企业官网建设流程全解析

简介：针对遥感初学者处理SAR数据的常见难点，资源以ALOS PALSAR影像为例，系统讲解ENVI配合SARscape完成预处理的完整流程，覆盖数据导入、多视处理、Frost滤波、地理编码与辐射定标、无缝镶嵌等关键步骤。每个环节均给出Toolbox菜单路径与具体参数设置，并解释了方位向视数、距离向视数的计算方法，以及辐射校正选项的作用，适合按图索骥地动手操作。包内共1个PDF文档，大小1.31MB，体量轻巧，便于下载后随时查阅。该资源已有470人浏览学习。通过这份详细版资料，读者可逐步掌握将原始SAR数据转化为可用于GIS分析成果影像的操作思路，少走弯路，是课程作业与项目实践的高性价比参考。

1. 拿到SAR数据先别急着看图像：ENVI预处理是绕不开的第一步

做SAR数据处理的人，十有八九都经历过这样的场景：从下载站拿到高分三号或者Sentinel-1的L1A产品，拖进ENVI里点开，屏幕上是一片明暗不均的“雪花点”，地物轮廓勉强能认，但你想直接拿去分类或者做形变提取，结果惨不忍睹。这不是数据坏了，而是因为你跳过了“预处理”这一步。ENVI对SAR数据的预处理，指的是在正式做信息提取之前，把原始信号数据变成一幅几何正确、辐射一致、噪声被抑制的图像。整个过程分为数据导入、辐射定标、滤波去噪、几何/地形校正四件事。

这篇笔记就是把这四件事按实际操作的顺序拆开，每一步讲清楚在ENVI里怎么点、参数怎么设、结果怎么检查，顺带把容易翻车的地方指出来。适合刚接触SAR数据、手里有ENVI和SARscape模块的从业者，也适合被某一步参数折磨过、想搞明白原理的熟手。看完你至少能独立处理一景高分三号或Sentinel-1数据，并且知道自己每一步在干什么。

2. 数据导入与辐射定标：把DN值变成能比较的后向散射系数

2.1 先分清你手里是哪种数据：L1A、L1B和SLC不是一回事

ENVI里做SAR预处理，第一步不是急着点工具，而是看清数据产品级别。以高分三号为例，常见的有L1A（单视复数数据，SLC）、L1B（幅度数据，已做多视）、L2（地理编码产品）。Sentinel-1也有SLC、GRD、OCN等产品。很多新手把SLC当普通影像直接打开，看到复数数据就懵了——ENVI里显示的是两幅图（实部和虚部），完全没有地物形态。

我一般建议：如果目标是做地表形变（InSAR），必须用SLC；如果目标是做地物分类、变化检测，用GRD或者L1B幅度数据就够了。预处理流程里，SLC和GRD的导入方式不同。SLC需要保留相位信息，导入时不能做多视；GRD本身就是幅度，可以跳过部分辐射校正。所以第一步先确认你手里的数据级别，别一上来就点SARscape的Import。

在ENVI里，用SARscape的“Import Data”工具可以自动识别大部分卫星产品。常见做法是把数据文件夹直接拖进Toolbox里的“SARscape > Import Data > Sentinel-1 / PAZ / others”对应入口。导入时会弹出参数面板，这里有几个关键项：输出格式（推荐保留默认的ENVI格式）、极化方式（VV、VH、HH、HV）、是否生成quicklook（建议勾选，方便后面快速预览）。

2.2 辐射定标：为什么一定要做，以及ENVI里怎么操作

SAR数据记录的原始DN值受传感器增益、天线方向图、距离衰减等因素影响，同一地物在不同位置、不同时间的DN值没有可比性。辐射定标就是把DN值换算成后向散射系数（sigma0或beta0），单位变成dB或线性值，这样后续的分类阈值、时序分析才有物理意义。这一步不做，后面滤波和分类都是“黑匣子”里瞎调。

ENVI里做辐射定标，最常用的是SARscape的“Radiometric Calibration”工具。选中导入后的SLC或GRD数据，设置以下参数：

定标完成后，ENVI会输出一个新的图像，波段数与极化方式对应。我习惯输出dB值，因为后续做阈值分割时概念直观：水体一般在-18dB以下，城区通常高于-5dB。但要注意，dB值是log变换，做滤波和分类前如果用线性值，统计特征会不一样，建议在定标阶段就确定好后续要用什么值域。

2.3 用头文件检查定标是否成功：比看图像更可靠

定标完别急着高兴，先看一眼输出数据的头文件（右键图层，选择View Metadata）。重点看两个地方：一是“Data Type”是否变成了浮点型（定标后通常从uint16变成float），二是“Band Names”里是否带上了对应的极化标识。如果还是整数型，说明定标参数没生效，多半是没选择正确的数据级别。

另一个快速检查方法是查图像统计值。在ENVI主菜单的“Display > Cursor Value”里，把鼠标移到均匀地物（比如平静的湖面）上，看当前像素值。如果输出是dB值，水体区域应该在-15到-20之间；如果还是0到3000的大整数，说明定标没做，或者你打开的是原始DN值图层。这种情况回去检查导入时的产品级别有没有选错。

3. 滤波去噪：斑点噪声不除，后面分类全是“假纹理”

3.1 为什么均值滤波会毁掉SAR图像：需要理解斑点噪声的乘性模型

SAR图像的噪声不是高斯加性噪声，而是相干斑点噪声，强度与信号强度成正比，属于乘性噪声。这意味着你用普通的均值滤波或高斯滤波处理，会在削弱噪声的同时把真实地物的边缘细节一起抹掉，而且越亮的地方抹得越狠。很多新手在这里翻车：滤波完图像确实平滑了，但分类精度反而下降，原因就是用了不合适的空间域滤波。

所以ENVI里针对SAR数据，有一套专门的空间自适应滤波器，比如Lee、Refined Lee、Frost、Gamma MAP。它们的基本思想是：在均匀区域用均值平滑，在边缘区域减少平滑程度，保护纹理和边界。SARscape的滤波工具在“SARscape > Basic > Filtering”下。

3.2 三种常用滤波器的参数设置：Lee、Refined Lee和Frost

实际处理中，我常用的是Refined Lee滤波器，因为它对边缘保护最好，适合城区、山区这种地物类型复杂的场景。下面是三种滤波器的参数对比：

在ENVI里选择Filtering工具后，需要设置的关键参数包括：滤波窗口大小（Filter Size）、滤波次数（Number of Looks，用于估计噪声方差，一般用数据自带的多视参数）。我不建议一上来就改窗口，默认7x7通常够用。如果图像噪点依旧明显，优先尝试把“Number of Looks”调小（比如从4调到1），这会让算法认为噪声更强，平滑力度更大，而不是盲目把窗口加到11x11，否则地物边界会糊。

3.3 滤波后必须做的一件事：目视对比原图和滤波图的纹理差异

滤波结果导出来之后，用ENVI的“Link”功能把原图和滤波图链接起来，同步平移缩放。重点看三类地物：线状地物（道路、河流）是否连续，面状地物（农田地块）是否均匀，以及微小地物（孤立建筑、船舶）是否被抹掉。如果道路出现了断裂或者细小的水体消失，说明滤波窗口偏大，或者滤波器不适合当前场景。

另有一个容易被忽略的坑：如果你后面要做面向对象分类，滤波窗口的大小会影响分割尺度。窗口越大，分割对象越碎，你会被迫调高合并阈值。我一般会先跑一次滤波，然后用同样的分割参数测试一次，看对象轮廓是否贴合地物边界，如果不贴合就换小一号窗口，而不是去调分割算法。

4. 几何校正与地形校正：把斜距图像拉回真实地面坐标

4.1 斜距图像为什么不能直接叠到矢量图上

SAR侧视成像，中心投影方式导致原始产品是斜距坐标系下的图像，也就是每个像素的位置代表雷达波到达目标的斜距，不是地面实际位置。山区尤其明显，山体朝向雷达的一面被压缩（ foreshortening），背向雷达的一面被拉长（layover），阴影区域直接没有回波。如果你直接把没有经过地理编码的SAR图像和光学影像或者矢量底图叠加，会出现几十米甚至数百米的偏移。

因此几何校正分为两步：先做距离-多普勒定位（Range-Doppler）几何校正，再结合外部DEM做地形校正。ENVI里这两步可以用SARscape的“Geocoding”模块完成，其中地形校正（Terrain Correction）是推荐选项，因为它能补偿地形引起的几何畸变。

4.2 用外部DEM做地形校正的具体操作步骤

在ENVI的SARscape菜单下，找到“Geocoding > Terrain Correction”工具。这个过程我能给出的最可靠配置如下：

第一步，输入经过辐射定标和滤波的SAR图像。如果上一步没有做定标，这里也可以提交，但输出结果的后向散射值会不准确，建议不要省略。

第二步，选择DEM数据。ENVI里可以用SRTM 30米（软件自带或者联网下载），也可以用自己准备的ASTER GDEM或高分三号配套的DEM。关键点是DEM的投影坐标系必须和你要输出的坐标系一致，否则校正后位置会偏移。我一般在“Output Projection”里直接选UTM WGS84，并指定带号，这样输出的数据可以直接进GIS。

第三步，设置重采样参数。SAR图像的重采样不像光学影像那样默认双线性内插就行。SAR数据纹理带有随机噪点，最近邻（Nearest Neighbor）能保留原始灰度值，但要慎重——它会让边缘出现锯齿。我实际中用双三次卷积（Cubic Convolution）较多，兼顾边缘和纹理。如果后续要做定量反演，建议用最近邻，避免改变像元值分布。

参数设置里还有“Pixel Spacing”（输出像元大小）。如果是高分三号10米分辨率数据，输出像元大小可以设为10米；Sentinel-1 GRD设为10米也合适。不要输出成5米，那只是强行插值细化，不会增加真实信息。

4.3 地形校正后必须检查的“三个对位”标准

地形校正做完，输出一幅带地理坐标的图像，这时需要检查质量。我的做法是叠加一个矢量边界或者光学底图，观察三个对位情况：一是海岸线或湖岸线是否与影像吻合，二是山谷河流走向是否一致，三是城镇道路网是否和底图重合。如果局部仍然有偏移，优先检查DEM的覆盖范围和投影参数，而不是怀疑校正算法。

还有一个检查技巧：在ENVI里打开校正前后的图像，用光标读取同一地物点坐标，看水平方向偏移量。通常经过Terrain Correction后，10米分辨率数据的位置误差应小于一个像元（10米内）。如果偏移超过30米，大概率是DEM与影像投影不匹配，或者多普勒中心频率参数没设对。

5. ENVI SAR预处理避坑指南：四个高频翻车点

5.1 导入时报“Unexpected end of file”，数据读取中断

现象：在SARscape的Import Data阶段，输出数据只有一部分，或者直接报错“Unexpected end of file”。原因：常见于下载的数据文件不完整，或文件夹里缺少辅助文件（如哨兵数据的manifest.safe、高分三号的参数xml文件）。另一个原因是存储路径有中文或空格，ENVI底层解析路径时出错。解决：先检查下载文件大小和官网校验值，重新下载；把数据放到纯英文无空格路径下；确认所有配套文件（尤其是xml和tiff）都在同一文件夹内。

5.2 辐射定标后图像值域异常：水面出现正值

现象：定标输出后，水体区域的dB值不是负数，反而超过0。原因：定标时选择了错误的入射角参考面，或者用了Beta Nought而不是Sigma Nought。Beta Nought对应雷达波照射方向上的后向散射，不修正局部入射角影响，在山区和近距地区会偏高。解决：重新执行定标，Calibration Type选择Sigma Nought；如果数据做地形校正也一并勾上入射角归一化选项。另外检查多视处理是否在定标之前被意外执行，多视会改变噪声统计特性，影响后续定标精度。

5.3 滤波输出出现“蛋糕效应”（块状斑块）

现象：滤波后的图像出现规则的方块状色斑，像马赛克。原因：滤波窗口设置过大且没有保护边缘，或者先做了多视后滤波，导致窗口内包含不同后向散射特性的地物，被算法当成均匀区域平均。解决：调小滤波窗口到5x5或7x7，并确认在滤波前没有做过度多视。另外Refined Lee滤波器对边缘方向敏感，如果图像未先做低通可以设置更高的“Edge Threshold”值，让算法更保守。

5.4 地形校正后山区图像出现空洞或数据缺失

现象：校正后的山区影像部分区域没有数据，呈现黑色空洞，尤其是在阴影和叠掩区域。原因：SAR本身有阴影区无回波，地形校正时根据DEM映射这些区域自然没数据，属于正常物理现象。但另一种情况是DEM范围小于影像范围，或者DEM有无效值（NODATA），导致校正时边缘被裁掉。解决：首先用DEM提取的有效范围检查是否覆盖影像；其次对阴影区域选择“Fill NoData”选项，用邻域插值填补，但要明白填补的值并不真实。真正可靠的做法是后续分析中把阴影和叠掩区域单独做掩膜，不参与分类或形变解算。

5.5 预处理链路的“顺序颠倒”：先校正后定标导致亮度异常

现象：图像几何位置正确，但地物亮度值整体偏低，暗部细节丢失。原因：做了地形校正后做辐射定标，导致高程增益和入射角被重复归一化。标准流程应该是先定标、后滤波、最后地形校正。有些教程把地形校正放在最前面，那是为了快速看位置，不适用于定量分析。解决：如果已经做错，只能回到原始数据重新跑，没有后悔药。建议在第一次跑的时候，就把整个流程写成工程文件（ENVI里保存为“图章”或Model），后面再批量处理其他景数据时直接调用。

6. 预处理后的质量验证：三个指标和一种快速目视检查技巧

预处理做得对不对，不能只靠“看上去还行”。我会从三个指标做客观检查。第一个是均匀地物的后向散射均值稳定性：选一块平静水面或者机场跑道，统计其均值，多次重访数据的同一地物均值差异应小于0.5dB。第二个是边缘清晰度：在滤波前后沿道路剖面做灰度曲线，比较边缘过渡的像元数，过渡像元从原来的3-5个变成1-2个才算滤波成功。第三个是几何定位精度：用校正后的图像与光学影像做控制点量测，计算均方根误差（RMSE），10米分辨率数据要求RMSE小于等于10米。

还有一种快速目视技巧：用ENVI的“Swipe”工具（图层滑动比较）把预处理后的图像与原始图像叠在一个视图里，以线性拉伸方式显示。先把预处理结果拉伸到-20dB到0dB，再把原始DN值拉伸到同样显示范围，滑动比较。如果预处理结果能清楚看出农田地块边界、河流延续性、道路网整体走向，并且没有明显的斑点颗粒感，那就说明这条预处理链路基本合格。如果还是满屏颗粒，头脑清醒一点，不要调显示增益欺骗自己，回去重查滤波参数。

我在实际项目中，一直坚持把预处理流程固化成模板，每次新来一景数据，只改产品级别和极化方式，其余参数用验证过的默认值。这看起来不酷，但省掉大量重复参数实验的时间。预处理是SAR数据挖掘里最不性感却最决定成败的一步，希望你也不要跳过。希望帮到你。

本文还有配套的精品资源，点击获取