2. 中国科学院空天信息创新研究院, 北京 100190;
3. 中国科学院大学电子电气与通信工程学院, 北京 100049;
4. 中国资源卫星应用中心, 北京 100094;
5. 32021部队, 北京 100094
2. Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100190, China;
3. School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China;
4. China Centre for Resources Satellite Data and Application, Beijing 100094, China;
5. Troops 32021, Beijing 100094, ChinaAbstract
合成孔径雷达(synthetic aperture radar, SAR)是主动微波成像传感器，该技术的发展始于1957年8月23日密歇根州立大学与美国军方合作研究的合成孔径雷达实验系统[1-2]。1978年，美国国家航空航天局发射全球首颗装载SAR的海洋卫星Seasat-A，此后全球航天大国相继发射SAR卫星[3-5]。我国星载SAR目前已实现系统体制从单通道向多通道、极化方式从单一极化到全极化的技术跨越[6]，分辨率从米级提升到亚米级。天绘二号是我国发射的一组干涉合成孔径雷达(interferometric synthetic aperture radar, InSAR)卫星，具有立体图像测图能力，用于生产无地面控制点测绘产品，相比于单SAR卫星优势显著[7-9]。对于天绘二号卫星的研究，文献[7]提出了天绘二号卫星技术体制，验证了天绘二号卫星工程设计思路的正确性；文献[10]对天绘二号卫星的干涉定标问题进行了研究。
SAR原始回波数据传输和成像是SAR处理链上的前两个环节，对成像后图像质量进行定量评估，对于提高后续目标检测、分割、融合等应用水平有很重要的意义[11-12]。图像质量的评估可以应用到所有涉及SAR图像的处理过程，例如空间分辨率指标能够用于目标特征与轮廓提取、回波散射分析。空间分辨率越高，图像成像精度越高；峰值旁瓣比(peak side lobe ratio, PSLR)越小，代表SAR图像中目标越明显，最终的成像质量越高。相对辐射精度能够为区域内目标的定位以及最终目标成像精度提供分析和判别。这些指标对于SAR图像实际应用有重要的指示作用。近年来国内外对SAR图像质量的评价方法及其相关内容做了很多的研究。文献[13]基于雷达定位定标讨论了人工目标的设计和满足所需亮度的物理尺寸要求，为确定不同目标尺寸的雷达响应进行了试验，并对最终SAR图像进行了理论验证。SAR图像评价方法分为主观层面、客观层面和综合层面3个方面。
在主观评价方面，文献[14]介绍了NIIRS准则、GIQE模型两种方法的基本原理和评价步骤，指出主观评价方法效率低、性能受SAR图像数据集制约等缺点；文献[15]从任务需求出发，通过对NIIRS的发展过程进行讨论，得到一个基于人类视觉特性的主观定量评价标准。主观评价方法的优势在于其评价结果与图像应用目的的适应程度高，劣势在于需要对图像判译人员进行专业的训练，时间和经济成本高，而且容易受到人为因素的干扰。
客观评价方法是SAR图像解译分析中重要的方法，可以避免主观因素的影响，主要基于SAR的性能、SAR图像本身、SAR系统设计等角度进行考虑。从SAR性能的角度出发，文献[16]针对高分三号卫星几何图像质量指标和辐射图像质量指标的影响因素进行分析，设计了相关的评价指标并进行验证；文献[17]从SAR的聚焦性能和辐射性能的角度，提出了用于点分析和分布式分析的方法，并确定了一组必须分析的参数。从SAR图像本身出发，文献[18—19]提出了一种客观图像质量评价系统，既能体现成像过程的效果，又体现了应用需求；文献[20]通过对图像本身的结构进行分析，在此基础上得到了一个相对完备的SAR图像质量评价方法；文献[21]考虑到HVS对图像质量的影响，将极化SAR的图像分成简单和复杂部分分别进行评估然后加权求和得到最终的评价。基于SAR系统设计角度，文献[22]从SAR系统设计参数出发，通过分析不同的参数误差可能会对图像的质量产生影响的不同，提出了一种基于系统设计参数的图像评价质量方法；客观评价方法有效避免了主观因素的影响，能够满足绝大多数场景的应用需求。
综合评价方法是一种结合了主观和客观指标的评价方法。客观评价方法的不同指标对于不同用户的任务影响差别较大，物理量之间有较强的相关性，如何选择合适的客观评价指标对图像进行全面评价是有难度的。为了平衡单纯采用主观评价方法或客观评价方法的局限性，一些学者针对特定的应用场景，对综合评价方法做出阐述。文献[23]首先对无原始参考的SAR图像计算均值、方差、对比度和陡度，然后将计算得到的参数作为神经网络的输入，将标有图像等级的参数作为整个网络的输出，通过大量数据的训练，得到一种面向应用的SAR图像评价模型。文献[24]提出因素论域和评论域的概念，即将一些能反映图像质量的指标和参数，如反映灰度信息、图像清晰图和对比度的参数作为因素论域，将国家标准GB/T 18316—2001《数字测绘产品检查和验收质量评定》规定的优、良、合格和不合格的4个等级作为评论域进行综合的评价，但是各项指标的权值和阈值都是人为设定，不具有普适性。文献[25]提出一种结合模糊数学和信息论的模糊度综合评价法对数字正射图像质量进行度量的模型。虽然解决了传统目视判译容易受到人为因素干扰的问题，但是由于该模型以灰度级为基础进行计算，而且使用了部分的经验值，因此该模型具有很大的局限性。综合评价方法同样存在时间周期长，经济成本高的问题，并且其考虑的因素较多，实际应用起来更为复杂。
具体到本文研究的内容，在轨测试期间，对于天绘二号卫星图像，需要进行快速有效的SAR图像质量分析，利用客观评价方法可以满足需求，如果引入主观因素，对实时性、高效性、客观度造成影响。因此，权衡主观、客观和综合方法的优点和局限性以及在轨测试阶段的任务需求，本文采用客观评价指标对天绘二号卫星在轨测试期间获得的图像进行评价，分析A星和B星的成像能力及其和设计指标要求的符合度，同时为后期图像的处理和应用提供参考。
1 天绘二号卫星图像质量评价方法天绘二号是我国第1颗干涉SAR卫星，目前国内关于天绘二号卫星的研究主要集中在系统设计、干涉定标等方面，并没有针对其SAR图像质量分析的研究。本文利用SAR图像质量评价方法，选取基于点目标和面目标的客观评价指标，对天绘二号01组卫星图像质量进行全面评价分析。对于天绘二号01组A星、B星3个时间点进行了数据采集，获取SAR图像，计算相应的客观评价指标，对于3个时间点SAR图像的指标进行比较，给出了对于天绘二号卫星在轨测试期间SAR图像的分析。
1.1 基于点目标的客观评价指标基于点目标的评估指标主要包括空间分辨率、峰值旁瓣比、积分旁瓣比和相对辐射精度。以上参数的理论值均可通过计算和分析SAR图像中点目标的冲激响应函数(impulse response function, IRF)得到，点目标冲激响应函数h(t)如图 1所示。
|
| 图 1 点目标冲激响应函数h(t) Fig. 1 Impulse response function h(t) |
1.1.1 空间分辨率
在SAR图像中，空间分辨率是指图像中所包含的典型的点目标在方位向和距离向上的冲激响应函数主瓣峰值左侧和右侧下降至3 dB处所包含的像素个数与像素分辨率的比值的均值。计算公式为
(1)
式中，sum(ρ-3dBleft, n: ρ-3dBright, n)表示从主瓣左侧-3 dB至右侧-3 dB的方位向或距离向的像素个数；ρpixel表示像素分辨率；N表示从待评价的图像中选择的用于评价的点目标的个数。
1.1.2 峰值旁瓣比峰值旁瓣比(PSLR)定义为最大旁瓣强度值与主瓣强度值的比值，该参数可以用来衡量SAR图像从强目标周围检测出弱目标的能力，PSLR越小，说明点目标的能量越集中，在SAR图像中该目标越明显。计算公式为
(2)
式中，Is为最大旁瓣的强度值；Im为主瓣的强度。
1.1.3 积分旁瓣比积分旁瓣比(integrated side lobe ratio, ISLR)定义为冲激响应函数所有旁瓣能量之和与主瓣能量的比值，该指标更加侧重描述旁瓣相对于主瓣的重要性，即从SAR图像中的亮目标附近检测出暗目标的能力。为
(3)
式中，h(τ)表示距离向或者方位向的冲激响应函数；[a, b]表示主瓣区间。
当目标的能量分散时会导致峰值旁瓣比和积分旁瓣比较高，在图像上强目标会呈现十字型对周围暗目标形成掩盖。当图像对比度低时，图像中充满大量的阴影区域，此时，ISLR的值也比较大，一般过大的ISLR会导致目标检测过程中出现大量的虚假目标。
1.1.4 相对辐射精度相对辐射精度(relative radiation accuracy, RRA)可以通过计算多个具有相同标称后向散射系数值的点目标的能量获得，一周期的相对辐射精度计算方法为
(4)
式中，i为角反射器的编号；N为角反射器的个数；Ei为第1次成像时第i台角发射器的能量测量值；E′i为第2次成像时第i台角发射器的能量的测量值。
1.2 基于面目标的客观评价指标基于面目标的评价往往是对SAR图像中具有相同后向散射特性的像元构成的图像区域进行评价，其指标包括均值、方差、等效视数和辐射分辨率。
1.2.1 均值和方差图像均值μ指的是对待评价区域的强度值进行统计平均，该指标可以反映图像中所包含的所有地物目标的平均后向散射系数的水平
(5)
式中，Ii, j为图像在点(i, j)处的强度值；M×N为图像的高度和宽度值。
图像的方差σ2代表图像中所有像素点的强度值偏离均值的程度，σ2反映了图像的不均匀性
(6)
式中，σ为图像的标准差。对SAR图像单纯地分析均值和方差，一方面是均值和方差可以反映图像的整体特征，因为不同地物目标的后向散射系数不同，在SAR图像上的均值和方差也不同。一般来说，图像的方差值越小，区域地形越均匀。另一方面，基于面目标的客观评价指标的计算大都是基于均值和方差的，如后面提到等效视数、辐射分辨率等。
1.2.2 等效视数图像局部均匀区域的等效视数(equivalent number of looks, ENL)为成像以后的图像强度的均值与标准差比值的平方。等效视数的计算公式为
(7)
ENL反映的是SAR图像中所包含乘性噪声的强度。ENL越小，图像中包含的乘性噪声越少，图像质量越高。
1.2.3 辐射分辨率辐射分辨率(radiometric resolution, RadRes)是度量SAR图像灰度级分辨能力的一项指标，它通过描述各个像素点的辐射质量来对目标的后向散射系数进行区分，辐射分辨率对SAR图像的量化和判读具有重要作用
(8)
试验数据选择天绘二号01组卫星的A星和B星降轨时图像。卫星运行的轨道高度为500 km，1景图像幅宽为30 km，尺寸大小为10 000×10 000像素，图像分辨率为3 m，分别选择A星、B星于2019年5月26日18时25分、5月28日17时46分、6月8日19时35分3个不同时相经过内蒙古定标场的6组数据，截取大小为1000×1000像素且包含均匀区域的图像(图 2)进行了图像质量评价和指标验证。其中基于点目标的评价参数进行计算时，截取了该图范围内10个角反射器所在位置为点目标，图 3对天绘二号A星5月26日的角反射器目标进行了单独陈列，其他的数据形式与此相似，由于篇幅原因不予全部列出。而对基于面目标的评价指标进行计算时，数据则截取原始图像中相对均匀的区域(非同一区域)，本文处理部分为图 2所框选的均匀区域。
|
| 图 2 天绘二号01组A、B星3个不同时相图像 Fig. 2 Image of satellite TH-2-01 A, B in different temporal |
|
| 图 3 天绘二号01组A星5月26日点目标图像 Fig. 3 Point target image of satellite TH-2-01 A on May 26th |
根据1.1节和1.2节确定的基于点目标和基于面目标的客观指标计算方法，通过在Matlab 2018 a上进行编程实现，计算得到3个不同时相图像的客观指标值，结合天绘二号01组卫星的设计指标要求来评价其图像质量。另外，所选的区域包含人为布设的10个角反射器，在计算点目标评价指标空间分辨率、峰值旁瓣比和积分旁瓣比时，对10个角反射器形成的点目标分别计算对应的指标然后取平均值作为最终的结果。而且，由于数据限制，相对辐射精度计算的是1景的值。
面目标评价指标和光学遥感卫星质量评价不同，对光学卫星质量评价时选择清晰度、对比度和边缘能量等指标进行评价，而在衡量SAR的成像质量时，则是对成像后的整幅图像中选择分布均匀的区域进行计算，以得到其对灰度级分辨能力和图像包含乘性噪声的强度的表征。
2.2 图像质量评价和分析表 1为不同时相卫星图像的各项客观评价指标的计算结果。天绘二号01组卫星星地一体化SAR成像质量要求指标[7]与试验值见表 2。
| 指标 | 5月26日 | 5月28日 | 6月8日 | ||||||
| A星 | B星 | A星 | B星 | A星 | B星 | ||||
| 空间分辨率/m | 距离向 | 2.2 | 2.2 | 1.7 | 1.7 | 1.8 | 1.8 | ||
| 方位向 | 2.7 | 2.7 | 2.7 | 2.7 | 2.4 | 2.4 | |||
| 峰值旁瓣比/dB | 距离向 | -24.8 | -22.4 | -24.5 | -22.4 | -25.4 | -22.7 | ||
| 方位向 | -22.4 | -22.2 | -23.0 | -23.1 | -24.3 | -21.2 | |||
| 积分旁瓣比/dB | 距离向 | -21.3 | -20.4 | -21.3 | -20.6 | -21.5 | -25.5 | ||
| 方位向 | -18.0 | -18.2 | -18.3 | -18.3 | -20.0 | -20.1 | |||
| 相对辐射精度/dB | 0.2 | 0.3 | 0.1 | 0.1 | 0.2 | 0.2 | |||
| 均值 | 154.0 | 153.9 | 58.8 | 53.3 | 79.5 | 82.9 | |||
| 方差 | 93.2 | 90.4 | 45.9 | 40.5 | 53.4 | 50.9 | |||
| 等效视数 | 254.3 | 261.9 | 75.4 | 70.1 | 118.6 | 135.1 | |||
| 辐射分辨率/m | 0.3 | 0.3 | 0.5 | 0.5 | 0.4 | 0.4 | |||
| 设计指标 | SR/m | PSLR/dB | ISLR/dB | RRA |
| 指标 要求 |
3 | ≤-20 | ≤-13 | 1景内优于1.2 dB，1个周期内优于1.7 dB |
| 最小值 | 1.7 | -25.4 | -25.5 | 0.1 |
| 最大值 | 2.7 | -21.2 | -18.0 | 0.3 |
| 均值 | 2.2 | -23.2 | -20.3 | 0.2 |
(1) 天绘二号01组卫星SAR成像质量与设计指标分析。接下来对于试验结果的客观指标进行分析。选择点目标空间分辨率和峰值旁瓣比指标进行分析。对于空间分辨率，3个时间段的距离向和方位向空间分辨率都在2.7 m以内，符合天绘二号卫星的设计指标3 m，其中5月28日B星距离向空间分辨率最高为1.7 m，空间分辨率平均值为2.2 m，相对于指标要求提升了1.4倍。对于峰值旁瓣比，3个时间段方位向和距离向峰值旁瓣比均小于-21.2 dB，符合天绘二号卫星的设计指标小于-20 dB，其中6月8日A星距离向峰值旁瓣比最小为-25.4 dB，峰值旁瓣比均值为-23.2 dB，相对于指标要求提升了3.2 dB。
对试验得到的不同时相的6组数据的点目标客观评价指标分别取最大值、最小值和平均值，然后与设计指标对比，试验结果显示，天绘二号A星、B星的成像质量均可以达到卫星设计指标的要求。相对于系统指标要求，空间分辨率平均提升了1.4倍，峰值旁瓣比平均性能提升3.2 dB、积分旁瓣比平均性能提升7.3 dB，相对辐射精度平均性能提升1 dB。
(2) 天绘二号01组A星和B星对比。A星和B星的各项客观评价指标可视化结果如图 4所示，横坐标为客观评价指标，纵坐标为各指标对应的值，红色和蓝色分别为A星和B星图像的客观评价指标值。A星和B星的大部分客观指标基本相当，但是距离向A星拥有更低的峰值旁瓣比，即在距离向成像质量上A星略优于B星。
|
| 图 4 天绘二号01组A、B星图像的客观评价值对比 Fig. 4 Objective assessment values and comparison of satellite TH-2-01 A, B image |
(3) 天绘二号01组A、B星不同时相的点目标客观评价指标如图 5所示。从积分旁瓣比和峰值旁边比来看，距离向的结果优于方位向，即在距离向上，点目标的能量越集中，从雷达图像中检测出暗目标和弱目标的能力越强；从空间分辨率来看，距离向的结果略优于方位向的结果；相对辐射精度维持在相对稳定的水平。
|
| 图 5 天绘二号01组A、B星不同时相点目标客观评价值 Fig. 5 Objective assessment values based on point target of satellite TH-2-01 A, B in different temporal |
2.3 客观指标对天绘二号卫星图像的应用建议
基于前述的天绘二号卫星图像客观指标计算结果，可以对天绘二号卫星图像的应用提出如下建议。
(1) 从点目标的应用角度分析。空间分辨率指标能够用于目标特征与轮廓提取、回波散射分析、目标区域成像，距离向和方位向空间分辨率越高，图像成像精度越高。试验结果表明，实际数据的空间分辨率相对于指标要求提升1.1倍以上，由此，天绘二号卫星最终成像能够达到较高的精度指标，能够为今后在轨目标区域选择与分析提供高分辨率图像。峰值旁瓣比和积分旁瓣比与图像信噪比相关。峰值旁瓣比、积分旁瓣比的值越小，代表SAR图像中目标的能量越集中，目标越明显，最终的成像质量越高，信噪比越好。实测数据的试验结果表明，峰值旁瓣比性能提升为1.2~5.4 dB，积分旁瓣比性能提升为5~12.5 dB，由此，天绘二号图像在后续目标识别、目标特征提取的应用中具有可靠的质量保证。相对辐射精度能够对于区域内目标的定位以及最终目标成像精度提供分析和判别。基于角反射器的先验散射能量信息相对辐射精度，能够给出目标相对于角反射器的能量相对值差别，为最终目标的定位，以及在最终成像图上的目标判别，提供一定的先验已知信息。根据3个时间点SAR图像数据的计算结果，天绘二号卫星图像具有性能较高的相对辐射精度，并且稳定性好，能够为最终目标定位提供准确的位置信息。
(2) 从面目标的应用角度分析。方差指标能够对于图像区域内的地形做一个较好地研判，方差越小代表地形越均匀，这对今后基于天绘卫星图像场景内地形选择，以及分析地形特征信息提供了一定的数据支撑能力。区域内等效视数、辐射分辨率是基于均值与方差比值的平方计算得到，反映了SAR图像所包含信息噪声的强度。等效视数越小，辐射分辨率越大，乘性噪声越少，对于天绘二号卫星图像而言，意味着图像内地形区域的成像质量越好。
3 结论天绘二号01组卫星是我国2019年4月30日发射的高分辨率合成孔径雷达卫星，其卫星图像用于科学试验研究、国土资源普查及测绘地理信息等多种用途。卫星发射后，在在轨测试和验证阶段，对卫星图像进行质量评价是必要的，一方面可以验证卫星在轨测试数据是否和设计指标相一致；另一方面卫星图像的质量评价对卫星后续的业务化运行管理和应用具有较高的参考价值。目前，国内尚未对天绘二号01组A星和B星图像质量进行报道。因此，为了更好地分析天绘二号01组卫星数据未来在不同场景下的应用并为之提供参考，本文利用不同时相的卫星图像数据，通过多种SAR图像质量评价指标对天绘二号01组A星和B星进行了评价和分析。客观指标分析表明，天绘二号卫星图像的空间分辨率、峰值旁瓣比、积分旁瓣比、相对辐射精度相比于系统设计指标均有性能提升，这意味着天绘二号卫星图像在后续的目标区域选择与分析、图像目标识别、目标特征提取等应用中具有可靠的精度保证。不同时相的对比试验结果显示，A星和B星在大多数客观指标上持平，而且普遍存在距离向上的能量比方位向上的能量更集中，方位向的空间分辨率高于距离向。但是，距离向A星拥有更高的峰值旁瓣比，即在距离向信号强度上A星略优于B星。因此，在后续试验分析中，可以针对不同的需求，选择A星或者B星在某个方向(方位向或距离向)的数据进行定量化的分析研究。同时这些评价指标可以作为后续图像处理性能提高的参考。
由于天绘二号01组卫星在轨运行时间较短，适合对比评价的同一个区域不同时相的图像数据有限。随着数据量的增加，会开展进一步的综合评价，即采用深度学习的方法，将大量标记等级标准的图像客观评价指标作为神经网络的输入，以主观评价等级作为分类的标准，去训练一个主观评价模型，获取符合人类视觉感知的综合评价结果。另外，未来可以研究天绘二号卫星同其他高分辨率立体测绘SAR卫星成像质量的对比分析，从而精确定位天绘二号卫星的应用领域。最后，对成像后的图像计算清晰度、对比度、陡度、边缘能量、细节能量及信噪比等指标，并将试验结果与天绘一号光学遥感卫星图像进行对比，分析SAR图像和光学遥感图像的质量，确定不同来源数据的应用途径。
| [1] |
吴一戎, 朱敏慧. 合成孔径雷达技术的发展现状与趋势[J]. 遥感技术与应用, 2000, 15(2): 121-123. WU Yirong, ZHU Minhui. The developing status and trends of synthetic aperture radar[J]. Remote Sensing Technology and Application, 2000, 15(2): 121-123. DOI:10.3969/j.issn.1004-0323.2000.02.012 |
| [2] |
王腾, 徐向东, 董云龙, 等. 合成孔径雷达的发展现状和趋势[J]. 舰船电子工程, 2009, 29(5): 5-9. WANG Teng, XU Xiangdong, DONG Yunlong, et al. Present state and development trends of synthetic aperture radar[J]. Ship Electronic Engineering, 2009, 29(5): 5-9. |
| [3] |
邓云凯, 赵凤军, 王宇. 星载SAR技术的发展趋势及应用浅析[J]. 雷达学报, 2012, 1(1): 1-10. DENG Yunkai, ZHAO Fengjun, WANG Yu. Brief analysis on the development and application of spaceborne SAR[J]. Journal of Radars, 2012, 1(1): 1-10. |
| [4] |
耿旭朴, 薛思涵. 合成孔径雷达星座发展综述[J]. 地理信息世界, 2017, 24(4): 58-63. GENG Xupu, XUE Sihan. Trend analysis of SAR constellation[J]. Geomatics World, 2017, 24(4): 58-63. |
| [5] |
朱岱寅, 杨鸣冬, 宋伟, 等. 高分辨率极化合成孔径雷达成像研究进展[J]. 数据采集与处理, 2016, 31(4): 640-664. ZHU Daiyin, YANG Mingdong, SONG Wei, et al. Advances in high resolution polarimetric synthetic aperture radar imaging[J]. Journal of Data Acquisition and Processing, 2016, 31(4): 640-664. |
| [6] |
邓云凯, 禹卫东, 张衡, 等. 未来星载SAR技术发展趋势[J]. 雷达学报, 2020, 9(1): 1-33. DENG Yunkai, YU Weidong, ZHANG Heng, et al. Forthcoming spaceborne SAR development[J]. Journal of Radars, 2020, 9(1): 1-33. |
| [7] |
楼良盛, 刘志铭, 张昊, 等. 天绘二号卫星工程设计与实现[J]. 测绘学报, 2020, 49(10): 1252-1264. LOU Liangsheng, LIU Zhiming, ZHANG Hao, et al. TH-2 satellite engineering design and implementation[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(10): 1252-1264. DOI:10.11947/j.AGCS.2020.20200175 |
| [8] |
TANG Xinming, LI Tao, GAO Xiaoming, et al. Research on key technologies of precise InSAR surveying and mapping applications using automatic SAR imaging[J]. Journal of Geodesy and Geoinformation Science, 2019, 2(1): 72. |
| [9] |
CHEN Yu, ZHENHONG Li, LIN Bai, et al. Successful applications of generic atmospheric correction online service for InSAR (GACOS) to the reduction of atmospheric effects on InSAR observations[J]. Journal of Geodesy and Geoinformation Science, 2021(1): 109-115. |
| [10] |
钱方明. 微波干涉测绘卫星干涉定标关键技术研究[D]. 郑州: 信息工程大学, 2020. QIAN Fangming. Research on key technologies of interferometric calibration for microwave interferometric surveying and mapping satellites[D]. Zhengzhou: Information Engineering University, Zhenzhou: 2020. |
| [11] |
朱建军, 杨泽发, 李志伟. InSAR矿区地表三维形变监测与预计研究进展[J]. 测绘学报, 2019, 48(2): 135-144. ZHU Jianjun, YANG Zefa, LI Zhiwei. Recent progress in retrieving and predicting mining-induced 3D displace-ments using InSAR[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(2): 135-144. DOI:10.11947/j.AGCS.2019.20180188 |
| [12] |
张勤, 黄观文, 杨成生. 地质灾害监测预警中的精密空间对地观测技术[J]. 测绘学报, 2017, 46(10): 1300-1307. ZHANG Qin, HUANG Guanwen, YANG Chengsheng. Precision space observation technique for geological hazard monitoring and early warning[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1300-1307. DOI:10.11947/j.AGCS.2017.20170453 |
| [13] |
GARTHWAITE M. On the design of radar corner reflectors for deformation monitoring in multi-frequency InSAR[J]. Remote Sensing, 2017, 9(7): 648. |
| [14] |
王哲远, 李元祥, 郁文贤. SAR图像质量评价综述[J]. 遥感信息, 2016, 31(5): 1-10. WANG Zheyuan, LI Yuanxiang, YU Wenxian. Review on SAR image quality assessment[J]. Remote Sensing Information, 2016, 31(5): 1-10. |
| [15] |
时红伟, 陈世平. 一种面向用户任务需求的遥感图像质量标准-NIIRS[J]. 航天返回与遥感, 2003, 24(3): 30-35. SHI Hongwei, CHEN Shiping. A remote sensing image quality standard orienting to user's mission requirements-NIIRS[J]. Spacecraft Recovery & Remote Sensing, 2003, 24(3): 30-35. |
| [16] |
赵良波, 李延, 张庆君, 等. 高分三号卫星图像质量指标设计与验证[J]. 航天器工程, 2017, 26(6): 18-23. ZHAO Liangbo, LI Yan, ZHANG Qingjun, et al. Design and verification of image quality indexes of GF-3 satellite[J]. Spacecraft Engineering, 2017, 26(6): 18-23. |
| [17] |
VESPE M, GREIDANUS H. SAR image quality assessment and indicators for vessel and oil spill detection[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(11): 4726-4734. |
| [18] |
LU Xin, SUN Hong. Parameter assessment for SAR image quality evaluation system[C]//Proceedings of 2007 Asian and Pacific Conference on Synthetic Aperture Radar. Huangshan, China: IEEE, 2007: 58-60.
|
| [19] |
GUO Jiajia, WANG Kaizhi, JIN Yiran, et al. High precision calculation of SAR image quality parameters[C]//Proceedings of 2015 IEEE Asia-Pacific Conference on Synthetic Aperture Radar. Singapore: IEEE, 2015: 367-370.
|
| [20] |
WANG Zhou, BOVIK A C, SHEIKH H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing: a Publication of the IEEE Signal Processing Society, 2004, 13(4): 600-612. |
| [21] |
刘锦帆, 徐浩煜, 梁兴东, 等. 基于HVS结构相似度的极化SAR图像质量评价方法[J]. 国外电子测量技术, 2015, 34(11): 19-26. LIU Jinfan, XU Haoyu, LIANG Xingdong, et al. Improved method of polarimetric SAR image quality assessment based on human visual system and structural similarity[J]. Foreign Electronic Measurement Technology, 2015, 34(11): 19-26. |
| [22] |
JUNG C H, CHOI M S, KWAG Y K. Parameter based SAR simulator for image quality evaluation[C]//Proceedings of 2007 IEEE International Geoscience and Remote Sensing Symposium. Barcelona, Spain: IEEE, 2007: 1599-1602.
|
| [23] |
JIAO Xinyuan, YU Ze, ZOU Donghai, et al. An application-oriented quality evaluation for SAR image[C]//Proceedings of the 25th IET Irish Signals & Systems Conference 2014 and 2014 China-Ireland International Conference on Information and Communities Technologies (ISSC 2014/CIICT 2014). Limerick, Ireland: Institution of Engineering and Technology, 2014.
|
| [24] |
王荣彬, 李平湘, 季宏伟, 等. 遥感影像的辐射质量评价方法[J]. 遥感信息, 2015, 30(2): 10-16, 49. WANG Rongbin, LI Pingxiang, JI Hongwei, et al. An overview on radiation quality evaluation methods of remote sensing imagery[J]. Remote Sensing Information, 2015, 30(2): 10-16, 49. |
| [25] |
王占宏. 遥感影像信息量及质量度量模型的研究[D]. 武汉: 武汉大学, 2004. WANG Zhanhong. A research on the metric model for remote sensing entropy and qulity[D]. Wuhan: Wuhan University, 2004. |