机载SAR图像辐射定标：后向散射系数σ⁰的标准化流程

辐射定标作为SAR数据处理的关键环节，通过将原始灰度值转换为具有物理意义的后向散射系数 σ⁰，为定量遥感应用提供可靠的数据基础。本文将详细介绍机载SAR图像辐射定标的标准化流程，分析关键技术难点及解决方案。

一、辐射定标的基本概念与意义

辐射定标是将SAR系统获取的原始信号强度转换为绝对后向散射系数的过程，其核心目标是消除系统本身及外部环境对信号的影响，使不同时间、不同平台获取的SAR数据具有可比性。

1. 后向散射系数 σ⁰的物理意义

后向散射系数 σ⁰是描述目标散射特性的物理量，定义为单位面积上的平均后向散射截面，其表达式为：
 σ⁰ = 4πR²·P_r / (P_t·G_t·G_r·λ²·L) 
其中，R 为雷达与目标的距离，P_r 为接收功率，P_t 为发射功率，G_t 和 G_r 分别为发射和接收天线增益，λ 为雷达波长，L 为系统损耗。σ⁰的单位通常为 dB，通过 10log₁₀(σ⁰) 转换得到。

2. 辐射定标的必要性

机载SAR系统的原始图像灰度值受到多种因素影响：
（1）系统参数变化：发射功率波动、天线增益不稳定、接收机增益漂移等
（2）观测几何差异：入射角变化、距离变化、平台姿态变化
（3）环境影响：大气衰减、地形起伏引起的距离变化
（4）数据处理影响：脉冲压缩、成像算法等处理过程的增益变化
未经定标的SAR数据无法进行定量分析，例如无法比较不同区域的散射特性，也无法监测同一区域的时间变化。辐射定标通过标准化处理，消除这些影响因素，使 σ⁰值仅反映地表目标的固有散射特性。

二、机载SAR辐射定标的标准化流程

机载SAR辐射定标的标准化流程包括数据预处理、定标参数获取、辐射定标计算和定标精度验证四个主要阶段，每个阶段都有明确的处理目标和技术要求。

1. 数据预处理

预处理阶段的目标是消除原始数据中的噪声和系统误差，为后续定标计算提供高质量数据。

（1）原始数据格式转换与解析
机载SAR系统通常输出特定格式的原始数据（如 CEOS、HDF5 等），需要转换为通用格式并解析关键参数：

• 雷达系统参数：波长、极化方式、脉冲重复频率（PRF）等
• 成像参数：距离向采样率、方位向采样率、分辨率等
• 平台参数：飞行高度、速度、姿态角（俯仰角、横滚角、航向角）等
• 观测参数：入射角、观测距离、波束宽度等

（2）噪声去除

SAR图像中存在热噪声和相干斑噪声，需要进行针对性处理：

• 热噪声去除：通过分析图像中的无回波区域（如平静水面、阴影区）估计噪声水平，从原始数据中减去噪声均值
• 相干斑抑制：采用多视处理、Lee 滤波、Frost 滤波等方法抑制相干斑噪声，在保持边缘信息的同时降低噪声影响

（3）几何校正
机载SAR图像的几何畸变主要来自平台运动和地形起伏，需要进行几何校正：

• 运动误差校正：利用惯性测量单元（IMU）和全球定位系统（GPS）提供的平台运动数据，修正由于平台姿态变化引起的几何畸变
• 地形校正：对于地形起伏较大的区域，需要使用数字高程模型（DEM）进行地形校正，消除坡度和坡向对后向散射系数的影响

2. 定标参数获取

定标参数的准确性直接影响辐射定标的精度，需要通过多种手段精确获取。

（1）系统参数获取
系统参数包括雷达硬件固有的技术参数，主要通过以下途径获取：

• 仪器标定数据：雷达系统出厂时的标定报告，包含发射功率、天线增益、接收机增益等参数
• 实时监测数据：机载SAR系统在飞行过程中实时记录的系统状态参数，如发射功率监测值、接收机增益设置等
• 实验室标定：定期将雷达部件送至实验室进行标定，更新系统参数

（2）定标场数据获取
定标场是辐射定标的重要参考标准，分为人工定标器和自然定标场：

• 人工定标器：
• 角反射器：通常采用三面角反射器，具有已知的雷达截面积（RCS），安装在平坦、开阔的区域
• 校准球：用于全极化SAR定标的球形定标器，具有稳定的散射特性
• 数据采集：获取定标器的精确位置（经纬度、高程）、物理尺寸和 RCS 值
• 自然定标场：
• 均匀区域：如沙漠、平坦耕地、平静水面等具有均匀散射特性的区域
• 稳定目标：如裸露岩石、建筑物屋顶等散射特性稳定的目标
• 数据采集：通过地面测量获取定标场的物理特性（如粗糙度、湿度等）和几何参数

（3）大气参数获取
大气对微波信号的传播有衰减作用，需要获取大气参数进行校正：

• 气象数据：通过机载气象雷达或地面气象站获取温度、湿度、气压等数据
• 大气衰减模型：根据雷达波长和大气参数，使用经验模型（如 ITU-R 模型）计算大气衰减系数

3. 辐射定标计算

辐射定标计算是将预处理后的SAR图像灰度值转换为后向散射系数 σ⁰的核心过程，主要包括灰度值到雷达截面积（RCS）的转换和 RCS 到 σ⁰的转换两个步骤。

（1）灰度值到雷达截面积（RCS）的转换
SAR图像的灰度值（DN 值）与雷达接收功率成正比，需要通过定标参数将其转换为雷达截面积：
 RCS = (DN²·K) / (G·L·λ²·PRF·τ) 
其中，DN 为图像灰度值，K 为系统增益常数，G 为天线增益，L 为系统损耗，λ 为雷达波长，PRF 为脉冲重复频率，τ 为脉冲宽度。
对于使用人工定标器的情况，通过已知 RCS 的定标器回波计算定标常数 K：
 K = (RCS_cal·G·L·λ²·PRF·τ) / DN_cal² 
其中，RCS_cal 为定标器的已知雷达截面积，DN_cal 为定标器在SAR图像中的灰度值。

（2）雷达截面积到后向散射系数 σ⁰的转换
雷达截面积（RCS）是目标的绝对散射强度，需要转换为单位面积的后向散射系数 σ⁰：
 σ⁰ = RCS / A 
其中，A 为目标在地面上的投影面积，由SAR系统的观测几何参数计算：
 A = (r·θ_r)·(v·T_a) 
其中，r 为雷达到目标的斜距，θ_r 为距离向波束宽度，v 为平台飞行速度，T_a 为方位向积分时间。
对于条带模式SAR，后向散射系数的计算公式可简化为：
 σ⁰ = (4π·r³·c·PRF·DN²·K) / (2·v·λ³·G²·L·sinθ) 
其中，c 为光速，θ 为入射角，其他参数含义同上。

（3）极化校准
对于极化SAR数据，还需要进行极化校准，消除极化通道之间的串扰和幅度不平衡：

• 利用极化定标器（如校准球）的已知极化特性，计算极化校准矩阵
• 通过校准矩阵对不同极化通道的后向散射系数进行校正，确保各极化通道之间的一致性

4. 定标精度验证

定标精度验证是评估辐射定标结果可靠性的关键步骤，通过多种方法验证定标结果的准确性。

（1）定标器验证
利用人工定标器的已知 RCS 值验证定标结果：

• 计算定标器在定标后的 σ⁰值
• 与理论计算的 σ⁰值进行比较，计算误差：

 σ_error = |σ⁰_cal - σ⁰_theo| / σ⁰_theo × 100% 
其中，σ⁰_cal 为定标后得到的定标器后向散射系数，σ⁰_theo 为理论计算值。一般要求定标误差小于 1dB。

（2）自然目标验证
选择具有稳定散射特性的自然目标进行验证：

• 同一区域不同时间获取的SAR数据，在定标后应具有一致的 σ⁰值
• 对于散射特性已知的自然目标（如平静水面的 σ⁰约为 - 25dB 至 - 30dB），定标结果应在合理范围内

（3）交叉验证
与其他定标方法或已标定的数据进行交叉验证：

• 与卫星SAR定标结果比较：对于同一区域，机载SAR与卫星SAR（如 Sentinel-1、ALOS-2）的定标结果应具有一致性
• 与地面测量数据比较：通过地面散射计等仪器测量的后向散射系数与SAR定标结果进行比较

三、辐射定标中的关键技术难点与解决方案

机载SAR辐射定标过程中面临多种技术挑战，需要针对性地采取解决方案。

1. 系统参数不稳定性问题

难点：机载SAR系统在长时间飞行过程中，发射功率、接收机增益等参数可能发生漂移，导致定标参数不准确。
解决方案：

• 采用实时监测技术：在飞行过程中实时监测关键系统参数，记录参数变化曲线
• 分段定标策略：将飞行数据按时间分段，每段使用该时段的系统参数进行定标
• 自适应校正算法：通过分析定标器回波的变化，自适应调整定标参数，补偿系统漂移

2. 入射角变化的影响

难点：机载SAR通常采用侧视成像方式，图像不同区域的入射角存在差异，导致同一目标在图像不同位置的 σ⁰值不同。
解决方案：

• 入射角校正模型：建立 σ⁰与入射角的关系模型，对不同入射角的像素进行归一化处理
• 局部入射角计算：利用 DEM 数据精确计算每个像素的局部入射角，进行针对性校正
• 地形因子补偿：对于地形起伏区域，引入坡度、坡向等地形因子，修正地形引起的入射角变化

3. 定标器安装与识别问题

难点：人工定标器的安装精度和在SAR图像中的识别准确性会影响定标精度。
解决方案：

• 高精度安装：使用全站仪等精密测量仪器确保定标器的水平度和朝向精度，误差控制在 0.1° 以内
• 多定标器布局：在成像区域内均匀布置多个定标器，减少单个定标器误差的影响
• 自动识别算法：结合定标器的位置信息和散射特性，开发基于模板匹配和峰值检测的定标器自动识别算法

4. 相干斑噪声的影响

难点：相干斑噪声会导致同一均匀区域的 σ⁰值出现较大波动，影响定标精度评估。
解决方案：

• 多视处理：通过增加方位向或距离向的多视数量，降低相干斑噪声的影响
• 统计滤波：对定标区域采用局部统计滤波（如均值滤波、中值滤波），在保持均值的同时降低方差
• 区域统计：对均匀区域进行统计分析，使用区域均值作为定标参考值，减少噪声干扰

5. 大气衰减校正问题

难点：微波信号在大气中传播时会发生衰减，不同波长和气象条件下的衰减系数差异较大。
解决方案：

• 大气模型选择：根据雷达波长和区域气候特点，选择合适的大气衰减模型（如对 L 波段和 C 波段采用不同的衰减模型）
• 实时气象数据融合：将机载气象测量数据与地面气象站数据融合，提高大气参数的准确性
• 双频校正：对于双频SAR系统，利用不同波长的大气衰减差异进行交叉校正，提高衰减系数的可靠性

四、辐射定标质量提升的优化策略

为进一步提高机载SAR辐射定标的精度和可靠性，需要从系统设计、数据采集到数据处理的全流程进行优化。

1. 系统设计优化

• 定标硬件集成：在机载SAR系统中集成专用的定标模块，实时监测发射功率、接收机增益等关键参数
• 多极化通道设计：采用高精度的极化隔离技术，降低极化通道之间的串扰，提高极化定标的精度
• 同步测量装置：集成高精度 IMU 和 GPS，提高平台运动参数的测量精度，为几何校正提供可靠数据

2. 数据采集优化

• 定标场选择：选择地形平坦、散射特性均匀、无遮挡的区域作为定标场，减少地形和环境干扰
• 飞行计划设计：在成像区域内包含多个定标器，确保定标器分布均匀；重复飞行同一区域，获取多组数据用于交叉验证
• 同步观测：在SAR数据采集的同时，进行地面同步测量，包括定标器参数、地表参数和气象参数

3. 数据处理优化

• 自适应定标算法：开发基于机器学习的自适应定标算法，能够自动识别定标器、估计噪声水平和校正系统漂移
• 多源数据融合：融合光学遥感数据、DEM 数据和地面测量数据，提高几何校正和地形校正的精度
• 定标结果可视化：开发定标结果可视化工具，直观展示 σ⁰的空间分布和统计特征，便于定标精度评估

机载SAR图像的辐射定标是实现定量遥感应用的关键技术，其核心是将原始图像灰度值标准化为具有物理意义的后向散射系数 σ⁰。标准化流程包括数据预处理、定标参数获取、辐射定标计算和定标精度验证四个主要阶段，每个阶段都有明确的技术要求和处理方法。

辐射定标过程中面临系统参数不稳定、入射角变化、定标器识别困难、相干斑噪声影响和大气衰减校正等技术难点，需要通过实时监测、自适应校正、多源数据融合等技术手段加以解决。通过系统设计、数据采集和数据处理的全流程优化，可以进一步提高辐射定标的精度和可靠性。

---

MiniSAR聚焦于微型合成孔径雷达（SAR）制造研发，为用户提供定制化机载SAR、轻型MiniSAR、无人机载MiniSAR、SAR数据采集服务、SAR飞行服务等。如您有相关业务需求，欢迎联系！

---