合成孔径雷达影像地形校正半经验模型

结合SAR成像特点和数学理论知识,给出左视、右视两种侧视成像情况下影响地形起伏区域SAR后向散射的本地入射角理论计算模型,基于微波散射物理模型AIEM,模拟不同雷达入射角下地形坡度、坡向对SAR数据后向散射的影响,结果表明雷达入射角相对较小的SAR数据受地形起伏影响较小,是地形起伏地区SAR应用的最佳数据源。并提出一种SAR影像后向散射系数的地形校正半经验模型。地形校正过的SAR影像分类总体精度较未校正SAR影像提高12%。     

基于Radarsat-2数据的星载SAR正射校正和地形辐射校正方法研究

地形对雷达影像的几何和辐射特性都有强烈的影响.对雷达影像进行定量分析和参数提取之前,必须对SAR影像进行精确的几何校正和辐射校正,消除地形的影响.基于RD定位模型和数字高程模型建立一种正射校正和地形辐射校正(TRC)方法.通过试验,从定性和定量两方面评价正射校正和地形辐射校正结果的有效性.比较基于投影角和基于局部入射角...     

地形辐射校正在极化SAR影像分类中的应用

由于SAR斜距成像几何方式及地形起伏的影响,原始SAR影像存在透视收缩、叠掩、阴影等严重的几何畸变和辐射畸变。其中,叠掩区具有强烈的后向散射回波,在极化SAR影像的分类研究中容易造成林地与居民地等地物混分,降低分类的精度。针对该问题,本文研究一种地形辐射校正方法,引入投影角计算后向散射系数γ0,有效地解决了地形起伏造成的辐射畸变问题。选取一景全极化Radarsat-2影像进行实验验证,分别对地形辐射校正前后的极化SAR影像进行了复Wishart监督分类。通过对分类结果的比较,表明经本文地形辐射校正方法处理后,极化SAR影像的分类精度得到了改善。     

利用DEM进行SAR图像模拟及地形辐射校正

在山区获取地面控制点比较困难,运用模拟SAR进行配准、校正,具有较大的优势。本文在分析SAR成像几何结构及ALOS PALSAR卫星轨道参数特征的基础上,运用RD定位模型对DEM的每个网格点进行雷达成像点的位置计算,模拟SAR图像,并提取当地入射角、投影角及规则化因子等;模拟出的SAR图像与真实SAR图像纹理吻合,有利于控制点的自动配准。在此基础上对ALOS PALSAR进行编码,构建基于规则化因子及入射角的地形辐射校正模型,消除面积效应及地形起伏造成的畸变问题,从结果中分析,校正后的图像明暗差异明显减少,这对雷达定量反演研究具有一定的现实意义。     

星载SAR地形辐射校正模型及其效果评价

根据合成孔径雷达(SAR)严格成像几何模型和辐射定标公式建立了地形辐射校正(TRC)模型。通过实验,从定性和定量两个方面评价了TRC模型的有效性。比较了基于投影角和基于当地入射角两种计算有效散射单元面积的方法,对根据初始定位模型计算有效散射单元面积的合理性进行了分析。     

宽观测带SAR图像入射角效应量化研究与校正

针对宽观测带SAR图像,在对入射角效应量化研究的基础上,提出了一种入射角效应按类校正方法。利用分水岭分割和区域标记技术实现地物取样,基于结合线性回归估计的余弦朗伯定律,实现对地物后向散射值的按类辐射校正。针对Envisat ASAR C波段HH极化数据的实验结果表明,入射角效应对雷达后向散射有明显的影响,含水量越高的地物类型,入射角效应越明显。利用本文方法进行入射角效应校正的效果优于绝对定标和一阶余弦校正的效果。     

机载干涉SAR测绘制图应用系统研究

介绍我国机载干涉SAR系统及测绘应用概况,介绍机载干涉SAR生成DEM、SAR正射校正、地形引起的SAR后向散射畸变校正、机载SAR图像解译、雷达图像与光学影像的融合、雷达"空中三角测量"等关键技术研究进展.最后,介绍机载干涉SAR系统在泰山试验区的测绘制图实验情况.     

一种顾及空间相关性遥感影像辐射度的地形校正算法

地形校正的目的是消除太阳光照对不规则地面地物辐射值的影响。这种影响会使相似植被类型地物的辐射值发生很大的变化。因此,在地形复杂的地区,地形校正是影像预处理的一个重要步骤。传统的基于单像素的地形校正方法,虽然减小了辐射值的变化,但在太阳入射角低的地区常常出现校正过度的情况。针对这种误差进行分析,提出一种考虑了空间相关性的校正算法,并且利用鄂西地区的Landsat7卫星影像进行的试验证明,该算法优于传统的地形校正模型。     

DEM辅助的卫星光学遥感影像山体阴影检测与地形辐射校正

提出一种结合DEM的山体阴影检测与地形辐射校正方法。首先对卫星影像多波段信息用特征法进行阴影检测,然后结合DEM数据用模型法进行山体背阴面检测以及投影区域检测,将3个结果综合分析,按照形成原因将阴影检测结果分为8类,最后结合太阳入射角信息,利用信息匹配的阴影补偿法和地形辐射校正物理模型,进行卫星光学遥感影像辐射校正。试验证明该方法能恢复山体阴影区的信息,并且有效降低地形效应的影响。     

面向对象高可信SAR数据精确处理

针对合成孔径雷达（synthetic aperture rdar,SAR）数据在地形地物、森林植被等方面的处理与解译难题,介绍了近年来利用多角度、多波段、多极化、极化干涉等多模态航空航天SAR数据,建立基于散射机理的地物特性知识库,构建地形辐射校正模型、极化干涉处理模型、立体测量模型、基于知识的解译模型等,开发出高分辨率机载极化干涉SAR数据获取系统和SAR影像高性能解译软件系统,实现了精度高、可靠性强、识别类型丰富的SAR影像高可信处理与解译的原理、技术与方法,同时对成果在测绘、林业等行业的应用情况进行了介绍,对研究中存在的问题和解决思路进行了探讨。     

雷达后向散射模型及其在雷达图像地形影响纠正中的应用

在从雷达估测森林生物量时，经常遇到的一个问题是地形对雷达信号的影响。地形使得雷达波的入射角度改变，使每个雷达图像像元所包含的地表面积改变，由于地面的起伏，植被本身的结构也不同，纠正这种由地形而不是植被类型引起的雷达图像的变化是一个很复杂的问题，除了需要高质量的地形数据外，还必须理解植被雷达信号随地形变化的规律。提出一种可用来模拟森林及其它植被处于山坡上的雷达后向散射模型。结合DEM数据，模拟的结果可用来进行雷达图像的地形影响纠正，如果多极化或多波段图像存在，通过雷达模型可用从一种极化推导出的地形信息来纠正其它极化的图像数据。     

ScanSAR模式海冰图像的分割

合成孔径雷达SAR(Synthetic Aperture Radar)图像的非平稳性是SAR海冰图像自动解释的主要障碍,入射角效应是导致海冰图像特征不稳定的主要因素之一。基于Radarsat-1 ScanSAR模式数据,本文提出了一种集成入射角效应校正步骤的分割算法。该方法综合考虑了入射角效应、斑点噪声等不确定因素,经由像素到区域再到大尺度区域这一途径,把区域聚类、类尺度上的入射角效应校正以及区域合并等操作组合起来,以有效提高分割算法对非平稳性的适应能力。针对巴芬湾和和波斯尼亚湾ScanSAR模式图像的实验表明,本文提出的方法可有效提高分割准确性。     

一种模拟纠正影像的SAR立体影像匹配方法

针对常规SAR影像匹配方法在地形起伏较大区域无法获取理想的SAR立体影像匹配结果的问题,该文提出了一种基于模拟纠正影像的SAR立体影像匹配方法。利用观测区域粗分辨率DEM进行SAR影像模拟,进而获取几何纠正SAR影像,在几何纠正SAR影像上实现影像匹配,等效于常规基于灰度影像匹配中进行的影像粗配准工作,并且相比于常规粗配准,该等效粗配准过程能够均衡地顾及到整幅影像的像元,最终实现了地形起伏较大区域的高精度SAR立体影像匹配。采用COSMO-Skyped影像数据进行了实验,实验结果表明,匹配精度达到了3个像素左右,比常规的基于灰度影像匹配方法有较大提高,能够有效解决地形起伏较大区域SAR立体影像匹配问题。     

全极化SAR数据在地表覆盖/利用监测中的应用

SIR-C/X-SAR是运行在地球轨道上的第一个多波段(L、C、X)全极化(HH、VV、VH和HV)成像雷达系统,该系统具有极化测量和干涉测量功能。全极化雷达测量每一个像元的全散射矩阵,所获取的信息非常丰富。但是,由于这些极化合成图像具有较高的相关性,导致了图像信息提取精度的降低。本文基于新疆和田地区的SIR-CL波段全极化雷达数据,利用全散射矩阵的特点合成了HH-VV极化相关图像、极化度图像、目标增强图像和相位差图像。这些图像相关性小,地表覆盖信息丰富,提高了全极化SAR数据在实验区信息提取的准确度。     

基于多方向多源合成孔径雷达数据融合的假彩色正射影像制作

在复杂地形条件下,SAR影像几何失真大,辐射畸变突出,透视收缩、叠掩和阴影等现象严重,制约SAR测图的应用.为此,提出一套基于多方向多源SAR数据融合方法与技术流程,利用不同侧视方向、不同分辨率、多极化的SAR影像数据,融合制作信息量丰富,能够满足应用要求的SAR假彩色正射影像.采用横断山脉区域3 m分辨率的Terra...     

包络线去除的丘陵地区遥感影像阴影信息重建

中国西南丘陵常态山和喀斯特山交错分布,遥感影像普遍存在山体阴影,分布零散且无规律,基于DEM的地形校正模型(C校正等)虽然算法成熟、易于操作,但在复杂地形区存在误差。引入基于相似像元包络线的阴影校正方法(CR校正),按照阴影提取、包络线去除、相似像元寻找和阴影亮度重建的步骤,采用西南丘陵地区Landsat 8 OLI影像进行验证实验。结果表明:CR校正后,阴影区的视觉特征与邻近非阴影区趋于一致,阴影像元亮度有明显提升;校正后影像主要波段标准差减小,与非阴影区参考光谱的相对均方根误差在2.919%以内,最低仅为0.516%;自动分类精度从43.59%提高到61.57%,CR校正有效提高了有阴影的丘陵地区遥感影像质量。     

Backscatter coefficient as an attribute for the classification of full-waveform airborne laser scanning data in urban areas

Airborne laser scanning (ALS) data are increasingly being used for land cover classification. The amplitudes of echoes from targets, available from full-waveform ALS data, have been found to be useful in the classification of land cover. However, the amplitude of an echo is dependent on various factors such as the range and incidence angle, which makes it difficult to develop a classification method which can be applied to full-waveform ALS data from different sites, scanning geometries and sensors. Additional information available from full-waveform ALS data, such as range and echo width, can be used for radiometric calibration, and to derive backscatter cross section. The backscatter cross section of a target is the physical cross sectional area of an idealised isotropic target, which has the same intensity as the selected target. The backscatter coefficient is the backscatter cross section per unit area. In this study, the amplitude, backscatter cross section and backscatter coefficient of echoes from ALS point cloud data collected from two different sites are analysed based on urban land cover classes. The application of decision tree classifiers developed using data from the first study area on the second demonstrates the advantage of using the backscatter coefficient in classification methods, along with spatial attributes. It is shown that the accuracy of classification of the second study area using the backscatter coefficient (kappa coefficient 0.89) is higher than those using the amplitude (kappa coefficient 0.67) or backscatter cross section (kappa coefficient 0.68). This attribute is especially useful for separating road and grass.