引用本文
万紫, 徐茂松, 夏忠胜, 张风丽, 宫华泽. 高分辨率雷达图像双视向几何纠正方法研究[J]. 国土资源遥感, 2010,22(2): 12-16
WAN Zi, XU Mao-song, XIA Zhong-sheng, ZHANG Feng-li, GONG Hua-ze. The Dual-aspect Geometric Correction Method Based on DEM for High-resolution SAR Images[J]. REMOTE SENSING FOR LAND & RESOURCES,2010,22(2): 12-16  
Permissions
Copyright©2010, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
高分辨率雷达图像双视向几何纠正方法研究
万紫1,4, 徐茂松2, 夏忠胜3, 张风丽1, 宫华泽1
1.中国科学院遥感应用研究所,北京 100101
2.国家林业局调查规划设计院,北京 100714
3.贵州省林业厅森林资源管理站,贵阳 550001
4. 中国科学院研究生院,北京 100049

第一作者简介: 万 紫(1982-),男,博士研究生,主要研究方向为高分辨率雷达图像几何纠正。

收稿日期: 2010-01-10
基金: 国家科技部863计划“高分辨率极化雷达森林类型识别与分类技术研究”项目(编号: 2007AA12Z146)资助
摘要

针对山区高分辨率雷达卫星Terra SAR-X图像的严重几何变形,提出了一种新的双视向雷达图像几何纠正方法。实验证明,该方法可以有效去除地形引起的各种几何变形,防止后向散射系数的失真,特别是能够有效去除叠掩和阴影的影响,而这个问题是基于单幅雷达图像的传统几何纠正方法无法解决的。为SAR的应用,特别是林业遥感应用提供了重要手段。

关键词: 高分辨率SAR; 几何纠正; 双视向补偿
中图分类号:TP75 文献标志码:A 文章编号:1001-070X(2010)02-0012-05
The Dual-aspect Geometric Correction Method Based on DEM for High-resolution SAR Images
WAN Zi1,4, XU Mao-song2, XIA Zhong-sheng3, ZHANG Feng-li1, GONG Hua-ze1
1.Institute of Remote Sensing Applications, Chinese Academy of Science, Beijing 100101, China
2.Academy of Forestry Inventory, Planning and Designing, State Forestry Administration, Beijing 100714, China
3.Forestry Resource Administration Station, Forestry Department of Guizhou Province, Guiyang 550001, China
4.Graduate School, Chinese Academy of Sciences, Beijing 100049, China
Abstract

This paper presents a newly developed method for SAR image geometric correction which lies in the dual-aspect geometric correction based on DEM to overcome the inherent shortages of Synthetic Aperture Radar (SAR) image such as foreshortening, shadow and layover, and correct the distorted or lost backscatter coefficient values in mountain areas. The geometric distortion of SAR images strongly limits the application of such images, especially in forestry inventory. The Terra SAR-X SAR images were used in this study. The results show that this method can effectively eliminate the effect of geometric distortions and compensate the lost or distorted backscatter coefficients, and is especially useful in eliminating layover and shadow distortions in SAR images. This method thus solves the geometric correction problem that cannot be solved with single SAR image.

Keyword: High-resolution SAR; Geometric correction; Dual-aspect compensation
0 引言

目前, 在森林调查工作中主要使用的遥感数据源是法国SPOT-5卫星数据和美国陆地卫星TM数据。在我国南方, 特别是西南地区, 由于气候湿润, 多云多雨, 限制了光学遥感数据的及时获取, 不能保证遥感数据对调查区域的完全覆盖, 严重影响了森林资源调查任务的按时完成。我国西南多云多雨地区的森林资源调查急需具有全天候对地观测能力的高分辨率雷达遥感数据源, 而相应的森林类型识别和分类技术方法研究更为迫切。

山区SAR图像几何变形严重, 甚至造成信息缺失, 给SAR的应用, 特别是对我国林业遥感应用带来很大困难。针对山区高分辨率雷达卫星Terra SAR-X图像的特点, 本文提出了一种新的双视向雷达图像几何纠正方法, 利用雷达卫星上行轨道(升轨)与下行轨道(降轨)准同步获取山体东西两坡的数据, 实现对山体两坡的双视向成像。研究基于DEM的双视向雷达图像几何精纠正技术, 纠正由于合成孔径雷达(SAR)侧视成像造成的山区图像几何变形的方法, 包括透视收缩、叠掩、顶底倒置; 研究由于坡度造成的后向散射系数变形纠正方法; 解决山区SAR图像的信息丢失和变形问题。实验证明, 该方法可以有效去除地形引起的各种几何变形, 特别是能够有效去除叠掩和阴影的影响, 而这个问题是传统的基于单幅雷达图像的几何纠正方法无法解决的。

1 研究区和SAR数据源

研究区位于贵州省贵阳地区的扎佐林场, 该林场森林资源丰富, 但是森林都生长在山坡上。研究区内地形起伏, 山势陡峭, 海拔高度范围为600~1 700 m。以地形复杂的区域为研究区, 有利于验证新方法的有效性。

本研究利用两景具有大范围重叠区域的3 m分辨率的Terra SAR-X单视斜距复数据(Single Look Slant Range Complex)。一景为升轨数据, 获取时间为2008年11月9日, 入射角为37.80° ; 另一景为降轨数据, 获取时间为2008年10月22日, 入射角为33.76° 。利用的数字高程模型数据是国家测绘局提供的标准1:50 000比例尺DEM数据, 空间分辨率为25 m。

2 星载SAR图像正射校正
2.1 RD定位模型

对于遥感图像几何纠正而言, 最关键的技术就是建立用于描述像点和地物点之间关系的定位模型。基于距离多普勒(RD)定位模型已经成为目前所有成功发射的SAR卫星的标准定位模型。各种SAR图像产品包括Terra SAR-X单视复数据(SSC)都采用这种定位模型进行地理编码处理, 提供基本一致的卫星轨道状态数据、距离向方程参数和多普勒方程参数。RD模型可以用以下3个方程描述, 即

Xt2+Yt2(Re+Ht)2+Zt2Rp2=1(1)

R=R(i, j)(2)

fd=- 2dRλdt(3)

其中, 式(1)为椭球体方程, 式(2)为斜距方程, 式(3)为多普勒方程。

上述方程中, t表示时刻; (Xt, Yt, Zt)为地面点在地心直角坐标系中的坐标; Re为地球椭球赤道半径; Rp为地球椭球极半径; Ht为地面点的高程, 可表示为地形方程Ht=H(Xt, Yt, Zt); R(i, j)为SAR图像上行列号为(i, j)的像点所对应的斜距; fd为多普勒频率; λ 为雷达波长[1]。

解求上述方程所需要的参数均可从SAR数据头文件中获得, 卫星轨道矢量数据等参数可通过简单运算求得。

由于解求上述方程组的方法不同, 从而形成不同的RD定位模型解算方法, 例如同属于解析法的AGM(Analyzing Geolocation Method)和RGM(Relative Geolocation Method), 以及美国阿拉斯加卫星处理中心在其公开的SAR处理程序中实现的基于多普勒频率的迭代定位方法[2]。基于多普勒频率的迭代定位方法是一种数值迭代方法, 需要多次迭代才能得到合理的解, 但是定位精度已被证明比常规的解析法高。由于Terra SAR-X是一种高分辨率SAR卫星数据, 因此本研究采用定位精度较高的基于多普勒频率的迭代定位方法来解算RD定位模型方程。关于基于多普勒频率的迭代定位方法的详细内容见参考文献[2]。

2.2 基于RD定位模型的SAR图像正射纠正

由于研究区地形起伏严重, 很难获取高精度地面控制点, 因此, 本研究利用DEM产生的模拟图像进行SAR图像正射纠正, 将模拟SAR图像与原始SAR图像配准, 从而建立DEM坐标与原始SAR图像间的变换关系[3]。根据Terra SAR-X技术文档, 3 m分辨率的Terra SAR-X图像正射纠正后的结果图像被采样到2.5 m, 而DEM的分辨率为25 m, 这就会产生模拟影像欠采样问题, 需要对DEM进行过采样处理。根据参考文献[4], 最终的DEM重采样率f由下式决定:

f≥ [ δrgΔSoutδr2ΔSdem]-1(4)

式中, δ rg为雷达影像的地距分辨单元; δ r为斜距分辨单元; δ rg/δ r=1/sin θ ; θ 为雷达影像入射角; Δ Sdem为原始DEM像元大小; Δ Sout为要输出的模拟影像的像元大小。

由于真实SAR图像的方位向分辨率为2. 4 m, 距离向分辨率为0.9 m, 升、降轨数据入射角分别为37.80° 和33.76° , 此时, 对于升轨数据, Δ Sout=0.9 m, Δ Sdem=25.0 m, δ rg/δ r=1/sin(37.80° )=1.63, 因此可以算出f≥ 24.1。同样, 对于降轨数据, 可以算出f≥ 21.8。即分别以25倍的重采样率对升轨影像和以22倍的重采样率对降轨影像进行重采样处理, 就可以保证每个模拟影像像元至少在模拟过程中被赋值一次。为了保证原始DEM重采样后获得比较好的效果, 选择三次卷积内插法并进行分步采样, 即每步重采样时保证采样前分辨率除以采样后分辨率小于3。

进行正射纠正时, 首先利用基于多普勒频率的迭代定位方法求出原始雷达图像上所有像点(i, j)所对应的地面坐标(X, Y, Z)。此时, 相当于得到了与原始图像行列号一致的一幅空白图像; 根据像点(i, j)与地面坐标(X, Y, Z)之间的关系, 将DEM上对应地面坐标的高程值赋予到该空白图像上对应的像元处, 生成斜距DEM图像。然后利用斜距DEM图像上每个像元周围邻近像元的高程值, 计算出局部入射角θ 和地表单元表面积A, 选取后向散射模型RCS=A× cos2θ 就可以计算出模拟SAR图像像元值。此时生成的模拟SAR图像由于是在地形变化区域, 具有鲜明的纹理特征, 和真实SAR图像十分接近。

利用DEM和初始成像模型参数模拟出的SAR图像, 与实际SAR图像之间只存在线性变形, 复杂的、与高程有关的几何变形已经在模拟过程中得到完全描述, 这使得模拟图像和真实图像间的不同仅局限在一定的平移、缩放和很小的旋转, 因此完全可以通过简单的多项式直接建立模拟SAR图像坐标和真实SAR图像坐标之间的几何关系。多项式的建立可以采取人工选取控制点或自动匹配选取控制点的方法, 这里用全自动匹配的方法寻找控制点从而建立描述模拟SAR和真实SAR之间几何关系的多项式。由于模拟SAR图像坐标与地面目标空间直角坐标之间的关系已经由基于多普勒频率的迭代定位方法求得, 因此这时就可以间接得到真实SAR图像坐标与地面目标空间直角坐标之间的关系, 从而完成正射纠正。

在生成模拟SAR图像的过程中, 还可以根据叠掩和阴影产生的几何条件判断叠掩和阴影区域, 生成叠掩阴影掩模图像。图1是2008年10月22日获取的降轨Terra SAR-X正射纠正结果图像与叠掩阴影掩模图像, 叠掩阴影掩模图像中叠掩图像区域被标记为绿色, 阴影图像区域被标记为红色。由于该景Terra SAR-X图像的入射角较小, 产生阴影较少, 所以阴影区域非常小。

图1 正射纠正图像(左)和叠掩阴影掩模图像(右)Fig.1 Ortho-rectified image(letf)and shadow and layover mask image(right)

为了定量评价正射纠正的效果, 以经过正射纠正的一幅SPOT-5为参考图像, 在正射纠正后的Terra SAR-X图像上选取10个控制点进行了精度评价(如表1所示)。

通过选取控制点进行精度评价的结果表明, 正射纠正的定位精度在东西方向约为6 m, 在南北方向上约为20 m, 相对于Terra SAR-X本身3 m的分辨率, 定位精度较高, 证明利用基于多普勒频率的迭代定位方法对高分辨率雷达卫星Terra SAR-X数据进行正射校正的方法是有效的。

表1 基于10个GCP点的正射校正定位精度评价 Tab.1 Lateral deviation on ortho-rectification accuracy by checking 10 GCPs(m)
3 地形纠正

透视收缩会造成后向散射系数变化失真, 这种误差在地形起伏严重的区域是不能忽视的, 因此有必要采取合适的地形纠正方法去除透视收缩现象造成的后向散射系数变化失真[5]。这里采用Ulander[6]提出的一种地形纠正因子cos ψ 来对单幅Terra SAR-X正射校正结果图像进行地形纠正, 即

cosψ=n→(x→×R→)=sinθcosu+cosθsinusinv(5)

式中, ψ 为雷达方位向量与斜距向量所成平面法线与当地地面法线所成的夹角; θ 为入射角(Incidence Angle); u为坡度角; v为坡向相对于飞行方向的方位角, 其计算公式为

v=360-a+b(6)

式中, a为卫星的飞行方位角; b为坡向。

σ 0=β 0cos ψ=σ0'sinθcosψ(7)

式中, σ 0为地形纠正后的后向散射系数结果值; β 0为单位雷达图像面积的雷达后向散射截面; σ 0'为后向散射系数, 即要求在进行地形纠正之前对正射纠正后的雷达幅度图像进行辐射定标处理, 将幅度值转换为后向散射系数值(0~1之间); θ 为入射角。

Terra SAR-X图像的定标公式为

σ 0'=ks× (DN2-NEBN)× sin θ (8)

式中, ks为定标常数; DN为幅度值; NEBN为等效噪声; θ 为雷达入射角。

在求出所有参数之后, 就可以利用上述公式对正射纠正后的雷达图像进行地形纠正。图2分别给出辐射定标结果图像(左)和地形纠正结果图像(右)的局部图像。

图2 辐射定标图像(左)和地形纠正图像(右)Fig.2 Radiometrically calibrated image(letf)and topographic slope corrected image(right)

很明显, 经过地形纠正的图像的几何变形得到了有效抑制, 朝向雷达与背向雷达坡面的明暗差异得到有效消减, 说明地形纠正起到了消除透视收缩影响的作用。

4 双视向补偿

地形纠正主要是针对透视收缩现象的, 但是对叠掩和阴影则无能为力。因此, 需要升轨和降轨两景数据, 利用一景数据的正常区域的像元值对另外一景数据中的叠掩和阴影区域进行补偿, 这就是雷达图像双视向补偿的核心思想。

双视向补偿需要一对升轨和降轨雷达图像。首先对两景图像分别进行正射纠正、辐射定标和地形纠正处理。由于对两幅Terra SAR-X图像的正射纠正是单独进行的, 导致两图像之间会不可避免地出现几何上的偏差, 即两者不可能在地理位置上完全对应, 因此需要对二者进行图像配准。又由于对这两幅图像的正射纠正是用同样方法进行的, 因此认为二者之间的几何关系可以用简单的多项式表示, 所以在这里选用多项式校正的方法对两幅正射纠正后的Terra SAR-X图像进行配准(图3)。

图3 双视向补偿前(a)后(d)效果图Fig.3 The effect pictures before (a) and after (d) compensation process

在配准之前, 需要选定一幅主图像和一幅副图像。选取的原则为选取一幅叠掩和阴影区域总计较小的图像作为主图像。叠掩和阴影区域大小可以从正射纠正产生的副产品— — 叠掩阴影掩膜图像上提取。根据这个原则, 选择10月22号获取的Terra SAR-X图像作为主图像, 将11月9号获取的图像作为副图像进行配准, 两者之间的配准精度在一个像元以内。

配准以后进行双视向补偿。双视向补偿的原理是: 主图像上发生叠掩和阴影的区域(根据叠掩阴影掩膜图像判断), 如果在副图像的对应位置上未发生叠掩和阴影, 就用副图像上该处的像元值进行补偿。图3为山势陡峻区域图像经双视向补偿前(a)、后(d)的效果对比。

根据叠掩阴影掩模图像判断, 双视向补偿前主图像上呈现为亮斑特征的区域多为叠掩区域, 如图3(a)、(b)所示。这些很亮的叠掩区域在双视向补偿后, 使后向散射系数失真得到有效补偿, 呈现正确的后向散射特性和地貌特征(图3(d))。据统计, 主图像在与副图像重叠区域范围内, 其补偿前的叠掩和阴影图像像元总数为6 274 790个, 其中叠掩图像像元6 088 419个, 阴影图像像元186 371个; 补偿成功后, 消除的叠掩和阴影图像像元共4 863 190个, 其中, 叠掩像元成功补偿4 803 360个, 阴影图像像元成功补偿59 830个。总的叠掩阴影像元补偿成功比例为77.504%。

图4示出山势较为平坦区域雷达图像经双视向补偿前后的三维效果对比。补偿前的叠掩像元总数268 058个, 阴影图像像元8 546个; 补偿后, 成功补偿的叠掩像元252 800个, 成功补偿的阴影图像像元3 390个。总的叠掩阴影像元补偿成功率为92.62%。

图4 双视向补偿前(左)后(右)三维效果图Fig.4 Three-dimensional display before (letf) and after (right) dual-aspect compensation process

研究表明, 基于DEM的双视向雷达图像几何精校正技术可以有效去除叠掩和阴影的影响, 这个问题是传统的基于单幅雷达图像的几何纠正技术无法解决的。

5 结论

(1)利用雷达卫星上行轨道与下行轨道准同步获取山体东西两坡的数据, 可实现对山体两坡基于DEM的双视向几何纠正, 有效纠正由于合成孔径雷达(SAR)侧视成像造成的山区图像的几何变形, 包括透视收缩、叠掩以及由于坡度造成的后向散射系数变形失真, 解决了山区SAR图像的信息丢失和变形问题。

(2)实验证明双视向几何纠正方法可以有效去除地形引起的SAR图像的各种几何变形, 特别是能够有效地去除叠掩和阴影的影响, 这个问题是传统的基于单幅雷达图像的几何纠正方法无法解决的。

致谢: 感谢加拿大空间局SOAR项目提供了全极化RADARSAT-2数据。

The authors have declared that no competing interests exist.

参考文献
[1] 吕京国, 李建平. 星载合成孔径雷达图像正射纠正算法的研究与实现[J]. 遥感技术与应用, 2002, 17(4): 230-234. [本文引用:1]
[2] 周金萍, 唐伶俐, 李传荣. 星载SAR图像的两种实用化R-D定位模型及其精度比较[J]. 遥感学报, 2001, 5(3): 191-197. [本文引用:2]
[3] 郭华东. 雷达对地观测理论与应用[M]. 北京: 科学出版社, 2000: 182-183. [本文引用:1]
[4] 吴涛. 星载SAR图像模拟研究[R]. 北京: 中国科学院遥感应用研究所, 2007: 37-42. [本文引用:1]
[5] 徐凌, 杨武年, 濮国梁. 利用DEM进行多山地区星载SAR图像的正射校正[J]. 物探化探计算技术, 2004, 26(2): 145-148. [本文引用:1]
[6] Uland er L M. Radiometric Slope Correction of Synthetic Aperture Radar Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(5): 1115-1122. [本文引用:1]