一種基于地形駐點分割的多通道SAR三維重建方法

張福博 梁興東 吳一戎

?

一種基于地形駐點分割的多通道SAR三維重建方法

張福博*①②③梁興東①②吳一戎①②

①(微波成像技術重點實驗室 北京 100190)②(中國科學院電子學研究所 北京 100190)③(中國科學院大學 北京 100049)

多通道SAR具有高度向分辨能力，能夠實現疊掩場景的3維重建，但是由于其基線長度有限，利用現有方法進行重建所得高程定位精度往往較差，而且由于疊掩區域散射系數起伏較大，重建結果中存在較多的漏檢。針對以上問題，該文提出一種基于地形駐點分割的多通道SAR 3維重建方法，首先通過層析獲得場景3維分布的草圖，之后通過地形駐點定位及以地形駐點為門限的分割得到不疊掩的數據，最后利用干涉信號處理實現場景的3維重建。該方法結合了多通道SAR的高度向分辨能力和干涉信號處理的高精度，能夠更加穩定、精確地實現疊掩場景的3維重建，基于實際場景縮比模型的仿真實驗結果驗證了該文算法的有效性。

多通道SAR；疊掩；3維重建；干涉；地形駐點

1 引言

干涉合成孔徑雷達(Interferometric SAR, InSAR)具有大面積生成地表高度模型的能力，近年來獲得了廣泛的應用[1]。然而，在進行陡峭地形測繪時，由于疊掩和陰影等現象，干涉相位圖中經常出現相干系數比較低，不能進行相位解纏的區域，這些區域稱為困難區域[2]。近年來，多通道SAR技術逐漸發展起來，通過在高度方向依次增加多個通道，獲得了高度方向的分辨能力，能夠實現疊掩地形的3維重建，彌補傳統InSAR測繪的不足[3]。多通道SAR 3維重建通常利用高分辨譜估計[4,5]、壓縮感知[6]等方法，然而這些方法大都只進行高程分辨，獲取散射系數在高度方向的分布，或者在一個距離-方位單元內區分有限幾個點目標，分別獲取它們的散射系數和高度信息。但是，由于多通道SAR通道數量較少、基線長度較短，高度向分辨能力十分有限[7]，因此利用上述方法進行3維重建往往高度向分辨率很低，或者重建結果中相鄰距離-方位單元地形起伏很大，難以提取目標特征[8]。

常規InSAR 3維重建采用干涉信號處理方法，重建過程中利用了相鄰單元關聯性，干涉測高精度很高，但是它不具有高度向分辨能力；多通道SAR具有高度向分辨能力，可以區分疊掩在一起的多個目標，但是現有多通道SAR 3維重建方法多是對每個距離-方位單元分別處理，沒有利用相鄰單元關聯性，因此重建精度往往比較低[9]。結合多通道SAR的高度向分辨能力和干涉信號處理的高精度，本文提出了一種基于地形駐點分割的多通道SAR 3維重建方法，對疊掩區域的地形獲得了良好的3維重建效果。仿真實驗結果驗證了本文算法的有效性和正確性。

2 多通道SAR 3維重建理論基礎

當出現疊掩現象時，在同一個距離-方位分辨單元內有不同高度的多個目標疊掩在一起，如圖1所示，每個目標對應的干涉相位不同，在多通道干涉中對應著信號頻率不同，因此對于特定距離-方位分辨單元其復圖像像素值可表示為多個頻率分量信號疊加的形式[10]：

圖1 疊掩現象示意圖

由上述模型可知只需對復圖像沿高度方向進行頻譜分析即可得到散射系數的高度向分布，現階段大多數多通道SAR 3維重建方法都是按照這種思路進行的。然而，目前多通道SAR對疊掩地形的3維重建效果很差，主要表現為高度向分辨率低，重建地形起伏大，很多地形片段漏檢不能重建。造成這種現象除了多通道SAR系統本身的原因之外，還有以下幾點：

(1)上述模型認為在一個距離-方位單元內只有有限幾個點目標，這和實際情況差別比較大，而且地形起伏越大其相符程度越差，疊掩地區一般地形起伏都很大[11]，因此與模型相符程度低，3維重建精度差。

(2)現有的3維重建方法大都對每個距離-方位單元進行分別處理，沒有利用到相鄰單元之間的關聯性，造成相鄰距離-方位單元重構地形起伏劇烈，或者使得RCS較低的區域漏檢不能重構該區域地形[5,12]。

(3)對于疊掩地形，位于同一個距離-方位單元內的多個地形片段RCS是不相同的[13]。在3維重建過程中，同一距離-方位單元內RCS較高的目標會影響到RCS低的目標，使其重建誤差增大，甚至造成漏檢。

大部分自然場景中的疊掩地形是有限幾個連續地形片段的疊掩，其中相當一部分是如圖1所示的3地形片段疊掩。將場景投影到斜距-仰角坐標系中，如圖2所示。

圖2中曲線加粗部分表示疊掩區域，可以看到地形曲線關于斜距有兩個極值點和，我們稱之為地形駐點。以地形駐點為門限如圖中虛線所示將疊掩地形分為3個部分，分別記為Ⅰ區，Ⅱ區，Ⅲ區，這樣所得到的每個區域內部的地形是不存在疊掩的，可以利用干涉信號處理方法分別進行高度維重建。上述模型同樣適用于樓體疊掩場景，不同的是一般樓體疊掩場景是折線形狀，而不是曲線形狀[14]。

3 基于地形駐點分割的3維重建方法

利用上一節所述的思想，本文提出了一種基于地形駐點分割的多通道SAR 3維重建方法，其主要過程如下：

(1)對多通道SAR復圖像對進行配準、幅度校正和相位校正，使其滿足3維成像的基本要求[10]；

(2)從圖像中檢測并提取出疊掩區域[15]，對疊掩區域進行高度維成像，獲得疊掩區域散射系數3維分布草圖[8]；

(3)從疊掩區域的邊緣分別提取出地形駐點，利用相鄰散射單元地形的連續特性對駐點的高度進行精確的計算；

(4)以兩側地形駐點的高度作為門限把疊掩區域的3維分布草圖分為如圖2所示3個區域，并利用多通道SAR系統參數將它們分別反推生成多幅SAR圖像；

(5)將Ⅰ區SAR圖像與疊掩區域后方圖像聯合進行干涉信號處理，將Ⅲ區SAR圖像與疊掩區域前方圖像聯合進行干涉信號處理，Ⅱ區SAR圖像單獨進行干涉信號處理；

(6)將上述獲取的結果進行融合和反演，最終獲得整個場景的DEM。

綜合以上處理過程即可實現場景3維重建，該算法流程圖如圖3所示。

上述處理過程中步驟1和步驟2相關研究比較多，可以參考文獻[8]、文獻[10]和文獻[15]的算法進行處理，步驟4比較容易實現，步驟6可以參考文獻[16]進行處理，對于步驟3和步驟5，下面進行詳細的討論。

圖2 疊掩場景結構圖

3.1地形駐點定位

地形駐點位于疊掩區域的邊緣，如圖4所示，與駐點在同一個距離單元的還有散射點，與駐點在同一個距離單元的還有散射點，為了避免,兩點對,兩點的定位造成影響，本文采用陷波法對它們進行抑制。以駐點定位為例，進行如下處理：

(1)對點左側進行干涉信號處理，根據地形連續性估計點仰角高度，同理估計點仰角高度；

(2)提取駐點所在距離單元的SAR復圖像信號，沿仰角方向作FFT，獲得散射系數的分布；

(4)檢測散射系數幅度的最大值，該最大值所在的仰角高度作為點的仰角高度。

圖3 算法流程圖

圖4 疊掩地形駐點結構圖

對點的定位過程和上述過程類似，只需將點和點的操作互換即可。定位過程中可以利用相鄰方位單元的地形連續特性對駐點高度進行濾波，從而提高定位精度。

3.2疊掩區域干涉信號處理

疊掩區域干涉信號處理需要注意的問題是地形的突變，如圖2所示，在預濾波、相位濾波和相位解纏過程中將Ⅰ區SAR圖像與右側聯合進行處理，將Ⅲ區SAR圖像與左側聯合進行處理，Ⅱ區SAR圖像單獨進行處理。

疊掩區域地形坡度比較大，坡度變化也比較大，如Ⅰ區和Ⅱ區坡度幾乎是相反的。為了使預濾波和地形坡度相適應，我們采用如下的自適應卷積方法進行預濾波，本文只考慮距離向的預濾波，步驟如下：

(4)求取預濾波后的新圖像，表達式為

(5)對待處理的所有多通道SAR復圖像的每一個像素都進行步驟(2)，步驟(3)，步驟(4)的處理，完成預濾波過程。

本文預濾波過程只考慮了距離預濾波，如有需要可以加入方位預濾波處理。預濾波過程完成之后提取干涉相位，之后利用回轉中值濾波對干涉相位進行濾波，最后再進行相位解纏即可以獲得絕對相位，之后進行地形融合反演獲得3維重建結果。

4 實驗結果

仿真多通道SAR數據驗證本文算法的有效性，系統參數如表1所示，天線陣列由10個天線構成，水平放置，均勻分布，工作模式為自發自收。

表1多通道SAR仿真參數

波長(cm)3.125 采樣率(MHz)360 PRF(Hz)240 載機速度(m/s)100 基線總長度(m)9 脈沖寬度(μs)1 信號帶寬(MHz)300 參考斜距(m)7071 下視角(°)45 信噪比(dB)20

仿真場景采用真實自然場景的縮比模型，仿真產生多通道SAR回波數據，之后進行成像處理得到的通道1的SAR圖像如圖5(a)所示，經過圖像配準之后所得通道1和通道2兩幅SAR復圖像的干涉相位如圖5(b)所示。由圖5(a)中可以看到，圖中存在散射系數比較大的區域，該區域為疊掩區域，疊掩區域后方圖像較暗，這是因為該區域的掠射角比較大，散射系數較弱。由圖5(b)中可以看到，干涉相位具有明顯的趨勢特性，相干系數較低的區域出現在疊掩區域和弱散射區域，而且疊掩區域有比較明顯的干涉相位反偏現象。

采用文獻[15]的算法進行疊掩區域檢測和識別，對疊掩區域利用文獻[8]中壓縮感知方法進行3維重建所得結果如圖6(a)中點云所示，利用3.1節中所述方法對地形駐點進行定位，然后對不同方位的地形駐點進行連線結果如圖6(a)中線條所示。將駐點仰角高度作為門限對3維分布圖進行劃分成Ⅰ區，Ⅱ區，Ⅲ區3個區域，之后利用多通道SAR系統參數反推生成的SAR圖像分別如圖6(b), 6(c), 6(d)所示，圖中不僅顯示了3個區域分別反推生成的SAR圖像，還顯示了非疊掩區域SAR圖像。由這3幅圖中可以看到，Ⅰ區SAR圖像和疊掩區域后方圖像具有較好的連續特性，Ⅲ區SAR圖像和疊掩區域前方圖像具有較好的連續特性，與第2節理論分析結果相吻合。

對分割后的3個區域利用第3節所述方法進行干涉信號處理，然后進行地形融合和反演，最終得到的整個場景3維重建結果如圖7所示。由圖中可以看出重建DEM和原始DEM非常吻合，圖中大面積的黑色區域是由SAR圖像截取造成的。作為對比本文利用文獻[8]中的方法對疊掩場景進行3維重建，所得結果如圖7(e), 7(f)所示。可以發現，文獻[8]中方法重建結果地形起伏較大，而且重建誤差較大。

此外，文獻[8]方法還存在比較嚴重的漏檢問題。圖8(a)所示為FFT方法所得場景散射系數分布，可以看到其分布是不均勻的，當利用文獻[8]方法進行重建時，同一距離單元內強目標會影響弱目標的重建，從而引入較大的誤差甚至造成漏檢，而本文方法利用地形連續性信息進行重建，沒有相應的檢測過程，因此不存在漏檢問題。對比圖8(a)和圖8(b)可以發現漏檢多數發生在散射系數較弱的位置，與理論分析吻合。

圖5 仿真所得SAR圖像和干涉相位

圖6 地形駐點定位及分割結果

圖7 3維重建結果及重建誤差

圖8 地形重建結果比較

經過統計，兩種方法重建DEM誤差和漏檢概率如表2所示。

由表2中可以看到兩種方法對非疊掩區域重建誤差幾乎一致，因為兩種方法對非疊掩區域都采用干涉信號處理，而對于疊掩區域，本文方法重建誤差明顯小于文獻[8]方法誤差，其中疊掩Ⅰ區誤差最小與非疊掩強散射區相近，疊掩Ⅱ區誤差較大，主要因為該區域地形坡度大，信號相關性差，疊掩Ⅲ區誤差最大，因為該區域散射較弱，信噪比很差。此外，文獻[8]方法還存在較嚴重的漏檢問題，其中漏檢概率最高的區域為疊掩Ⅲ區，因為該區域散射較弱，重建過程中受其他強散射區影響較大，而本文方法通過地形駐點分割抑制了其他散射區的干擾，并利用干涉信號處理獲得高精度測量結果，因此重建精度和穩定性都較高。

本文算法同樣適用于規則樓體疊掩場景的3維重建，不同的是樓體疊掩場景通常是折線型結構而不是曲線型結構。由于樓體疊掩場景其散射系數變化通常很大，常規3維重建方法漏檢非常嚴重，本文算法能夠克服漏檢問題，獲得更為清晰的建筑物紋理結構和更高精度的3維幾何結構。

表2重建DEM誤差(m)和漏檢概率(%)

誤差/漏檢概率非疊掩區域分割后疊掩區域 強散射區弱散射區Ⅰ區Ⅱ區Ⅲ區 本文方法0.266/--0.581/--0.264/--0.351/--0.398/-- 文獻[8]方法0.267/--0.578/--0.491/7.110.722/8.330.710/37.20

5 結束語

本文研究了多通道SAR疊掩區域3維重建方法，彌補了傳統InSAR不能進行疊掩區域測繪的缺陷，同時分析了現有3維重建方法的不足，提出了一種基于地形駐點分割的多通道SAR 3維重建方法，該方法結合了多通道SAR的高度向分辨能力和干涉信號處理的高精度，充分利用了SAR數據信息和場景地形連續性信息，相對于傳統的方法，能夠更加穩定、精確地實現疊掩場景的3維重建。后續研究中我們會進一步改進該算法，使其更適合于處理城市樓體疊掩場景，并進行相關3維重建實驗，增強多通道SAR城市3維測繪能力。

[1] Morishita Y and Hanssen R F. Temporal decorrelation in L-, C-, and X-band satellite radar interferometry for pasture on drained peat soils[J]., 2015, 53(2): 1096-1104.

[2] 王健, 向茂生, 李紹恩. 一種基于 InSAR 相干系數的 SAR 陰影提取方法[J]. 武漢大學學報信息科學版, 2005, 30(12): 1063-1066.

Wang Jian, Xiang Mao-sheng, and Li Shao-en. A method for extracting the SAR shadow from InSAR coherence[J]., 2005, 30(12): 1063-1066.

[3] Baselice F, Budillon A, Ferraioli G,.. Layover solution in SAR imaging: a statistical approach[J]., 2009, 6(3): 577-581.

[4] Wang Bin, Wang Yan-ping, Hong Wen,.. Application of spatial spectrum estimation technique in multibaseline SAR for layover solution[C]. Geoscience and Remote Sensing Symposium, Boston, USA, 2008: III-1139-III-1142.

[5] Lombardini F, Cai F, and Pasculli D. Spaceborne 3-D SAR tomography for analyzing garbled urban scenarios: single-look superresolution advances and experiments[J]., 2013, 6(2): 960-968.

[6] Schmitt M and Stilla U. Compressive sensing based layover separation in airborne single-pass multi-baseline InSAR data [J]., 2013, 10(2): 313-317.

[7] Schmitt M and Stilla U. Maximum-likelihood-based approach for single-pass synthetic aperture radar tomography over urban areas[J].,&, 2014, 8(9): 1145-1153.

[8] Zhu Xiao-xiang and Bamler R. Super-resolution power and robustness of compressive sensing for spectral estimation with application to spaceborne tomographic SAR[J]., 2012, 50(1): 247-258.

[9] Frey O, Siddique M, Hajnsek I,.. Combining SAR tomography and a PSI approach for highresolution 3-D imaging of an urban area[C]. Proceedings of 10th European Conference on Synthetic Aperture Radar, Berlin, Germany, 2014: 1-4.

[10] Budillon A, Evangelista A, and Schirinzi G. Three- dimensional SAR focusing from multipass signals using compressive sampling[J]., 2011, 49(1): 488-499.

[11] Kropatsch W G and Strobl D. The generation of SAR layover and shadow maps from digital elevation models[J]., 1990, 28(1): 98-107.

[12] Lombardini F, Robing L, Ender J,.. Towards a complete processing chain of multibaseline airborne InSAR data for layover scatterers separation[C]. Urban Remote Sensing Joint Event, Paris, France, 2007: 1-6.

[13] Schack L and Soergel U. Exploiting regular patterns to group persistent scatterers in urban areas[J]., 2014, 7(10): 4177-4183.

[14] Tao Jun-yi, Auer S, Palubinskas G,.. Automatic SAR simulation technique for object identification in complex urban scenarios[J]., 2014, 7(3): 994-1003.

[15] Rossi C, Eineder M, and Fritz T. Detecting building layovers in a SAR interferometric processor without external references[C]. Proceedings of 10th European Conference on Synthetic Aperture Radar, Berlin, Germany, 2014: 1-4.

[16] 張紅敏. SAR 圖像高精度定位技術研究[D]. [博士論文], 解放軍信息工程大學, 2013.

Zhang Hong-min. Research on technologies of accurate positioning with SAR images[D]. [Ph.D. dissertation], PLA Information Engineering University, 2013.

3-D Reconstruction for Multi-channel SAR Interferometry Using Terrain Stagnation Point Based Division

Zhang Fu-bo①②③Liang Xing-dong①②Wu Yi-rong①②

①(,100190,)②(,,100190,)③(,100049,)

Multi-channel SAR can reconstruct the 3-D surface of the observed scene with its resolution power in the elevation. However, with limited baseline length, most methods suffer from limited precision and significant miss rates. In view of this situation, a new 3-D reconstruction method using terrain stagnation point based division is proposed. Firstly, 3-D distribution is obtained using tomography; secondly, stagnation point position and division are conducted to separate the layover; then 3-D reconstruction is conducted using interferometry. This method combines the resolving power of multi-channel SAR and high precision of interferometry. Therefore, reconstruction results with higher precision and greater stability are achieved. The effectiveness of the method is validated using experiments with simulated data.

Multi-channel SAR; Layover; 3-D reconstruction; Interferometry; Terrain stagnation point

TN957.52

A

1009-5896(2015)10-2287-07

10.11999/JEIT150244

2015-02-12；改回日期：2015-06-25；

2015-07-17

張福博 zhangfubo8866@126.com

張福博： 男，1988年生，博士生，研究方向為多通道SAR 3維重建.

梁興東： 男，1973年生，研究員，研究方向為高分辨率合成孔徑雷達系統、干涉合成孔徑雷達系統、成像處理及應用、實時數字信號處理.

吳一戎： 男，1963年生，研究員，中國科學院院士，研究方向為微波成像理論、微波成像技術和雷達信號處理.