星载SAR图像处理技术

莫广生+兰欣

合成孔径雷达的思想是在1951年6月由美国Goodyear航空公司的Carl Wiley在“用相干移动雷达信号频率分析来获得高的角分辨率”的报告中首次提出的。报告中提出了将多普勒频率分析应用于相干移动雷达，通过频率分析可以改善雷达的角分辨率，即“多普勒波束锐化”的思想；同时，证明了移动雷达的角分辨率因回波信号中多普勒频率的结构有可能提高，回波信号的瞬时多普勒频移与被测目标沿航迹方向的位置之间存在着一一对应的关系，回波信号的多普勒带宽与波束带宽有关，最窄的角波束发生在垂直于雷达平台速度矢量的侧方。

同年，美国Illinois大学控制系统实验室的一个研究小组在C.W.Sherwin的领导下开始对SAR的研究[1]，当时采用的是非相干雷达，发射波束宽度为4.13度，经过孔径综合后波束宽度变为0.4度。他们证实了“多普勒波束锐化”的概念，从而在理论上证明了SAR原理，而且于1953年7月成功地研制了第一部X波段相干雷达系统，首次获得了第一批非聚焦SAR图像数据，为以后的聚焦型SAR的研究奠定了基础。

SAR图像处理的关键技术

由于SAR图像具有与光学遥感图像明显不同的辐射特征、几何特征、噪声特征和目标特征，所以SAR图像的处理，某些方面可以继承光学遥感图像的处理方法，某些方面也会有很大的不同：SAR图像所特有的处理过程包括天线方向图校正和相干斑噪声滤除等：SAR图像的几何校正在概念和算法上与光学遥感图像有较大的差别：SAR图像的边界提取和图像分割，可以在相干斑滤除后使用通用的方法处理，也可以不滤除相干斑噪声直接一些专用算法进行处理。

（1）天线方向图校正

天线方向图校正是对SAR图像所做的一种辐射校正。天线方向图造成的辐射畸变在图像上的表现形式是沿距离向，在幅宽范围的中心图像最亮，向两侧亮度平缓下降。星载SAR的数据提供机构一般会定期公布更新的天线方向图和天线增益校正系数，有些提供的数据产品也会是做过天线方向图校正的。但试验运行的SAR系统特别是机载SAR系统获取的数据，往往是没有做过天线方向图校正的，因为不具备补定标设施，这种情况下，就只能用多项式拟合的办法来求得图像上每一列的调整系数。

（2）SAR图像的比例变换和反差调整

因为提供给用户的SAR数据产品一般是以16bit整型数记录的，而顯示器一般只能显示256个灰度，所以为便于操作，需将l6bit数据经比例变换（Scaling）转为8bit数据。设D为16bit图像上像元灰度，D^‘为变换后8bit图像上对应像元的灰度，常用的变换算法有：简单线性变换、对数变换和平方根变换。以上三种变换，第一种往往效果不好，因为SAR图像的直方图一般是明显的左偏峰，举例来说，假设16bit图像灰度范围为0-65535，则可能98%以上的像元灰度在0-5000之间；第二种变换实际上是转换为分贝表示；第三种变换比较适合于SAR图像灰度直方图是左偏峰的特点。

（3）几何校正

几何校正的目的是通过消除图像的几何畸变，使多时相SAR、多传感器遥感信息能互相匹配以进行多源信息分析，从而提高SAR数据的应用效率。由于合成孔径雷达侧视成像的特点。在非平坦地区必须进行DF1A纠正，以消除地形引起的透视收缩、叠掩和阴影。

（4）相干斑噪声滤除

相干斑噪声严重干扰了地物信息的提取和SAR图像的应用效果，噪声严重时，甚至可导致地物特征的消失。在使用通用的方法进行边缘提取和图像分割时，噪声的影响是致使算法精度降低的重要原因。因此滤除相干斑噪声对SAR图像处理有着重要的意义，同时对相干斑抑制的研究也是论文的中心工作。SAR图像相干斑滤除中的关键问题是：既要能有效地滤除噪声，又要能保护边缘和纹理，不致于损失图像中的有用信息。鉴于相干斑噪声抑制在SAR图像处理中的重要地位，本文重点要研究SAR图像的相干斑噪声抑制。

（5）边缘提取和图像分割

在相干斑噪声滤除后使用通用的方法进行边缘提取和图像分割，是当前SAR图像处理中的一个常规途径。事实上，有时我们需要直接对含噪SAR图像进行边缘提取和图像分割。这主要有以下三方面的原因：第一，有时在相干斑降噪时，会损失许多关键的图像信息，从而为SAR图像的进一步应用带来困难；第二，相干斑噪声的形成在一定程度上成为SAR图像的一种重要纹理信息，这种纹理信息对于图像的分析和解译非常关键，而在一般情况下相干斑嗓声的滤除总会损失一定的纹理信息；第三，在对含噪SAR图像进行了边缘提取和图像分割后，再基于这些信息进行相干斑的滤除，这样做的效果往往比单纯的滤波处理好得多。对含噪SAR图像进行边缘提取和图像分割，需要使用一些专门的方法。

（6）目标自动检测

由于SAR是微波成像，所以在图像上显示的目标并非人们平常感知的视觉形象。对于一定的目标识别，首先必须了解该目标在SAR图像上的成像特点，然后依据点目标、线目标、面目标和硬目标的不同识别方法，对该目标进行综合处理。其中相干斑滤除和含噪图像信息提取是两条不同的技术路线，可由用户在实际处理工作中进行选择。

SAR图像特征

一般情况下，地物目标分为点目标、线目标、面目标以及这三者在有限尺度内组合而成的硬目标。这些不同类型的目标在图像上具有不同的表征形式。了解SAR图像的信息特征，对于图像处理具有重要的意义。

点目标

SAR图像上的点目标，指的是以亮点形式出现在图像上的那些目标。通常这些目标的几何尺寸小于一个分辨单元的地面尺寸。但它的回波信号相当强，在整个地块的回波中占据了主导地位，这时像素的信号几乎就只反映它的存在。大多数战术目标，如坦克、装甲车、大炮、船只等，以及工业设施，如高压输电线塔、油井、孤立的小建筑等，都呈现为点目标。

线目标

线目标指在SAR图像中表现为线状（直线或弧线）的目标。它通常表示不同类目标的界线（例如水陆界线）或者当地面线性目标的横向尺寸小于分辨单元尺寸时，表示目标本身。大多数线性体目标，相对于中等分辨率SAR图像而言，其宽度都比较窄，只相当于分辨单元尺寸。故称其为自身线性体目标（本文中简称线性体）。与此相对，仅作为两类目标分界线的线性体，称为边界线性体（本文中简称边界）。本文以一些典型的线目标为代表，分析了它们的图像特征。

面目标

面目标也就是通常所说的分布目标。比如一大块草地或农田，它由许许多多同一类型的散射点组成，散射点的位置是随机的，因而接收到的电磁波相位各有不同，回波初相也不一致，其回波振幅也是随机的，但其中没有任何一个散射点的回波散射可以在总回波功率中占主导地位。雷达波束在扫过这些点之后，雷达天线所接收到的电磁波电场信号往往形成周期性的信号，造成图像上这类地物最强信号和最弱信号的周期变化，形成一系列亮点和暗点相间的图斑，也就是前面所提到的相干斑噪声。

如今SAR己经成为一种不可或缺的军事侦察手段，其在民用和工业上的用途也十分广泛，目标识别及分类己成为SAR图像研究的一个重要方向。随着SAR图像数据越来越多，机器解译已经代替人工解译，SAR图像处理也将会成为研究热点。endprint