SARscape5.6新功能体验

SARscape5.6于2021年2月正式发布，新增数据源的支持、新增功能请见：SARscape5.2-5.6版本新功能介绍合辑。

本文对该版本部分新功能进行了体验和总结。

1. 数据选择界面的改进

SARscape5.6版本，所有工具的数据输入界面都如下图风格，提供三种选择数据的方式，选择数据文件、选择文本（包含要读入的数据路径列表）、选择数据路径。

图数据输入面板

其中，选择数据路径（Open Folder），在有大量同类型数据需要输入的情况，使用非常方便，如，批量导入Sentinel1数据。

图批量选择输入数据

2. 哨兵数据导入工具的改进

数据输入界面，取消了轨道文件的输入选项。精密轨道文件直接放在系统参数设置的指定文件夹下，软件自动读取对应数据的轨道文件，不再需要手动选择。方法请参考SARscape导入哨兵1数据自动读取轨道文件。做InSAR处理应用，导入哨兵1数据时，建议使用精密轨道文件。

哨兵数据导入工具，参数面板新增了“Skip Sample Selection”参数，默认是False，默认情况下，如果用户在Optional Files界面输入子区域文件（.shp或.kml），数据导入后得到的就是子区域裁剪的结果，不需要再单独进行子区域裁剪了。

图哨兵数据导入工具参数界面

3. Adaptive Non Local SAR Filtering滤波

新增Non Local SAR Filtering滤波方法，该方法在超高分辨率数据一致性方面表现良好，它保留了点目标，对均匀区域进行了强平滑处理。可以对SAR强度数据和干涉图都用此方法进行滤波。

（1）强度数据Adaptive Non Local SAR Filtering滤波

Adaptive Non Local是新增的用于强度数据滤波的算法，工具为：/SARscape/Basic/Intensity Processing/Filtering/Adaptive Non Local SAR Filtering。

SAR系统等相干传感器获得的图像具有散斑特征。这是一个空间随机噪声的积，由于多个后向散射源在SAR分辨率元素内的相干叠加。散斑是与场景中每个像素的雷达反射率相关的统计波动。减少散斑的处理是以牺牲空间分辨率为代价的，通常在多视步骤中执行，其中的距离、方位分辨率单元是平均的。

为了降低散斑噪声，开发了一种专为SAR非加性噪声设计的非局部滤波器。该工具基于文献中所述的方法，添加了一个自定义的局部自适应相似概率核。该核用于克服由强后向散射变化引起的局部畸变，这是原始滤波器设计的典型特征。默认情况下，加权去噪的迭代次数为3次。

Adaptive Non Local本质上要求计算的特征，因为它在不同的图像区域之间有很多比较。因此，该计算对底层硬件组件施加压力，并需要大量时间。因此，建议使用GPU进行处理。

算法参考文献：

Deledalle, C. A., Denis, L., & Tupin, F. (2009). Iterative weighted maximum likelihood denoising with probabilistic patch-based weights. IEEE Transactions on Image Processing, 18(12), 2661-2672.

图 Adaptive Non Local滤波面板

参数说明如下：

- Non-Local Average Window Size

由滤波器执行的加权平均的大小。通过增大窗口大小，均匀区域上的波动效应减小。窗口越大，处理时间越长。

- Non-Local Similarity Kernel Size

用于量化加权平均相似概率(权重)的核大小。

- Non-Local Similarity Min Kernel Size

该参数激活相似概率核自适应(如果该值小于相似核大小)。

- Non-Local H factor

将过滤强度模块化。值越高，表示过滤器的强度越高。

- Non-Local T factor

在迭代处理过程中对滤波强度进行模块化处理。值越高，表示过滤器的强度越高。

- Equivalent Number of Looks (ENL)

等效的外观数量等于在多外观过程中每个像素平均的独立强度值的数量。这个参数可以很容易地在输入强度数据的均匀(平稳)样本上估计，根据:ENL = mean² /标准偏差²，ENL值越高，滤波功率越低(降低H因子和T因子)，以避免过于平滑。

图强度数据Adaptive Non Local 方法滤波结果

图强度数据Frost方法滤波结果

（2）干涉图Adaptive Non Local SAR Filtering滤波

为了准确估计相干性和滤波干涉图，开发了一种基于干涉相位和振幅相似性的InSAR非局部滤波器。该工具在参考文献的基础上增加了自定义的局部自适应相似概率核。该核用于克服由强后向散射变化(所谓的“罕见小块”)引起的局部畸变，这是典型的原始滤波器设计。

该算法的实现考虑了相似窗内的系统相位斜坡(通过FFT估计并在处理前去除)，以改进相似度估计本身，并提供对潜在的非相干相位噪声的更好的估计。此外，该算法克服了在主从影像之间的强振幅变化区域的额外平滑，典型的原始实现，利用了一个创新的中心像素调制基于先前的相干估计值。默认情况下，加权去噪的迭代次数为3次。该滤波算法花费时间较长，需要GPU。

滤波后得到的结果有：

- 滤波后的干涉图_fint

- 相干性_cc

- 主影像强度图滤波结果_master_pwr

- 从影像强度图滤波结果_slave_pwr

Adaptive Non Local SAR Filtering滤波算法相对于其他方法有如下特点：

- 滤波后的干涉图保留了细节，在相干性图和强度图上，对均匀区域的滤波更强

- 由于处理窗口尺寸大，无偏相干估计(主要在低相干区域)。

- 保持所有输出层的空间分辨率(包括相干性)相对于输入分辨率；此外，所有的输出产品的空间分辨率都是相同的，不同于其他相干估计。

- 相干性是直接从输入差分干涉图而不是从滤波后的干涉图来估计的。因此，相干性可用于土地利用监测的定量测量。

参考文献：

Baier, G., Rossi, C., Lachaise, M., Zhu, X. X., & Bamler, R. (2018). A nonlocal InSAR filter for high-resolution DEM generation from TanDEM-X interferograms. IEEE Transactions on Geoscience and Remote Sensing, 56(11), 6469-6483.

Deledalle, C. A., Denis, L., & Tupin, F. (2010). NL-InSAR: Nonlocal interferogram estimation. IEEE Transactions on Geoscience and Remote Sensing, 49(4), 1441-1452.

Deledalle, C. A., Tupin, F., & Denis, L. (2010, July). A non-local approach for SAR and interferometric SAR denoising. In 2010 IEEE International Geoscience and Remote Sensing Symposium (pp. 714-717). IEEE.

Zhang, X., Hou, G., Ma, J., Yang, W., Lin, B., Xu, Y., ... & Feng, Y. (2014). Denoising MR images using non-local means filter with combined patch and pixel similarity. PloS one, 9(6), e100240.

图 Adaptive Non Local SAR Filtering滤波界面