间的很多因素，比如大气变化、地物变化等都会引起相位误差，很难去除。现有的相位补偿方法难以保证去除相位值的准确性，需要进一步优化。有学者提出可以引入气象数据去除大气影响，或者将三维层析SAR模型扩展为四维层析SAR模型，利用永久散射体技术去除大气影响，然后进行层析成像。如何消除大气效应的影响仍然是当前研究的难点，需要进一步研究。

5.4极化信息没有得到充分利用

2005年，Guillaso等人在层析SAR成像中加入了偏振信息，成像结果获得了更多的地物信息。现有的层析成像合成孔径雷达成像技术没有充分利用偏振信息。极化信息的研究和利用将是未来的一个热点，可以提取更多有用的表面信息。

可以预见，一方面研究者会根据数据量小、基线分布不均匀的现状，继续研究和优化超分辨率算法；另一方面，根据所需条件，设计研究了单导航多基线系统，避免了大气变化的影响，可用于小区域的研究和应用。随着层析合成孔径雷达技术应用范围的不断扩大，将使用更多的波段数据和波段组合，并扩展到更多的应用领域。

6结论

多基线层析成像合成孔径雷达成像技术是近年来发展起来的一种新的合成孔径雷达技术，具有真实的三维成像能力，能够区分不同仰角方向的散射体。目前，其理论研究逐渐成熟，但层析合成孔径雷达的研究仍存在一些困难，如基线不均匀和大气效应引起的误差，需要国内外学者不断完善相关算法进行实际探索。随着SAR图像分辨率的逐渐提高，其分辨率甚至高于普通光学图像(如德国即将发布的0.25 m分辨率的TerraSAR-X数据)，使得城市建筑物的信息越来越详细，同时SAR卫星的重访周期也会大大缩短，获得的重复轨道数据也会越来越丰富。在不久的将来，中国将发射包括光学和雷达成像卫星在内的七颗高分辨率卫星。可见，利用层析成像合成孔径雷达技术进行多维精密监测的环境条件逐渐成熟。而且，由于层析成像合成孔径雷达技术不仅可以实现城市建筑的三维重建，还为变形监测提供了一种新的方法，对于城市重大工程的安全检测、大型基础设施的动态监测、高层建筑的变形监测等都具有重要意义。层析成像合成孔径雷达技术将在更多的领域得到广泛的应用和发展。