SAR运动补偿，自动聚焦以及图像解译 留言

我们通常假设装备SAR雷达的飞机或航天器以匀速直线飞行，但事实并非如此。飞机特别容易受到大气湍流的影响，而航天器会受到偏流和其他轨道不确定性的影响。

由于SAR雷达需要考虑在较长一段时间内(例如1至10秒)接收的微波信号相位的细微差异，因此必须测量和纠正飞行航迹的任何随机扰动或变化。可以使用惯性导航系统或其他导航跟踪系统测量这些扰动或变化，如GPS系统。

根据测量的飞行轨迹，可以计算出相位修正的精确值。这些可以应用到雷达系统接收的任意一点的信号，从本地振荡器到最终的信号合成。已经研发了很多运动补偿和自动聚焦技术。本节列出了相位误差的常见来源及其对图像质量的影响。

表1  相位误差

相位误差的常见来源及其对雷达性能的影响详见表1。这些误差的重要性怎么强调都不为过。例如，一个未修正的频率相位误差为114°(从阵列中心到阵列末端)，将导致10%的波束展宽。

在X波段，114°对应的距离不到1cm。换句话说，合成阵列在整个长度上偏离理想阵列只有1cm。无补偿相位误差的主要影响，表现在旁瓣增大和分辨率降低。因此，随机高频相位误差必须控制在2°-6°范围内，使分辨率降低和旁瓣增大对图像质量的影响降到最低。

然而，在X波段，6°相当于天线运动偏差只有0.025cm。合成阵列长度可能有1km或者更长，因此要修正到这个程度，可以说是极具挑战性的。这里列出的相位误差源会导致相位修正出现瑕疵，从而导致聚焦SAR雷达数据出现瑕疵。

然而，通过自动聚焦过程，一定程度上可以缓解SAR雷达图像出现错误。聚焦不当的SAR雷达图像与非聚焦的光学图像非常相似。图像变得模糊，清晰度和对比度都降低了。如果图像显示在你的相机上，你可以调整镜头的焦距，直到显示出一个清晰、对焦的图像。

大多数数码相机都有自动对焦功能，通过软件算法可以实时评估显示的图像。它有图像清晰度和对比度两项参数指标。然后，相机自动调整焦距，直到这个图像质量度量值达到最大。

然而，对于SAR雷达图像，已经拍摄完了“照片”。没办法重拍，只有通过硬件调整形成质量较好的图像。自动聚焦首先将有瑕疵的SAR雷达图像作为无瑕疵的SAR图像来查看，图像质量已经被一些未知的模糊过滤器反卷积所破坏。

如果知道这个失真的滤波器，它的影响理论上可以通过反卷积来消除。这时，反卷积试图逆转导致图像模糊的过程。但是，该滤波器的构成是未知的，因为它有未知和未补偿的相位误差。

这些相位误差主要是由运动引起的，如沿航迹速度和跨航迹加速度扰动。不过，可以通过使用未知参数构成的相对简单的函数建模来概略估算。它的逆卷积(反卷积滤波器)同样取决于这些相同的未知参数。

因此，自动聚焦一般通过调用程序，利用合适的反卷积滤波器形成复值SAR雷达图像。随后，调整反卷积滤波器参数，直到图像质量的一个或多个参数指标达到最优值。

例如，可以选择对比度作为图像质量参数。合适的去卷积滤波器可以最大限度地提高图像对比度。这可以在反复试验的基础上选择。得到的反卷积SAR雷达图像将被精确聚焦。

图23  这是SAR雷达自动聚焦的例子。对比度作为图像质量的度量参数。图像特征清晰度的提高是显而易见的，这使SAR雷达图像更便于解译和利用

如图23所示，自动聚焦算法得不到完美的SAR雷达图像，但可以显著提高SAR雷达的聚焦和图像质量。对比度作为图像质量的度量参数，可以确定相位校正的参数。图像特征清晰度的提高是显而易见的，这使SAR雷达图像更便于解译和利用。 

如图24所示，乍一看，很容易误认为是从一架高空飞机上拍摄的一片地形的照片。此外，天气看起来很晴朗，从两个烟囱的长阴影判断，似乎是在日落或日出时拍摄的，太阳从照片底部的方向照射。

图24  在这幅SAR雷达图像地图中，注意工厂烟囱(中心)长长的雷达阴影。通过雷达高度可以确定烟囱的高度，从而可以推断工厂厂房的用途

如果这幅图像是一幅光学照片，那么这种解释是很有道理的，但这是一幅由SAR雷达合成的图像。它可能是由SAR雷达在阴天的夜间测绘的。雷达并没有直接从目标上空飞过，距离目标有非常大的偏移距离，可能是100km或更大。

更具体地说，SAR雷达的飞行航迹明显是在图像底部的方向上以偏移的方式经过图像区域的。我们可以从两个烟囱投射的阴影看出来。这两个阴影不是由阳光造成的，而是由SAR雷达发射机发射的电磁波造成的。

当然，和光学图像一样，高分辨率的SAR雷达图像可以识别道路、楼房和车辆等建筑物，以及湖泊和山脉等自然特征。不过，SAR雷达图像不受时间的影响，通常也不受大气条件的影响。

此外，低频SAR雷达(L波段以下)的长波长通常可以穿透伪装和植被，可以识别那些被明显遮蔽的物体。如图25所示，这是几辆停在树冠下的车辆(在可见光波段无法探测到)。当使用能够穿透树冠的高频(VHF)电磁波形成SAR雷达图像时，目标非常明显。 

图25  这幅高频SAR雷达图像显示了停在树冠下的车辆，在可见光波段无法探测到

很明显，解译SAR雷达图像与解译光学图像(照片)不同。

由于条带测绘 SAR雷达是侧视的，阴影通常会投射到远离雷达和飞机的方向。这通常有助于图像的解译，阴影投射的长度可以帮助推算物体的高度。例如，图24所示的两个烟囱的高度，可以很容易地从已知的SAR雷达高度和位置来估算。

在不同时间形成的SAR雷达图像包含有价值的信息，比如可以知道发生的变化。检测这些差异的过程称为变化检测。这可以通过振幅图像(非相干变化检测)或振幅和相位(相干变化检测)来实现。

图26是一个非相干变化检测的例子，在第二幅记录图像而不在第一幅记录图像中的检测目标用蓝色标注。在第一幅记录图像而不在第二幅记录图像中的检测目标用红色标注。这可以用短语“红去，蓝新”来记忆。 

图26  这是一个非相干变化检测的例子，在第二幅记录图像而不在第一幅记录图像中的检测目标用蓝色标注。在第一幅记录图像而不在第二幅记录图像中的检测目标用红色标注。

极化SAR雷达可以增强SAR雷达图像辨认和识别照射目标的能力。散射体的极化响应与其结构和方位关联度很大，因此可以从极化SAR雷达图像中推断出一些物理特征。例如，极化SAR雷达通常用于分类不同类型的植被和地表覆盖物，在光学图像中所有的地形都显示为绿色。

图27  极化SAR图像中，不同的颜色代表不同的极化响应，可以识别农作物和其他图像特征

如图27所示，不同的颜色代表不同的极化响应，可以识别植被和其他图像特征。人造物体通常也有独特的极化响应，可以用来区分它们与自然特征。

“相干斑”问题是一个与SAR雷达图像解译相关的难题。可见光是分布在宽带宽上的非相干电磁能量，与可见光不同，雷达系统是相干的，因此相位起着关键作用(SAR雷达工作确实依赖相位测量)。

来自雷达分辨单元内不同阵列单元的相干散斑可以相加也可以抵消，导致一个强散斑或没有散斑影响(或两者之间的任意强度)。 

SAR雷达图像呈颗粒状，看起来好像被斑点噪声破坏了。斑点噪声是散斑干扰的一种表现，增加发射功率无法减弱“相干斑”噪声。相反，通过非相干平均SAR图像的方式可以减弱“相干斑”噪声。

将一个长的合成孔径分割成更小的部分，然后每个部分形成一个SAR雷达图像。该图像的沿航迹分辨率不高，通过平均，可以减少信号衰减引起的强度变化。类似地，发射机带宽也可以划分成更小的块，虽然会降低距离分辨率，但可以形成多个SAR雷达图像。

图28  图中是同一场景的单视和32视SAR雷达图像。32视SAR雷达图像更平滑(斑点更少)，更容易看清细节

如图28所示，可以对比单视SAR雷达图像和32视SAR雷达图像。这两种图像的分辨率相同，可以更直观比较单视SAR雷达图像和多视SAR雷达图像。32视SAR雷达图像不仅更平滑，而且还可以识别出更多的散斑底层结构。

这是因为平均交叉8幅图像，降低了斑点噪声的影响，较好地估算了散斑的平均值，由此可以发现图像上更多的物理特征。 

由非相干平均(求和)合成的SAR雷达图像称为多视SAR雷达图像。对于多视SAR雷达图像，降低分辨率可以抑制“相干斑”噪声。其他处理方法也可以减弱甚至抵消斑点噪声。

通过飞机上一部小型侧向天线，将在一段时间内接收的回波信号存储起来，合成等效长阵列天线的回波信号，可以获得精确的方位向分辨。连续发射脉冲的点相当于阵列单元。

由于从阵列末端到地面上的点的距离，比从阵列中心的距离远，限制了有效阵列的长度，会引起相位误差。可以通过相位校正(亦称聚焦)抵消这种限制。通过聚焦，成比例增加与测绘距离对应的有效合成阵列长度，可以使方位分辨率几乎与距离无关。

在某些情况下，通过预求和回波信号组，且相位校正仅用于求和，可以减少计算量。通过快速傅里叶变换，多普勒滤波器可以进行回波信号的相位校正，从而极大减少计算量。

在SAR雷达数据采集期间，要产生聚焦良好的SAR雷达图像，雷达制造和飞行轨迹测量两方面需要有极高的精度。自动聚焦处理算法可以稍微缓解测量不精确引起的相位误差。

由于雷达图像在许多方面与光学图像不同，因此解译SAR雷达图像时应慎重行事。

 

原文始发于微信公众号（雷达通信电子战）