CN113406584A - 一种合成孔径雷达交叉定标方法 - Google Patents
一种合成孔径雷达交叉定标方法 Download PDFInfo
- Publication number
- CN113406584A CN113406584A CN202110692072.7A CN202110692072A CN113406584A CN 113406584 A CN113406584 A CN 113406584A CN 202110692072 A CN202110692072 A CN 202110692072A CN 113406584 A CN113406584 A CN 113406584A
- Authority
- CN
- China
- Prior art keywords
- calibrated
- data
- sar satellite
- satellite data
- sar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种合成孔径雷达交叉定标方法,针对合成孔径雷达绝对辐射定标时效性不足的问题,首先分析待定标数据照射区域内的散射稳定性,寻找待定标数据范围内散射特性随时间变化最为稳定的区域作为均匀目标区域。然后对Oh模型进行分析,基于Oh模型对此均匀目标范围下的待定标数据后向散射系数进行计算,通过参考卫星SAR数据反演出不同入射角下、待定标图像的后向散射系数。最后将反演出的待定标卫星数据后向散射系数值和待定标卫星数据的数字图像值进行拟合,得到定标系数K。本发明主要的实施对象是未定标的星载合成孔径雷达图像,主要工作是对其进行绝对辐射定标。
Description
技术领域
本发明涉及一种合成孔径雷达交叉定标方法,属于雷达定标领域。
背景技术
合成孔径雷达(SAR)绝对辐射定标是建立SAR图像数字量化值和地物后向散射系数值的关系,是定量化遥感应用的基础,通常使用雷达横截面(RCS)已知的人工定标器作为参考目标进行定标。然而人工定标器往往数量有限、制作维护部署成本高,这使得常态化、高频次的星载SAR星座定标难以开展。
交叉定标方法是一种无场地的绝对辐射定标方法,是利用已定标卫星数据(定标结果较好)和待定标卫星数据观测同一目标区域时,比较二者的数值,来实现待定标卫星数据标定的方法。交叉定标方法无需地面定标场定标器,具有定标成本低、时效性强的优势。
交叉定标方法在光学遥感领域中被广泛使用。光学领域进行交叉定标主要有三种方法:1)光线匹配交叉定标法,需要所选传感器能同时同地观测,对传感器要求高,实施困难较大,目前该方法使用较少。2)光谱匹配交叉定标方法,要求两个传感器观测同一区域,它们的入瞳辐亮度或者表观反射率之间存在比例关系,依据存在的比例因子计算待定标传感器的入瞳辐亮度或者表观反射率。在获取数据时尽管大气条件、观测几何视作相同,但由于不同传感器的光谱响应不同,使得入瞳辐亮度或者表观反射率之间存在比例关系。3)辐射传输模型法,该方法基于辐射传输模型,是目前光学交叉定标领域运用较多的方法。对辐射传输模型的输入值要求高。6s传输模型法是光学遥感领域的交叉定标模型。
光学中的交叉定标方法并不适用于合成孔径雷达(Synthetic Aperture Radar,SAR)定标。由于光学遥感是被动遥感,基于太阳的辐射能量,穿透性不强,对大气影响、气溶胶影响非常敏感,因此光学遥感中的辐射定标需考虑太阳、地物和传感器之间的几何关系、气溶胶、大气模式、传感器的光谱特征和地表反射率。SAR成像采取主动遥感方式,穿透性强、大气和气溶胶影响小,无需考虑太阳的辐射能量,因此光学上的交叉定标方法对合成孔径雷达并不适用。
在SAR定标领域,对交叉定标研究较少。仅有的研究也局限于机载SAR,并且要求近似成像几何;星载SAR交叉定标方法也未见公开报道。
发明内容
本发明的主要目的是提供一种合成孔径雷达交叉定标方法。
本发明是在对SAR绝对辐射定标和光学交叉定标相关方向进行了充分调研后,提出一种针对星载SAR真实数据的交叉定标方法。不同于传统的SAR绝对辐射定标方法,本发明的具体创新点在于:将光学中的交叉定标思想运用到SAR定标中;使用了两组已定标SAR卫星数据作为辅助参数,选取合理均匀目标区域;考虑了已定标SAR卫星和待定标SAR卫星的成像角度差异,使用了Oh模型获取待定标SAR卫星数据的后向散射系数值。本发明的主要实施对象是未定标的星载SAR卫星数据。主要工作是对其进行绝对辐射定标。
本发明的技术方案具体来说,主要包括如下技术内容:
步骤A、数据获取,用于获取所使用的全部数据。
A1、获取待定标SAR卫星数据,待定标SAR卫星数据需要照射均匀裸地区域。通过待定标SAR卫星数据的元文件获取待定标SAR卫星数据过境时间(T1)。
A2、选取两组已定标SAR卫星数据。这两组已定标SAR数据要求来自同一卫星、数据过境时间差大于90天、并且具有相同升降轨、入射角和照射区域、卫星定标精度高、和待定标SAR卫星数据照射同一区域。其中一组已定标SAR卫星数据的过境时间(T2)和待定标SAR卫星数据过境时间(T1)差距在20天内,避免后续交叉定标步骤中,由于气候、地表参数变化、环境变化等因素造成的影响。
步骤B、确定均匀目标范围,用于选取交叉目标位置。
B1、获取已定标SAR卫星数据1、已定标SAR卫星数据2的后向散射系数。
对两组已定标卫星数据的图像数字值进行预处理,通过预处理获取已定标SAR卫星数据1和已定标SAR卫星数据2的后向散射系数值。预处理主要包含:轨道校正、辐射定标、地形校正。1)轨道校正:合成孔径雷达产品元数据中提供的轨道状态向量通常不够准确,使用在数据产品生成后几天到几周时间内卫星提供的精确轨道文件进行细化校正处理。2)辐射校正:辐射校正的目的是提供图像数字值(DN)和后向散射系数值之间的关系,本发明使用的参考数据来源于已定标卫星,已知定标系数(描述图像数字值(DN)和后向散射系数值之间关系的值)。3)地形校正:由于地形的变化和卫星传感器的倾斜,SAR图像中的距离向会发生畸变。采用地形校正的方式改善这些畸变。
B2、制作数据切片。
首先对两组已定标SAR卫星数据进行配准,由于所选两组已定标SAR数据来自同一卫星、并且具有相同升降轨、入射角和照射区域,可以直接通过经纬度来进行初步配准。通过经纬度进行初步配准后,再通过标志性地物进行主观配准判断,验证经纬度判断的准确性。寻找高楼、道路拐点等标志性地物,校正经纬度配准结果。基于配准结果对两幅图像的像素位置进行平移,使得两组已定标卫星数据横纵坐标一一对应,保证两者图像数值可以直接进行计算比较。
配准完成后,将已定标SAR数据中不同的均匀区域分片。找到已定标SAR卫星数据1中分片区域所对应的具体横纵坐标进行切片裁剪,将同一坐标区域的已定标SAR卫星数据2也进行切片处理。切片要求已定标SAR卫星数据1和已定标SAR卫星数据2对应切片像素大小一致、照射同一均匀区域、切片数目不少于3组。切片的后向散射系数值分布均匀,高后向散射系数区域和低后向散射系数区域都要切片。
B3、后向散射系数时间稳定性比较。
由于两组已定标SAR卫星数据切片可能在个别像素点存在误差,对切片后的两组已定标数据进行单元格划分,降低系统性误差。对每格数据取均值作为数据块的后向散射系数值加入运算。
对两组已定标SAR卫星数据之间的后向散射系数变化进行分析。后向散射系数的变化同时受到土壤湿度、地表均方根高度、介电常数、入射角等影响。对于已定标数据而言入射角一致、属于同一SAR卫星数据、每组数据块照射相同目标,影响其散射特性的因素只有土壤湿度、地表粗糙度、土壤介电常数这些地表参数。两组数据间的后向散射系数变化越小,则两组数据过境的这段时间内,此区域的散射稳定性越高。
对于后向散射系数的稳定性,使用均方误差(MSE)作为评估标准。两组已定标SAR卫星数据均方误差最小的切片范围为散射特性最稳定的均匀区域范围。具体计算公式如下:
B4、确定均匀目标范围。
以MSE值作为散射稳定性判别标准。MSE小说明此切片照射区域地表参数稳定、地表参数(土壤湿度、地表粗糙度、土壤介电常数等数值)难以随时间变化。选取MSE值最小的切片数据所属区域作为均匀目标区域。
若所有切片的MSE值均大于1dB,则本次数据切片失败,重新进行数据切片、重新选取均匀区域。
步骤C、交叉定标,用于计算待定标卫星的定标系数。
C1、已定标SAR卫星数据2和待定标SAR卫星数据间配准。
选取和待定标SAR卫星数据过境时间最接近的一组已定标SAR卫星数据(已定标SAR卫星数据2)进行后续交叉定标处理。由于后续处理对图像的匹配精度要求较高,对已定标SAR卫星数据2的图像数字值和待定标SAR卫星数据的图像数字值进行配准。采取最大相关系数法进行配准。最大相关系数法如下所示:
式中u′为距离向的频移,v′为方位向的偏移。待定标SAR卫星数据和已定标SAR卫星数据2的幅度分别为M1(i,j)、M2(i,j)。选取令R最大的u′、v′作为配准结果,平移待定标SAR卫星数据,将待定标SAR卫星数据和已定标SAR卫星数据横纵坐标一一对应。减小配准带来的误差,将配准误差精确到像素级。
C2、裁剪均匀目标区域数据。
基于配准结果和步骤B选取的均匀目标区域进行数据裁剪。由于已经平移待定标SAR卫星数据,将已定标SAR卫星数据2和待定标SAR卫星数据配准到像素级。通过已定标SAR卫星数据2步骤B2裁剪此均匀目标区域时的横纵坐标定位均匀目标位置。将同一横纵坐标的待定标SAR卫星数据和已定标SAR卫星数据2的图像数字值、已定标SAR卫星数据2的后向散射系数值裁剪下来。对裁剪后数据依据单位比例尺切块划分,每个单位块数据取均值作为裁剪结果,单位比例尺设定为10×10。对每个单位块内数据取均值划分数据块是为了降低由于入射角不同数据获取卫星系统参数的差异等带来的配准差异。
C3、获取待定标SAR卫星数据的后向散射系数。
通过后向散射模型获取待定标SAR卫星数据的后向散射系数,如Oh模型、IEM模型、AIEM模型等。
以Oh模型为例,获取待定标SAR卫星数据的后向散射系数:Oh模型是基于后向散射系数、同极化比p、交叉极化比q、土壤均方根高度s、土壤湿度mv和入射角θ建立的经验模型,其表达式如式(3)-(5)所示。
由于两组数据切片照射同一散射特性稳定的均匀目标区域、过境时间相差20天内、且两组数据处于同一波段下。可视作土壤均方根s、土壤湿度mv、波数k均一致。基于这些条件可通过Oh模型推导出基于入射角变化的后向散射系数值,公式如下:
式中σvv1是待定标SAR卫星数据每个数据块的后向散射系数,θ1是待定标SAR卫星数据每个数据块的入射角,σvv2是已定标SAR卫星数据每个数据块的后向散射系数,θ2是已定标SAR卫星数据每个数据块的入射角。通过推导的公式计算出基于均匀目标类型范围下,待定标SAR卫星数据的后向散射系数值。
C4、获取待定标SAR卫星的定标系数。
对待定标SAR卫星数据的后向散射系数值和DN值进行最小二乘法拟合。最小二乘法如下式:
σvv=a·DNvv+b (7)
附图说明
图1为本发明具体流程图。
图2为均匀目标选取流程图。
图3为交叉定标流程图
图4为本发明方法和传统定标方法对比示意图
图5为均匀目标位置示意图。
具体实施方式
本发明基于交叉定标思想的合成孔径雷达交叉定标方法基本流程如图1所示,具体包括以下步骤:
步骤A、数据获取,用于获取所使用的全部数据。
本发明实施使用的样例数据是Sentinel-1卫星图像。Sentinel-1(哨兵一号)卫星由Sentinel-1A、Sentinel-1B两颗卫星组成,是欧洲航天局哥白尼计划(GMES)中的地球观测卫星。2014年4月3日Sentinel-1A卫星发射升空,是欧洲航天局哥白尼计划(GMES)中首颗环境监测卫星,重访周期为12天。2016年4月25号Sentinel-1B卫星成功发射升空,两颗卫星同时运行,观测效率翻倍,重访时间缩短为6天。相比其他在轨雷达卫星,Sentinel-1卫星具有较高的辐射精度,绝对辐射精度为1dB。相比其他星载SAR卫星,Sentinel-1卫星数据更满足绝对辐射定标对SAR散射稳定特性要求,便于对SAR数据辐射精度的进一步探索。
Sentinel-1卫星数据可免费使用、绝对辐射定标精度高、公开数据量大,非常符合本方法已定标数据选取要求。待定标SAR卫星数据采用Sentinel-1B卫星数据。一组已定标SAR卫星数据选取和待定标SAR卫星图像过境时间相差在11天的一组Sentinel-1A卫星数据。另一组已定标SAR卫星数据也来自Sentinel-1A卫星和此已定标SAR卫星数据过境时间大于90天。具体选取数据参数如表1所示:
表1待定标SAR卫星数据和已定标SAR卫星数据具体信息
数据名称 | 卫星 | 极化方式 | 频率(GHz) | 获取时间 |
已定标SAR卫星数据1 | Sentinel-1A | VV、VH | 5.405 | 2017/06/01 |
已定标SAR卫星数据2 | Sentinel-1A | VV、VH | 5.405 | 2017/02/25 |
待定标SAR卫星数据 | Sentinel-1B | VV | 5.405 | 2017/02/14 |
步骤B、确定均匀目标范围,用于选取交叉目标位置。
B1、获取已定标SAR卫星数据1、已定标SAR卫星数据2的后向散射系数。
对两组已定标SAR卫星数据的图像数字值进行预处理,预处理主要包含:轨道校正、辐射定标、地形校正。Sentinel-1的辐射定标较为成熟,可以通过Snap软件直接进行辐射定标操作。由于SAR数据的云层穿透性,Sentinel-1数据不需要进行光学影像的大气校正操作,因此直接通过Snap进行辐射定标操作。对已定标SAR卫星数据图像使用距离多普勒地形校正。进行地理编码和地形辐射校正,最终获取已定标SAR卫星数据的后向散射系数。
B2、制作数据切片。
将处理后的两组已定标SAR卫星数据进行切片处理。选取均匀区域进行切片,参考谷歌地图(Google Earth)的实际地表信息判断实际地表是否是均匀区域。依据GoogleEarth提供的地表信息进行划片,选取Google Earth上的范围较大的均匀区域,由于本方法所选Sentinel-1卫星图像分辨率为10m,若均匀区域过小将影响实际数据切片大小,在卫星图像上此区域数据过少,难以达到实验目的。
对照射同一位置的两组已定标SAR卫星数据进行切片,通过主观判定切片位置,并将两组数据通过经纬度进行初步匹配。将两组已定标SAR卫星数据的后向散射系数切片,划分成每组大小为90×90的切片数据。
B3、后向散射系数时间稳定性比较。
后向散射系数的变化同时受到土壤湿度、地表粗糙度、介电常数、入射角和传感器自身性能等的影响。可以表示为:
σvv=f(θ,r)·g(s,mv,ε) (9)
式中f(θ,r)表示入射角θ、传感器自身性能r对后向散射系数的影响,g(s,mv,ε)表示土壤湿度mv、地表均方根高度s、介电常数ε对后向散射系数的影响。在本发明中两组已定标SAR卫星数据来自同一传感器、入射角相同,可以视作f(θ,r)相同。
通过两组已定标SAR卫星数据同一目标的后向散射系数σvv差异,分析土壤湿度mv、地表均方根高度s、介电常数ε随时间变化的稳定性。将土壤湿度mv、地表均方根高度s、介电常数ε的稳定性视作后向散射系数的稳定性。对两组已定标SAR卫星数据每10×10个单元格的后向散射系数值取均值。每组切片数据共获得9×9大小的后向散射系数数据组,计算两组数据的后向散射系数数据组之间的均方误差MSE。
B4、确定均匀目标范围。
以MSE值作为散射稳定性判别标准。MSE小说明此切片照射区域地表参数稳定、地表参数(土壤湿度、地表粗糙度、土壤介电常数等数值)难以随时间变化。选取MSE值最小的切片数据所属区域作为均匀目标区域。
本次实验中所选切片MSE为0.7204dB,满足判定条件可作为均匀目标。
步骤C、交叉定标,用于计算待定标SAR卫星的定标系数。
C1、已定标SAR卫星数据2和待定标SAR卫星数据间配准。
选取和待定标SAR卫星数据过境时间最接近的一组已定标SAR卫星数据(已定标SAR卫星数据2)进行后续交叉定标处理。已定标SAR卫星数据2和待定标SAR卫星数据过境时间相差11天符合要求。通过最大相关系数法对已定标SAR卫星数据2和待定标SAR卫星数据的DN值进行配准。
C2、裁剪均匀目标区域数据。
基于配准结果和步骤B选取的均匀目标区域进行数据裁剪。最终将待定标SAR卫星数据和已定标SAR卫星数据2大小裁剪到一致。同时裁剪待定标SAR卫星数据、已定标SAR卫星数据2的DN值和已定标SAR卫星数据2的后向散射系数值。对两组数据依据单位比例尺切块划分,单位比例尺设定为10×10。裁剪后数据参数如表2所示:
表2数据裁剪后具体参数
C3、获取待定标SAR卫星数据的后向散射系数。
将已定标SAR卫星数据2的后向散射系数值、已定标SAR卫星数据2和待定标SAR卫星数据的入射角代入公式(10)。
式中σvv1是待定标SAR卫星数据每个数据块的后向散射系数,θ1是待定标SAR卫星数据每个数据块的入射角,σvv2是已定标SAR卫星数据2每个数据块的后向散射系数,θ2是已定标SAR卫星数据2每个数据块的入射角。计算出待定标SAR卫星数据对应入射角下的后向散射系数。
C4、获取待定标SAR卫星的定标系数。
计算待定标SAR卫星数据的定标系数K。将待定标SAR卫星数据的后向散射系数值和待定标SAR卫星数据的DN值进行最小二乘法拟合。通过最小二乘法计算出的截距就是待定标SAR卫星数据的定标系数K。
SAR绝对辐射定标,当前通常以已知雷达横截面(RCS)的人工定标器作为参考目标,构建DN~RCS数据对获取定标参数。然而,由于人工定标制作、部署的苦难,以人工定标器作为参考目标的辐射定标方法,在满足系列卫星/星座卫星的常态化高频次定标需求方面逐渐凸显不足。
本发明主要目的是针对传统星载SAR绝对辐射定标方法定标周期过长的问题,提出基于自然界分布式目标和交叉定标思想的星载SAR绝对辐射定标方法。该方法通过以自然界分布式目标为定标参考目标,由已定标SAR卫星通过交叉的方式获取参考目标真值,从而实现待定标SAR卫星的定标。该方法可解决传统定标方法受限于卫星重访周期、定标时效性不足的问题,降低定标所需时长。
本发明的主要创新点包括以下2个:
1、场景散射稳定性判定。绝对辐射定标的重要系数——后向散射系数受到土壤湿度、地表均方根高度、介电常数、入射角等因素的影响。本发明通过两组参考数据判定场景中影响后向散射系数的因素是否稳定。对于两组参考数据而言,它们入射角一致、属于同一卫星数据,影响其后向散射系数不同的因素只有土壤湿度、地表粗糙度、土壤介电常数这些地表参数。分析不同地表参数随时间变化的稳定性,避免由于地表参数变化导致的误差,提升交叉定标精度。
2、基于Oh模型交叉定标。通过分析Oh模型,推导出在场景散射特性稳定的条件下,入射角和后向散射系数之间的关系。通过参考卫星数据获取待定标卫星数据的后向散射系数,并且对入射角信息进行校正,提升交叉定标精度,使计算的后向散射系数值更接近实际待定标数据真实后向散射系数。
表3两种绝对辐射定标技术途径特点对比表
Claims (2)
1.一种合成孔径雷达在轨交叉定标方法,其特征在于,该方法的步骤包括:
步骤A、数据获取,用于获取所使用的全部数据;
A1、获取待定标SAR卫星数据,待定标SAR卫星数据需要照射均匀裸地区域;通过待定标SAR卫星数据的元文件获取待定标SAR卫星数据过境时间T1;
A2、选取两组已定标SAR卫星数据;这两组已定标SAR数据要求来自同一卫星、数据过境时间差大于90天、并且具有相同升降轨、入射角和照射区域、卫星定标精度高、和待定标SAR卫星数据照射同一区域;其中一组已定标SAR卫星数据的过境时间T2和待定标SAR卫星数据过境时间T1差距在20天内;
步骤B、确定均匀目标范围,用于选取交叉目标位置;
B1、获取已定标SAR卫星数据1、已定标SAR卫星数据2的后向散射系数;
对两组已定标卫星数据的图像数字值进行预处理,通过预处理获取已定标SAR卫星数据1和已定标SAR卫星数据2的后向散射系数值;
B2、制作数据切片;
对两组已定标SAR卫星数据进行配准,通过经纬度进行初步配准后,通过标志性地物进行主观配准判断,验证经纬度判断的准确性;寻找高楼、道路拐点标志性地物,校正经纬度配准结果;基于配准结果对两幅图像的像素位置进行平移,使得两组已定标卫星数据横纵坐标一一对应,保证两者图像数值进行计算比较;
配准完成后,将已定标SAR数据中不同的均匀区域分片;找到已定标SAR卫星数据1中分片区域所对应的具体横纵坐标进行切片裁剪,将同一坐标区域的已定标SAR卫星数据2也进行切片处理;切片要求已定标SAR卫星数据1和已定标SAR卫星数据2对应切片像素大小一致、照射同一均匀区域、切片数目不少于3组;切片的后向散射系数值分布均匀,高后向散射系数区域和低后向散射系数区域都要切片;
B3、后向散射系数时间稳定性比较
由于两组已定标SAR卫星数据切片可能在个别像素点存在误差,对切片后的两组已定标数据进行单元格划分,降低系统性误差;对每格数据取均值作为数据块的后向散射系数值加入运算;
对两组已定标SAR卫星数据之间的后向散射系数变化进行分析;后向散射系数的变化同时受到土壤湿度、地表均方根高度、介电常数、入射角影响;对于已定标数据而言入射角一致、属于同一SAR卫星数据、每组数据块照射相同目标,影响散射特性的因素只有土壤湿度、地表粗糙度、土壤介电常数地表参数;两组数据间的后向散射系数变化越小,则两组数据过境的这段时间内,此区域的散射稳定性越高;
对于后向散射系数的稳定性,使用均方误差MSE作为评估标准;两组已定标SAR卫星数据均方误差最小的切片范围为散射特性最稳定的均匀区域范围;具体计算公式如下:
B4、确定均匀目标范围
以MSE值作为散射稳定性判别标准,选取MSE值最小的切片数据所属区域作为均匀目标区域;
若所有切片的MSE值均大于1dB,则本次数据切片失败,重新进行数据切片、重新选取均匀区域;
步骤C、交叉定标,用于计算待定标卫星的定标系数
C1、已定标SAR卫星数据2和待定标SAR卫星数据间配准;
选取和待定标SAR卫星数据过境时间最接近的一组已定标SAR卫星数据已定标SAR卫星数据2进行后续交叉定标处理;对已定标SAR卫星数据2的图像数字值和待定标SAR卫星数据的图像数字值进行配准;采取最大相关系数法进行配准;最大相关系数法如下所示:
式中u′为距离向的频移,v′为方位向的偏移;待定标SAR卫星数据和已定标SAR卫星数据2的幅度分别为M1(i,j)、M2(i,j);选取令R最大的u′、v′作为配准结果,平移待定标SAR卫星数据,将待定标SAR卫星数据和已定标SAR卫星数据横纵坐标一一对应;
C2、裁剪均匀目标区域数据;
基于配准结果和步骤B选取的均匀目标区域进行数据裁剪;将已定标SAR卫星数据2和待定标SAR卫星数据配准到像素级;通过已定标SAR卫星数据2步骤B2裁剪此均匀目标区域时的横纵坐标定位均匀目标位置;将同一横纵坐标的待定标SAR卫星数据和已定标SAR卫星数据2的图像数字值、已定标SAR卫星数据2的后向散射系数值裁剪下来;对裁剪后数据依据单位比例尺切块划分,每个单位块数据取均值作为裁剪结果,单位比例尺设定为10×10;对每个单位块内数据取均值划分数据块是为降低由于入射角不同数据获取卫星系统参数的差异带来的配准差异;
C3、获取待定标SAR卫星数据的后向散射系数;
通过后向散射模型获取待定标SAR卫星数据的后向散射系数;
Oh模型中,获取待定标SAR卫星数据的后向散射系数:Oh模型是基于后向散射系数、同极化比p、交叉极化比q、土壤均方根高度s、土壤湿度mv和入射角θ建立的经验模型,其表达式如式(3)-(5)所示;
由于两组数据切片照射同一散射特性稳定的均匀目标区域、过境时间相差20天内、且两组数据处于同一波段下;可视作土壤均方根s、土壤湿度mv、波数k均一致;基于这些条件通过Oh模型推导出基于入射角变化的后向散射系数值,公式如下:
式中σvv1是待定标SAR卫星数据每个数据块的后向散射系数,θ1是待定标SAR卫星数据每个数据块的入射角,σvv2是已定标SAR卫星数据每个数据块的后向散射系数,θ2是已定标SAR卫星数据每个数据块的入射角;计算出基于均匀目标类型范围下,待定标SAR卫星数据的后向散射系数值;
C4、获取待定标SAR卫星的定标系数
对待定标SAR卫星数据的后向散射系数值和DN值进行最小二乘法拟合;最小二乘法如下式:
σvv=a·DNvv+b (7)
2.根据权利要求1所述的一种合成孔径雷达在轨交叉定标方法,其特征在于,预处理包含:轨道校正、辐射定标、地形校正;1)轨道校正:合成孔径雷达产品元数据中提供的轨道状态向量通常不够准确,使用在数据产品生成后几天到几周时间内卫星提供轨道文件进行细化校正处理;2)辐射校正:使用的参考数据来源于已定标卫星,已知定标系数描述图像数字值DN和后向散射系数值之间关系的值;3)地形校正:采用地形校正的方式改善畸变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692072.7A CN113406584B (zh) | 2021-06-22 | 2021-06-22 | 一种合成孔径雷达交叉定标方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692072.7A CN113406584B (zh) | 2021-06-22 | 2021-06-22 | 一种合成孔径雷达交叉定标方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113406584A true CN113406584A (zh) | 2021-09-17 |
CN113406584B CN113406584B (zh) | 2022-11-15 |
Family
ID=77682278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110692072.7A Active CN113406584B (zh) | 2021-06-22 | 2021-06-22 | 一种合成孔径雷达交叉定标方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113406584B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184341A (zh) * | 2023-04-27 | 2023-05-30 | 中科星图测控技术股份有限公司 | 一种星座内sar载荷交叉辐射定标方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614715A (zh) * | 2015-03-05 | 2015-05-13 | 北京航空航天大学 | 一种可用于目标双站雷达散射截面测量定标与极化校准装置及其测量校准方法 |
US20170010353A1 (en) * | 2015-07-08 | 2017-01-12 | Conocophillips Company | Terrestrial imaging using multi-polarization synthetic aperture radar |
CN106646415A (zh) * | 2016-11-28 | 2017-05-10 | 西安空间无线电技术研究所 | 一种极化散射计预处理方法 |
CN107219497A (zh) * | 2017-05-17 | 2017-09-29 | 武汉大学 | 用于大观测角传感器的交叉辐射定标方法及系统 |
CN109782280A (zh) * | 2019-03-06 | 2019-05-21 | 中国科学院电子学研究所 | 基于定标卫星的中高轨sar天线距离向方向图测量方法 |
CN112444783A (zh) * | 2019-09-05 | 2021-03-05 | 中国科学院光电研究院 | 基于自然均匀目标的合成孔径雷达在轨快速定标方法 |
CN112906300A (zh) * | 2021-02-09 | 2021-06-04 | 北京化工大学 | 基于双通道卷积神经网络的极化sar土壤湿度反演方法 |
-
2021
- 2021-06-22 CN CN202110692072.7A patent/CN113406584B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614715A (zh) * | 2015-03-05 | 2015-05-13 | 北京航空航天大学 | 一种可用于目标双站雷达散射截面测量定标与极化校准装置及其测量校准方法 |
US20170010353A1 (en) * | 2015-07-08 | 2017-01-12 | Conocophillips Company | Terrestrial imaging using multi-polarization synthetic aperture radar |
CN106646415A (zh) * | 2016-11-28 | 2017-05-10 | 西安空间无线电技术研究所 | 一种极化散射计预处理方法 |
CN107219497A (zh) * | 2017-05-17 | 2017-09-29 | 武汉大学 | 用于大观测角传感器的交叉辐射定标方法及系统 |
CN109782280A (zh) * | 2019-03-06 | 2019-05-21 | 中国科学院电子学研究所 | 基于定标卫星的中高轨sar天线距离向方向图测量方法 |
CN112444783A (zh) * | 2019-09-05 | 2021-03-05 | 中国科学院光电研究院 | 基于自然均匀目标的合成孔径雷达在轨快速定标方法 |
CN112906300A (zh) * | 2021-02-09 | 2021-06-04 | 北京化工大学 | 基于双通道卷积神经网络的极化sar土壤湿度反演方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184341A (zh) * | 2023-04-27 | 2023-05-30 | 中科星图测控技术股份有限公司 | 一种星座内sar载荷交叉辐射定标方法 |
CN116184341B (zh) * | 2023-04-27 | 2023-08-29 | 中科星图测控技术股份有限公司 | 一种星座内sar载荷交叉辐射定标方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113406584B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112213727B (zh) | 一种基于主被动微波联合探测的星载雷达的降水订正方法 | |
CN110186823B (zh) | 一种气溶胶光学厚度反演方法 | |
Yan et al. | Radiometric correction and normalization of airborne LiDAR intensity data for improving land-cover classification | |
CN102194127B (zh) | 一种多频率sar数据农作物遥感分类方法 | |
CN107831497B (zh) | 一种利用三维点云数据定量刻画森林聚集效应的方法 | |
CN113284171B (zh) | 一种基于卫星遥感立体成像对的植被高度分析方法及系统 | |
CN114509734B (zh) | 一种基于雨滴谱的双偏振天气雷达数据质量实时评估方法 | |
CN107230186B (zh) | 一种卫星遥感影像物理匀色方法 | |
CN111415309A (zh) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 | |
Dutta et al. | Characterizing vegetation canopy structure using airborne remote sensing data | |
CN113406584B (zh) | 一种合成孔径雷达交叉定标方法 | |
CN115308386B (zh) | 一种基于cygnss卫星数据的土壤盐分反演方法和系统 | |
CN113610729B (zh) | 高光谱遥感影像星地协同大气校正方法、系统及存储介质 | |
CN108983172B (zh) | 一种随机进化约束的sar辐射定标方法 | |
CN111191380A (zh) | 一种基于地基光谱仪测量数据的大气气溶胶光学厚度估算方法和装置 | |
CN110736704A (zh) | 土壤水与蒸发比耦合模拟及相互转化的方法 | |
CN106950551B (zh) | 基于辐射稳定特性挖掘的sar辐射定标方法 | |
Lindsley et al. | Adapting the SIR algorithm to ASCAT | |
CN114296061B (zh) | 基于多元变量检测和不同辐射传输模型的交叉定标方法 | |
CN110702228B (zh) | 一种航空高光谱影像的边缘辐射校正方法 | |
CN113702933A (zh) | 一种合成孔径雷达辐射定标方法及装置 | |
Kozu et al. | A preliminary study of non-uniform beam filling correction for spaceborne radar rainfall measurement | |
Löw | Coupled modelling of land surface microwave interactions using ENVISAT ASAR data | |
Tonboe et al. | The EUMETSAT OSI SAF Sea Ice Concentration Algorithm Algorithm Theoretical Basis Document | |
CN114397276B (zh) | 一种基于等价降水估测法的区域土壤湿度监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |