高分辨率SAR与光学影像联合调绘研究

段动宾，张合兵，张乔梁，宋香平

(河南理工大学 测绘与国土信息工程学院，河南 焦作 454003)

高分辨率SAR与光学影像联合调绘研究

段动宾，张合兵，张乔梁，宋香平

(河南理工大学 测绘与国土信息工程学院，河南 焦作 454003)

为解决地形图测绘中外业调绘效率低问题，在分析SAR影像与光学影像特点基础上，利用高分辨率机载SAR影像与Google Earth影像联合调绘方法，进行1∶5 000地形图调绘实验。通过层次分析法对SAR影像、Google Earth影像以及联合调绘方法的工作量进行对比分析。结果表明：联合调绘方法能大大减少外业工作量，缩短作业时间。

调绘；定性分析；定位分析; 层次分析法

SAR 是一种主动式微波传感器，穿透能力强，受云雾影响较小，全天候对地表进行观测[1]。随着SAR传感器技术、组合导航技术以及飞行控制技术的发展，机载SAR成像质量更高，稳定性更好，分辨率更高，并在地形图测绘中得到应用[2-3]。相比SAR影像，光学影像更加直观、易懂，被广泛应用于很多领域[4-5]。

影像调绘是用判读知识对影像进行实地调查和补测，并将地形图上需要表示的地物、特征地貌和地理名称等要素用规定的符号和注记标绘在影像上，以供进一步测绘地形图[6-7]。对于地形复杂、环境较差的地区，影像调绘是一项特别困难的工作。国内外学者对影像调绘方法研究较少，付春永等人对高分辨率SAR影像调绘作了研究，分析了影像定位和典型地物成像特点[6]；仇春平等人对同一地区相同时相的机载SAR影像和航片分别进行判绘，分析了两种影像相同地物成像特点[8]；张文元等人研究了SAR影像与光学影像翻译方法，通过算法实现了SAR影像信息到光学影像信息的翻译[9]。以上研究仅仅对光学影像和SAR影像的地物特点进行了分析，并没切实解决外业调绘工作量大、效率低等问题。

本文结合高分辨率机载SAR和Google Earth影像的特点，提出高分辨率SAR影像与Google Earth影像联合调绘的方法，并利用0.3 m分辨率机载SAR影像与0.3 m分辨率的Google Earth影像，在山西稷山县进行1∶5 000的地形图[10]调绘工作，最后运用层次分析法对抽样地物进行定量化分析，结果表明，影像联合调绘方法能够提高工作效率。

1 研究区概况与数据源

1.1 研究区概况

研究区位于山西稷山县北部，处于北纬35°37′～35°38′、东经110°57′～110°59′，总面积为6.5 km2，最大高差为50.6 m。稷山县是枣乡之一，其中研究区内的上柏、下柏、贾峪村、东姚村等丘陵地区主要种植板枣，一般与小麦套种，板枣成熟时间为每年的9月下旬到10月中旬。研究区主要地物地貌要素(见表1)。

表1 主要地物地貌要素

1.2 数据源

高分辨率机载SAR图像为Ku波段Mini SAR搭载在“蜜蜂”飞机上，于2015年10月获取，极化方式为HH，分辨率为0.3 m。 Google Earth影像为Big Map提供的19级0.3 m分辨率，2015年9月的影像。因两幅图均为地理坐标，需对两幅影像进行投影定义，以及几何校正，消除影像畸变带来误差。

2 SAR与光学影像调绘与应用

2.1 技术思路

影像定性分析是确定两种影像内表达要素的类别；定位分析是确定地物和地貌要素边界信息和位置信息，有些要素还包括方向信息，如陡坎等。通过对SAR影像和Google Earth影像中地物和地貌要素进行定性分析、定位分析，更详细地了解测区内两幅图像的特点，确定哪些要素在SAR影像或Google Earth影像上表现明显，边界清晰，并将这些要素分别标记在影像上；然后，进行实地调查、测量、标记影像，对调查成果进行检查、补调。图1为具体技术思路。

图1 联合调绘的技术思路

2.2 典型地物定性和定位分析

光学影像具有细节清楚、分辨率高、地物色彩信息丰富、形状显示完整等优点，与人眼看到的地物色彩相似，便于人为识别、判绘地物种类以及相对位置。合成孔径雷达是通过侧视方式主动发射电磁脉冲, 再接收地物的回波信号。其成像与地物的某些特性有关, 如粗糙度、入射角、地物含水量等[12]。相比光学影像，高空间分辨率的SAR影像则不具备细节清楚、色彩丰富、地物边界完整显示等特点，这也导致一些要素在SAR影像无法确定边界。但是，对于一些面积较小或线状的、后向散射较强的地物，在SAR影像较为明显，定位较准确，在Google Earth影像中则模糊不清。SAR影像在一些特殊地区、特殊环境，有着独特优势，基于区域地理知识、地质专业知识、遥感知识等理论的掌握，通过分析图像上地物复杂的色调、边界信息，进行地物的判绘[9,11]。表2为SAR影像与光学影像不同地物的特征。

道路主要包括铁路、高速公路、国道、省道、乡道、农村道路。对SAR影像而言，粗糙的表面后向散射系数更大，而道路粗糙度较小，表面较其它地物光滑，无论雷达波束的入射角方向如何，其在SAR图像上色调总是较暗，因此，道路、河流和沟渠等线状地物在雷达影像上都呈现暗条带，直接从影像色调上很难区分。在Google Earth影像中，各种道路的纹理边界较清晰，定位方便(见图2)。

陡坎、田坎在SAR影像中陡坎主要表现为以下三种形式：迎坡陡坎、背坡陡坎以及顺坡陡坎。迎坡陡坎会对侧视雷达信号产生叠掩现象，这里可以认为雷达信号到陡坎顶部与底部的距离一样(当陡坎为90°时)，使得顶部散射的信号与底部散射信号记录在一点上，迎坡陡坎在SAR影像显示一条白带；背坡陡坎因雷达信号到达不了，在影像会产生阴影现象，即为黑色条带(见图3)；顺坡陡坎在SAR影像纹理模糊，可通过两端迎坡陡坎和背坡陡坎判绘，或者结合Google Earth影像信息进行顺坡陡坎定位(见图4)。

表2 典型地物特征

图2 道 路

图3 迎坡坎、背坡坎

图4 顺坡坎

电线塔、电力线、信号塔高分辨率Google Earth影像中大部分地物信息都比较清晰，但电线塔、电力线、信号塔等面积较小的地物，无法被拍摄清晰，定位困难。相反，电线塔、电力线、信号塔等金属材质在SAR影像中色调很亮，定位准确。图5为电线塔、电力线、信号塔在两副影像中的比较。

图5 电线塔、电力线

实验中的房屋主要是村落的居民点，属于集群式房屋，具有很强后向散射。但房屋之间相互影响较大，关系相对复杂，而且村落内有高大树木、电线杆等，成像过程受影响因素较多，因此，在SAR影像中，房屋定性容易，定位却是个难题。在Google Earth影像中，房屋之间的相互关系，以及边界信息表达很清晰，弥补了SAR图像的缺陷(具体见图6)。

图6 房 屋

水库水面对雷达发过来信号散射很少，在SAR影像上是一片黑色。受阴影效应的影响，水库内一侧堤面也是黑色的，而且水库堤边线也很模糊(见图7)。

图7 水 库

在SAR影像中，小土堆一侧因叠掩呈现白带状，一侧因阴影呈现一片黑色，边界清晰(见图8)。

图8 小土堆

研究区植被主要包括麦田、枣树林、槐树林等，以面状分布为主。在SAR图像上，同一种植被可能有不同的色调，不同的植被也有可能有相同色调，散射点位置具有随机性，所有散射点的回波信号强度相差不大[6]。植被本身的散射强度不大，因此，在SAR图像上对不同种类植被的定位是很困

难的。因此，应结合Google Earth影像进行植被的定性定位(见图9)。

图9 植 被

Google Earth影像中垃圾堆呈现不同的色调，矿渣堆为深棕色，比较容易辨别。

2.3 应用与分析评价

2.3.1 应 用

将研究区地物的可判绘程度分成三个等级，分为容易判绘、可判绘以及不可判绘，从地物的定性和定位两方面进行表示(见图10，图11)。不难看出，无论单独从SAR影像还是Google Earth影像都无法完成全部地物的定性与定位。将陡坎、田坎、电线塔、围墙、信号塔、小土堆等地物定为SAR影像预调绘要素，同时将道路、房屋、水库、矿渣堆、植被、垃圾堆等地物定为Google Earth影像预调绘要素。

图10 SAR影像地物判绘程度

外业调绘主要工作内容，第一，模糊边界的测绘，如顺坡陡坎、部分房屋、垃圾堆、矿渣堆以及厂房等；第二，独特地物标记，如电线塔、信号塔、工厂、加油站、加气站、学校、医疗点等；第三，影像中不显示地物的标记与测量，如机井、坟地等。将外业调绘成果上图之后，对残空区进行核检，并根据成图结果进行实地补调、测量。

2.3.2 分析评价

层次分析法(AHP)是对同一层次内部两元素的相互重要程度差异给出判断，并用定量的方法表示出来，形成判断矩阵，用以确定权重。该方法将相关评价指标从定性到定量转变，以便运用数学思维解决实际问题[13-14]。

1)建立层次结构模型。本研究中，将道路、田坎、电线塔、房屋、水库等以上九种地物作为评价指标层(方案层)，总工作量作为目的层，建立层次结构模型(见图12)。

图11 Google Earth影像地物判绘程度

图12 层次结构模型

2)构造判断矩阵。首先假设不考虑定性定位的难易问题，将所有地物都进行实地调绘、测量，每一种地物都有一定的工作量，然后根据研究区内抽样地物在总调绘中工作量的大小，判断两两地物之间的重要性，并采用1～9的标度方法组成判断矩阵A(见表3)。

表3 判断矩阵

3)一致性检验。判断矩阵一致性检验：

CR=CI/RI，

式中：CR为一致性比例，CI为判断矩阵A的一致性指标，λmax为判断矩阵A的最大特征根，n为评价指标个数，RI为平均随机一致性指标(可根据n值大小查找表4得到)[13]。计算得到判断矩阵的最大特征根为9.846 1，CI为0.105 8，CR为0.072 4。当CR小于0.1时，认为判断矩阵的一致性是正确的；否则将进行调整矩阵，直至满足条件。

表4 随机一致性指标

4)权重向量的计算。采用算数平均值法求解权重：先将判断矩阵A中的元素按列归一化处理；然后求各列对应元素的和，将得到的列向量除以n，即为权重向量。计算式结果见表5。

表5 权重向量

其中,i=1，2，…,n.

以上为假设所有种类地物都需要实地调绘、测量前提下进行分析的。在此基础上，为验证联合调绘方法优越性，这里将三种不同的判绘程度进行量化处理，设容易判绘为0，可判绘为0.5，不可判绘为1。一种地物总的判绘程度N，由该地物定性的判绘程度N1和定位的判绘程度N2共同决定，因此这里应用式(1)计算。同时，实验中引入一种实际工作量的评价指标W，W值越大则实际工作量越大，相反亦然。因实际工作量跟影像地物判绘程度呈负相关，通过式(2)计算实际工作量的评价指标W，其中Pi和Ni分别是某一种地物i的权重和判绘程度。

(1)

(2)

按照式(1)和式(2)计算得到SAR影像、Google Earth影像以及联合调绘的实际工作量评价指标W，分别为0.934 6、0.714 3、0.164 3，可见，联合调绘方法能够大大减少工作量。但值得注意是，评价指标W并非实际的作业量，两者是正相关的，这里仅用来对比分析三种调绘方法。

3 结 论

本文进行SAR影像和光学影像联合调绘实验，充分结合SAR影像和光学影像的优点，使得地物定性分析更加容易，定位更清晰，完成了1∶5 000地形图调绘工作；该联合调绘方法，克服地形图调绘的困难，提高外业调绘效率，同时，为影像调绘工作提供可靠有益的方法参考。

[1] 黄国满，张继贤，赵争，等. 机载干涉SAR 测绘制图应用系统研究[J].测绘学报，2008,37(3): 277-279.

[2] 程承旗，关丽. 基于地图分幅拓展的全球剖分模型及其地址编码研究[J].测绘学报，2010, 39 (3) : 295-302.

[3] 王纬华，江涛，张永红，等.基于高分SAR影像的城市用地变化检测[J].测绘与空间地理信息,2016,39(7):141-143，147.

[4] 赵静，武文波. SAR 与光学影像在煤矿信息解译中的应用[J].辽宁工程技术大学学报(自然科学版)，2013, 32(6): 769-772.

[5] BAN Yifang, JACOB A, GAMBA P. Spaceborne SAR data for global urban mapping at 30 m resolution using a robust urban extractor [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015(103): 28-37.

[6] 付春永，谭克龙. 高分辨率SAR影像调绘研究[J].测绘通报，2012(1): 42-44.

[7] 廖强强，张立亭，刘洋.SAR主从影像的几何配准[J].测绘与空间地理信息,2016,39(4):28-31.

[8] 仇春平，张继贤，王岐岭，等. 机载合成孔径雷达影像与航片判绘的对比研究[J].测绘科学，2006, 31(2): 40-41.

[9] 张文元. SAR影像与光学影像翻译方法研究[J].测绘学报，2015, 44(1): 118.

[10] 中国国家标准化管理委员会.国家基本比例尺地图图式-第2部分: 1∶5 000 1∶10 000地形图图式:GB/T 20257.2-2006[S].北京：中国标准出版社，2006.

[11] 邹丽丽，崔海山，李颖,等. SAR与SPOT数据融合方法研究[J].遥感技术与应用，2010, 25(6): 836-841.

[12] 宋建社，郑永安，袁礼海. 合成孔径雷达图像理解与应用[M].北京:科学出版社，2008.

[13] 邓雪，李铭，曾浩健，等. 层次分析法权重计算方法分析及其应用研究[J].数学的实践与认识，2012, 42(7): 93-100.

[14] 刘海燕，庞小平. 利用GIS和模糊层次分析法的南极考察站选址研究[J].武汉大学学报(信息科学版)，2015, 40(2): 249-252.

[责任编辑：李铭娜]

Research on the joint annotation with high resolution SAR and optical images

DUAN Dongbin, ZHANG Hebing, ZHANG Qiaoliang, SONG Xiangping

(School of Surveying & Land Information Engineering, Henan Polytechnic University, Jiaozuo 454003, China)

In order to solve the problem of low efficiency of annotation in topographic map, on the basis of analyzing the characteristics of SAR and optical images, the annotation method is used to combine high resolution airborne SAR image with optical image, and the experiment of 1∶5 000 topographic map annotation has been carried on. Finally, the workload of SAR image, Google Earth image and joint annotation are used to make the contrast analysis with the method of Analytic Hierarchy Process. It turns out that the field work is reduced greatly, and the working hours is shortened by the method of joint annotation.

annotation; qualitative analysis; position analysis; analytic hierarchy process

著录：段动宾，张合兵，张乔梁，等.高分辨率SAR与光学影像联合调绘研究[J].测绘工程，2017，26(10)：30-35.

10.19349/j.cnki.issn1006-7949.2017.10.006

2016-08-05

测绘地理信息公益性行业科研专项项目(201412020)

段动宾(1990-)，男，硕士研究生.

P231

A

1006-7949(2017)10-0030-06