天基sar成像算法

‘壹’ 微波遥感数据预处理

微波遥感作为一种获取地球表面信息的重要技术手段，已经在国内外得到了广泛的应用和发展。随着人们对遥感应用中定位精度要求的提高，对遥感数据的处理技术也提出了更高、更细的要求，这种要求就是图像数据反映地物辐射特性的真实性和对地球表面几何位置的准确性，它们直接影响遥感技术应用的精度和广度。

（一）辐射标定

原始的SAR数据没有经过严格的辐射标定，因而数据所反映的地物辐射特性与实际地物本身的辐射特性之间存在一定程度的差异。这类SAR图像虽然能够满足一般的定性分析的精度要求，但是在很多实际应用中，往往要对图像进行定量分析，如模式识别、目标分类等。因此为了使SAR数据能够满足定量分析精度的要求，就必须要对其进行辐射标定工作。有关原始SAR图像辐射标定的算法较多，常用的算法是：

1∶25万遥感地质填图方法和技术

式中：I=10 lg（DN_ij）；

σ°——反射系数；

DN_ij——像元（i，j）的灰度值；

K——辐射标定常数；

R_n——像元（i，j）的斜距；

R₀——参考斜距；

a_n——像元（i，j）的入射角；

a₀——参考入射角；

G_sys——被标定SAR图像的系统雷达天线增益；

G_sys0——确定K时的系统雷达天线增益。

辐射标定所需参数都可以直接从原始图像数据头文件中直接或间接获取，标定后的图像将原始图像灰度转换成后向散射系数。利用PCI软件可以完成对雷达数据的辐射标定的处理。

（二）微波图像噪声与斑点的弱化处理

当成像雷达发射的是纯相干波照射到目标时，目标上的随机散射面的散射信号与发射的相干信号之间的干涉作用会使图像产生相干斑点噪声。这种斑点噪声严重干扰了地物信息的提取与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。在图像信息提取时，这一现象往往产生假信息。因此，弱化斑点噪声对SAR图像的应用有着重要意义。

噪声平滑与弱化的最好方法是利用同一地区的不同探测方向的两幅或多幅雷达图像进行振幅或密度的配准和辐射纠正，计算其差值图像，就可以消除雷达数据本身固有的斑点噪声。其他方法还有：

1.主成分分析法

RADARSAT-1 SAR数据的噪声由于其固有性质，在通过主成分变换后噪声往往分布在其中的某一个分量上。通过计算各分量的均值和方差就可以判断哪个分量是以噪声信息为主，而其他分量则为地物的微波散射信息。通常情况下，主成分分析具有以下特征：

（1）主成分分析的数据变换前后的方差总和不变，只是把原来的方差不等量地再分配到新的主成分波段影像中。

（2）第一主成分包含了多波段影像信息的绝大部分，其余主成分信息含量依次减少。

（3）各主成分的相关系数为零，即各主成分所含的信息内容不同。

（4）第一主成分相当于原来各波段的加权和，反映了地物总的反射或辐射强度；其余各主成分相当于不同波段组合的加权差值影像。

（5）第一主成分降低了噪声，有利于细部特征的增强和分析。

（6）对于有些特殊异常的专题信息，往往通过主成分分析后在第二以上主成分影像上得到增强。

对微波遥感数据的主成分分析可以采用不同时相的SAR数据、不同参数的SAR数据或不同方法处理后的同一SAR数据进行主成分变换，可以起到弱化噪声的目的。为不同方法处理后的同一SAR数据进行主成分变换后的SAR数据。

2.中值滤波技术

中值滤波技术由于其原理是建立在像元及其领域的统计特征的基础上，因而也广泛地应用于雷达数据的噪声处理中。对 n×n 大小的滤波核，处理后的中心点的像元值为该滤波核处理前所有像元值的中间值（彩图1-3b）。中值滤波算子的数学公式如下：

1∶25万遥感地质填图方法和技术

式中：X_ij——n×n窗口中的第（i，j）像元的灰度值；

M（X_ij）——n×n窗口中所有像元值的中间值。

3.滤波增强处理

由于散射信号产生的 SAR 图像，受大量“斑点”噪声影响，必须经过滤波预处理。针对雷达数据的固有的倍增噪声特征，设计的滤波算子是基于局部统计及噪声模型信息的，主要包括 Lee滤波、Frost滤波、Kuan 滤波、Gamma Map 滤波和 Average滤波。许多在多光谱数据处理中使用的滤波算子如高通滤波、低通滤波、纹理滤波应用于雷达数据分析往往带入大量的人工信息，针对上述问题，工作中使用以下一些滤波算子。这些算子不仅能较好地滤去高频噪声，而且能较好地保持影像边缘和纹理信息；同时，处理后的图像相对于原始图像具有更好的对比性。尤以 Frost（彩图1-3c）、Lee及其增强滤波算子为佳。

目前常用的滤波有：①Frost自适应滤波；②Lee滤波；③Gamma Map斑点滤波；④Frost自适应增强滤波；⑤Lee增强滤波；⑥Kuan斑点滤波。

‘贰’ 微波成像的算法

微波成像的算法 很多，但由于散射场和散射体之间的非线性关系，以及电磁逆散射问题的解具有非唯一性和不稳定性的特征，人们很难得到电磁逆散射问题的解析解；绝大多数情况下只能通过数值方法求解，而且只能从诸多解中选择一个最优的解作为最终解。
微波成像的各种算法层出不穷，包括早期的X射线透射层析法，特征线法，波前追踪法，量子力学方法，散射层析法，伯恩迭代法等等。
上述算法主要集中在频域处理范围内，随着时域微波成像的不断完善、时域脉冲源技术的不断发展，时域成像技术发展迅速，成为热门的研究方向。
根据微波成像的固有特点：非唯一性、不稳定性、非线性关系，许多学者开始引入处理全域优化问题的最有力的数值方法——遗传算法，来处理微波成像问题。

‘叁’ 距离徙移为什么让回波信号分散到不同的距离单元

目前主要有几个尚且迷惑的问题：
2；参数估计获得的多普勒中心与调频斜率用来修正距离迁移校正吗？1）距离徙动是指合成孔径过程中，雷达与目标之间的斜距变化超过了一个距离分辨单元，使得来自同一目标的回波信号在距离向分布于不同的距离单元内，造成了信号在方位向和距离向的耦合。如前所述，要将成像处理的二维移变过程变为两个一维移不变过程，需要进行距离徙动校正来消除距离向和方位向的耦合。所谓距离徙动校正，就是要将距离徙动曲线轨迹校正为平行于方位向的一条直线，其精度要达到一个合成孔径时间内，斜距的变化小于距离分辨单元的一半。在星载SAR成像中，回波信号通常伴有大的距离徙动，因而距离徙动校正成为成像处理中的重要环节，直接影响成像算法的设计和最终的成像质量。
距离徙动曲线用多普勒参数表示为，
R(t)=(Lam/2)fd*t+(Lam/4)fr*t*t (2-15)
从上式可以看出，距离徙动曲线为方位时间的二次函数。其中，线性项称为“距离走动”（Range Walk）项。在星载合成孔径雷达中，距离走动主要由地球自转引起，在多普勒参数上表现为多普勒中心频率随卫星飞行的位置不同而不同。当卫星位于赤道上，距离走动最大；当卫星位于两极时，距离走动最小。式中的二次项称为“距离弯曲”（Range Curvature）项，距离弯曲是由于雷达发射波为球面波，加上地球曲率的影响所造成的，它几乎不随卫星的位置变化而变化，是相对稳定量，同时距离弯曲量一般很小，为几个距离门左右，而距离走动项变化范围可从几个至几十个、几百个距离分辨单元。
距离徙动校正可以在时域、多普勒域以及二维频域进行。通常选择在多普勒域进行。下面以两个目标的距离徙动情况来分析距离徙动的时域和多普勒域的关系，介绍在多普勒域进行校正的原理。
假设地面上有两个目标A、B，它们位于相同的距离 处，但方位不同，两点时间差为 t1，则它们的时域距离徙动曲线分别为：
RA(t)=(Lam/2)fd*t+(Lam/4)fr*t*t (2-16)
RB(t)=(Lam/2)fd*(t-t1)+(Lam/4)fr*(t-t1)*(t-t1)(2-17)
从距离徙动曲线的表达式可知，尽管A、B两点处在相同的距离上，但它们的距离徙动曲线并不相同，往往交叉在一起，它们的距离走动是相互平行、长度相等的两条线段.
由于相同距离处的多普勒参数是相同的，也就是说，相同距离处的散射点的距离徙动曲线在多普勒域可以用同一条曲线来表示，同一距离不同方位的散射点可以一起进行距离徙动校正，从而简化了距离徙动校正的过程。因而，在多普勒域完成距离徙动的校正比在时域完成容易。但是，需要注意的是，多普勒参数是随着距离变化的，那么在多普勒域不同距离处的距离徙动曲线曲率是不同的。
2）在经典的RD成像算法中，多普勒中心频率的作用有两点：一是补偿距离走动；二是补偿方位多普勒频率，避免斜视成像时出现方位频率模糊。多普勒调频率的作用是方位去斜，完成方位聚焦。在距离分辨率要求不太高、成像幅宽不太大和合成孔径时间不太长时，距离弯曲一般不超过一个距离分辨单元，不需要补偿。