www.radartutorial.eu www.radartutorial.eu 雷达技术基础

相干变化检测(CCD)

较早时刻获取的SAR雷达图像

图1:较早时刻的SAR图像

较早时刻的SAR图像

图1:较早时刻的SAR图像

显示已检测变化的CCD图像

图2:显示检测到的差异的CCD图像

显示已检测变化的CCD图像

图2:显示检测到的差异的CCD图像

SAR数据的多时相相干性分析

在 合成孔径雷达 中,可以进行所谓的SAR数据多时相相干性分析, 英文称为Coherent Change Detection(相干变化检测,CCD)。 这种方法要求精确存储原始数据,并进行高精度的图像处理和计算。 它既可用于民用,也可用于军事领域,是一种识别地表变化的有效技术。 甚至地表极其微小的变化也能够被检测出来。 例如,在民用领域可以利用该技术评估森林风暴灾害或沿海风暴潮造成的损失。

工作原理

这种方法类似于常见的“找不同”游戏: 将一幅原始图像与经过改动的副本进行比较,找出其中的所有变化。 有时最后一处差异很难找到,此时可以借助技术手段: 将两幅图像叠加,便能更清楚地显示差异。 不过,严格说来,这种做法只是 Magnitude Change Detection(幅度变化检测)。 对于光学图像,只有两幅图像的照明条件相同时,这种方法才能可靠地工作。

对于雷达而言,两次观测的照射条件始终具有可比性。 相干变化检测不仅比较两幅雷达图像的幅度,还比较它们的相位。 (在雷达技术中, 相干性 指的是相对于参考振荡信号具有固定的相位关系。) 因此,所使用的数据必须来自雷达信号处理链中尚未丢失相位信息的位置,即解调之前! 这样就可以识别出更加细微的变化。 SAR也可以采用幅度变化检测,但应在解调之后进行。 (参见 脉冲积累。)

在SAR生成的图像中,甚至能够识别出车辆在草地上留下的车辙, 因为车轮使草叶沿某个方向(车辆行驶方向)倒伏。 该技术还可用于军事侦察,因为它能够发现简单的伪装。 如果某处突然出现一棵前天还不存在的树,就可能意味着有人试图在那里隐藏什么! 这类明显变化会在图像中以醒目的颜色(红色或蓝色)标出。 红色表示某个物体相对于第一幅图像已经消失,蓝色表示出现了新的物体。

图像计算

图像比较不仅使用互相关逐像素进行, 还要将每个像素的幅度与其周围区域的平均值进行比较, 例如取一个3×3像素的小区域。 对于每个这样的区域,都会计算一个相干系数γ, 用来表示两幅图像中对应区域的一致程度。 当γ = 1时,两者完全一致; 当γ = 0时,两者不存在相干性,即使偶然相符也没有相干关系。 当偏差达到某个设定程度时,例如γ < 0,9,就会用不同颜色标示变化。

例如,草地上的车辙即使经过数天仍可能被识别出来,其相干系数可能降至 γ = 0,96 … 0,98。 草叶倒伏会使雷达到反射体的距离发生几厘米量级的微小变化。 因此,回波幅度几乎不变,但其相位却可能发生明显变化! 如果只比较回波幅度,也就是使用 非相干 方法,就可能完全无法发现这些车辙。 如果对幅度进行归一化而只显示相位差,这些车辙会被特别明显地标出。 然而,这种图像的噪声看起来会很强,而且容易产生许多虚警, 因为风也会改变树叶或草叶的位置。 因此,需要同时比较幅度和相位, 才能形成对比度尽可能高的变化检测图像。 对于这类图像,同样可以设定检测门限,并计算雷达中常用的指标,例如 检测概率和 虚警率 (或虚警概率)。