1、微波遙感實習(xí)報告學(xué)生姓名：孫國歡班 學(xué) 號：-05指導(dǎo)老師：陳啟浩中國地質(zhì)大學(xué)信息工程學(xué)院2015年10月一、SAR圖像目視解譯實驗?zāi)康模菏煜こＳ肧AR圖像分析軟件，了解SAR圖像格式和元數(shù)據(jù)信息，利用所學(xué)的SAR圖像特性進行目視解譯。參考軟件：ENVI SARscape, ERDAS, Nest, Best, GAMMA等。實驗內(nèi)容：1. 選用1景或多景SAR圖像，利用不同軟件查看其數(shù)據(jù)和元數(shù)據(jù)信息，并列出數(shù)據(jù)大小、范圍、分辨率、軌道參數(shù)、極化方式等信息；2. 選取1景或多景SAR圖像進行目視解譯，分析圖像范圍內(nèi)地物的目視解譯結(jié)果，并給出解譯依據(jù)；3. 掌握斜距轉(zhuǎn)地距、多視處理、濾波處理等基

2、本功能，并對處理后結(jié)果進行分析；4. 對軟件的其它功能操作內(nèi)容，可自行添加。要求說明：1. 結(jié)合上課內(nèi)容，合理、全面運用所學(xué)知識進行目視解譯；2. Nest必需使用，ENVI/ERDAS可二選一；3. 鼓勵自己下載SAR圖像數(shù)據(jù)進行分析處理。實習(xí)過程：要利用不同軟件查看1景或多景SAR圖像數(shù)據(jù)和元數(shù)據(jù)信息，并列出數(shù)據(jù)大小、范圍、分辨率、軌道參數(shù)、極化方式等信息。我采用了四個軟件進行完成，分別是Nest、Best、ERDAS和ENVI。讀取SAR圖像文件的頭文件信息可以看到其相關(guān)參數(shù)，我最后都以text文件形式導(dǎo)出。(1) 我使用的SAR圖像文件是微波遙感數(shù)據(jù)備份ASAR_wuhan 里的ASA

3、_IMP_1PNPDE_5_00483_36108_5832.N11、 Nest軟件使用打開File下方的添加文件后打開文件，在Metadata里可以看到它的文件類型、相關(guān)參數(shù)。包括文件類型、文件日期、軌跡和軌道。 影像類型：ENVISAT獲取模式：Stripmap處理軟件版本：ASAR/4.07獲取時間：2009-1-25 14:17:00升降軌：ASCENDING采樣類型：DETECTED極化方式：VV定位算法：RAN/DOP方位向視數(shù):4.0距離方位向視數(shù)：1.0距離向像元大?。?2.5方位向像元大?。?2.5影像行數(shù)：8447平均視角高度：48.3162、ERDAS軟件使用打開erda

4、s里的圖標(biāo)功能使其展示文件參數(shù)，結(jié)果如下。具體結(jié)果為極化方式采樣類型文件名：C_VV_DETECTED_1上次修改時間：2009-1-29 00:21:10寬*高：8447*8568標(biāo)準(zhǔn)偏差:161.3、 ENVI軟件使用文件路徑微波遙感數(shù)據(jù)備份數(shù)據(jù)radarsatlea_01.001打開要設(shè)定相關(guān)參數(shù)，讀取Radarsat數(shù)據(jù)的頭文件信息，最后以文本形式保存。升降軌：ASCENDING傳感器名稱：RSAT-1-C - -HH 傳感器高度：344.096入射角：40.605影像類型：SAR GEOREF FINE距離向像元大?。?.25方位向像元大?。?.25 4、 Best文件打開文件Hea

5、der Analysis選擇文件導(dǎo)出其相關(guān)參數(shù)其詳細結(jié)果為:影像名稱：ASA_IMP_1P成像日期：軌道數(shù)字：26108處理軟件版本：ASAR/4.07(2)我使用的是NEST軟件進行的目視解譯。我的目視解譯有河流、道路、農(nóng)田、建筑。這里由圖上看出蜿蜒流長、條帶狀分布與影像文件中間的地物解譯類型河流。在影像文件中可分辨的陸地上的線性地物，分布在陸地大部，解譯類型為道路。這片呈片塊狀分布的區(qū)域，主要分布在比較大的湖泊周圍，以及小塊的陸地附近。我一開始解譯類型為農(nóng)田或魚塘，注意到成像日期為1月，比較符合魚塘的特征，因此解譯類型為魚塘。 這片區(qū)域在影像文件上顏色較亮，可以認為是反射度較強，并且主要分

6、布在河流或者交通道路附近，成片塊狀密集分布，解譯類型為建筑。（3）1、濾波處理我利用的是Best軟件進行濾波處理，Data Import and Quick Look里選擇Full Resolution隨后對文件流進行設(shè)置。使它最后導(dǎo)出一個全分辨影像的內(nèi)部各式文件。 具體的步驟是：配準(zhǔn)-數(shù)據(jù)轉(zhuǎn)換：振幅數(shù)據(jù)轉(zhuǎn)換為功率數(shù)據(jù)-定標(biāo)，提取后向散射系數(shù)-濾波完成-幾何糾正。 濾波完成 幾何糾正 初始的全分辨影像 裁剪后的全分辨影像 濾波完成后的影像 幾何糾正后的影像通過上述步驟對ASA_IMP_1PNPDE_5_00483_36108_5832.N1影像文件進行裁剪-轉(zhuǎn)換成功率數(shù)據(jù)-定標(biāo)-濾波，可以明顯

7、的看出濾波處理完成后影像突出了道路的走向和建筑區(qū)分布，淡化了密集布局的建筑區(qū)，使得圖像更加清晰易懂。突出了地物的細節(jié)信息，特別是線性構(gòu)造。且色差變大，反映出了原圖像中由于色差不明顯而不是很清楚的地物。同時我也發(fā)現(xiàn)此種濾波方式對非線性特征地物的增強效果不明顯。對遙感圖像進行幾何糾正可以消除圖像因幾何形狀或位置失真產(chǎn)生的誤差，糾正后的影像里的河流流向和植被分布都發(fā)生了角度位移，通過移動像素的位置并將斜距投影到地面距離，圖像的區(qū)域特性也因此會在成像場景內(nèi)變化。（2）斜距轉(zhuǎn)地距我使用的文件是微波遙感數(shù)據(jù)備份數(shù)據(jù)radarsat bonnrsat.img,具體操作為在ENVI4.8里使用RaderSla

8、nt to ground rangesir-c。 原影像文件斜距轉(zhuǎn)地距后的影像斜距轉(zhuǎn)地距是將斜距SAR影像經(jīng)過重采樣處理轉(zhuǎn)換為地距影像，由上圖轉(zhuǎn)換影像可知從slc影像上很難理解影像特征，不利于解譯分析。二、極化SAR信息提取實驗?zāi)康模豪斫鈽O化目標(biāo)分解，掌握極化SAR信息提取方法和流程。參考軟件：ProSARPro等。實驗內(nèi)容：1. 選用某個地區(qū)的全極化SAR數(shù)據(jù)，濾波去噪等預(yù)處理；2. 通過H/a、H/a/A、Freeman、Cameron等極化SAR目標(biāo)分解處理，分析實驗區(qū)地物散射特性；3. 通過合理選擇樣本并實驗，探尋適合提取建筑物、河流、海洋、植被、農(nóng)田、等典型地物的特征；4. 對H/a

9、、H/a/A分解結(jié)果，采用基于Wishart統(tǒng)計分布的分類方法進行分類；5. 分析分類結(jié)果。要求說明：1. 對典型地物特征的分析，要求詳細、全面；2. 鼓勵自己下載極化SAR數(shù)據(jù)進行分析處理。實習(xí)過程 舊金山海灣地區(qū)的Pauli分解合成圖我選擇的文件微波遙感數(shù)據(jù)備份AIRSAR_SanFranciscoT3。首先設(shè)置好主路徑，然后在import模塊里導(dǎo)入機載AIRSAR數(shù)據(jù)，選擇數(shù)據(jù)輸出大小，或者裁剪成合適大小。 然后選擇采用J.S.Lee.Refined.Filter濾波處理方法，處理這個AIRSAR數(shù)據(jù)。通過空間RGB合成影像效果進行查看濾波去噪后的結(jié)果。上下形成對比。采用J.S.Lee.

10、Refined.Filter濾波處理方法去噪后色差變大，島嶼與礁堡的形狀特征更加明顯，線條更加突出。接下來是H/A /Alpha分解，設(shè)置好相關(guān)參數(shù)后等待軟件運行完成。得到如左邊的文件。H/A /Alpha分解后得entropy和anisotropy兩幅影像文件分別代表熵和各向異性結(jié)果。 左圖為熵，展示除了舊金山海岸的熱度情況分布，熱度上內(nèi)陸高于海邊。右圖為各向異性結(jié)果，顯示出不同地物的特征分布，整體較為清晰。然后是Freeman三分量分解。選擇功能運行得到文件從上到下分別代表著協(xié)方差矩陣轉(zhuǎn)化成的偶次散射、表面散射和體反射。接下來我做的是多種分類，選擇功能并運行，得到分類后的圖像。 A_alp

11、ha_class分類圖像 H_A_class分類圖像 H_alpha_class分類圖像 alpha圖像H/非監(jiān)督分類區(qū)分出不同的地物類型，并對其進行標(biāo)注。其中隨機各向異性散射體表示了那些散射特性不明顯的地物，隨機表面表示散射面。 左圖為H_occurence_plane 右圖H_segmented_plane分別代表了H_分類情況下的兩種熱度和分割類型。它將H/平面劃分成9個基本區(qū)域，具有的特點是邊界位置的確定具有任意性，并且強調(diào)的是物理散射過程的幾何分割，是一種非監(jiān)督分類策略。 接下來則是關(guān)于H/a-Wishart分類方法。這種分類方法的主要流程是輸入H/a分類作為初始分類，Wishart

12、分類器，得到了最終的分類圖。左圖為H/a-Wishart分類結(jié)果。將基于該距離度量方法的分類技術(shù)稱為Wishart分類器。利用第S類樣本內(nèi)的像素估計其類中心的相干矩陣，對每個像素計算其與各類間的距離，并將其劃分到距離最小的一類。H/a/A-Wishart分類的主要流程是輸入H/a/A分類結(jié)果，Wishart分類器，輸入?yún)?shù)A（A0.5和A0.5分別作為兩類），在此通過Wishart分類器，得到最終的分類圖。1、海水 從上述分類后的圖像可以看出海水的反射率較高，吸收率和透射率較低，海水的輪廓形狀明顯。2、海岸線 海岸線比較粗糙，線性特征不明顯，海岸的礁堡眾多星星點點難以分辨。3、植被 植被在分類

13、完后分布特征相當(dāng)明顯，主要分布在影像文件的左上角山上和大陸的內(nèi)部，與周圍的地物色差比較大，但是植被和裸地的分界線不明顯。4、裸地 裸地主要分布在大陸的內(nèi)部，分布較散，反射率較低，吸收率較高，無法透射。地表粗糙度較大，分類效果明顯。5、農(nóng)田 農(nóng)田主要分布在植被的周圍，顏色特征相較裸地明顯，分類后在植被周圍形成密集的點狀分布，比較廣泛。這兩張分類影像展示了兩種分類情況下的變化，很清楚的看出H_A_alpha分類后海水的區(qū)域特征更加明顯，大陸內(nèi)的各種地物分布也更加清晰，但是顯得很冗雜，不利于遙感圖像。而H_alpha分類后海水整體可見，大陸內(nèi)的植被和農(nóng)田特征明顯，但是裸地幾乎難以看出分布情況，應(yīng)該是

14、被植被區(qū)區(qū)覆蓋了，造成誤差。從整個的INSAR信息提取的多種分類和分解方法來分析地物散射特性。接下來我做的是數(shù)據(jù)分析，選擇的文件是微波遙感數(shù)據(jù)備份AIRSAR_SanFranciscoT3T11.bin 分析它的均值，得到分析后的圖像數(shù)據(jù)分析后的圖像與原始圖像相對比，可以看出通過均值分析后，山體植被海水農(nóng)田裸地幾乎融合在一起，地物特征不明顯，僅僅是海岸線邊界和內(nèi)陸部分裸地展現(xiàn)出了紅色調(diào)，整體的效果清晰可見。三、InSAR處理實驗?zāi)康模赫莆粘Ｓ肧AR圖像分析軟件的InSAR操作流程及其應(yīng)用方法，理解InSAR原理。參考軟件：ENVI SARscape, ERDAS, Nest, GAMMA等。實

15、驗內(nèi)容：1. 選用某個地區(qū)的干涉SAR影像對（或D-InSAR, PS-InSAR數(shù)據(jù)），利用常用軟件進行干涉處理；2. 參考實驗區(qū)相關(guān)資料，給出InSAR處理的結(jié)果分析與結(jié)論；3. 若使用多個軟件，可對不同軟件間的InSAR模塊進行比較。要求說明：1. 至少要完成一個InSAR流程，并分析各主要中間結(jié)果及最終結(jié)果；2. 不一定采用所給數(shù)據(jù)，鼓勵自己下載InSAR數(shù)據(jù)進行分析處理。實習(xí)過程我使用的軟件是ERDAS2010，使用的INSAR圖像是微波遙感數(shù)據(jù)備份INSAR日本富士山數(shù)據(jù)原始雙極化數(shù)據(jù)里的兩個文件。實習(xí)的步驟完全是按照指導(dǎo)視頻里進行操作。ERDAS2010里關(guān)于INSAR處理的步驟

16、是從上到下的過程依次是讀入數(shù)據(jù)-自動配準(zhǔn)-選擇子集-設(shè)置參考DEM-生成干涉圖-相位解纏-基線估算-生成DEM圖像。所設(shè)置的參數(shù)基本為默認設(shè)置。 濾波前后的干涉圖影像效果十分明顯，右下角的富士山山體褶皺通過濾波去噪后形態(tài)更加明顯，線性特征增強，突出了地物的細節(jié)信息，反映出了原圖像中由于色差不明顯而不是很清楚的地物。同時我也發(fā)現(xiàn)此種濾波方式對非線性特征地物的增強效果不明顯，對于影像文件中面積占比最大的土壤和植被，基本沒有什么變化，整體色調(diào)也基本保持不變，唯一增強的就是山體特征。濾波前生成的干涉圖 濾波后生成的干涉圖 對比相干系數(shù)圖影像與原數(shù)據(jù)影像，可以看出相干系數(shù)影像里左上角的地物輪廓清晰，與周

17、圍的土壤分界線明顯，但是弱化了山體的特征，幾乎看不到火山口。土壤分塊和紋路比較清晰，影像信息精準(zhǔn)。觀察相位解纏測試影像可以看出通過相位解纏影像的地物特征不明顯，原因是相位解纏與幾何相關(guān)：干涉圖中的一個條紋周期必須大于幾個像素，才可能在圖中被分辨出來。我通過查閱資料了解到實際干涉系統(tǒng)必須保持一個足夠的條紋寬度：可以通過控制基線長度對條紋分布進行優(yōu)化，不然會造成更多的誤差。生成的相干系數(shù)圖影像 相位解纏測試影像如圖左的DEM圖像，對比上面相位解纏測試影像，DEM影像可能存在著植被偏差它的結(jié)果是接近植被頂層的高程而非地面的，因為短波能量很難穿透植被。經(jīng)過去平度效應(yīng)的干涉圖存在纏繞效應(yīng)，再通過相位解纏

18、得到相位差，生成的DEM圖像質(zhì)量比較高的。生成的DEM圖像 四、個人探索針對這次微波遙感實習(xí)，我把老師給的Topsar文件進行頭文件分析和文件轉(zhuǎn)換。我使用的文件是微波遙感數(shù)據(jù)備份數(shù)據(jù)topsarts0218_c.cor。Topsar文件的頭文件分析如下：可以得到此TOPSAR影像的相干參數(shù)信息比如距離向像元和方位向像元大小均為10.00。將TOPSAR的cor文件轉(zhuǎn)換成了ENVISAT文件，可以看出相關(guān)的雷達影像成像效果。實習(xí)感想此次微波遙感實習(xí)讓我對Erdas和Envi遙感數(shù)據(jù)處理軟件有了更進一步的了解。微波遙感是一個非常專業(yè)的領(lǐng)域，涉及的知識面很廣，包括電子科學(xué)、航空、計算機等。實際上，如果我們只專注于微波遙感的應(yīng)用，就可以拋棄一些復(fù)雜的原理和眾多的概念，甚至很多方程和公式。在實習(xí)過程中我掌握了SAR圖像的目視解譯、INSAR信息提取和INSAR處理等內(nèi)容。在SAR圖像的目視解譯實習(xí)在過程中，不僅僅是體會到遙感數(shù)據(jù)處理對遙感影