[SARscape] （零）ENVI/SARscape介绍、SAR数据处理常用步骤、工具集说明

浅浅的花香味﹌ 2022-05-31 11:57 638阅读 0赞

### 文章目录 ###

*  SARscape介绍
 *  ENVI软件介绍
 *  SAR数据处理常用步骤
 *   *  单景雷达影像处理
     *  多时相SAR数据处理
 *  基础工具
 *   *  设置
     *  导入
     *  去斑点噪声
     *   *   *   *  多视
                 *  滤波
     *  配准
     *  地理编码与辐射定标（求后向散射系数）
     *  时序分析
     *  信息提取
 *  InSAR工具
 *   *  基线估算
     *  干涉图生成
     *  自适应滤波及相干性
     *  相位解缠
     *  轨道精炼和重去平（选择GCP）
     *  相位高程转换
 *  相关链接

# SARscape介绍 #

【SARscape】由瑞士SARmap公司开发的高级雷达图像处理软件。特点：架构于ENVI软件之上；SAR与光学结合；与ArcGIS无缝集成（SARscape格式的数据直接在ArcGIS可以使用）  
【功能】  
1.数据读取：航天传感器、航空传感器、常见文件格式、RAW数据  
2.数据分析：SAR图像解译、InSAR处理、地球物理建模、干涉叠加分析、极化雷达分析  
3.成果应用：DEM提取、地表形变监测、形变源分析、地表动态监测、地表覆盖监测

# ENVI软件介绍 #

【ENVI软件目录介绍】  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70]  
【ENVI数据格式】有两个文件构成

1.  【数据文件】是一个二进制的栅格数据，以数组的方式存储的。此文件有两种名字（`xiamen`或`xiamen.dat`），一个是没有扩展名的（`xiamen`），一个是有扩展名的（`xiamen.dat`）。两种文件内部没有区别，只是文件名不同，故可以直接重命名为另一个文件名，不需要转格式（`.dat`在ArcGIS中能直接打开）
2.  `xiamen.hdr`：此栅格数据的头文件，是一个文本文件

# SAR数据处理常用步骤 #

## 单景雷达影像处理 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1]  
【步骤】顺序可以改变，看实际实际情况  
1.导入  
2.多视  
3.滤波  
4.地理编码和辐射定标

## 多时相SAR数据处理 ##

【步骤】以8幅多幅Sentinel-1为例  
1.导入：  
2.配准：将8幅的Sentinel-1进行配准  
3.滤波：`De Grandi Spatio-Temporal Filtering`对多景`_rsp`文件一起进行滤波，比单景更好  
4.地理编码：此是哨兵数据，将分辨率设置为20。此步结束即得到后向散射系数

# 基础工具 #

1.`Import Data`：导入  
2.`Basic`：基础工具（多视、滤波、地理编码、辐射定标等）  
3.`Gamma and Gaussion Filtering`：滤波扩展模块  
4.`Focusing`：聚焦。支持ALOS、Sentinel-1、ASAR、ERS-JERS数据，或按照规则自主组织数据  
5.`Interferometry`：干涉。相干性变化监测、生产DEM的工具流、DInSAR形变、 建模、通用InSAR工具、相位处理（Phase Processing）  
6.`Interferometric Stacking`：干涉叠加。PS、SBAS  
7.`ScanSAR Interferometry`  
8.`Polarimetry and PolInASR`  
9.`General Tools`

## 设置 ##

【设置默认路径】`File-->Preference-->Directories`  
【软件使用的内存】`管理员身份运行ENVI Classic-->File-->Preference-->Miscellaneous-->Memory Usage`  
1.Cache Size：建议设置成电脑配置的一半  
2.Image Tile Size：数据分块大小，8G以上设置为100，4G设置4Mb  
【SARscape系统设置】`SARscape-->Preference`  
1.`General parameters->OpenCL Platform Name`：选择GUI加速的显卡  
2.`Load Preferences`：参数说明  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 3]

## 导入 ##

> 1.  [导入DEM][DEM]
> 2.  [导入哨兵1][1]

【导入】生成SARscape能够识别的数据格式  
【Input支持的数据类型】标准雷达格式、ENVI标准格式、一般二进制文件、有地理编码的二进制文件、GPS数据、航空SAR、矢量数据、特殊格式（ALOS PALSAR KC、ALOS GEO Grid）、Tiff格式、ASCII ArcGIS格式  
【Output】生成ENVI及SARscape格式的文件  
【工具】  
![在这里插入图片描述][20191225102106101.png]

## 去斑点噪声 ##

【SAR图像的斑点噪声】SAR是相干系统，斑点噪声是其固有特性均匀的区域，图像表现出明显的亮度随机变化，与分辨率、极化、入射角没有直接关系，属于乘机噪声。多视和滤波可以抑制斑点噪声。

##### 多视 #####

【多视处理】在图像的距离向和方位向上的分辨率做平均，目的是为了抑制SAR图像的斑点噪声。多视的图像提高了辐射分辨率，降低了空间分辨率  
【工具】`/SARscape/Basic/Intensity Processing/Multilooking`  
【多视结果】`_pwr`文件  
【地面分辨率】Pixel Spacing slant range /sin(incidence angle)

<IncidenceAngle>20</IncidenceAngle>
    <PixelSpacingRg>4</PixelSpcingRg>
    <PixelSpacingAz>4</PixelSpacingAz>
    地距分辨率=4.733/sin(20.845)=13.295米，距离向视数为1
    方位向分辨率经过多视后保持与地距分辨率一致，方位向视数为13.295/4.8717≈3

##### 滤波 #####

【滤波】

1.  单波段雷达图像滤波：Mean、Median、Mode、EPS、Frost（常用）、Lee、Anisotropic NonLinear Diffusion
2.  多时相雷达图像滤波：De Grandi、Anisotropic NonLinear Diffusion

【滤波结果】`_fil`文件  
【工具】  
1.基础模块：`/SARscape/Basic/Intensity Processing/Filtering/...`  
2.滤波扩展模块：`/SARscape/Gamma and Gaussan Filtering/...`  
【说明】  
1.`Data type`：single pol一种极化方式，dul pol多种极化方式

## 配准 ##

【作用】将多幅SAR影像进行地理配准，统一栅格单元的位置  
【工具位置】`SARscape-->Basic-->Intensity Processing-->Coregistration`  
【配准结果】`_rsp`文件。若没有配准好，将多景进行彩色显示，会产生重影  
【说明】  
1.`Input File List`：参与配准的SAR影像（\_pwr强度数据）  
2.`Input Reference File`：配准的主影像（\_pwr强度数据）  
3.`DEM File`：可选项（\_dem文件）。若是Sentinel数据必须提供，哨兵数据就是基于DEM进行配准的  
4.`Coregistration With DEM`：是否用DEM配准

## 地理编码与辐射定标（求后向散射系数） ##

【后向散射】SAR系统测量发射和返回脉冲的功率比  
【操作目的】不同SAR传感器有不同的接收模式，为了更好的对比SAR图像几何和辐射特征，需要将SAR数据从斜距或地距投影转换为地理坐标系（后向散射被投影为斜距几何）  
【工具】`/SARscape/Basic/Intensity Processing/Geocoding/Geocoding and Radiometric Calibration`  
1.`Optional Files-->Input Area File`：裁剪的子区域  
2.`Radiometric Normalization`：辐射定标（True即求后向散射系数）  
3.`Local Incidence Angle`：是否输出局部入射角  
4.`Layover/Shadow`：是否输出叠掩和阴影的区域（无信号或信号错误的区域）  
【结果】  
1.`_geo`文件  
2.`_geo_meta`：若是多景进行地理编码，此文件即是将这多景影像组织在一起

【定标后处理】距离校正、介电常数影响校正、绝对校正  
【相关处理】辐射归一化、局部入射角校正、叠掩/阴影处理

--------------------

【应用算法】SAR系统引起的为非线性畸变，尤其是地形起伏较大的地方，所以不能像光学影像一样用多项式校正或仿射变换，要用到严格的多普勒算法，结合传感器和成像特点以及地面形态  
【处理类型】地理编码、几何配准、几何校正、正射校正、概念是相似的，即把SAR图像，无论是斜距几何还是地距几何，转换成地图坐标系，区别在于是否用DEM

1.  椭球体地理编码（处理过程不用DEM数据）
2.  地形地理编码（处理过程需要DEM）  
    【后向散射定标】为了对比不同的传感器获取的同一区域影响；同一传感器以不同的工作模式获取的影像；同一传感器不同时相的数据；使用不同的处理方法来计算

【相关名词】  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 4]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 5]

## 时序分析 ##

【工具位置】`SARscape-->Time Series Analyzer`  
【输入】  
1.打开的是`meta`多时相多波段的组合数据  
2.点击图上位置，选择Plot进行绘制该点在时序上的变化曲线

## 信息提取 ##

【工具位置】`SARscape-->Classification/Classification Workflow`  
【说明】  
1.选择栅格数据：`Input Raster-->Raster File`  
2.选择子区域：`Input Raster-->Browse..-->Spatial Subset-->框选感兴趣区域 or 选择shp文件`  
3.选择掩膜文件：`Input Mask`  
4.选择监督分类：`Use Training Data`  
5.然后框选样本  
6.小斑块处理：`Cleaup`可调节参数（越大处理的越厉害），点击`Preview`可进行预览  
7.输出结果

# InSAR工具 #

## 基线估算 ##

**（1）基线估算的背景**  
【空间基线】卫星两次拍摄的位置是有一定的距离的，这个距离称为空间基线  
【失相干】如果空间基线较长，两个数据就有可能失相干（即相位之间没有干涉信息）。故空间基线要满足一定的阈值，才能够进行InSAR分析  
【时间基线】两次拍摄的时间相隔太长也会导致失相干（此为时间失相干）  
只有在获得地面反射至少有两个天线重叠的时候才可以产生干涉，当基线垂直分量超过了临界值的时候，没有位相信息，相干性丢失，就无法做干涉

**（2）基线估算的作用**  
用来评价干涉影像对的质量。计算基线、轨道偏移（距离向和方位向）和其他系统参数。

**（3）基线估算的工具**  
基线估算有两个工具

1.  两景数据：`SARScape-->Interferometry-->Interferometric Tools-->Baseline Estimation`
2.  多景数据：`SARscape-->Interferometry-->Interferometric Tools-->Multi Baseline Calculation`

**（4）Baseline Estimation工具（两景数据的基线估算）说明**  
工具位置：`SARScape-->Interferometry-->Interferometric Tools-->Baseline Estimation`  
操作说明：

1.  `Input Master File`：输入主影像，一般更早的那景为主影像
2.  `Optional Files-->Output Baseline Root Name`：可选，即输出结果。若不填即表示计算完打印一下就好，不输出到文件中

结果说明：

<table> 
 <thead> 
  <tr> 
   <th>结果</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>Normal Baseline(m) = 180.504</code></td> 
   <td>空间基线，在拍摄时两个传感器间隔的距离180.504米</td> 
  </tr> 
  <tr> 
   <td><code>Critical Baseline min-max(m) = [-6400.098] - [6400.098]</code></td> 
   <td>临界基线，即若空间基线大于6400.098表示两个数据失相干了。一般在应用中需要小于临界基线的十分之一</td> 
  </tr> 
  <tr> 
   <td><code>Absolute Time Baseline (Days)=1</code></td> 
   <td>时间基线</td> 
  </tr> 
  <tr> 
   <td><code>Range Shift (pixels) = 0.515 Azimuth Shift (pixels)=0.038</code></td> 
   <td>数据在方面向、距离向的偏移量，之后可以通过配准来校正</td> 
  </tr> 
  <tr> 
   <td><code>2 PI Ambiguity height (InSAR) (m) = 58.925</code></td> 
   <td>2PI模糊高程（即一周期的相位变化对应的高程变化）。相位变化是周期性的，相位变化2PI对应的高程变化量是58.925。此参数越小，高程测量的精度越高。此参数与空间基线是反比关系。</td> 
  </tr> 
  <tr> 
   <td><code>2 PI Ambiguity displacement (DInSAR) (m) = 0.016</code></td> 
   <td>DInSAR精度为0.016</td> 
  </tr> 
  <tr> 
   <td><code>1 Pixel Shift Ambiguity height(Stereo Radargrammetry) (m) = 6285.378</code></td> 
   <td>立体量测的精度6285.378m（哨兵数据适合做InSAR、不适合应用于立体量测）</td> 
  </tr> 
  <tr> 
   <td><code>1 Pixel Shift Ambiguity displacement (Amplitude Tracking (m) = 1.666</code></td> 
   <td>振幅偏移量测，做大的形变（完全失相干的形变，如滑坡、冰川移动等）的精度是1.666米</td> 
  </tr> 
  <tr> 
   <td><code>Master Incidence Angle = 48.963 Absolute Incidence Angle difference = 0.011</code></td> 
   <td>主影像入射角48.963，主从影像相差0.011</td> 
  </tr> 
 </tbody> 
</table>

## 干涉图生成 ##

**（1） 工具说明**  
【工具】`SARscape-->Interferometry-->Interferogram generation-->With DEM`  
【输入】两景主从影像  
【输出】  
1.经配准和多视的两景数据的干涉图(\_int)  
2.主从影像的强度图(\_pwr)

说明：距离向=1，方位向=4的多视，约可得到15m的地面分辨率

**（2）背景**  
**干涉条纹**：即是干涉相位图形化显示的结果，可以打开`*_int_ql.tif`干涉快视图进行查看

1.  一个颜色周期就代表相位的一次2π变化：红色-黄色-蓝绿色为一个完整的2PI变化周期
2.  干涉条纹越密集，此地方的地表高程变化越大，起伏的越厉害。**这些是要保留下来的地形相位**
3.  间隔相同，有规律的条纹是由于平地效应所造成的，可以**通过去平工具去除**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 6]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 7]  
**去平之后的干涉图像**：去除间隔相同，由平地效应造成的干涉条纹。保留因地形起伏、高程起伏所导致的干涉条纹。可以打开`*_dint_ql.tif`来查看。接下来就是进行滤波，去除一些噪声，让干涉条纹变得更加平滑。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 8]

## 自适应滤波及相干性 ##

【工具】`SARscape-->Interferometry-->Adaptive Filter and Coherence Generation-->Boxcar Window`  
【作用】对上一步去平后的干涉图(\_dint)进行滤波，去掉由平地干涉引起的位相噪声。同时，生成干涉的相干图（描述位相质量）和滤波后的主影像强度图

*  滤波方式可选用Boxcar，以去除由平地干涉引起的相位噪声
 *  相干性系数的计算可为轨道精炼和重去平提供帮助

![format_png][]

加载滤波后的\_fint图像和上一步中的\_dint图像对比。加载相干性图，打开CursorLocation/Value查看像元值，相干性系数分布在0-1，值越大说明该区域的相干性越高，值越小，表明该区域在两个时相上发生了变化。

## 相位解缠 ##

【工具】`SARscape-->Interferometry-->Phase Unwrapping`  
【作用】干涉相位只能以2π为模，所以只要相位变化超过了2π，就回重新开始循环。 相位解缠是对**去平**和**滤波**后的位相进行相位解缠，解决2π模糊的问题

【输入】

1.  Interferogram file  
    上一步生成的滤波后的\_fint图像（或去平后的差分干涉图\_dint）
2.  Coherence file  
    上一步生成的相干性图像\_cc
3.  区域增长法解缠算法Region Growing
4.  相干性阈值Coherence threshold
5.  分解等级Decomposition levels

![format_png 1][]

## 轨道精炼和重去平（选择GCP） ##

【轨道参数修正】

1.  当输入精确的轨道信息如DORIS，为了校正相位偏移，所以要进行轨道参数的修正，矫正的结果不会生成新的数据文件，而是将解缠后相位头文件的信息做了修正。
2.  为了进行这一步，需要地面控制点文件，这个控制点必须要分布在整景图像上，避免选择地形残差条纹区域，尽量选择平地区域

【操作】[选择GCP，用于轨道精炼][GCP]

## 相位高程转换 ##

【作用】将经过绝对校准和解缠的实际相位，结合合成相位，生成进行过地理编码的DEM文件

# 相关链接 #

1.  技术支持邮箱：`ENVI-IDL@esrichina.com.cn`
2.  ENVI/IDL技术博客
3.  [ENVI/IDL视频][ENVI_IDL]：优酷用户`ENVIIDL中国`
4.  [InSAR技术优秀博文][InSAR]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70]: /images/20220531/43d32d1a406f47819a8974e00ae3164e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 1]: /images/20220531/4086ae571cdf409882564163665753c5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 2]: /images/20220531/bed602687cc14e9e83d04cf5374055a3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 3]: /images/20220531/0a517aecf059468e9740b3f00815928b.png
[DEM]: https://geodoer.blog.csdn.net/article/details/89047932
[1]: https://geodoer.blog.csdn.net/article/details/73382441
[20191225102106101.png]: /images/20220531/7a6ee5b010cc4ea4aa0857f9febee7d2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 4]: /images/20220531/c9fe60761968474882702af0bc7dd199.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 5]: /images/20220531/313a588b4ea94d44b570202fd4a2e1ac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 6]: /images/20220531/39cf312ff50d46e3aaea7b225d3d1f60.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 7]: /images/20220531/909ad14b449f4b99a1ebc9c9f8efa0c3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9nZW9kb2VyLmJsb2cuY3Nkbi5uZXQ_size_16_color_FFFFFF_t_70 8]: /images/20220531/49c44eecb26b49b891323367195f0d98.png
[format_png]: /images/20220531/7e6aacf78bb0494e84a3ff267204734a.png
[format_png 1]: /images/20220531/8d6114629a344ac4a72a8a7b19b1c8dc.png
[GCP]: http://blog.csdn.net/dsac1/article/details/78684528
[ENVI_IDL]: https://i.youku.com/i/UMzM2MjIwMDY4?spm=a2hzp.8244740.0.0
[InSAR]: https://blog.csdn.net/qiupingzhao/category_6153232.html