基于相干系數(shù)的低相干區(qū)域識別

陳 剛, 張笑微，隋春玲

1.西安測繪研究所,陜西 西安，710054；2.地理信息工程國家重點實驗室,陜西 西安, 710054；3.第二測繪導(dǎo)航基地，江蘇 南京，210014

?

基于相干系數(shù)的低相干區(qū)域識別

陳 剛1,2, 張笑微1,2，隋春玲3

1.西安測繪研究所,陜西 西安，710054；2.地理信息工程國家重點實驗室,陜西 西安, 710054；3.第二測繪導(dǎo)航基地，江蘇 南京，210014

由于成像機理的影響，SAR影像不可避免地存在低相干區(qū)域，如道路、湖泊以及山的背坡等。低相干區(qū)域回波信號較弱或者沒有回波信號、數(shù)據(jù)相干性差、無法用于后續(xù)測繪產(chǎn)品生成，必須將其識別出來。本文在傳統(tǒng)濾波與閾值分割識別方法的基礎(chǔ)上，引入均值、方差作為判據(jù)，并輔以誤判區(qū)域的剔除策略，有效完成了InSAR數(shù)據(jù)中低相干區(qū)域的識別；同時，通過對機載InSAR數(shù)據(jù)處理實驗，驗證了該算法的有效性。

干涉合成孔徑雷達；低相干區(qū)域；相干系數(shù)

1 引 言

干涉合成孔徑技術(shù)(Interferometric Synthetic Aperture Radar，InSAR)是SAR技術(shù)的延伸，主要用于測制數(shù)字表面模型(Digital Surface Model，DSM)、數(shù)字高程模型(Digital Elevation Model，DEM)和雷達正射影像[1]。受SAR側(cè)視成像機理的影響，場景中會出現(xiàn)很多低相干區(qū)域(或者稱為陰影)，其主要是湖泊、道路、山的背坡區(qū)域。由于湖泊、道路較為平坦，因此，會產(chǎn)生鏡面反射效應(yīng)，導(dǎo)致沒有回波或者少量回波信號反射到雷達接收機中，如圖1(a)所示。對于山區(qū)，其背坡被遮擋，同樣無法得到回波信號，如圖1(b)所示。由于在低相干區(qū)域的雷達回波信號很弱甚至沒有信號，因此，由其得到的干涉相位可信度很低。對該地區(qū)干涉相位進行地理編碼，生成產(chǎn)品存在大量噪聲，精度無法保證，因此，必須在數(shù)據(jù)處理中將其識別出來，避免將誤差傳遞到最終產(chǎn)品中。

圖1 陰影示意圖

低相干區(qū)域有三個典型特征：一是在強度影像上其灰度值很低，呈明顯的暗色；二是在相干系數(shù)圖上相干系數(shù)較低，表現(xiàn)為黑色；三是干涉相位上表現(xiàn)為噪聲形式。三種典型特征分別如圖2(a)～(c)所示。盡管低相干區(qū)域雷達回波信號很弱、甚至沒有信號，但是由于接收機噪聲及地面雜波等因素的影響，低相干區(qū)域在相干系數(shù)圖上并未全部呈現(xiàn)黑色，而是存在大量的噪聲，如圖2(b)所示，這給基于相干系數(shù)的低相干區(qū)域識別帶來困難。王健[2]提出了對相干系數(shù)圖進行sigma

濾波，消除噪聲影響，然后搜索最優(yōu)分割閾值來識別低相干區(qū)域。韓松濤[3]提出了基于相干系數(shù)閾值分割的低相干區(qū)域識別算法。索志勇[4]提出了一種新的相干系數(shù)計算方法，提高了相干系數(shù)的估計精度，然后采用閾值分割方法進行識別。A.Wendleder[5-7]提出了對強度影像和相干系數(shù)進行閾值分割，并對分割后的兩種結(jié)果進行融合的低相干區(qū)域識別算法。羅華[8]提出了以坡度一致性來確定粗差點，然后以粗差點為種子，進行區(qū)域生長來識別低相干區(qū)域的算法。

(a)強度影像 (b)相干系數(shù) (c)干涉相位

對相干系數(shù)進行濾波能在一定程度上抑制噪聲，但是由于低相干區(qū)域噪聲很大，濾波難以完全消除噪聲影響，進行閾值分割后低相干區(qū)域仍存在大量噪聲，表現(xiàn)為低相干區(qū)域中有很多高相干點。利用DEM作為先驗信息，能提高低相干區(qū)域識別精度，但限制了算法的應(yīng)用范圍，并且DEM誤差、天線位置和姿態(tài)等誤差均會影響識別精度。本文針對上述算法存在的問題，提出了一種新的低相干區(qū)域識別方法。該方法通過對相干系數(shù)圖進行濾波、二值分割、均值與方差計算及誤判區(qū)域剔除等步驟，提高了識別的穩(wěn)定性和準(zhǔn)確性，機載數(shù)據(jù)的試驗結(jié)果表明了該方法的有效性。

2 低相干區(qū)域識別算法

低相干區(qū)域識別基本流程如圖3所示，主要包括以下4個步驟。

圖3 算法流程

(1)濾波

由于相干系數(shù)數(shù)據(jù)中存在大量的噪聲，因此必須對其進行濾波，抑制噪聲的影響。濾波選用均值濾波，其表達式如式(1)所示。

(1)

(2)二值分割

設(shè)定相干系數(shù)閾值γThsd，對濾波后的相干系數(shù)圖進行二值化分割處理，完成高相干和低相干區(qū)域的初步分離，其表達式如式(2)所示。

(2)

閾值γThsd直接決定了識別的準(zhǔn)確程度。若閾值設(shè)置較小，則很多低相干區(qū)域被漏掉；若閾值設(shè)置較大，則很多高相干區(qū)域被誤識別。閾值設(shè)定與載荷性能、成像處理算法密切相關(guān)，目前尚無數(shù)學(xué)模型可以估計，一般通過統(tǒng)計大量數(shù)據(jù)獲取。TanDEM-X系統(tǒng)統(tǒng)計了1700景數(shù)據(jù)[5,6]，平均相干系數(shù)為0.6，設(shè)定相干系數(shù)閾值為0.23。機載InSAR系統(tǒng)由于相干性較高，平均相干系數(shù)在0.9以上。因此，閾值γThsd也要相應(yīng)提高，一般應(yīng)大于0.7。

(3)均值、方差計算

對相干系數(shù)數(shù)據(jù)進行二值分割化后，則完成了低相干區(qū)域與高相干區(qū)域的初步分離。但由于低相干區(qū)域中存在大量噪聲，盡管進行了濾波處理，但仍無法完全消除噪聲影響。分離后的低相干區(qū)域中仍然存在大量的噪聲點(表現(xiàn)為高相干點)，需要對其進行判斷與識別。

對于高相干區(qū)域，由于噪聲較少，因此,其均值大、方差較小。對于低相干區(qū)域則存在兩種情況:一種情況是該區(qū)域大部分為低相干點，計算結(jié)果為均值小、方差小；第二種情況受大量噪聲影響，其均值較小而方差較大。綜合上述兩種情況，設(shè)置滑動識別窗口，依據(jù)式(3)逐點計算均值與方差。分別設(shè)置均值與方差閾值A(chǔ)vgThsd、VThsd，如果窗口內(nèi)均值小于VThsd或者方差大于VThsd，則視該點為低相干點。

(3)

(4)

(4)誤判區(qū)域剔除

通過計算均值方差能抑制噪聲的影響，但是仍然存在一定低相干區(qū)域被誤判為高相干區(qū)域，在圖像上表現(xiàn)為少量高相干區(qū)域(白色小區(qū)域)被低相干區(qū)域(黑色區(qū)域)包圍，這些是錯誤識別的結(jié)果，需要將其剔除。為此采用區(qū)域增長算法，尋找出這些被包圍的小區(qū)域并加以修正。算法具體流程如下：

①在圖像上逐行掃描，直至找到一個高相干點(灰度值為255)，將該點放入隊列A中，標(biāo)記該點為已搜索，并將計數(shù)器count設(shè)置為1；

②從隊列A中取出一個點，沿其周圍八個領(lǐng)域進行搜索，檢查這些點是否是高相干點且未被搜索，確定后，將其放入隊列A中，標(biāo)記該點為已搜索，并將計數(shù)器count加1；

③重復(fù)步驟②，直至隊列A為空；

④ 判斷計數(shù)器count值，如果大于閾值CThsd，則該塊區(qū)域不是誤判區(qū)域；否則，將區(qū)域所有點設(shè)置為低相干點(灰度值為0)。

閾值CThsd決定了誤判區(qū)域的剔除力度，閾值設(shè)置大，則剔除力度大，面積小的高相干區(qū)域就會被刪除；閾值設(shè)置小，則剔除力度小，面積大的誤判區(qū)域就有可能被保留。考慮到經(jīng)過剔除后的高相干區(qū)域還要用于后續(xù)解纏和地理編碼中，如果閾值過小，保留的高相干區(qū)域面積過小，后續(xù)處理則失去了意義，因此，要求CThsd應(yīng)至少大于100。

3 試驗與結(jié)果分析

為了驗證本文算法的有效性，利用機載InSAR系統(tǒng)獲取的數(shù)據(jù)進行試驗。系統(tǒng)工作頻段為X、基線長度2m、 飛行高度6000m、 影像分辨率為

0.5m×0.5m、場景像元數(shù)為8186×13449(方位向×距離向)。該場景為山地類型，起伏比較劇烈，存在大量的低相干區(qū)域，適合進行低相干識別試驗。該場景的原始影像、相干系數(shù)圖、干涉條紋圖如圖4所示。

(a)強度影像 (b)相干系數(shù)圖 (c)干涉條紋圖

從圖4可以看出，強度影像、相干系數(shù)圖和干涉條紋之間基本一致。強度影像上灰度值較低區(qū)域在相干系數(shù)圖上的相干系數(shù)值也較低(黑色部分)；同時，在干涉條紋圖上噪聲也較大。但也有不一致地區(qū)，如圖4(a)的左上角和右下角(紅色矩形框區(qū)域)，在強度影像上灰度值較小，但在相干系數(shù)圖上為高相干區(qū)域，在干涉條紋圖上相位光滑且連續(xù)，這說明利用強度影像來判斷低相干區(qū)域存在較大的誤判概率。而相干系數(shù)圖與干涉條紋之間吻合程度較好，且干涉處理的最終目的是獲取干涉相位，因此，本文選用相干系數(shù)圖進行低相干區(qū)域識別的思路是正確的。

為了試驗濾波對識別的影響，進行兩組試驗：第一組是不濾波直接進行閾值分割，第二組是濾波后再進行閾值分割。濾波窗口大小為5×5，二值分割閾值γThsd=0.7，整個場景處理結(jié)果如圖5(a)、(b)所示，局部區(qū)域的相干系數(shù)圖、干涉條紋圖、二值分割結(jié)果如圖5(c)、(d)、(e)、(f)所示。

圖5 濾波對識別的影響分析

從圖5可以看出，不濾波直接進行二值分割，低相干區(qū)域中存在大量噪聲；而經(jīng)過濾波后，低相干區(qū)域噪聲明顯減少，這說明濾波在一定程度上能抑制噪聲的影響，提高分割的穩(wěn)定性。但也要看到，濾波且二值分割后，圖像中仍然存在噪聲，尚不能實現(xiàn)低相干區(qū)域的準(zhǔn)確識別，仍須進一步處理。

對濾波二值分割后的相干系數(shù)圖進行均值方差的計算，方差計算窗口大小為7×7，均值閾值A(chǔ)vgij=127，方差閾值VThsd=100；然后進行誤判區(qū)域剔除，設(shè)定誤判閾值CThsd=100。場景局部區(qū)域的干涉條紋圖、二值分割結(jié)果、均值方差計算結(jié)果、誤判區(qū)域剔除結(jié)果如圖6所示。

圖6 局部區(qū)域處理結(jié)果

從圖6三個局部區(qū)域的處理結(jié)果可以看出，進行濾波并二值分割后，在低相干區(qū)域仍存在大量的噪聲；通過均值方差計算后，噪聲明顯減少，但尚不能完全消除；在此基礎(chǔ)上通過識別誤判區(qū)域，噪聲得到進一步消減。對比圖6干涉條紋圖和最終識別結(jié)果，可以看出干涉條紋圖中的噪聲均被準(zhǔn)確識別，說明本文提出的方法能有效識別低相干區(qū)域，算法具有很強的穩(wěn)健性。

4 結(jié) 論

本文提出了一種基于相干系數(shù)的低相干區(qū)域識別技術(shù)，通過濾波、二值分割、均值方差計算、誤判區(qū)域剔除四個環(huán)節(jié)，有效完成了低相干區(qū)域的識別。與其它低相干區(qū)域識別相比，本文的算法不需要其它外部數(shù)據(jù)支持，即能有效克服噪聲對于識別的影響，識別準(zhǔn)確程度高。目前，試驗中的二值分割和均值方差閾值是人工設(shè)定，如何通過場景分析自動給出閾值將是下一步研究的重點。

[1]王超，張紅，劉智等．星載合成孔徑雷達干涉測量[M]．北京：科學(xué)出版社，2002．

[2]王健,向茂生,李紹恩. 一種基于相干系數(shù)的SAR陰影提取方法[J].武漢大學(xué)學(xué)報·信息科學(xué)版,2005,30(12):1063-1066.

[3]韓松濤,向茂生. 一種干涉雷達陰影區(qū)的處理方法[J].電子測量技術(shù),2008,31(3):4-6.

[4]索志勇,李真芳,吳建新等.干涉SAR陰影提取及相位補償方法[J].數(shù)據(jù)采集與處理,2009(24):264-269.

[5]Wendleder, M. Breunig, K. Martin,et al. Water body detection from TanDEM-X: Concept and first evaluation of an accurate water indication mask[C]. IGARSS’11.,Vancouver, Canada,2011.

[6]A. Wendleder, B. Wessel, Achim Roth.,et al. TanDEM-X Water Indication Mask: Generation and First Evaluation Results[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2013(6):171-179.

[7]T. Hahmann, A. Twele, S.Martinis,et al. Strategies for the automatic extraction of water bodies from TerraSAR-X/TanDEM-X Data[J]. Geographic Information and Cartography for Risk and Crisis Management, Towards Better Solutions, 2010:129-141.

[8]羅華,雷斌,胡玉新.一種機載InSAR水體陰影的提取和識別方法[J].遙感技術(shù)與應(yīng)用,2014,29(2):258-263.

Low- coherence Area Identification Based on the Coherence Coefficient

Chen Gang1, 2,Zhang Xiaowei1, 2,Sui Chunling3

1.Xi’an Research Institute of Surveying and Mapping, Xi’an 710054, China 2.State Key Laboratory of Geo-information Engineering, Xi’an 710054, China 3.The Second Surveying, Mapping & Navigation Base, Nanjing 210014, China

Due to the imaging mechanism, the existence of low-coherence areas such as road, lake and back slope of mountain is inevitable in SAR image. It is necessary to identify the low-coherence areas because the intensity of echo in those areas is very low or even vanished, thus the data is incoherent and useless for subsequent generating of surveying and mapping products. Based on the traditional filtering and segmenting method, the paper presents a new method that can effectively identify the low-coherence area by using mean and variance as criterion and deleting the misjudged area. Besides the paper testifies that the method is effective by the experiments using airborne InSAR data.

InSAR; low-coherence area; coherence coefficient

2015-03-13。

陳剛(1976—)，男，副研究員，主要從事InSAR數(shù)據(jù)處理和定標(biāo)技術(shù)方面的研究。

P

A