2020年  9卷  第3期

综述
摘要:
合成孔径雷达技术经历了二维SAR、二维半SAR(InSAR)、三维SAR,已发展到如今的多维度SAR,取得了巨大的技术成就。该文在简要总结合成孔径雷达及其成像技术发展历程的基础上,提出了全息合成孔径雷达的概念并首次给出了明确的定义,指出该定义与现有全息雷达、多基线圆迹SAR、多维度SAR等概念的区别与联系。并且基于现有多维度SAR模型框架,给出了全息SAR的成像体制和信号模型,提出了初步的成像思路,为全息SAR技术的发展提供了初步的理论和技术框架基础。 合成孔径雷达技术经历了二维SAR、二维半SAR(InSAR)、三维SAR,已发展到如今的多维度SAR,取得了巨大的技术成就。该文在简要总结合成孔径雷达及其成像技术发展历程的基础上,提出了全息合成孔径雷达的概念并首次给出了明确的定义,指出该定义与现有全息雷达、多基线圆迹SAR、多维度SAR等概念的区别与联系。并且基于现有多维度SAR模型框架,给出了全息SAR的成像体制和信号模型,提出了初步的成像思路,为全息SAR技术的发展提供了初步的理论和技术框架基础。
摘要:
城市地表和人工建筑的稳定性监测一直是城市安全的重要监测内容之一。星载合成孔径雷达干涉测量(InSAR)技术以其大范围、高精度、高空间密度的形变获取能力,被广泛用于大范围地表形变监测。近年来,随着星载SAR系统分辨率的不断提高,时序InSAR技术越来越多地应用于重要基础设施的监测。该文结合作者团队长期基于时序InSAR技术在城市地区监测研究经历,总结和回顾了团队关于时序InSAR方法在城市动态监测中的一些典型应用,包括城市机场、高架路网、桥梁、铁路和地铁沿线等,根据多年获取的高分辨率TerraSAR-X影像、Cosmo-SkyMed影像以及后续免费获取的Sentinel-1影像等多种数据以及监测研究中发现的研究问题及相应解决方法,在应用中取得了良好的效果,展现了时序InSAR技术在城区目标精细监测中的潜力。 城市地表和人工建筑的稳定性监测一直是城市安全的重要监测内容之一。星载合成孔径雷达干涉测量(InSAR)技术以其大范围、高精度、高空间密度的形变获取能力,被广泛用于大范围地表形变监测。近年来,随着星载SAR系统分辨率的不断提高,时序InSAR技术越来越多地应用于重要基础设施的监测。该文结合作者团队长期基于时序InSAR技术在城市地区监测研究经历,总结和回顾了团队关于时序InSAR方法在城市动态监测中的一些典型应用,包括城市机场、高架路网、桥梁、铁路和地铁沿线等,根据多年获取的高分辨率TerraSAR-X影像、Cosmo-SkyMed影像以及后续免费获取的Sentinel-1影像等多种数据以及监测研究中发现的研究问题及相应解决方法,在应用中取得了良好的效果,展现了时序InSAR技术在城区目标精细监测中的潜力。
摘要:
星载合成孔径雷达(SAR)能够全天时、全天候、高空间分辨率、宽刈幅观测海洋表面,是获取海面风场和波浪场信息的重要微波传感器。该文综述了多极化SAR海面风场遥感原理、地球物理模式函数,以及潜在应用(海气边界层现象、海上风能资源开发、台风监测与预警预报),系统总结了传统星载SAR、新型干涉和极化SAR海浪遥感方法和技术。随着雷达卫星编队飞行技术的逐步成熟,未来海洋卫星组网将成为全球海洋和极地观测新趋势,合成孔径雷达海面风场和波浪场定量遥感将从科学研究向业务化海洋动力环境监测发展。 星载合成孔径雷达(SAR)能够全天时、全天候、高空间分辨率、宽刈幅观测海洋表面,是获取海面风场和波浪场信息的重要微波传感器。该文综述了多极化SAR海面风场遥感原理、地球物理模式函数,以及潜在应用(海气边界层现象、海上风能资源开发、台风监测与预警预报),系统总结了传统星载SAR、新型干涉和极化SAR海浪遥感方法和技术。随着雷达卫星编队飞行技术的逐步成熟,未来海洋卫星组网将成为全球海洋和极地观测新趋势,合成孔径雷达海面风场和波浪场定量遥感将从科学研究向业务化海洋动力环境监测发展。
摘要:
雷达遥感具有全天时、全天候监测的能力,对植被具有一定的穿透能力,对植被散射体形状、结构、介电常数敏感;这些特性使得其在农业应用中极具潜力。该文首先介绍了雷达遥感在农业中的应用领域,概略总结了目前在农作物识别与分类、农田土壤水分反演、农作物长势监测等多个领域研究的综述文献;然后分别阐述了雷达散射计和各类SAR特征(包括:SAR后向散射特征、极化特征、干涉特征、层析特征)在农业各领域中应用的现状和取得的研究成果,最后结合农业应用需求和SAR技术发展总结了目前研究中存在的问题和原因,并对未来的发展进行了展望。 雷达遥感具有全天时、全天候监测的能力,对植被具有一定的穿透能力,对植被散射体形状、结构、介电常数敏感;这些特性使得其在农业应用中极具潜力。该文首先介绍了雷达遥感在农业中的应用领域,概略总结了目前在农作物识别与分类、农田土壤水分反演、农作物长势监测等多个领域研究的综述文献;然后分别阐述了雷达散射计和各类SAR特征(包括:SAR后向散射特征、极化特征、干涉特征、层析特征)在农业各领域中应用的现状和取得的研究成果,最后结合农业应用需求和SAR技术发展总结了目前研究中存在的问题和原因,并对未来的发展进行了展望。
摘要:
合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一。尽管深度学习技术已被成功应用于解决SAR图像目标识别问题,并显著超越了传统方法的性能,但其内部工作机理不透明、解释性不足,成为制约SAR图像目标识别技术可靠和可信应用的瓶颈。深度学习的可解释性问题是目前人工智能领域的研究热点与难点,对于理解和信任模型决策至关重要。该文首先总结了当前SAR图像目标识别技术的研究进展和所面临的挑战,对目前深度学习可解释性问题的研究进展进行了梳理。在此基础上,从模型理解、模型诊断和模型改进等方面对SAR图像目标识别的可解释性问题进行了探讨。最后,以可解释性研究为切入点,从领域知识结合、人机协同和交互式学习等方面进一步讨论了未来突破SAR图像目标识别技术瓶颈有可能的方向。 合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一。尽管深度学习技术已被成功应用于解决SAR图像目标识别问题,并显著超越了传统方法的性能,但其内部工作机理不透明、解释性不足,成为制约SAR图像目标识别技术可靠和可信应用的瓶颈。深度学习的可解释性问题是目前人工智能领域的研究热点与难点,对于理解和信任模型决策至关重要。该文首先总结了当前SAR图像目标识别技术的研究进展和所面临的挑战,对目前深度学习可解释性问题的研究进展进行了梳理。在此基础上,从模型理解、模型诊断和模型改进等方面对SAR图像目标识别的可解释性问题进行了探讨。最后,以可解释性研究为切入点,从领域知识结合、人机协同和交互式学习等方面进一步讨论了未来突破SAR图像目标识别技术瓶颈有可能的方向。
摘要:
合成孔径雷达(SAR)成像模式丰富、覆盖范围广、分辨率高,可以长期、动态、宏观地对海洋进行监测。在完全发展的相干斑假设条件下,传统单通道SAR图像舰船目标检测方法主要研究幅度信息。然而,其部分假设条件在高分辨率情形下并非严格成立,因此无法有效利用单通道SAR图像的相位或复值信息。该文面向舰船目标检测应用,将单通道复值SAR图像统计建模方法划分为幅度、相位和复值统计建模3个部分,首先简要综述了单通道SAR图像幅度统计建模方法,然后详细阐述了单通道SAR图像相位和复值统计建模方法,并重点介绍了其建模过程和参数估计方法。在此基础上,该文给出了作者研究小组在基于复值统计信息的单通道SAR图像舰船目标检测方面的部分最新研究结果,并分析展望了下一步研究方向。 合成孔径雷达(SAR)成像模式丰富、覆盖范围广、分辨率高,可以长期、动态、宏观地对海洋进行监测。在完全发展的相干斑假设条件下,传统单通道SAR图像舰船目标检测方法主要研究幅度信息。然而,其部分假设条件在高分辨率情形下并非严格成立,因此无法有效利用单通道SAR图像的相位或复值信息。该文面向舰船目标检测应用,将单通道复值SAR图像统计建模方法划分为幅度、相位和复值统计建模3个部分,首先简要综述了单通道SAR图像幅度统计建模方法,然后详细阐述了单通道SAR图像相位和复值统计建模方法,并重点介绍了其建模过程和参数估计方法。在此基础上,该文给出了作者研究小组在基于复值统计信息的单通道SAR图像舰船目标检测方面的部分最新研究结果,并分析展望了下一步研究方向。
摘要:
目标检测与识别是高分辨合成孔径雷达(SAR)领域的热点问题。机场上飞机作为一种典型目标,其检测和识别有一定的独特性。该文回顾了SAR图像典型目标检测识别领域技术的发展过程,分析了SAR图像中飞机目标的散射机制及面临的技术难点,阐述了 SAR 飞机目标检测识别的系统流程、技术路线和关键科学问题,对基于传统与基于深度学习两个方面的飞机目标检测识别的研究进展进行了归纳总结,并讨论了各类方法的特点及存在的问题,展望了未来的发展趋势。该文认为如何将深度学习与目标电磁散射机理结合、提高网络或模型的泛化能力是提升SAR图像中目标检测识别精度的关键,并给出了一种基于散射信息与深度学习融合的飞机目标检测方法。 目标检测与识别是高分辨合成孔径雷达(SAR)领域的热点问题。机场上飞机作为一种典型目标,其检测和识别有一定的独特性。该文回顾了SAR图像典型目标检测识别领域技术的发展过程,分析了SAR图像中飞机目标的散射机制及面临的技术难点,阐述了 SAR 飞机目标检测识别的系统流程、技术路线和关键科学问题,对基于传统与基于深度学习两个方面的飞机目标检测识别的研究进展进行了归纳总结,并讨论了各类方法的特点及存在的问题,展望了未来的发展趋势。该文认为如何将深度学习与目标电磁散射机理结合、提高网络或模型的泛化能力是提升SAR图像中目标检测识别精度的关键,并给出了一种基于散射信息与深度学习融合的飞机目标检测方法。
论文
摘要:
地基雷达是近20几年逐渐发展成熟的微波遥感成像技术,目前已广泛应用于滑坡、崩塌等地质灾害的监测中。地基雷达通过干涉测量原理可以监测到目标区域发生的微小形变,然而受人为因素、地质因素、气象因素等影响,导致雷达图像失相干严重,给长期定量化监测带来较大的难度。因此,迫切需要在定量监测的基础上,进一步开展变化检测方面的应用,为长期全面了解监测区域的动态变化提供有效信息。针对上述问题,该文提出了一种基于改进的模糊C均值聚类(FCM)算法对地基雷达图像进行无监督变化检测,该方法首次利用相干系数图和均值对数比值图进行非下采样轮廓波变换(NSCT)和局部能量法得到合成差异图,然后利用主成分分析(PCA)提取合成差异图中每个像素的特征向量,根据地基雷达图像特点对FCM进行改进,通过改进的FCM对每个像素的特征向量进行聚类得到最终的变化检测结果。利用地基雷达LSA对中国西南某省出现的堰塞体的治理过程进行监测,获取监测区域的地基雷达图像,监测过程中受降水等影响监测体出现滑坡,使用该文方法对其进行变化检测,结果表明该文方法更容易进行聚类分割,变化检测结果在保留变化区域的同时噪声点明显减少。 地基雷达是近20几年逐渐发展成熟的微波遥感成像技术,目前已广泛应用于滑坡、崩塌等地质灾害的监测中。地基雷达通过干涉测量原理可以监测到目标区域发生的微小形变,然而受人为因素、地质因素、气象因素等影响,导致雷达图像失相干严重,给长期定量化监测带来较大的难度。因此,迫切需要在定量监测的基础上,进一步开展变化检测方面的应用,为长期全面了解监测区域的动态变化提供有效信息。针对上述问题,该文提出了一种基于改进的模糊C均值聚类(FCM)算法对地基雷达图像进行无监督变化检测,该方法首次利用相干系数图和均值对数比值图进行非下采样轮廓波变换(NSCT)和局部能量法得到合成差异图,然后利用主成分分析(PCA)提取合成差异图中每个像素的特征向量,根据地基雷达图像特点对FCM进行改进,通过改进的FCM对每个像素的特征向量进行聚类得到最终的变化检测结果。利用地基雷达LSA对中国西南某省出现的堰塞体的治理过程进行监测,获取监测区域的地基雷达图像,监测过程中受降水等影响监测体出现滑坡,使用该文方法对其进行变化检测,结果表明该文方法更容易进行聚类分割,变化检测结果在保留变化区域的同时噪声点明显减少。
摘要:

针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然后利用所训练的CV-CNN完成极化SAR图像的分类。基于3幅实测极化SAR图像的实验结果表明,该文方法能够有效剔除异质样本,与采用原始物体框标注样本的传统全监督分类方法相比可以获得明显更优的分类结果,并且该方法采用CV-CNN比采用经典的支持矢量机(SVM)或Wishart分类器性能更优。

针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然后利用所训练的CV-CNN完成极化SAR图像的分类。基于3幅实测极化SAR图像的实验结果表明,该文方法能够有效剔除异质样本,与采用原始物体框标注样本的传统全监督分类方法相比可以获得明显更优的分类结果,并且该方法采用CV-CNN比采用经典的支持矢量机(SVM)或Wishart分类器性能更优。

摘要:
基于光学和合成孔径雷达(SAR)图像融合的洪灾区域检测方法可以全天候、高时效地检测洪灾区域。由于SAR图像中存在大量随机分布的相干斑噪声,传统洪灾区域检测方法的检测结果存在较高的虚警率。该文在模糊C均值聚类方法(FCM)的基础上提出了分级聚类算法(H-FCM),该方法将洪灾后的SAR图像与洪灾前的光学图像融合。基于融合图像,该方法利用提出的分级聚类模型获得洪灾区域的初步检测结果。此外,该算法在利用所提出的区域生长算法获得洪灾前河流位置后,将其作为初步检测结果的空间约束,进一步筛除疑似洪灾区域,并显著地提升了检测性能。该文的实验数据包括1999年英国格洛斯特洪灾前后的遥感图像和2019年中国南昌洪灾前后的遥感图像。通过对比实验,H-FCM算法的有效性得到验证。 基于光学和合成孔径雷达(SAR)图像融合的洪灾区域检测方法可以全天候、高时效地检测洪灾区域。由于SAR图像中存在大量随机分布的相干斑噪声,传统洪灾区域检测方法的检测结果存在较高的虚警率。该文在模糊C均值聚类方法(FCM)的基础上提出了分级聚类算法(H-FCM),该方法将洪灾后的SAR图像与洪灾前的光学图像融合。基于融合图像,该方法利用提出的分级聚类模型获得洪灾区域的初步检测结果。此外,该算法在利用所提出的区域生长算法获得洪灾前河流位置后,将其作为初步检测结果的空间约束,进一步筛除疑似洪灾区域,并显著地提升了检测性能。该文的实验数据包括1999年英国格洛斯特洪灾前后的遥感图像和2019年中国南昌洪灾前后的遥感图像。通过对比实验,H-FCM算法的有效性得到验证。
摘要:
我国西部山区滑坡灾害频发,具有强隐蔽性、高突发性、强破坏性等特点,对灾害隐患点进行早期识别是最为有效的防灾减灾措施。西部山区多为高山峡谷区域且范围辽阔,人不易至甚至人不能至,传统的人工排查早期识别方法较难实施。合成孔径雷达干涉测量技术(InSAR)作为新兴雷达遥感测量手段,可以高效准确地对高山峡谷区域进行滑坡灾害隐患早期识别。该文基于欧洲空间局(ESA)的哨兵一号(Sentinel-1)SAR遥感数据,利用时间序列InSAR技术对雅砻江流域雅江县-木里县段的高山峡谷区域进行了滑坡灾害隐患广域早期识别,成功探测到8处隐患区域。并结合滑坡隐患历史资料与光学影像遥感解译对识别结果进行了验证与分析,对灾害点风险等级进行了评定。并探讨了几何畸变因素对高山峡谷区域InSAR技术滑坡灾害隐患广域早期识别的影响。该案例可为当地的防灾减灾提供有力的数据与技术支持,并为高山峡谷区的滑坡灾害隐患早期识别提供思路与参考。 我国西部山区滑坡灾害频发,具有强隐蔽性、高突发性、强破坏性等特点,对灾害隐患点进行早期识别是最为有效的防灾减灾措施。西部山区多为高山峡谷区域且范围辽阔,人不易至甚至人不能至,传统的人工排查早期识别方法较难实施。合成孔径雷达干涉测量技术(InSAR)作为新兴雷达遥感测量手段,可以高效准确地对高山峡谷区域进行滑坡灾害隐患早期识别。该文基于欧洲空间局(ESA)的哨兵一号(Sentinel-1)SAR遥感数据,利用时间序列InSAR技术对雅砻江流域雅江县-木里县段的高山峡谷区域进行了滑坡灾害隐患广域早期识别,成功探测到8处隐患区域。并结合滑坡隐患历史资料与光学影像遥感解译对识别结果进行了验证与分析,对灾害点风险等级进行了评定。并探讨了几何畸变因素对高山峡谷区域InSAR技术滑坡灾害隐患广域早期识别的影响。该案例可为当地的防灾减灾提供有力的数据与技术支持,并为高山峡谷区的滑坡灾害隐患早期识别提供思路与参考。
摘要:
为了弥补单基线干涉合成孔径雷达(InSAR)观测信息不足以及几何结构单一限制,该文提出了一种利用ALOS-2 PALSAR-2多基线极化干涉合成孔径雷达(PolInSAR)数据反演森林高度的方法,首先引入相干最大分离算法(MCD)用于寻求极化空间内对体散射最为敏感的极化方式,并利用该极化方式的相干幅度在少量外部已知森林高度数据辅助下对时间去相干半经验散射模型进行解算,然后进一步融合多基线数据用于增加观测几何的多样性,提升反演结果的可靠性。为了验证上述方法的有效性,该文以湖南省攸县黄丰桥国有林场为实验区,采用3对分别具有14天时间基线的ALOS-2 PALSAR-2干涉影像进行实验分析。实验结果表明,该文所提方法有效改善已有方法中的假设和仅适用单基线干涉数据的限制,使反演精度至少提高40%。 为了弥补单基线干涉合成孔径雷达(InSAR)观测信息不足以及几何结构单一限制,该文提出了一种利用ALOS-2 PALSAR-2多基线极化干涉合成孔径雷达(PolInSAR)数据反演森林高度的方法,首先引入相干最大分离算法(MCD)用于寻求极化空间内对体散射最为敏感的极化方式,并利用该极化方式的相干幅度在少量外部已知森林高度数据辅助下对时间去相干半经验散射模型进行解算,然后进一步融合多基线数据用于增加观测几何的多样性,提升反演结果的可靠性。为了验证上述方法的有效性,该文以湖南省攸县黄丰桥国有林场为实验区,采用3对分别具有14天时间基线的ALOS-2 PALSAR-2干涉影像进行实验分析。实验结果表明,该文所提方法有效改善已有方法中的假设和仅适用单基线干涉数据的限制,使反演精度至少提高40%。
摘要:
建筑物损毁评估在灾害应急监测中十分重要。近年来,随着SAR硬件多极化能力的增加,极化SAR为建筑物损毁评估提供了更多的可能性,基于极化特征的建筑物损毁评估方法逐渐成为了研究的重点。然而,由于极化SAR数据获取的限制,当前的研究主要集中在L, C, X等有限波段内。为了进一步加深对SAR图像损毁建筑物极化特征的理解并丰富其它波段下SAR图像损毁建筑物的极化特征应用,该文进行了建筑物Ku波段极化SAR仿真实验,并通过SAR图像极化分解的方法进行了损毁评估特征分析。该文首先制作了真实材料的建筑物缩比模型,利用微波特性测量与仿真成像科学实验平台对损毁前后的建筑物目标进行SAR仿真成像,获取了建筑物损毁前后的Ku波段极化SAR图像。然后,借助\begin{document}$ H/A/\alpha $\end{document}分解、Yamaguchi分解、Touzi分解等极化分解方法分析了Ku波段建筑物目标损毁前后的极化散射特征,分析表明,Yamaguchi分解得到的去定向后的体散射分量、二次散射分量占比以及Touzi分解得到的\begin{document}$ {\alpha }_{\rm s1} $\end{document}分量对于Ku波段建筑物损毁评估具有较好的指示意义;通过与X波段实验测量结果的对比,发现Ku波段对建筑物损毁评估更敏感,这对于未来雷达遥感应用具有重要的启发意义。 建筑物损毁评估在灾害应急监测中十分重要。近年来,随着SAR硬件多极化能力的增加,极化SAR为建筑物损毁评估提供了更多的可能性,基于极化特征的建筑物损毁评估方法逐渐成为了研究的重点。然而,由于极化SAR数据获取的限制,当前的研究主要集中在L, C, X等有限波段内。为了进一步加深对SAR图像损毁建筑物极化特征的理解并丰富其它波段下SAR图像损毁建筑物的极化特征应用,该文进行了建筑物Ku波段极化SAR仿真实验,并通过SAR图像极化分解的方法进行了损毁评估特征分析。该文首先制作了真实材料的建筑物缩比模型,利用微波特性测量与仿真成像科学实验平台对损毁前后的建筑物目标进行SAR仿真成像,获取了建筑物损毁前后的Ku波段极化SAR图像。然后,借助\begin{document}$ H/A/\alpha $\end{document}分解、Yamaguchi分解、Touzi分解等极化分解方法分析了Ku波段建筑物目标损毁前后的极化散射特征,分析表明,Yamaguchi分解得到的去定向后的体散射分量、二次散射分量占比以及Touzi分解得到的\begin{document}$ {\alpha }_{\rm s1} $\end{document}分量对于Ku波段建筑物损毁评估具有较好的指示意义;通过与X波段实验测量结果的对比,发现Ku波段对建筑物损毁评估更敏感,这对于未来雷达遥感应用具有重要的启发意义。