SARscape下雷达图像一般处理与应用
SAR系统可以通过多种方式获得图像，如单通道或双通道模式（如HH、HH / HV或VV / VH)、干涉 (单轨或多轨)模式、极化模式(HH,HV,VH,VV)、干涉及极化组合采集模式，不同的获取模式对应了不同的处理方法，可分为以下四种：
-
雷达强度图像处理
-
雷达干涉测量（InSAR/DInSAR）
-
极化雷达处理（PolSAR）
-
极化雷达干涉测量（PoIInSAR）
本文介绍的是雷达强度图像的处理。
1 处理流程
如下图是利用SARscape雷达图像基本处理工具，基于不同雷达数据情况，执行雷达图像处理和应用的流程图。
单雷达图像处理与应用流程图
单一传感器，单一模式，多时相雷达图像处理与应用流程图
单/多传感器，多模式，多时相雷达图像处理与应用流程图
2 处理流程关键技术
下面介绍流程中相关技术。
(1) 聚焦处理
对雷达系统的RAW数据中每个点的反射绿利用经过优化的调焦算法实现数据快速聚焦处理，直接输出单视复数产品数据（SLC数据）。
(2) 多视处理
为了得到最高空间分辨率的SAR图像，SAR信号处理器使用完整的合成孔径和所有的信号数据，如单视复数（SLC）SAR图像产品，使得SAR图像包含很多的斑点噪声。多视处理的目的是为了抑制SAR图像的斑点噪声。
Multilooking工具支持距离向多视和方位向多视，处理得到的多视强度图像是距离向和/或方位向像元分辨率的平均值。为了提高多视图像的辐射分辨率，降低了空间分辨率。Multilooking工具支持SLC强度数据或距离向强度数据的输入。
对SLC图像(*_slc)多视处理的结果（右边*_pwr）
(3) 图像配准
提供Coregistration工具，使用交叉相关技术实现覆盖同一地区的多幅雷达影像的自动配准，以达到亚像素配准精度，整个过程采用全自动的方式。
(4) 滤波
Filtering工具提供一系列滤波用于去除雷达图像的斑点噪声，可用于单波段雷达图像和多时相雷达图像。
对于单波段雷达图像，提供的滤波包括：Mean、Median、Mode、EPS、Frost、Lee、Anisotropic Non-Linear Diffusion。
对于多时相雷达图像，提供的滤波包括：De Grandi、Anisotropic Non-Linear Diffusion
多时相滤波结果（左-原图像，中-De Grandi滤波，右-Anisotropic Non-Linear Diffusion 滤波）
(5) 特征提取
Feature Extraction工具是基于统计学的理论，能够从SAR图像和InSAR数据中提取不同特征参数，用于图像分割、分类或定量分析等。包括：
(一) 相干性计算（Coherence）
可以计算两个SLC图像的相干性，得到一幅0~1值范围的图像。包括两个处理过程：
l 系统性的空间去相关
l 主图像和从图像之间的时间去相关
得到的相干性产品具有两层应用目的：
l 确定干涉相位的质量，低相干的InSAR像对不能获得可靠的相位测量。
l 提取地面特征属性及其时空变化等相关的专题信息。
(二) 变异系数（Coefficient of Variation）
Coefficient of Variation工具可以计算图像变异系数，得到变异系数图像。
(三) 图像比率（Ratio）
Ratio工具可以对已配准或地理编码的多时相雷达强度图像，可视化分析时空变化信息。
(四) 多时相特征（Multi Temporal Features）
Multi Temporal Features工具可以对已配准或者地理编码的多时相雷达强度图像进行特征统计，可计算特征包括：均值（Mean）、标准差（Std）、中值（Median）、梯度（Gradient）、最大值（Max）、最小值（Min）、跨度差异（Span Difference）、最大增量（Max Increment）、最大减量（Max Decrement）、跨比（Span Ratio）、最大比率（Max Ratio）、最小比率（Min Ratio）。以图像格式输出
(6) 地理编码和辐射定标
提供雷达几何处理工具和辐射处理Geocoding工具。可以对SAR数据进行椭球或地形的地理编码，可使用标准轨道参数或地面控制点，基于多普勒距离方程将雷达坐标系统转换为给定的地理参考坐标系，即完成一般几何校正或正射纠正过程。
椭球地理编码（左图）和地形地理编码（右图）
在执行地理编码时，还可以选择以下处理功能：
(一) 辐射定标（Radiometric Calibration）
校正了三种影响因素：散射区域、雷达天线增益和方位向传输损失。
可选择三种定标输出结果：后向散射系数（Sigma），归一化后向散射系数（Gamma），雷达亮度或者反射值（Beta）。
(二) 辐射归一化（Radiometric Normalization）
提供两种方法：余弦校正或半经验修正法（Semi-empirical）。
(三) 局部入射角校正（Local Incidence Angle）
(四) 叠掩/阴影处理（Layover/Shadow）
图像定标结果（左-后向散射系数，中-局部入射角地图，右-叠掩/阴影地图）
提供地理编码雷达影像逆转换其他格式的工具，包括转成距离/地面影像、距离/地面点和距离/地面矢量。
(7) 定标后处理（雷达辐射校正）
提供后向散射系数后处理Post Calibration工具，减少水分、表面特征等干扰介电常数而产生对后向散射系数的影响。
提供三种校正：
(一) 距离校正（Range correction）
通过识别不同距离方位上的相同土地覆盖区域，校正在距离向后向散射变化的影响，
(二) 介电常数影响校正（Dielectric correction）
以一个或者多个参考影像校正由于时相造成介电常数的失真。计算得到的介电常数校正系数还可用于定性湿度指标。
(三) 绝对校正(Absolute correction)
对多时相的数据集统计的基础上得到校正系数（二维图像）。
以上三种辐射校正方法可以独立运行或者组合方法运行。
(8) 镶嵌
可以将覆盖相同区域的多幅雷达影像拼接成一幅，也支持干涉产品的镶嵌（如DEM、地表形变图等）。提供两种方法：
(一) 常规镶嵌（Conventional Mosaicing）
适用大部分经过地理编码的雷达图像，可以经过辐射定标或归一化的后项散射系数，以及干涉产品。提供五种重叠区处理方法：取最上层图像值、均值、取最大空间分辨率（用于DEM镶嵌）、基于相位值的连贯性和基线上选择（用于DEM、地表形变图的镶嵌）、羽化。
(二) 梯度镶嵌（Gradient Mosaicing）
适用于需要在重叠区绘制切割线的镶嵌。切割线是基于边缘检测技术自动生成，
1250幅JERS-1 SAR图像镶嵌结果
(9) 图像分割
支持雷达或者光学的分割，分为四步：各向异性非线性扩散滤波、边缘检测、区域合并、区域地图生成。
(一) 边缘检测
采用Canny边缘检测算法，Canny算法不需要依赖区域分布的先验统计，而是直接基于结构分析进行轮廓检验，支持单个和多个图像文件。
(二) 区域合并
采用基于假设编码结构的方法，该方法是将图像分解成同质“片段”，之后分别对闭合区域进行编码。从边缘检测图像中定义的闭合区域与同质“片段”相匹配。
(三) 区域地图生成
(四) 时变分割
可以探测多个图像文件之间的变化。
不同时相雷达图像的分割结果
时变分割用于检测变化信息
3 典型应用
SAR数据可以在全天候情况下对研究区域进行量测、分析以及获取目标信息。下面列举了两个应用例子：洪水监测和农作物监测，两个应用方向都是跟气候联系很大。
(1) 洪水监测
数据为ENVISAT 的ASAR雷达数据，覆盖区域为孟加拉国。原始数据参数如下：
-
ASA_WSM_1P level 1b
-
Wide Swath Standard Image
-
(multi-look ground range)
-
Descending orbit
-
HH polarization
-
Incidence angle ~ 30.95 °
-
Nominal resolution
150 x 150 m
-
Nominal pixel spacing
75 x 75 m
四个时间拍摄的SAR图像，已经经过的地理编码等预处理
从不同时期影像上获取的水淹没信息
(2) 农作物监测
雷达图像的后向散射系数产品可以反映土壤粗糙度和水分含量，以及土壤其他性质，可以识别土壤属性信息（如犁地，播种，和作物生长等）。
利用雷达图像监测不同时间内玉米种植
利用ASAR和PALSAR数据监测作物信息