程前 王華斌 汪韜陽 李玉

基于RFM模型的疊掩區(qū)域定位方法

程前1,2王華斌1,3汪韜陽2李玉1

（1 遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院，阜新 123000）（2 武漢大學(xué)遙感信息工程學(xué)院，武漢 430079）（3 中國國土勘測規(guī)劃院，北京 100035）

星載合成孔徑雷達(dá)（synthetic aperture radar，SAR）是側(cè)視成像，地形起伏較大區(qū)域的影像會(huì)發(fā)生疊掩現(xiàn)象，導(dǎo)致SAR影像信息丟失，通常采用疊掩補(bǔ)償解決上述問題。而當(dāng)前疊掩區(qū)域定位方法受數(shù)字高程模型（digital elevation model，DEM）精度、相干斑噪聲等因素影響，且計(jì)算復(fù)雜，難以滿足快速處理要求。針對(duì)上述問題，文章提出一種于基于有理函數(shù)模型（rational function model，RFM）的疊掩區(qū)域定位方法，首先將DEM重采樣到與SAR正射影像相同分辨率；隨后計(jì)算DEM像元對(duì)應(yīng)的影像坐標(biāo)；接著統(tǒng)計(jì)像方單個(gè)像元對(duì)應(yīng)物方單元的個(gè)數(shù)，大于2時(shí)判定為疊掩區(qū)域；最后對(duì)生成的掩膜進(jìn)行編輯，生成最終掩膜。并通過中國“高分三號(hào)”衛(wèi)星SAR的全極化條帶1（full polarized strip 1）QPSI模式獲取的兩景影像進(jìn)行試驗(yàn)驗(yàn)證，結(jié)果表明，該方法受DEM影響相對(duì)較小，升降軌疊掩試驗(yàn)中補(bǔ)償率達(dá)到99.01%，方法可靠、可行，為SAR技術(shù)在航天遙感應(yīng)用中提供技術(shù)保障。

合成孔徑雷達(dá) 疊掩補(bǔ)償 有理函數(shù)模型 正射影像 航天遙感應(yīng)用

0 引言

合成孔徑雷達(dá)（SAR），作為主動(dòng)式微波遙感技術(shù)，具有全天時(shí)、全天候成像能力，目前已經(jīng)應(yīng)用在測繪[1]，海洋[2]，目標(biāo)檢測[3-4]，建筑物提取[5-7]和其他方面[8-9]。然而，SAR由于側(cè)視成像的特點(diǎn)，當(dāng)?shù)匦纹鸱^大時(shí)發(fā)生嚴(yán)重幾何畸變，如疊掩、陰影，此時(shí)影像信息嚴(yán)重丟失。針對(duì)疊掩和陰影，通常做法采用升降軌（或多角度）SAR影像，利用信息冗余，將主影像異常像元值用對(duì)應(yīng)地理位置副影像正常像元值進(jìn)行替代，從而對(duì)丟失信息進(jìn)行補(bǔ)償。其核心是疊掩與陰影區(qū)域的定位。相比陰影，在山區(qū)，疊掩是制約著SAR進(jìn)一步應(yīng)用的主要因素。文獻(xiàn)[10]通過數(shù)字高程模型（digital elevation model，DEM）模擬2個(gè)視向不同入射角的疊掩和陰影情況，得出當(dāng)入射角小于42°時(shí)疊掩現(xiàn)象是造成信息丟失的主要因素。

當(dāng)前，疊掩區(qū)域判斷通常采用影像對(duì)應(yīng)區(qū)域DEM采樣點(diǎn)相對(duì)于衛(wèi)星斜距s變化率逐像元進(jìn)行[11]；根據(jù)俯角與坡度角的關(guān)系，文獻(xiàn)[12-13]提出疊掩區(qū)域確定改進(jìn)方法。但兩種方法都需要計(jì)算衛(wèi)星對(duì)應(yīng)位置，從而求解斜距S或俯角等參數(shù)，受DEM誤差影響較大。文獻(xiàn)[14]提出將整張影像灰度值均值的3倍作為閾值進(jìn)行疊掩區(qū)域確定。但基于像方的掩膜糾正到物方時(shí)會(huì)發(fā)生嚴(yán)重離散現(xiàn)象。針對(duì)上述問題，在分析SAR成像機(jī)理的基礎(chǔ)上，本文提出基于RFM模型的疊掩區(qū)域定位方法，當(dāng)物方像元超過兩個(gè)集中于SAR影像空間單個(gè)分辨率單元時(shí)，判定為疊掩區(qū)域。對(duì)比試驗(yàn)發(fā)現(xiàn)RFM方法受DEM和影像灰度品質(zhì)相對(duì)較小，計(jì)算高效，具有較高的可行性，為SAR技術(shù)在航天遙感應(yīng)用提供保障。

1 原理和方法

疊掩補(bǔ)償基本原理是將副影像上正常像元值替代主影像上的異常像元值，為確保主副影像幾何定位一致，需要對(duì)原始SAR影像進(jìn)行正射糾正。距離-多普勒（range-Doppler，RD）模型為星載SAR影像嚴(yán)密模型，其廣泛應(yīng)用于星載SAR的幾何處理之中[15-16]，但由于每類星載SAR影像提供的輔助數(shù)據(jù)不同，因此需針對(duì)不同的星載SAR數(shù)據(jù)建立不同的RD模型，普適性低。有理函數(shù)模型（rational function model，RFM）是一種通用幾何模型，目前已經(jīng)在星載光學(xué)影像上得到廣泛應(yīng)用。文獻(xiàn)[17]提出利用RFM模型替代RD模型，逐步應(yīng)用于星載SAR數(shù)據(jù)的正射糾正之中。本文結(jié)合RFM模型優(yōu)點(diǎn)，提出一種疊掩區(qū)域確定方法。

1.1 RFM模型

RFM模型是一種通用的衛(wèi)星遙感影像的幾何模型，在充分利用衛(wèi)星遙感影像附帶的輔助參數(shù)基礎(chǔ)上，根據(jù)構(gòu)建的嚴(yán)格成像幾何模型進(jìn)行擬合而得到的廣義傳感器模型[18]。其目的是將地面點(diǎn)三維大地坐標(biāo)與其對(duì)應(yīng)影像上的二維像點(diǎn)坐標(biāo)用比值多項(xiàng)式的形式關(guān)聯(lián)起來，并且為了增強(qiáng)參數(shù)求解的穩(wěn)定性，還需要將地面點(diǎn)坐標(biāo)和其對(duì)應(yīng)的影像坐標(biāo)正則化到–1到1之間。對(duì)于一個(gè)指定的影像，定義如下比值多項(xiàng)式[17]：

式中 (,)為歸一化影像坐標(biāo)；(,,)為歸一化地面坐標(biāo)；Nums(,,)、Dens(,,)、NumL(,,)、DenL(,,)為一般多項(xiàng)式，形式如下：

a，b，c，d（= 1, 2, ···, 20）為有理多項(xiàng)式系數(shù)。

1.2 基于斜距變化率的定位方法

圖1 基于簡化定位的SAR成像幾何關(guān)系示意

圖1中，為地心，為傳感器位置，為目標(biāo)點(diǎn)位置，為參考點(diǎn)；S為目標(biāo)點(diǎn)到傳感器的斜距；L為地球半徑；為衛(wèi)星高度；1、2分別為點(diǎn)、點(diǎn)距離地心的距離；，，為夾角，見圖中標(biāo)注；為參考點(diǎn)對(duì)應(yīng)的雷達(dá)視角；+為目標(biāo)點(diǎn)對(duì)應(yīng)的雷達(dá)視角。

通過分析S隨距離向坐標(biāo)的變換規(guī)律，進(jìn)行疊掩區(qū)域判斷。當(dāng)S隨距離向坐標(biāo)的增加而增加時(shí)，則沒有疊掩；相反則會(huì)產(chǎn)生疊掩，直到超過該距離方位向上以前出現(xiàn)的最大值為止[10]。

由于衛(wèi)星的飛行方位角與DEM的北方向不一致，因此該方法需將在生成掩膜前將DEM旋轉(zhuǎn)一定角度，使旋轉(zhuǎn)后DEM行列坐標(biāo)與衛(wèi)星地面軌跡平行。不僅需要增加一次DEM重采樣，而且一定程度上破壞SAR與地面目標(biāo)空間的關(guān)系。

1.3 基于坡度角與俯角的定位方法

文獻(xiàn)[12]中，根據(jù)俯角與坡度角的關(guān)系，提出改進(jìn)的疊掩確定方法，該方法大致流程如下：

2）基于SAR地理編碼模型，間接定位計(jì)算出地面點(diǎn)對(duì)應(yīng)的原始影像行列號(hào)，并利用軌道模型計(jì)算其對(duì)應(yīng)的傳感器位置。

1.4 Gamma定位方法

基于坡度與俯角的定位方法中，疊掩區(qū)域定位不僅受DEM精度制約，而且計(jì)算復(fù)雜。為簡化計(jì)算，文獻(xiàn)[14]中，將圖像灰度值的幾倍均值作為（一般為3）閾值篩選疊掩區(qū)域，其原理如下：

式中()為原始SAR影像；ave()為對(duì)影像求均值；為系數(shù)（一般為3）；Layover()為掩膜圖；為影像下標(biāo)；、分別為影像行列數(shù)。Layover()=2表示下標(biāo)為的像元標(biāo)記為疊掩，Layover()=1表示下標(biāo)為的像元標(biāo)記為正常區(qū)域。

然而，SAR影像存在固有的相干斑噪聲，最終會(huì)影響像元灰度值的整體品質(zhì)，直接采用基于灰度閾值判斷方法會(huì)存在誤判現(xiàn)象[19]。此外，由于該方法生成的為像方掩膜，在實(shí)際應(yīng)用時(shí)需糾正到物方，此時(shí)會(huì)發(fā)生嚴(yán)重的離散現(xiàn)象。即使在糾正過后采用膨脹腐蝕操作，也只能在連接破碎邊緣同時(shí)消除部分“孔洞”效應(yīng)，整體效果一般。

1.5 基于RFM模型的定位方法

由于斜距成像的特點(diǎn)，SAR影像上會(huì)出現(xiàn)和光學(xué)遙感影像顯著不同的幾何形變特征，如圖2所示。其中圖2（a）中，為傳感器位置，、、分別為地面點(diǎn)，為、兩點(diǎn)的水平距離。、兩點(diǎn)分別成像于、兩點(diǎn)。在SAR成像平面上，當(dāng)點(diǎn)和間的距離要比實(shí)際的坡面上和的距離小時(shí)發(fā)生透視收縮現(xiàn)象，此時(shí)一定面積的坡面上的能量經(jīng)過成像后被壓縮到一個(gè)相對(duì)較小的坡面上。透視收縮的程度與坡度及當(dāng)?shù)厝肷浣怯嘘P(guān)，在圖2（b）中，當(dāng)坡度大于入射角時(shí)發(fā)生會(huì)發(fā)生疊掩現(xiàn)象，此時(shí)，SAR圖像的側(cè)視觀察特性導(dǎo)致在單個(gè)分辨率單元內(nèi)整合具有相同范圍和多普勒頻率的多個(gè)信號(hào)[20]。圖2（b）中，、、、、分別為地面點(diǎn)，、兩點(diǎn)分別成像于、兩點(diǎn)，實(shí)際地形中在左邊，成像后對(duì)應(yīng)的點(diǎn)卻在右邊，在SAR的成像面上出現(xiàn)坡的頂、底顛倒現(xiàn)象。為、兩點(diǎn)的水平距離，為、兩點(diǎn)的水平距離。

在分析SAR成像機(jī)理的基礎(chǔ)上，本文提出一種新的疊掩區(qū)域確定方法，當(dāng)物方像元超過兩個(gè)集中于SAR影像空間單個(gè)分辨率單元時(shí)，判定為疊掩區(qū)域。圖2（a）中，最終成像于，在物方空間范圍為。圖2（b）中，同理，在物方空間范圍為，其中=++，易知，>。考慮到透視收縮現(xiàn)象也會(huì)造成少量疊加現(xiàn)象，本文將實(shí)際一個(gè)像元對(duì)應(yīng)超過兩個(gè)像元點(diǎn)（DEM格網(wǎng)與SAR影像分辨率相近）時(shí)，判定為疊掩。在此基礎(chǔ)上，結(jié)合RFM模型，本文疊掩區(qū)域判定方法步驟如下：

1）根據(jù)原始SAR影像四角點(diǎn)及RPC 參數(shù)確定所需DEM范圍，并對(duì)該區(qū)域DEM重采樣至糾正后的影像分辨率相同大小；

2）根據(jù)重采樣后DEM像元坐標(biāo)（,,），利用RFM模型反算對(duì)應(yīng)SAR影像坐標(biāo)（,），并記錄（,）對(duì)應(yīng)的(B,L,H)(x, y)，(=1,2,?,)；

3）遍歷SAR影像坐標(biāo)，判斷（,）對(duì)應(yīng)的物方坐標(biāo)(B,L,H)(x, y)，當(dāng)>2，則為疊掩區(qū)。此時(shí)將物方坐標(biāo)(B,L,H)(x, y)對(duì)應(yīng)的物方坐標(biāo)位置標(biāo)記為flag=2，否則設(shè)置為正常區(qū)域記為flag=1，生成原始掩膜圖像；

4）對(duì)3）中原始掩膜圖進(jìn)行編輯，采用腐蝕膨脹處理消除掩膜圖中的“孔洞”效應(yīng)。

圖2 疊掩現(xiàn)象示意

2 試驗(yàn)分析

2.1 試驗(yàn)數(shù)據(jù)

試驗(yàn)采用GF-3衛(wèi)星QPSI模式拍攝的湖北省恩施市建始縣的兩景影像，影像數(shù)據(jù)見表1。圖3為研究區(qū)影像地理位置，其中紅色代表降軌影像，用于疊掩掩膜生成試驗(yàn)，綠色代表升軌影像，用于影像補(bǔ)償試驗(yàn)。

表1 影像數(shù)據(jù)

Tab.1 Image data description

圖3 研究區(qū)影像地理位置

2.2 疊掩區(qū)域確定

圖4 不同方法掩膜結(jié)果

圖5（a）為Gamma改進(jìn)方法，在Gamma方法基礎(chǔ)上，結(jié)合形態(tài)學(xué)的結(jié)果，雖然修復(fù)了一些“孔洞”，但圖5（a）仍未取得理想效果。區(qū)域1中，疊掩區(qū)域未連續(xù)，對(duì)比圖4（f）中，該區(qū)域灰度值較暗，但目視解譯結(jié)果判定該區(qū)域?yàn)榀B掩區(qū)域，疊掩區(qū)域存在漏判。在區(qū)域2中，目視解譯結(jié)果為正常區(qū)域，但誤判為疊掩區(qū)域。產(chǎn)生上述現(xiàn)象的原因是由于采用基于灰度值閾值進(jìn)行判斷時(shí)，灰度值閾值受影像品質(zhì)影響，如相干斑噪聲和影像大小。此外疊掩分為主動(dòng)疊掩和被動(dòng)疊掩，并非所有疊掩區(qū)域灰度值都滿足灰度值閾值的關(guān)系。當(dāng)疊掩區(qū)域的灰度值不滿足條件時(shí)，發(fā)生漏判，在像方糾正到物方時(shí)，會(huì)進(jìn)一步擴(kuò)大范圍，雖然經(jīng)過形態(tài)學(xué)濾波，但無法有效消除“孔洞”效應(yīng)。圖5（b）中，相對(duì)于高分辨率星載SAR影像，DEM在使用時(shí)需要進(jìn)行重采樣操作，在進(jìn)行坡度等相關(guān)參數(shù)時(shí)，DEM誤差會(huì)不斷累加，進(jìn)而會(huì)導(dǎo)致疊掩區(qū)域的范圍出現(xiàn)偏差。在圖5（c）中，區(qū)域1、區(qū)域2未發(fā)現(xiàn)“孔洞”效應(yīng)，與實(shí)際情況最為接近。雖然圖5（d）、圖5（e）、圖5（f）中，三種方法定位方法生成的掩膜與實(shí)際疊掩區(qū)域有很高的套合程度。但圖5（e）中，由于坡度等相關(guān)參數(shù)的計(jì)算誤差，導(dǎo)致疊掩區(qū)域范圍與實(shí)際情況相比偏小。從目視效果來看，RFM方法優(yōu)于其他兩種。

圖5 不同方法對(duì)比結(jié)果

為定量評(píng)價(jià)不同方法掩膜定位的準(zhǔn)確程度，結(jié)合圖像分類精度評(píng)定的思想，采用總體分類精度對(duì)最終結(jié)果進(jìn)行定量分析。將掩膜圖像分為其他類（記為C1類）和疊掩（記為C2類）2類，將不同方法獲取的結(jié)果與人工標(biāo)注的結(jié)果進(jìn)行統(tǒng)計(jì)見表2，其中像元總個(gè)數(shù)為44 788 320。

表2 總體分類精度

Tab.2 Overall accuracy

在表2中，定量指標(biāo)總體分類精度RFM方法最高，達(dá)到95.82%。與此同時(shí)，坡度角與俯角C2類正確劃分個(gè)數(shù)約為RFM方法的一半左右，這與實(shí)際情況疊加圖掩膜偏小相對(duì)應(yīng)。Gamma改進(jìn)方法中雖然正確劃分的C2類個(gè)數(shù)較多，但是結(jié)合圖4（a）不難發(fā)現(xiàn)，C2類錯(cuò)分到C1類中較多，導(dǎo)致最終的總體分類精度不高。

進(jìn)一步驗(yàn)證RFM方法效果，將影像A作為主影像，影像B為副影像，進(jìn)行正射糾正后，利用自動(dòng)配準(zhǔn)技術(shù)將影像B配準(zhǔn)到影像A上，并利用上述三種方法分別生成掩膜并進(jìn)行疊掩補(bǔ)償，對(duì)應(yīng)結(jié)果如圖6所示。由于方法不同，生成的掩膜存在差異，最終的補(bǔ)償效果也不同。圖6（a）中Gamma改進(jìn)方法的掩膜存在較多“孔洞”，最終補(bǔ)償結(jié)果“孔洞”區(qū)域未被補(bǔ)償，未取得理想效果。坡度角與俯角方法由于尋找的掩膜偏小，在圖6（b）中較多的疊掩區(qū)域未被補(bǔ)償。RFM方法補(bǔ)償效果圖6（c）中效果較圖6（a）、圖6（b）補(bǔ)償效果明顯，進(jìn)一步驗(yàn)證有效性。

圖6 不同方法疊掩補(bǔ)償結(jié)果對(duì)比圖

統(tǒng)計(jì)補(bǔ)償前重疊區(qū)域像元個(gè)數(shù)為2 038 897，補(bǔ)償2 018 693個(gè)，補(bǔ)償率達(dá)到99.01%，進(jìn)一步統(tǒng)計(jì)補(bǔ)償前后重疊區(qū)域的均值和標(biāo)準(zhǔn)差，補(bǔ)償前均值和方差統(tǒng)計(jì)量為131.3、128.2，補(bǔ)償后分別降低到115.1、104.7，分別降低12.3%、18.3%。在光學(xué)DOM底圖上獨(dú)立選取8個(gè)檢查點(diǎn)，最終正射糾正精度北向、東向中誤差分別為5.374m、6.052m，平面中誤差為8.094m。圖7為補(bǔ)償后整體圖。

圖7 RFM方法補(bǔ)償后影像全局圖

2.3 DEM誤差分析

圖8 RFM方法三種DEM網(wǎng)格的對(duì)應(yīng)掩膜

圖9 坡度角與俯角方法三種DEM網(wǎng)格對(duì)應(yīng)的掩膜

RFM方法，圖8中可看出，當(dāng)DEM格網(wǎng)逐漸增大時(shí)，其對(duì)應(yīng)的疊掩掩膜主要輪廓未發(fā)生改變，但邊緣平滑程度逐漸降低。坡度角與俯角方法，圖9中可看出，當(dāng)DEM格網(wǎng)逐漸增大時(shí)，掩膜的結(jié)構(gòu)發(fā)生改變較大，在左下角有突出的部分，隨著DEM格網(wǎng)增加，在圖9（b）中，突出部分已經(jīng)斷裂，未連成一塊。當(dāng)DEM格網(wǎng)在增加至90m時(shí)，在圖9（c）中，該區(qū)域判斷為正常區(qū)域，與實(shí)際情況不相符。此外，隨著DEM格網(wǎng)的增加，坡度角與俯角方法的邊緣鋸齒狀較嚴(yán)重，如圖9（c）邊緣。對(duì)比RFM方法，圖8（c）中邊緣的平滑程度較好。從圖8中分析發(fā)現(xiàn)，當(dāng)DEM精度變化相同幅度時(shí)，相比于坡度角俯角方法，RFM方法的掩生成的掩膜在輪廓狀態(tài)和平滑程度方面變化幅度相對(duì)較小。此外，縱向?qū)Ρ?，在同等DEM精度的條件下，RFM方法能獲取更優(yōu)的結(jié)果。進(jìn)一步分析DEM對(duì)坡度角與俯角方法與RFM方法的影響。由于在生成掩膜時(shí)，RFM方法只需RPC參數(shù)、DEM，其原理是像方單個(gè)像元單元對(duì)應(yīng)多個(gè)物方單元。因此其精度受RPC，DEM誤差影響。而目前，RPC可以采用幾何定標(biāo)或者控制點(diǎn)的方式提升定位精度[21-22]，因此，RFM方法主要誤差來源于DEM。在文獻(xiàn)[23]中，針對(duì)DEM高程誤差對(duì)正射糾正平面誤差的進(jìn)行分析，得到如下關(guān)系式

E,φ=(n,,)

3 結(jié)束語

針對(duì)SAR側(cè)視成像導(dǎo)致的疊掩現(xiàn)象，本文提出一種基于RFM模型的疊掩區(qū)域定位方法，并通過GF-3衛(wèi)星 QPSI模式影像進(jìn)行掩膜生成與升降軌補(bǔ)償試驗(yàn)，通過試驗(yàn)分析得RFM方法優(yōu)點(diǎn)有兩點(diǎn)：1） RFM方法從疊掩現(xiàn)象的本質(zhì)出發(fā)，不受斑點(diǎn)噪聲或者像元灰度值影響。相比其他需要依賴相關(guān)地形參數(shù)的方法，RFM方法受DEM精度影響較小，其誤差主要表現(xiàn)為高程誤差對(duì)平面誤差的影響。2） RFM方法可以在進(jìn)行影像正射糾正時(shí)自動(dòng)生成，無需進(jìn)行DEM旋轉(zhuǎn)操作和坡度、坡向、飛行方位角等其他變量計(jì)算，簡單高效。結(jié)合補(bǔ)償實(shí)驗(yàn)與相關(guān)試驗(yàn)分析結(jié)果，本文的方法具有較高的可行性，為SAR在航天遙感應(yīng)用中推廣提供技術(shù)保障。

[1] JAUVIN M, YAN Y J, TROUVE E, et al. Integration of Corner Reflectors for the Monitoring of Mountain Glacier Areas with Sentinel-1 Time Series[J]. Remote Sensing, 2019, 11(8): 988.

[2] 范劍超, 王德毅, 趙建華, 等. 高分三號(hào)SAR影像在國家海域使用動(dòng)態(tài)監(jiān)測中的應(yīng)用[J]. 雷達(dá)學(xué)報(bào), 2017, 6(5): 456-472. FAN Jianchao, WANG Deyi, ZHAO Jianhua, et al. National Sea Area Use Dynamic Monitoring Based on GF-3 SAR Imagery[J]. Journal of Radars, 2017, 6(5): 456-472. (in Chinese)

[3] 劉澤宇, 柳彬, 郭煒煒, 等. 高分三號(hào)NSC模式SAR圖像艦船目標(biāo)檢測初探[J]. 雷達(dá)學(xué)報(bào), 2017, 6(5): 473-482. LIU Zeyu, LIU Bin, GUO Weiwei, et al. Ship Detection in GF-3 NSC Mode SAR Images[J]. Journal of Radars, 2017, 6(5): 473-482. (in Chinese)

[4] 魏鉅杰. 極化SAR影像海面船只目標(biāo)自動(dòng)檢測方法研究[J]. 測繪學(xué)報(bào), 2017, 46(1): 131. WEI Jujie. Research on Ship Automatic Detection Method Using Polarimetric Synthetic Aperture Radar Imagery[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(1): 131. (in Chinese)

[5] 李強(qiáng), 張景發(fā), 龔麗霞, 等. SAR圖像紋理特征相關(guān)變化檢測的震害建筑物提取[J]. 遙感學(xué)報(bào), 2018, 22(增刊): 128-138. LI Qiang, ZHANG Jingfa, GONG Lixia, et al. Extraction of Earthquake-collapsed Buildings Based on Correlation Change Detection of Multi-texture Features in SAR images[J]. Journal of Remote Sensing, 2018, 22(Sup): 128-138. (in Chinese)

[6] 蘇娟, 張強(qiáng), 陳煒, 等. 高分辨率SAR圖像中建筑物特征融合檢測算法[J]. 測繪學(xué)報(bào), 2014, 43(9): 939-944. SU Juan, ZHANG Qiang, CHEN Wei, et al. Building Detection Algorithm Based on Feature Fusion in High Resolution SAR Images[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(9): 939-944. (in Chinese)

[7] 蘇娟, 鮮勇, 宋建杜. SAR圖像與可見光圖像融合的建筑物提取算法[J]. 兵工學(xué)報(bào), 2010, 31(11): 1448-1454. SU Juan, XIAN Yong, SONG Jiandu. A Building Extraction Algorithm Based on the Fusion of SAR and Optical Images[J]. Acta Armamentarii, 2010, 31(11): 1448-1454. (in Chinese)

[8] 安志宏, 吳春明, 孫禧勇, 等. 基于“高分二號(hào)”衛(wèi)星影像的砂金礦區(qū)環(huán)境地質(zhì)調(diào)查[J]. 航天返回與遙感, 2017, 38(6): 107-112. AN Zhihong, WU Chunming, SUN Xiyong, et al. Study on Environmental Geology Investigation in Gold Placer-mining Area Using GF-2 Imagery[J]. Spacecraft Recovery & Remote Sensing, 2017, 38(6): 107-112. (in Chinese)

[9] 余博, 李如仁, 陳振煒, 等. 高分三號(hào)_衛(wèi)星圖像干涉測量試驗(yàn)[J]. 航天返回與遙感, 2019, 40(1): 66-73. YU Bo, LI Ruren, CHEN Zhenwei, et al. Image Interferometry Experiment of GF-3 Satellite[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(1): 66-73. (in Chinese)

[10] 王國軍, 邵蕓, 萬紫, 等. 雙視向補(bǔ)償最佳入射角組合研究[J]. 國土資源與遙感, 2012(4): 48-54. WANG Guojun, SHAO Yun, WAN Zi, et al. Optimal Incidence Angle Pair Selection for Dual-aspect Compensation in High Resolution SAR Data[J]. Remote Sensing for Land & Resources, 2012(4): 48-54. (in Chinese)

[11] GUINDON B, ADAIR M. Analytic Formulation of Spaceborne SAR Image Geocoding and “Value-added” Products Generation Procedures Using Digital Elevation Data[J]. Canadian Journal of Remote Sensing, 1992, 18(1): 2-12.

[12] ZHANG J, WEI J, HUANG G, et al. Fusion of Ascending and Descending Polarimetric SAR Data for Colour Orthophoto Generation[J]. ISPRS TC VII Symposium-100 Years ISPRS, 2010, XXXVIII, 323-328.

[13] 魏鉅杰. 復(fù)雜地形區(qū)域合成孔徑雷達(dá)正射影像制作方法研究[D]. 阜新: 遼寧工程技術(shù)大學(xué), 2009. WEI Jujie. SAR Ortho Image Generation in Sophisticated Area[D]. Fuxin: Liaoning Technical University, 2009. (in Chinese)

[14] Interferometric SAR Processor-ISP[EB/OL]. (2009-11) [2019-06-15]. https://esdynamics.geo.uni-tuebingen.de/wiki/files/remote_ sensing/ pdf/ISP_users_guide.pdf.

[15] SCHEREIER G, KOSMANN D, ROTH A. Design Aspects and Implementation of a System for Geo-coding Satellite SAR Images[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1990, 45(1): 1-16.

[16] JOHNSEN H, LAUKNES L, GUNERUSSEN T. Geo-coding of Fast-delivery ERS-1 SAR Image Model Product Using DEM Data[J]. International of Remote Sensing, 1995, 16(11): 1957-1968.

[17] ZHANG Guo, FEI Wenbo, LI Zhen, et al. Evaluation of the RPC Model for Spaceborne SAR Imagery[J]. Photogrammetric Engineering and Remote Sensing, 2010, 76(6): 727-733.

[18] 張過. 缺少控制點(diǎn)的高分辨率衛(wèi)星遙感影像幾何糾正[D]. 武漢: 武漢大學(xué), 2005. ZHANG Guo. Rectification for High Resolution Remote Sensing Image Under Lack of Ground Control Points[D]. Wuhan: Wuhan University, 2005. (in Chinese)

[19] 強(qiáng)墻. 基于RPC模型的星載高分辨率SAR影像正射糾正[D]. 武漢: 武漢大學(xué), 2011. QIANG Qiang. Ortho-rectification of High Resolution Spaceborne SAR Image Based on the RPC Model[D]. Wuhan: Wuhan University, 2011. (in Chinese)

[20] DEO R, ROSSI C, EINEDER M, et al. Fusion of Ascending and Descending Pass Raw Tandem-X Dem[C]//2014 IEEE Geoscience and Remote Sensing Symposium. IEEE, 2014: 21-24.

[21] ZHAO Ruishan, ZHANG Guo, DENG Mingjun, et al. Geometric Calibration and Accuracy Verification of the GF-3 Satellite[J]. Sensors, 2017, 17(9): 1-13.

[22] ZHANG Guo, WU Qingwei, WANG Taoyang, et al. Block Adjustment without GCPs for Chinese Spaceborne SAR GF-3 Imagery[J]. Sensors, 2018, 18(11): 4023.

[23] 鄧明軍. 典型星載SAR影像攝影測量幾何精度分析[D]. 武漢: 武漢大學(xué), 2014. DENG Mingjun. Geometric Accuracy Analysis for Typical Spaceborne SAR[D]. Wuhan: Wuhan University, 2014. (in Chinese)

Positioning Method for Layover Area Based on RFM Model

CHENG Qian1,2WANG Huabin1,3WANG Taoyang2LI Yu1

（1 School of Geomatics, Liaoning Technical University, Fuxin 123000, China）（2 School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China）（3 China Land Surveying and Planning Institute, Beijing 100035, China）

For SAR images, severe geometric distortions, such as layover, are caused by side-looking viewing geometries and terrain undulations. The layover compensation is usually used to solve the problem. However, the current layover area determination method is affected by many factors such as DEM accuracy and speckle noise, and the calculation is complicated. Therefore it is difficult to meet the fast processing requirements. Aiming at the above problems, this paper proposes a method for layover area based on rational function model (RFM). This method first resamples DEM with the same resolution as SAR orthophotos. Then the image coordinates are calculated corresponding to the DEM pixel. The number of the object cells corresponding to the single pixel of the image side is counted afterwards, and when it is greater than 2, the overlap region is determined. Finally, the generated mask is edited to generate a final mask. The two images acquired by GF-3 satellite SAR QPSI model are experimentally verified. The experimental results show that the proposed method is relatively less affected by DEM, and the compensation rate in ascending and descending experiment reaches 99.01%, which verifies the reliability and feasibility of the proposed method, providing technical support for space remote sensing application.

synthetic aperture radar; layover compensation; rational function model; orthophotos; space remote sensing application

P237

A

1009-8518(2019)05-0095-11

程前, 王華斌, 汪韜陽, 等. 基于RFM模型的疊掩區(qū)域定位方法[J]. 航天返回與遙感, 2019, 40(5): 95-105.

CHENG Qian, WANG Huabin, WANG Taoyang, et al. Positioning Method for Layover Area Based on RFM Model[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(5): 95-105. [DOI: 10.3969/j.issn.1009-8518.2019.05.010]

程前，1994年生，2017年獲遼寧工程技術(shù)大學(xué)測繪工程專業(yè)學(xué)士學(xué)位，現(xiàn)在遼寧工程技術(shù)大學(xué)攝影測量與遙感專業(yè)攻讀碩士學(xué)位。研究方向?yàn)楣鈱W(xué)、SAR影像幾何處理和目標(biāo)識(shí)別。Email：qian_cheng_1994@163.com。

2019-07-10

科技部重點(diǎn)研發(fā)計(jì)劃（2018YFB0504905）

（編輯：王麗霞）