sar濾波演算法

⑴ 王毅的論文發表

王毅，牛瑞卿，喻鑫等. 「基於時間變化的魯棒各向異性擴散模型」. 自動化學報, 2009, 35(9):1253-1256. (EI)
王毅，張良培，李平湘. 「基於自動搜索和光譜匹配技術的訓練樣本純化演算法」. 武漢大學學報(信息科學版). 2007, 32(3): 216-219. （EI）
張良培，王毅，李平湘. 「基於各向異性擴散的SAR圖像斑點雜訊自適應濾波演算法」. 電子學報, 2006, 34(12): 2250-2254.（EI）
王毅，張良培，李平湘. 「多光譜遙感圖像的自適應各向異性擴散濾波」. 遙感學報, 2005, 9(6): 659-666.
王毅，張良培，李平湘. 「基於概率擴散的多光譜遙感圖像分類模型」. 中國圖象圖形學報, 2006, 11(5): 646-651.
王毅，張良培，李平湘. 「各向異性擴散平滑濾波的改進演算法」. 中國圖象圖形學報. 2006, 11(2): 210-216.
王毅，張良培，李平湘. 「基於最小描述長度原則的各向異性擴散模型」. 中國圖象圖形學報. 2005, 10(8): 957-963.
吳柯，牛瑞卿，王毅, 杜博. 「基於PCA與EM演算法的多光譜遙感影像變化檢測研究」. 計算機科學，2010, 37(3): 282-284.
沈煥鋒, 李平湘, 張良培, 王毅. 「圖像超解析度重建技術與方法綜述」. 光學技術, 2009, 35(2): 194-203.
沈煥鋒, 王毅等. 「影像超解析度重建技術的發展與應用現狀」. 測控技術, 2009, 28(6): 5-11.

⑵ 如何用matlab實現SAR成像中SVA演算法的編寫

第一步是個正問題，主要由硬體完成，第二步是個逆問題，主要由軟體完成。
第一個問題的輸入f0(x)是地面目標的理想函數，其與發射信號p(t)的聯合起來之後得到輸c出：回波信號s(t)。
第二個問題的輸入是s(t)，通過與p∗(−t)匹配濾波，得到輸出f(x)。這個輸出就是我們想要的。如何得到f(x)就是我們的核心問題。
理想情況下f(x)=f0(x)，這意味著我們得到了地面目標函數，也即是我們的影像完全真實地反映了地面的情況。但是，這是不可能實現的。不過，通過合理地解這個逆問題，使得f(x)接近f0(x)是成像的關鍵問題，也是我們不斷努力的目標。

⑶ 徐新的專著論文

2014年：
1.Wen Yang, Xiaoshuang Yin, Hui Song, Ying Liu and Xin Xu. Extraction of Built-up Areas From Fully Polarimetric SAR Imagery Via PU Learning, IEEE JSTAR, 2014, 7(4), pp. 1207-1216.
2.Chu He, Bo Shi, Yu Zhang, Xin Xu, Mingsheng Liao, Road Extraction For SAR Imagery Based On The Combination Of Beamlet And A Selected Kernel. IGARSS 2014.
3.Hui Song, Wen Yang, Xin Xu, Mingsheng Liao. Unsupervised PolSAR imagery classification based on Jensen-Bregman LogDet Divergence. EUSAR 2014: Berlin, Germany, June 2014
2013年：
1.Yijin. Peng, J. Y. Chen, X. Xu, F. L., Pu, SAR Images Statistical Modeling and Classification based on the Mixture of Alpha-stable Distributions, Remote Sensing, 2013, 5(5), pp.2145-2163.
2.Y. J. Peng, X. Xu, and H. Song, Alpha-stable distribution for SAR image classification, Remote Sensing Letters, vol.4, no.1, Jan. 2013, pp. 66-75.
3.Nan Zhao, Fangling PU, Xin Xu, Nengcheng Chen, Optimization of multi-channel cooperative sensing in cognitive radio networks, IET Communications, vol.7, Issue 12, Aug. 13, 2013, pp. 1177-1190.
4.Wen Yang, Hui Song, Gui-song Xia, and Xin Xu.On The Mixed Scattering Mechanism Analysis Of Model-Based Decomposition For Polarimetric SAR Data, PIER B, 2013, 52, pp. 327-345.
5.Hui Song, Wen Yang, Xin Xu, and Mingsheng Liao.Data-Driven PolInSAR Unsupervised Classification Using Adaptive Model-Based Decomposition And Shannon Entropy Characterization. PIER B, 2013,49, pp. 215-234.
6.Chu He, Yu Zhang, Bo Shi, Xin Su, Xin Xu and Mingsheng Liao. Weakly supervised object extraction with iterative contour prior for remote sensing images. EURASIP Journal on Advances in Signal Processing, 2013.
7.張宇， 何楚，馮倩，徐新. 結合產生式模型和RCC方法的極化SAR圖像分類演算法. 哈爾濱工業大學學報. 2013, 45(11), pp.118-124.
2009-2012年：
1.ZHAO, N. and PU, F. and XU, X. and CHEN, N. Cosine-Molated Transceivers for TV White Space Cognitive Access. Chinese Journal of Electronics, 21(2), pp. 362–366, 2012.
2.Y.J. PENG, X. XU, W. B. ZHOU and Y. ZHAO, SAR image classification based on alpha-stable distribution, Remote Sensing Letters, vol. 2, no. 1, Mar. 2011, pp. 51-59.
3.ZHAO, N. and XU, X. and YANG, Y. Sparse Representations for Speech Enhancement. Chinese Journal of Electronics, vol 19(2), pp. 268–272, 2011.
4.Xu Xin, Zhao Yin, Zhou Wanbin, Peng Yijin, SAR Image Denoising Based on Alpha-stable Distribution and Bayesian Wavelet Shrinkage, In Proc. SPIE Vol. 7495. 2009.
5.An Yang, Xin Xu, Yijin Peng, Urban Area Extraction in Airborne SAR imagery based on the Parameter of Distribution, 2nd ASIAN-PACIFIC CONFERENCE ON SYNTHETIC APERTURE RADAR PROCESSINGS, pp. 124–128, Oct. 26 - 30, 2009.
2008年：
1.Xu Xin,Peng Yijing,Zhou Wangbin, SAR Image Restoration based on the Alpha-Stable Prior in The Wavelet Domain, The 9th International Conference on Signal Processing, Volume 2, 1136~1139, 2008.
2.Xu Xin,Zhao Nan,Dong Hang, The Iterated Extended Kalman Particle Filter for Speech Enhancement, The 9th International Conference on Signal Processing, Volume 2, 104~107, 2008.
2005年：
1.徐新，王雁，陳嘉宇，孫洪，基於小波系數統計特徵的SAR圖像恢復，武漢大學學報（信息科學版），2006, Vol. 31, No.10, 855-861.
2.Yongfeng Cao, Hong Sun, Xin Xu, 「An Unsupervised Segmentation Method Based on MPM for SAR Images」, IEEE Geoscience and Remote Sensing Letters, Vol.3, No.1, pp.55-58, January 2005.
3.陳嘉宇，徐 新，孫 洪，管鮑，基於多解析度統計能級的SAR圖像點目標檢測，系統工程與電子技術，2005.2,27(2):205-209
4.王青，徐新，管鮑，孫洪，一種基於Bayesian准則和MRF模型的SAR圖像濾波方法，武漢大學學報（信息科學版），第30卷，第5期，2005年5月：464-467.
2004年：
1. Xin XU, Deren LI, Hong SUN, Multiscale MRF-based Texture Segmentation of SAR Image, Chinese Journal of Electronics, Vol.13 No.4, 2004，pp671-675
2. 何勇，徐新，孫洪，楊文，機載SAR圖像中機場跑道的檢測，武漢大學學報（理學版），Vol.50, No.3, 393-396, 2004.
3. 蔣科，徐新，孫洪，沈芸，陳李廷，JPEG2000熵編碼模塊的FPGA實現，武漢大學學報（理學版） ，Vol.50, No.3, 360-364, 2004
4. 陳嘉宇，徐新，王青，孫洪，「面向目標檢測的多極化SAR圖像預處理」，微波遙感技術專題研 討會論文集，2004，17-27.
2003年：
1. Xin XU, Deren LI, Hong SUN, Double Stochastic MRF-based Segmentation of SAR Images, In SPIE AeroSense Symposium, April 21-25, Vol.5095, 126-133, 2003.
2. Xin XU, Deren LI, Hong SUN, 「Multiscale SAR Image Segmentation Using a Double Markov Random Field Model」, ISSPA 2003, July 1-4, 2003, Proceedings of Seventh International Symposium on Signal Processing and Its Applications, Vol. 1:349-352.
3. 徐新，孫洪，基於多尺度互熵特徵的SAR圖像信息提取，衛星有效載荷技術研討會論文集（ 秘密），2003.12,pp171-177.
4. 楊文，徐新，孫洪，基於SAR圖像的目標識別問題研究，衛星有效載荷技術研討會論文集（ 秘密），2003.12，pp:158-164.
5. 曹永鋒, 孫 洪, 徐 新 「基於盆地動力學的圖像多級閾值化方法」，信號處理，第19卷，CCSP 2003, pp: 94-97.
2002年以前：
1. 徐新，趙茂泰，朱潔,袁宇正，新型智能化互感器校驗儀的研究與實現，武漢測繪科技大學學報，Vol.24, No.1, 86-89,1999年
2. 徐新，廖明生，朱攀,卜方玲，單視數SAR圖像Speckle濾波方法的研究，武漢測繪科技大學學報，Vol.24, No.4, 312-315,1999年
3. 徐新，廖明生，卜方玲，一種基於相對標准差的SAR圖像Speckle濾波方法,遙感學報, Vol.4, No.3, 214-217, 2000年
4. 卜方玲，徐新，一種基於小波分析的SAR圖像斑點雜訊濾波演算法，武漢大學學報·信息科學版，Vol.26, No.4, 315-319, 2001年
5. F.PU, X.XU, Wavelet-domain Suppression of Speckle in Single-look SAR Image, Vol.4552 SPIE, 237-241,2001
6. Xiaowei LI, Hong SUN, and Xin XU, 「A novel speckle filtering technique for SAR image」, 2002 6th International Conference on Signal Processing Proceedings (ICSP02), August 26-30, 2002, Beijing, China, 2002: 788-791

⑷ 基於合成孔徑雷達差分干涉測量的地面沉降監測

(一)演算法選擇與數據處理流程

差分干涉的數據處理流程為:首先獲取實驗區DEM以及SAＲ干涉影像數據，檢查數據是否滿足演算法要求，然後進行影像配准，計算相干係數並生成干涉圖，在方位向上進行5視處理;去除平地相位以及地形相位，對差分干涉圖進行濾波，根據成像幾何關系，獲得沿斜距向的形變信息，並投影到垂直方向，即生成所需的沉降圖。

從物理角度上將干涉相位分解，可以寫為下式:

退化廢棄地遙感信息提取研究

式中:φ_flat為平地效應引起的相位，通過成像幾何關系消除平地效應;φ_topo為地形引起的相位;φ_def為最後剩餘的形變信號;φ_orb為軌道誤差引起的相位，可用精密軌道以減少誤差;φ_atm為對流層及電離層延遲引起的相位，天氣晴朗的情況下可以忽略;φ_noi為雜訊引起的相位，可對干涉圖進行平滑去噪處理。

根據地形相位φ_topo的消除方式，差分干涉分為二軌法、三軌法和四軌法。

二軌法使用兩幅SAＲ圖像以及外部DEM數據(例如SＲTMDEM)，外部DEM數據用來消除地形相位，消除的過程即差分處理。二軌法的優點是不需要對DEM數據進行相位解纏，因此也不會引入與其相關的誤差，缺點是得到的形變圖解析度受到DEM數據空間解析度的影響。

三軌法使用三幅 SAＲ 圖像，一主兩副。圖像1 和圖像2 一般時間間隔較短，以保證兩次成像期間地表幾乎沒有變化，形成的第一幅干涉圖可近似地認為只含有地形產生的干涉相位，用來消除地形信息，三軌法可用於無 DEM 的區域。然後對圖像 1 和圖像 3 進行干涉處理，生成包含地形相位以及形變信號的第二幅干涉圖，後者與前者的差分即為圖像 1和圖像 3 之間的位移。

四軌法使用四幅 SAＲ 圖像，兩主兩副。第一幅干涉圖與三軌法相同，由圖像1 和圖像2 生成，不同的是第二幅干涉圖用圖像 3 和圖像 4 生成，減去第一幅干涉圖即為圖像 3 和圖像 4 之間的形變。四軌法類似於三軌法，不同的是地形干涉圖與形變干涉圖相互獨立，選擇空間更大，應用更加靈活，常用於有 Tandem 像對的情況。

考慮到數據成本及結果精度，本研究使用二軌法進行礦區沉陷監測。

二軌法數據處理流程如圖 6 －15 所示。

圖 6 －15 二軌法數據處理流程圖

( 二) 影響因素分析

干涉處理中的去相干因素包括時間失相干、空間失相干、數據處理失相干、對流層及電離層影響。因此，總的相干可以表示為:

退化廢棄地遙感信息提取研究

1. 時間失相干

很多情況下，星載 SAＲ 順軌干涉圖像的獲取時間不同，間隔短則一天，長則數月甚至數年。在此期間，地面可能會發生變化，而任何變化都有可能改變雷達信號的相位及其統計分布，由此引起的相乾性減弱甚至消失稱為時間失相干。引起時間失相乾的主要因素有: 植物生長或因收獲、耕作、大風等引起的植被變化; 液體表面的不斷運動，例如海洋、湖泊、池塘等，混同於沼澤或者不穩定區; 地面滑坡、地震等突發事件; 人類活動，例如商業中心停車場地在空間上的發展、建築工程、森林砍伐等引起的其他變化; 降水、冰雪覆蓋以及融化等環境變化。簡而言之，地表位移以及環境因子是造成時間失相乾的主要因素。

假設地表位移為高斯分布，那麼相乾性可以用散射體的 ＲMS 位移來近似替代 ( Zebker，1994) :

退化廢棄地遙感信息提取研究

式中:σ_y和σ_z分別為沿交軌和垂直方向的位移。對於EＲS－1/2C波段衛星，取λ=5.7cm，參考入射角θ=23°，JEＲS－1L波段衛星，λ=23.5cm，參考入射角θ=35°，圖6－16和圖6－17反映了EＲS衛星及JEＲS－1的水平及垂直ＲMS位移變化與時間失相乾的關系。

圖6－16 時間失相干與散射體ＲMS位移的關系圖(EＲS－1/2)

圖6－17 時間失相干與散射體ＲMS位移的關系圖(JEＲS－1)

從圖 6 －16 和圖 6 －17 中可以發現，約 3cm 的 ＲMS 位移足夠使得 EＲS －1/2 C 波段的數據完全失相干。JEＲS －1 衛星達到約 10cm 的 ＲMS 位移，才造成完全的時間失相干，其相乾性所容許的最大 ＲMS 位移要遠遠高於 EＲS 衛星，這充分說明 C 波段的雷達波比 L 波段的雷達波對地面變化更加敏感，也可以說同樣的 ＲMS 位移 L 波段的雷達波能夠保持比 C波段的雷達波更高的相乾性。

2. 空間失相干

地面分辨單元內各個散射體回波的矢量和構成了回波振幅和相位。如果兩次獲取地面圖像時幾何條件相同，而且散射體的位置沒有發生任何變化，那麼兩次成像振幅和相位相同; 如果幾何條件發生變化，例如天線入射角發生了變化，那麼回波相位就會發生改變，這種現象即為空間失相干。任何干涉儀都不可避免地會遇到此類問題。

對於 ENVISAT ASAＲ，名義臨界基線距為1. 1km。對於 ALOS PALSAＲ，名義臨界基線距為12. 6km。假設有效基線長度已知，那麼基線導致的空間失相干可由式 ( 6 －14) 計算:

退化廢棄地遙感信息提取研究

3. 數據處理失相干

數據處理失相干包括很多方面，例如配准失相干、插值失相干、干涉圖濾波以及相位解纏等，一般配准失相乾的影響作用最為顯著，其他可通過相應的方法來抑制，如果方法不當則會導致配准失敗或誤差過大。配准過程引入的誤差會降低干涉圖的相乾性，進而引入相位雜訊，當配准誤差達到 1 個像素，兩幅影像將完全不相干。Just 和 Bamler ( 1994)給出了距離向和方位向的配准失相干公式:

退化廢棄地遙感信息提取研究

式中:μ_r為配准誤差，介於0和1之間。

(三)研究數據與方法

本研究利用二軌法對影像數據進行處理以獲取地面沉降信息。首先，利用兩幅SAＲ成像時的幾何關系，將DEM反演成只含地形信息的干涉圖並將其投影到SAＲ影像坐標系下。然後與由兩幅SAＲ影像得到的含有地表形變信息的干涉圖做差分，從而求得形變信息。由以上分析可知獲取精度滿足要求的DEM數據是二軌法的關鍵。2000年2月，美國進行了太空梭測圖任務(SＲTM)，該任務對北緯60°到南緯54°間的廣大區域進行了干涉測量，可以提供解析度30m、高程精度優於16m的覆蓋陸地表面80%的DEM數據(圖6－18、圖6－19)。

研究所用雷達數據為歐洲太空局的ENVISAT－1衛星ASAＲ(AdvancedSyntheticApertureＲadar)合成孔徑雷達感測器獲取的徐州地區的二景影像數據。SＲTMDEM數據的發布為兩通差分干涉測量的廣泛應用提供了數據保證。所以本次所用數據為ASAＲ數據產品中成像模式的0級原始數據，產品代碼為ASA_IM_0C，以及SＲTMDEM數據提供的高程數據。

圖6－18 徐州市DEM平面示意圖

圖6－19 徐州市沛縣附近實驗區DEM三維示意圖

數據名稱如下:

ASA_IM__0CNPDE20090120_022105_000000642075_00404_36029_9461.N1

ASA_IM__0CNPDE20070327_022114_000000792056_00404_26510_1403.N1

N34E116.hgt

N34E117.hgt

從ASAＲ數據的文件名可以看出這兩景數據都是N1格式文件，兩景影像獲得時間分別是2009年1月20號和2007年3月27號，Track(軌跡)號都是404，第一個軌道號是36029，第二個軌道號是26510。通過GAMMA軟體處理，把2009年1月20號和2007年3月27號的0級原始數據處理成單視復圖像(SLC)，獲得的兩景影像的垂直基線為271.95m、時間基線665d，在SLC上截取所需要的研究區范圍，進行數據處理以獲得區域形變數。

(四)徐州市區地面沉降監測

截取了徐州市區影像，范圍為北緯34°11ƍ.58″～34°24Ɔ.34″，東徑117°23Ƈ.19″～117°17ཬ.62″(圖6－20)，以2009年1月20號的影像為主影像(圖6－21為強度圖)，2007年3月27號的為副影像，對外部DEM進行二軌法分析。

圖6－20 徐州市區的地貌圖

由圖6－22的相干係數圖看，整體的相乾性比較好，大部分地區的相干係數都大於0.5。由圖6－23的沉降圖可知，徐州市區存在地面沉降，沉降量達到10mm左右，有的區域的沉降量達到38mm左右。從沉降的分布來看，市區中心的沉降比較小，主要分布在市區中心的外圍地區，這也符合了徐州市這個煤礦大城市的地理分布情況，一般徐州市的煤礦遠離市區中心，分布在市區中心以外的四周。在圖6－24中的①處沉降量較大，達到38mm，結合當地的地理環境分析，附近有大型現代化礦井———龐庄煤礦，該煤礦由龐庄、張小樓三對井口組成，井田面積18.3km²，工業廣場面積1.36km²。張小樓新大井成功改擴建以後深度達－1025m，為華東地區第一深井。每年採煤量達到260萬t。可能由於每年的採煤以及地下水的不斷開采，導致所在地以及周圍區域出現了地面沉降的現象，還呈現出向東北沉降的趨勢。從圖6－24中還可以看到，在龐庄煤礦那一帶的沉降比市區中心地帶的沉降明顯許多，但是整個徐州市的平均沉降量還是比較小的。

圖6－21 徐州市區強度圖(左右倒置)

圖6－22 徐州市區相干係數圖(左右倒置)

圖6－23 徐州市區沉降圖(左右倒置)

圖6－24 沉降漏斗(左右倒置)

(五)大屯鎮地面沉降監測

大屯鎮是徐州市的「十強鎮」之一，已探明煤炭儲量24億t，能均衡開采100年，年產原煤1200萬t，大屯煤電集團公司坐落於鎮區腹地，擁有龍東煤礦、姚橋煤礦、徐庄煤礦和孔庄煤礦，大屯中心區是煤礦城市徐州市的一個典型區域。圖6－25是截取的大屯中心區的影像，范圍是北緯34°45ུ.78″～34°53ྲྀ.23″，東經116°51ན.46″～117°0Ɖ.27″，由於龍東煤礦不在SLC上，所以截取的范圍只包括其他三座煤礦。在圖6－26上看到明顯的煤礦區，其相干係數很高，一般大於0.6(圖6－27)，採用二軌法獲取的大屯中心形變圖如圖6－28所示。

圖6－25 大屯中心區的地貌圖

圖6－26 大屯中心區強度圖(左右倒置)

圖6－27 大屯中心區相干係數圖(左右倒置)

圖6－28 大屯中心區形變圖(左右倒置)

將差分得到的形變圖左右倒置後，可得到大屯中心區的沉降圖(圖6－29)，從沉降圖中可以看出，從2007年3月27日到2009年1月20日共665天的時間跨度里，大屯中心區大部分地區存在著明顯的沉降趨勢，沉降分布與礦區分布基本一致，姚橋、徐庄、孔庄煤礦都出現了地面沉降，70%以上區域的沉降量大於10mm。圖6－29中三角形標示區域為大屯中心區，沉降量最大達到61mm，平均沉降量為3mm，年平均最大沉降累積量達到33.5mm。

圖6－29 大屯中心區沉降圖

根據上文對大屯中心區基於水準測量的結果可知，到2010 年預計最大累計沉降量將達到753mm，在這五年期間的年平均最大沉降累積量達到30. 6mm，比較水準測量和D-InSAＲ 二軌法監測的結果，兩者僅相差2. 9mm，由此可知，用D-InSAＲ 二軌法監測徐州市大屯中心區的年平均最大沉降累積量與水準測量得到的結果具有一致性( 表6 － 15) 。

表6－15 兩種監測方法結果的比較單位:mm

隨著大屯中心區經濟的發展，人口逐漸增多，煤礦資源的不斷開采，地面沉降的趨勢必然加劇，而地面沉降所帶來的城鎮防洪抗洪能力降低、地下基礎設施破壞等危害，必將影響該地區的生產和生活，造成巨大的經濟損失。因此，大屯中心區應合理利用地下水資源，合理地開採煤礦資源，完善地面沉降動態監測系統，盡早採取措施減緩沉降趨勢。

⑸ 畫面雜訊是什麼

斑點雜訊是SAR成像系統的一大特色，源自基本分辨單元內地物的隨機散射，在圖像上表現為信號相關（如在空間上相關）的小斑點，它既降低了圖像的畫面質量，又嚴重影響圖像的自動分割、分類、目標檢測以及其它定量專題信息的提取 。
SAR圖像斑點雜訊的去除一方面要抑制圖像均勻區域斑點雜訊，另一方面要保持圖像邊緣和紋理細節信息。SAR斑點雜訊的抑制可通過非相干多視處理，也可使用空間域濾波實現。非相干多視處理會降低圖像的地面解析度。因此，涌現出了一系列空間域濾波方法，如均值濾波、中值濾波、Lee濾波、Kuan濾波、Frost濾波、Sigma濾波以及Gamma Map濾波等。但這類演算法存在自身無法克服的矛盾：一方面為增強斑點去噪效果需選較大的濾波窗口，另一方面為保持圖像的實際解析度要求所選的窗口較小。

⑹ 微波遙感數據預處理

微波遙感作為一種獲取地球表面信息的重要技術手段，已經在國內外得到了廣泛的應用和發展。隨著人們對遙感應用中定位精度要求的提高，對遙感數據的處理技術也提出了更高、更細的要求，這種要求就是圖像數據反映地物輻射特性的真實性和對地球表面幾何位置的准確性，它們直接影響遙感技術應用的精度和廣度。

（一）輻射標定

原始的SAR數據沒有經過嚴格的輻射標定，因而數據所反映的地物輻射特性與實際地物本身的輻射特性之間存在一定程度的差異。這類SAR圖像雖然能夠滿足一般的定性分析的精度要求，但是在很多實際應用中，往往要對圖像進行定量分析，如模式識別、目標分類等。因此為了使SAR數據能夠滿足定量分析精度的要求，就必須要對其進行輻射標定工作。有關原始SAR圖像輻射標定的演算法較多，常用的演算法是：

1∶25萬遙感地質填圖方法和技術

式中：I=10 lg（DN_ij）；

σ°——反射系數；

DN_ij——像元（i，j）的灰度值；

K——輻射標定常數；

R_n——像元（i，j）的斜距；

R₀——參考斜距；

a_n——像元（i，j）的入射角；

a₀——參考入射角；

G_sys——被標定SAR圖像的系統雷達天線增益；

G_sys0——確定K時的系統雷達天線增益。

輻射標定所需參數都可以直接從原始圖像數據頭文件中直接或間接獲取，標定後的圖像將原始圖像灰度轉換成後向散射系數。利用PCI軟體可以完成對雷達數據的輻射標定的處理。

（二）微波圖像雜訊與斑點的弱化處理

當成像雷達發射的是純相干波照射到目標時，目標上的隨機散射面的散射信號與發射的相干信號之間的干涉作用會使圖像產生相干斑點雜訊。這種斑點雜訊嚴重干擾了地物信息的提取與SAR圖像的應用效果，雜訊嚴重時，甚至可導致地物特徵的消失。在圖像信息提取時，這一現象往往產生假信息。因此，弱化斑點雜訊對SAR圖像的應用有著重要意義。

雜訊平滑與弱化的最好方法是利用同一地區的不同探測方向的兩幅或多幅雷達圖像進行振幅或密度的配准和輻射糾正，計算其差值圖像，就可以消除雷達數據本身固有的斑點雜訊。其他方法還有：

1.主成分分析法

RADARSAT-1 SAR數據的雜訊由於其固有性質，在通過主成分變換後雜訊往往分布在其中的某一個分量上。通過計算各分量的均值和方差就可以判斷哪個分量是以雜訊信息為主，而其他分量則為地物的微波散射信息。通常情況下，主成分分析具有以下特徵：

（1）主成分分析的數據變換前後的方差總和不變，只是把原來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絕大部分，其餘主成分信息含量依次減少。

（3）各主成分的相關系數為零，即各主成分所含的信息內容不同。

（4）第一主成分相當於原來各波段的加權和，反映了地物總的反射或輻射強度；其餘各主成分相當於不同波段組合的加權差值影像。

（5）第一主成分降低了雜訊，有利於細部特徵的增強和分析。

（6）對於有些特殊異常的專題信息，往往通過主成分分析後在第二以上主成分影像上得到增強。

對微波遙感數據的主成分分析可以採用不同時相的SAR數據、不同參數的SAR數據或不同方法處理後的同一SAR數據進行主成分變換，可以起到弱化雜訊的目的。為不同方法處理後的同一SAR數據進行主成分變換後的SAR數據。

2.中值濾波技術

中值濾波技術由於其原理是建立在像元及其領域的統計特徵的基礎上，因而也廣泛地應用於雷達數據的雜訊處理中。對 n×n 大小的濾波核，處理後的中心點的像元值為該濾波核處理前所有像元值的中間值（彩圖1-3b）。中值濾波運算元的數學公式如下：

1∶25萬遙感地質填圖方法和技術

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間值。

3.濾波增強處理

由於散射信號產生的 SAR 圖像，受大量「斑點」雜訊影響，必須經過濾波預處理。針對雷達數據的固有的倍增雜訊特徵，設計的濾波運算元是基於局部統計及雜訊模型信息的，主要包括 Lee濾波、Frost濾波、Kuan 濾波、Gamma Map 濾波和 Average濾波。許多在多光譜數據處理中使用的濾波運算元如高通濾波、低通濾波、紋理濾波應用於雷達數據分析往往帶入大量的人工信息，針對上述問題，工作中使用以下一些濾波運算元。這些運算元不僅能較好地濾去高頻雜訊，而且能較好地保持影像邊緣和紋理信息；同時，處理後的圖像相對於原始圖像具有更好的對比性。尤以 Frost（彩圖1-3c）、Lee及其增強濾波運算元為佳。

目前常用的濾波有：①Frost自適應濾波；②Lee濾波；③Gamma Map斑點濾波；④Frost自適應增強濾波；⑤Lee增強濾波；⑥Kuan斑點濾波。

⑺ 不同解析度圖像的融合

遙感數據的融合是指採用一種復合模型結構，將不同感測器遙感影像數據源所提供的信息加以綜合，以獲取高質量的影像信息，同時消除各感測器信息間的信息冗餘和矛盾，加以互補，降低其不確定性，減少模糊度，以增強影像中信息清晰度，提高解譯精度、可靠性和使用率，以形成對目標相對完整一致的信息描述。

對地質礦產勘查而言，數據的融合目的主要是：①可以明顯地改善目標的顯示效果，將原始圖像中灰色調轉化為彩色調；②融合後圖像雜訊可以很好地被抑制，肉眼對地物判譯更加容易；③地物邊緣輪廓因彩色更加突出，地物紋理更加清晰。這些很明顯可以起到增強岩體、構造的可解性。

目前融合方法有：Lab變換、HIS變換、BROVEY變換、線形復合與乘積運算以及近幾年發展起來的小波變換等。這些融合方法在影像的處理上存在有不同偏向，因此要根據不同地物在影像的光譜表現上存在差異，採取不同的處理方法。

（一）微波遙感數據與TM數據融合處理

此次工作所採用的方法為可視化三維動態變換方法。

圖1-5 SAR圖像灰度拉伸關系圖

1.融合前的SAR數據特徵增強處理

為了突出SAR數據（彩圖1-5a）較高解析度的優勢，在融合前有必要對SAR進行灰度拉伸、紋理增強和細化處理減少雜訊等預處理。

（1）灰度線性拉伸

融合之前的拉伸方法不採用非線性拉伸，原因在於經過非線性拉伸後的圖像數據，原始灰度值的大小關系會發生變化，產生的灰度扭曲帶來了一些含義不明確的偽信息，影響解譯。因此，特別強調在增強局部灰度反差時保持原灰度關系的重要性。實驗表明，運用直觀而簡單的線性拉伸方法就可以達到反差增強的效果。其原理如圖1-5。

設A₁、A₂為輸入圖像的嵌位控制值，B₁、B₂為拉伸後圖像的最低和最高亮度值。

其輸入的圖像亮度值A₁—A₂被拉伸為B₁—B₂范圍，其中輸入亮度0—A₁及A₂—255分別被變換為B₁、B₂，如果B₁=0、B₂=255則拉大了輸入圖像的動態范圍，從而反差得到增強。這是嵌位控制的結果，從而保持了輸入圖像亮度的線性關系，即沒有改變A₁到A₂之間亮度值的大小關系，只是拉開了直方圖的動態范圍，從而加大了灰度間的差距，增強了影像的細微和突變結構。

（2）紋理能量增強

相鄰像元之間亮度值的差異（梯度）可作為紋理的測度。當差異大於一個閾值時，則認為該處存在著要考慮的紋理特徵；將此類特徵累積統計，則為紋理能量；當局部紋理特徵豐富時，則紋理能量大而表現為亮度值高。

SAR圖像主要提供的是空間信息，為了使融合後的圖像具有較高的空間分辨能力，對SAR圖像進行紋理增強及提取是必不可少的。為了突出地貌、線性構造等信息，採用直方圖偏度值法。其公式如下：

1∶25萬遙感地質填圖方法和技術

c（n）是對u進行壓縮或拉伸後的值。

利用此紋理值作為權重，對SAR進行高通濾波，可以突出紋理信息。

目前紋理能量增強主要靠模板（3×3、5×5、7×7等）實現，模板推移掃描對每個像元進行增強處理，考慮到增強紋理會帶來不必要的雜訊，模板的尺寸不易過大，試驗表明使用3×3、5×5兩個模板的增強效果顯著。

2.參與融合的非SAR數據的處理

在融合圖像中，參與融合的非SAR數據的貢獻就是它們的光譜信息。融合前對它們的處理以彩色增強為主，調整其亮度、色度、飽和度，拉開不同地物之間的色彩反差。對局部紋理的要求不高，有時為了保證光譜色彩，還允許犧牲部分紋理信息來確保融合圖像的總體效果。

通常所說的圖像增強是一維圖像增強，即先在單波段上進行反差增強，然後把增強後的三個波段合成在一起。這種方法在有些地區，由於地表信息接近，波段間的相關性強，合成的圖像反差小，色彩不鮮艷。因此，我們在反復試驗的實踐中，摸索出三維反差增強方法，獲得了色彩鮮艷且保留原始影像信息的彩色圖像（彩圖1-5b）。

三維反差增強技術的實質是，擴大同名點像元在合成的三個波段上的灰度差異，使該同名點合成的色彩鮮艷，達到彩色增強的目的；使圖像上不同地物間的微小的灰度差異也能增強成明顯的色彩差異，從而達到增強圖像信息的效果。這是一種用顏色來突出地質、地理信息的方法，這種方法比單純用灰度差異突出地質、地理信息更加有效。

實現三維反差增強技術有兩個約束條件：其一，增強後的圖像同名點像元的灰度值在三個波段上的灰度值仍然保持原來大小的相對關系，也就是說原來灰度值小的增強以後還是小的，原來灰度值大的增強以後還是大的；其二，增強後的圖像同名點像元在三個波段上的灰度值之和保持不變，只是同名點像元在三個波段上的灰度值的差異擴大，使彩色合成後的色彩鮮艷、信息豐富並保持原來標准假彩色合成的特點。

為了擴大不同地質體的光譜信息的差異，還可採用波段特徵差異光譜加權方法，其演算法如下：

設R，G，B為經過三維反差增強後的紅、綠、藍三個彩色分量；R₀，G₀，B₀為輸出圖像的三個分量；G_b，B_g為波段特徵差異；α，β為兩個常數。

1∶25萬遙感地質填圖方法和技術

將生成的三個新分量再進行彩色合成，擴大了地物間的色彩差異，減少了相關性。上述融合方法的最大優點是可以對隔合圖像的銳度、灰度、色彩等空間信息分離並進行動態跟蹤處理，直到獲取滿意的結果為止。

（二）不同解析度多光譜數據融合處理

在乾旱裸露地區，利用Landsat TM L7衛星影像製作影像圖，與L5不同，L7有一個全色波段 B8，它的空間解析度為15 m，為了提高圖像解譯的可識別性，在提高空間解析度的同時，又充分利用多光譜波段的波譜信息，將L7自身所有的30 m空間解析度的多光譜波段（彩圖1-6a）與15 m解析度的全色波段進行信息融合，可得到高解析度的彩色圖像（彩圖1-6b）。同時我們在植被覆蓋試驗區，利用高解析度 SPOT衛星圖像（彩圖1-6c）與TM圖像的多光譜波段進行融合（彩圖1-6d），進而提高遙感解譯的可靠性，得到 TM圖像和SPOT圖像的彩色模擬，它的原理是：

首先將兩種解析度的圖像進行配准，配准精度應在一個像元以內，我們在乾旱裸露試驗區進行的四景L7圖像配准，最大擬合誤差為0.85像元；SPOT圖像16景與TM圖像的配准誤差最大為0.95像元。L7自身配准時糾正函數選擇一次多項式，不同感測器圖像配准時選擇二次多項式。

然後選擇的三個波段（乾旱裸露試驗區：7，4，1；植被覆蓋試驗區：5，3，2作HIS變換得到三個分量，用高解析度的圖像替代I分量，在進行反變換，重新得到RGB圖像。這個模擬圖像既有高解析度圖像的較高空間解析度，又具有彩色圖像的光譜信息。

⑻ 最近研究相控陣和SAFT，感覺亂套了。如何將SAFT應用到相控陣中呢

相控陣雷達是相對於傳統的雷達機械掃描的創新，即通過掃描的所有信息。合成孔徑雷達，或者是不同的，傳統的雷達信號處理演算法，即，傳統的雷達無法進行成像，，特區可以通過特殊的軟體目標成像。因此，這兩個概念是完全不同的。相控陣雷達就可以了，非常適合發展的合成孔徑成像功能，如E8A和F22A有相控陣雷達SAR功能。