ERDAS IMAGINE 立体SAR 提取DEM理论基础

《ERDAS IMAGINE 立体SAR 提取DEM理论基础》由会员分享，可在线阅读，更多相关《ERDAS IMAGINE 立体SAR 提取DEM理论基础（10页珍藏版）》请在金锄头文库上搜索。

1、ERDAS IMAGINE StereoSAR DEM TheoryERDAS IMAGINE 立体立体 SAR 提取提取 DEM 理论基础理论基础本文将给出 IMAGINE StereoSAR DEM 模块提取 DEM 的理论基础。首先看 流程图，这样能对该软件提取 DEM 的工作流程有初步了解：图 1 ERDAS IMAGE StereoSAR DEM 流程图下面将重点讲述处理过程中的算法，可选项的选取及参数的选择。输入输入输入步骤涉及到许多方面，比如光束模式的选择，输入文件，轨道纠正，星 历数据等等。光束模式选择光束模式选择StereoSAR DEM 模块生成 DEM 主要由两步构成，即

2、影像自动匹配（Correlation）和传感器位置/三角计算（Sensor position/triangulation calculations, 影像立体交会） 。通过这两步计算的到地面高程。因此，最终 DEM 的精度是由这两步决定的。这两步对光束模式有不同的要求，影像自动 相关要求传感器之间的入射角差别越小越好，因为自动影像匹配是通过影像 之间的查找相似度。同样这也要求两幅影像成像时间间隔越小越好。例如， 不同季节对同一地区的农田成像，将会得到非常不同的影像，这导致影像自 动相关几乎不可能完成。 但是，立体交会在两幅影像之间的交会角越大时得到的计算结果越精确。较 大的交会角会使像对间产生

3、明显的几何形变。在提供恰当的相关系数的情况 下，ERDAS IMAGINE 能够对有明显形变的影像对进行足够稳健的影像自动 相关。图 2 SAR 像对交会注意：IMAGINE StereoSAR DEM 内部自检机制保证参考影像比匹配影像的 传感器离成像地点更近（也就是参考影像的入射角小于匹配影像的入射角） 。还有需要注意的是效率问题，分辨率高的影像生成的 DEM 精度较好，但是 花的时间也多，而且高分辨率的影像对 DEM 的精度提高有限。导入（Import） IMAGINE StereoSAR DEM 模块所需的影像及相关数据可以通过 ERDAS IMAGINE 的雷达指定导入工具（Impo

4、rter）对 Radarsat 和 ESA（ERS- 1，ERS-2） 。这些导入工具自动从影像头文件中提取数据，并将数据存储在 与影像关联的 Hfa 文件中。另外，它们为传感器模型提取关键的参数，并将 这些参数作为通用 SAR 节点 Hfa 文件关联到影像。其他的雷达影像（例如 SIR-C）可以通过通用二进制导入工具导入，然后通用 SAR 节点（Generic SAR Node，ERDAS Radar 模块下的一个小模块）可以用来关联影像文件和 通用 SAR 节点 Hfa 文件。轨道纠正（Orbit Correction）IMAGINE OrthoRadar 和 IMAGINE Stereo

5、SAR DEM 模块所进行的大量测试 表明 Radarsat 和 ESA 雷达卫星的星历数据精度非常高（见附录中的精度报 告） 。然而，每景影像的星历精度是不一样的，而且目前还没有一种方法能预 先判断某一特定影像的星历精度。 IMAGINE Radar Mapping Suite 的模块：IMAGINE OrthoRadar，IMAGINE StereoSAR DEM 和 IMAGINE InSAR 允许用地面控制点（GCPs）来纠正传 感器参数。由于轨道精度较高，因此，除非你有更高精度的 GCP，才有必要 进行传感器纠正。实际上，从 1：24000 地形图上选取的点或者用 GPS 测得 的控

6、制点能满足要求。在许多实例中，一个高精度的控制点就能明显的提高 精度。 由于影像的变形，分布均匀的控制点能够得到更好的总体效果和更低的误差 （RMS） 。再强调一遍，高精度的地面控制点对提高传感器精度有重要作用， 但是，如果你对控制点精度没有把握，那么最好不用。同样的，地面控制点 必须在雷达影像上易于识别，其误差在 1 到 2 个像素。道路交叉口，水库大 坝，机场或者人工建筑的特征点是最好的。如果缺少一个精度很高且在影像 上易于识别的地面控制点的话，最好用几个精度相对较高并且在影像上分布 均匀的点来做校正。椭球高 VS. 大地高IMAGINE Radar Mapping Suite 是基于 W

7、GS( World Geodetic System，世界大 地系)84 地球椭球的，因此，为了获取最好的精度，所有用于精华传感器模 型的控制点的纬度经度和高程都应该转换到 WGS84 椭球下。需要注意的是， 虽然 ERDAS IMAGINE 的重投影工具能够将许多输入投影系下的经纬度坐标 转换到 UTM WGS84 坐标系下，但是，高程值并为做改动。为了对高程值做 相应的改正，需要确定输入控制点所在大地基准（datum）与 WGS84 之间的 高程偏移量。对某些坐标系，这中转化可以通过访问 www.ngs.noaa.gov/GEOID/geoid.html 完成。然后对输入的 GCP 加上或者

8、减去 偏移量。许多处理后的GCP单位可以设置到WGS84坐标系的输出。 IMAGINE StereoSAR DEM 模块的一个出色特点是用控制点精化轨道可以在 处理流程的任何阶段进行，并且不用丢失所处理步骤的正在处理工作。即使 你已经处理到了计算 DEM 这一步，也可以返回到第一步精化轨道。精化后 的轨道通过所有中间文件（Subset，Despeckle，etc.）转移。仅仅是最后一步 （Height）需要利用新的精化后的轨道模型计算。 正常情况下Radarsat或者ERS-1及ERS-2成像时接收到的星历是卫星轨道以前 的位置的外插（Extrapolation）.如果卫星收到一个轨道改正命令

9、，这种影响 也许不会反映在卫星以前轨道外插（Previous position extrapolation）中。 。 。 。The receiving stations for both satellites also do ephemeris calculations that include post image acquisition sensor positions. 通常这些（星历）更精确，但不幸的是，他们不容易获取和关联到影像上去。精化后星历 见 IMAGINE InSAR Theroy on page II-200切割（Subset）Subset 选项的使用是直观的，没有必要对两

10、幅影像的子集定义精确定义到相 同区域，大致相同的区域就可以了。这个选项在两种情况下使用，一是定义 一个较小的影像范围可以用来测试相关参数，进而进行整景影像的计算。另 外，它可以用来限制两幅输入影像的范围，重叠区。限制输入影像的范围能 有效的节省数据空间，但对 IMAGINE StereoSAR DEM 模块而言，这一步不 是必须的，它是可选的。去噪（Despeckle）影像去噪先于自动相关（correlation） ，也是可选的。从理论上说，去噪操作 具有两重性。一方面，影像噪声在影像上是不相关的，因为它在两幅影像上 都是随机分布的。因此，它仅仅给影像自动相关计算制造麻烦。斑点噪声的 存在将使

11、相关处理过程中出现假阳性（False positive） 。 另一方面，正如在光束模式选择方面讨论过的一样，需要匹配的像对由于成 像时视线方向的差别导致图像的不同。去噪算法的某些低通滤波特性可能会 使像对的相似度提高，这有利于自动相关。 该模块中用到的去噪算法和 IMAGINE Radar Interpreter 模块中的是一样的。 实际操作中，一个 33 或者 55 的核能够达到较好的效果。需要注意的是， ERDAS IMAGINE 的去噪算法允许。 。 。 。降低分辨率（Degrade）降低分辨率有两个目的。如果输入影像是单视复影像（Single Look Complex, SLC）,图像

12、在距离向和方位向的分辨率是不一样的。如果您想使影像在两个 方向的分辨率一样，可以调整 y 方向的尺度系数来实现。但这并不是必须的， 软件能很好的处理未作处理的 SLC 图像。 第二，如果数据存储空间或者处理时间有限，降低分辨率可以在降低图像大 小的情况下处理整景影像 。在这种情况下，将分辨率做 2 倍或者 3 倍的采样 是适当的。需要注意的是，为了得到最大的精度，推荐使用全分辨率的影像， 并对每个像素做相关匹配。降低分辨率。 。 。Rescale这步操作输入影像的比特格式（Bit format） ，通常是用标准差拉伸（two standard deviations）将无符号 16 位整型转换位

13、 8 位无符号整型。这将降低整 个数据文件的大小，测试表明 16 位整型没有任何优势，推荐用该选项。配准（Register）配准是第一个必须执行（除了数据导入）的步骤。这步有两个重要作用。用 户在这一步处理的好坏将影响到后续步骤的执行速度，甚至会影响到输出 DEM 的精度。配准操作通过仿射变换来旋转匹配影像使之与参考影像更好的 对齐。目的是调整影像使的影像视差主要分布在距离方向。这将使得匹配时 匹配大大减少搜索窗口的大小。 这一步的一个输出是 X 方向和 Y 方向的最大最小视差偏移（单位为像素） 。 作业员必须记下这些值，用于在匹配时调整相关系数算子（Correlator）参数 文件（.ssc

14、） 。这些值对于相关系数算子来说是非常关键的，因此需要在配准 这一步正确的获取。 影像配准中连接点的选取主要有两个基本步骤。首先，和其他影像到影像的 配准一样，连接点的均匀分布会得到较好的配准结果。其次，由于要得到 X 方向和 Y 方向的最大最小视差偏移量，所选的连接点应该在这些具有最大最 小视差偏移的地方。 实际工作中，下面的步骤被证实是有效的。首先，在影像上选择 8 个左右均 匀分布的点，这些点对应于较低的高程。比如可选海岸线，冲积平原，道路 和农场等地形。在这一步，用立体 SAR 配准工具上的解算几何模型图标计算 可以得到-5 到+5 像素的视差。接下来，找到并选取 3 到 4 个影像上

15、高程最高 的点，点击解算几何模型图标，注意每个连接点的对最大最小视差值的影响。 当你觉得你已经明确了这些值的时候，记下它们，将最后的变换参数应用到 图像变换上。限制（Constrain）该选项是允许你定义一些区域，在这些区域没有必要进行影像搜索。例如湖 面。这样可以减少处理时间，也能减少发现假阳性（false positive）的可能性。 本版本软件中该选项没有采用。匹配（Match）这是非常关键的一步。IMAGINE StereoSAR DEM 软件主要节省时间的地方 就是自动影像相关。 在自动影像相关处理中，参考影像的一小块作为模板，用于与匹配影像的不 同的搜索区域比较以找出最佳的匹配点。

16、这样，模板的中心像素与匹配窗口 的中心像素相关。软件接下来处理下一个兴趣像素，该像素成为新的模板中 心。 图 显示了参考影像的左上角坐标。显示了一个以 X=8，Y=8 为兴趣点的一 个 1111 像素的模板。图 3 参考影像左上角坐标图 4 显示了匹配影像的左上角坐标，显示了一个 1111 像素的模板，其中心 位置为估计的初始相关像素 X=8，Y=8.虚线框显示了一个一个 157 像素的 搜索区域。由于大量的视差偏移位于距离方向上（X 轴） ，搜索区域一般是一 个矩形以节省搜索时间。ERDAS IMAGINE 的自动影像相关采用分层金字塔技术。这意味着影像的分 辨率被逐级降低以提供影像配准系列。自动影像相关从金字塔的顶层开始处 理，这一层的处理结果经过滤波和内插后作为初始相关点传递给下一个分辨 率较高的层。在分辨率较高的这一层，匹配搜索从这初始相关点开始进行。图 5 影像金字塔模板大小模板大小直接影响到计算时间，较大的影像块需要花更多时间。然而，模板 太小又不能包含准确匹配所需要的足够信息。需要找到这两者间的一个平衡， 有时候这与图像有关系。有着丰富地物如道路及其