从本篇开始,此专题介绍的SAR成像不局限于单次成像。后面主要介绍双基以及多基(包括多航过)成像原理及算法。

合成孔径雷达(SAR)是一种主动式的微波探测设备,它的回波记录了目标或地物的散射强度信息和相位信息,散射强度反映了目标地物属性(含水量、粗糙度、地物类型等),相位信息则蕴含了雷达与目标之间的距离信息。

实际上,成像是地面三维空间到二维SAR图像的映射,因此在距离向-方位向外,还有一个高度向(垂直距离向)。

雷达干涉的基本原理是利用同一区域两次或多次航过的SAR图像的复共轭相乘,来提取地物目标的高度或形变。比较著名的专用InSAR系统是TanDEM-X干涉系统,主要参数如下。

卫星个数

2

轨道类型

太阳同步轨道

成像模式

条带、扫描

频段

X

编队模式

前后跟飞、绕飞

入射角

25°-50°

像素定位精度

<5m

相对高程测量精度

2m-4m

(1)InSAR原理

双基单航过InSAR成像示意图如下所示,信号模式可以是一发双收或自发自收:

python 干涉雷达 位移 雷达干涉成像_数据处理

  两个天线之间的基线为B;天线1的下视角为

python 干涉雷达 位移 雷达干涉成像_经验分享_02

。天线2在垂直航向平面内与X-Z平面的夹角为

python 干涉雷达 位移 雷达干涉成像_算法_03

。因此有三角形余弦定理:

python 干涉雷达 位移 雷达干涉成像_算法_04

两个天线的相位差与波程差的关系为:

python 干涉雷达 位移 雷达干涉成像_算法_05

python 干涉雷达 位移 雷达干涉成像_数据处理_06

由两幅SAR图像进行干涉获得。因此可以计算出两个天线波程差。再由波程差计算出目标的高度。

python 干涉雷达 位移 雷达干涉成像_算法_07


一般来说,波程差比波长大许多,因此解出的相位差还需要作解缠绕处理,也叫去模糊处理。解缠绕是干涉成像的核心。

(2)InSAR处理流程

InSAR的处理流程如下图所示。

python 干涉雷达 位移 雷达干涉成像_算法_08

 

 (3)InSAR核心算法

①图像配准

图像配准是为了使两幅图像中的配对像素对应同一目标。配准后的图像要保证两幅SAR图像的相干性。一般的配准过程都是由粗到细两步操作,以满足亚像素级的配准精度要求。

②去平地相位

由于干涉图不仅是目标高度h的函数,而且是目标水平距离y的函数。因此即使是无高度的地面也会产生近密远疏的干涉条纹。因此需要选定一个参考平面将平地干涉相位去掉。

③大气延迟相位去除
重复轨道干涉测量在两次成像时大气条件通常不一致,因此差分干涉图中也有两次大气延迟差异引起的相位(主要考虑电离层的影响)。
电离层对载波信号延迟的影响不仅取决于带电粒子浓度,也取决于载波频率。对于C波段和X波段等波长较短的SAR图像进行干涉,电离层延迟无明显影响,但是对于L波段和P波段等波长较长的SAR图像进行干涉,电离层延迟的影响就比较大。

④多视、滤波

为了减少干涉相位噪声,需要对相位图进行多视和滤波处理,提高高程测量精度。

⑤相位解缠绕

InSAR获得的相位是绝对相位2π模糊之后得到的,即绝对相位除以2π后的余值,也称之为缠绕相位。要使得系统得到准确的地表高程或形变,就必须将缠绕相位恢复出绝对相位。相位解缠绕可以形成专门的研究课题。

(4)InSAR 实测数据处理结果

下图为InSAR实测数据处理结果,前两幅为用于干涉的同一地区的复图像。第三幅为干涉获得的此地区高程信息图。

python 干涉雷达 位移 雷达干涉成像_算法_09

python 干涉雷达 位移 雷达干涉成像_算法_10

python 干涉雷达 位移 雷达干涉成像_数据处理_11