蔡宣宣，張永紅，崔斌，2，3

(1.中國(guó)測(cè)繪科學(xué)研究院，北京 100039；2.武漢大學(xué) 測(cè)繪學(xué)院，武漢430079；3.城市空間信息工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100089)

0 引言

利用遙感影像進(jìn)行地表覆蓋和變化檢測(cè)已經(jīng)越來(lái)越受到廣泛的關(guān)注和研究，其應(yīng)用方向也在不斷增加，如民用領(lǐng)域的城市擴(kuò)張研究[1-3]、農(nóng)業(yè)及森林的調(diào)查監(jiān)測(cè)[4]，軍事領(lǐng)域中的打擊效果評(píng)估、艦船位置變化監(jiān)測(cè)等[5]。與傳統(tǒng)光學(xué)遙感不同，SAR衛(wèi)星作為主動(dòng)式微波成像衛(wèi)星，成像不受天氣和光照條件限制，也正因這一特性，使利用SAR衛(wèi)星進(jìn)行地表覆蓋變化檢測(cè)有著更加廣闊的利用前景和能力[6]。高分三號(hào)作為我國(guó)首顆C波段合成孔徑雷達(dá)衛(wèi)星，于2016年8月發(fā)射完成，是我國(guó)高分對(duì)地觀測(cè)系統(tǒng)的重要組成部分，擁有聚束、條帶成像、掃描成像等5大類12種成像模式，成像模式數(shù)量為世界上同類衛(wèi)星之最，最高分辨率可達(dá)1 m[7-8]，其具體衛(wèi)星參數(shù)如表1所示。在海洋、減災(zāi)、水利和測(cè)繪等領(lǐng)域都有著重要的研究意義和應(yīng)用前景。利用高分三號(hào)進(jìn)行SAR變化檢測(cè)，達(dá)到了利用國(guó)產(chǎn)衛(wèi)星進(jìn)行全天時(shí)，全天候進(jìn)行變化檢測(cè)的目的，極大改變了我國(guó)民用星載SAR圖像依靠進(jìn)口的狀態(tài)，為國(guó)內(nèi)各行業(yè)用戶提供高質(zhì)量、高精度對(duì)地觀測(cè)數(shù)據(jù)[9]。對(duì)國(guó)產(chǎn)衛(wèi)星應(yīng)用和SAR變化檢測(cè)研究都有著極其重要的意義。

表1 高分三號(hào)屬性信息

單極化SAR影像變化檢測(cè)主要分為3個(gè)步驟，其中第二和第三步為當(dāng)前的主要研究方向[10]。分別為：①圖像預(yù)處理。包括影像的配準(zhǔn)、定標(biāo)、裁剪、濾波等，為下步生成差異圖提供2個(gè)時(shí)相影像。②差異圖生成。這步主要是通過(guò)對(duì)2個(gè)時(shí)相影像的差異運(yùn)算，反應(yīng)2時(shí)相影像間對(duì)應(yīng)像素的差異度，主要有LR、領(lǐng)域比(neighborhood based ratio，NR)[11]、均值比(mean-ratio,MR)[12]、似然比(likelihood ratio，LLI)[10]等。③差異圖分割。其目的是通過(guò)分割算法將差異圖中的變化圖斑與非變化圖斑進(jìn)行分離，被廣泛使用的算法包括大津法(OTSU)[13]、最小誤差法(KI)[14]等。

廣義高斯模型及KI閾值分割(GKIT)閾值分割算法在分割LR差異影像上有著較為良好的應(yīng)用效果，但由于GKIT算法假設(shè)差異圖中只存在變化和非變化兩類，就導(dǎo)致其只能發(fā)現(xiàn)單側(cè)變化，極大削弱了其變化檢測(cè)的能力[15]。針對(duì)這一缺陷，有學(xué)者[16]提出了利用DGKIT的方法，其主要思想是假設(shè)差異圖中存在的后向散射增強(qiáng)，減弱和非變化類像素均服從廣義高斯分布，在滿足KI準(zhǔn)則的條件下，確定出分割三類像素的閾值。但由于差異圖的隨機(jī)性，2種變化類像素之間不管是差異程度還是數(shù)量上都可能存在較大差距，導(dǎo)致在擬合和求取準(zhǔn)則函數(shù)最小值的過(guò)程中，無(wú)法穩(wěn)定獲取正確的分割閾值，可能會(huì)導(dǎo)致在直方圖中一側(cè)確定出2個(gè)閾值而另一側(cè)被忽略的情況，極大削弱了檢測(cè)結(jié)果的可靠性。

本文正是針對(duì)進(jìn)行雙閾值變化檢測(cè)這一目標(biāo)，提出了在傳統(tǒng)針對(duì)LR差異圖進(jìn)行單側(cè)GKIT分割變化檢測(cè)的基礎(chǔ)上，改進(jìn)為利用互為相反數(shù)的2幅LR差異影像，分別進(jìn)行GKIT分割，得到雙側(cè)變化的初始分割閾值，這樣可以穩(wěn)定獲取2個(gè)初始的雙側(cè)閾值，然后利用馬爾科夫隨機(jī)場(chǎng)(MRF)分割分別進(jìn)行分割精化[17]，最后再通過(guò)差值閾值去除上步分割結(jié)果中偽變化區(qū)域，融合后得到最終變化檢測(cè)結(jié)果。這樣就避免了出現(xiàn)在直方圖一側(cè)的閾值被忽略的情況。文章首次以高分三號(hào)影像作為變化檢測(cè)實(shí)驗(yàn)對(duì)象，對(duì)文中算法進(jìn)行實(shí)驗(yàn)并驗(yàn)證了精度，最后簡(jiǎn)要分析了研究區(qū)發(fā)生變化的原因，證明了高分三號(hào)在變化檢測(cè)尤其是艦船及近海區(qū)域進(jìn)行變化檢測(cè)的能力。

1 算法介紹

文中采用算法流程圖如圖1所示。

圖1 高分三號(hào)數(shù)據(jù)進(jìn)行變化檢測(cè)算法流程圖

1.1 圖像預(yù)處理

進(jìn)行變化檢測(cè)之前，需要將2個(gè)時(shí)相原始單視復(fù)數(shù)據(jù)(single looking complex，SLC)影像經(jīng)過(guò)配準(zhǔn)、裁剪、強(qiáng)度提取、定標(biāo)、多視處理等流程，之后為了降低SAR影像固有斑點(diǎn)噪聲的影響，對(duì)影像進(jìn)行濾波，用于生成差異圖的強(qiáng)度影像[18]。

1.2 差異圖生成

假設(shè)上步中用于生成差異圖的2時(shí)相影像分別為I1和I2，由于SAR圖像自身的噪聲特性，應(yīng)用LR不但能將乘性噪聲轉(zhuǎn)化為加性噪聲，而且能較好地反映出2時(shí)相影像間的差異程度，所以本文中采用LR的方法。但與之前所不同，本文采用生成雙向差異圖的方法生成2幅對(duì)應(yīng)像素互為相反數(shù)的差異影像Ds和Db：

(1)

和

(2)

假設(shè)Db中，圖像中灰度值較大的像素代表后向散射可能發(fā)生增強(qiáng)的像素，且灰度值越大發(fā)生后向散射增強(qiáng)的程度就越大，而灰度較小的像素代表后向散射可能減弱的像素，且灰度值越小發(fā)生后向散射減弱的程度就越?。幌鄬?duì)地，在Ds中，灰度較大的像素代表可能發(fā)生后向散射減弱的像素而灰度較小的像素代表可能后向散射增強(qiáng)的像素。

1.3 差異圖分割

本文采用以2次單側(cè)GKIT閾值作為初始分割閾值，再利用MRF分割進(jìn)行精化的分割方法，并通過(guò)約束條件去除了對(duì)數(shù)比值較大但差值較小的偽變化區(qū)域，得到最終分割結(jié)果。

1)GKIT。假設(shè)在差異影像中，未發(fā)生變化的區(qū)域要遠(yuǎn)大于發(fā)生變化了的區(qū)域。GKIT的主要思想是假設(shè)廣義高斯分布分布更適合描述LR差異圖的概率分布，且差異影像中的變化和非變化像素均服從廣義高斯分布。如公式(3)所示。

i∈(u，c)

(3)

式中：p(x|Ci)表示差異圖像x中某一類Ci的概率密度函數(shù)；ai和bi是常數(shù)，可以通過(guò)與均值參數(shù)mi、方差參數(shù)σi和形狀參數(shù)βi的關(guān)系求出，而均值、方差和形狀參數(shù)都可以根據(jù)擬合的概率密度函數(shù)中求出相關(guān)參數(shù)[15]。

(4)

實(shí)際上由于假設(shè)中符合廣義高斯分布的差異圖直方圖本身具有對(duì)稱性，且尖峰拖尾形態(tài)中尖峰部分對(duì)應(yīng)差異圖中廣大未變化區(qū)域的灰度值，而兩側(cè)拖尾形態(tài)對(duì)應(yīng)的分別是差異圖中后向散射系數(shù)增強(qiáng)與減弱區(qū)的灰度值范圍。所以其在檢測(cè)雙側(cè)變化(后向散射增強(qiáng)與減弱2種變化)時(shí)有很大缺陷。其擬合結(jié)果都將只是除擬合出最高尖峰外，準(zhǔn)則函數(shù)較小的那一側(cè)的閾值，而另一側(cè)的變化閾值將被忽略。

所以具有近似對(duì)稱性的廣義高斯分布直方圖在以下兩種情況會(huì)有較好的效果，一是利用雙閾值選取方法同時(shí)將差異圖中的后向散射增強(qiáng)和減弱閾值確定，如DGKIT算法；二是差異影像中發(fā)生變化的變化類單一，均為單一后向散射增強(qiáng)或減弱變化。

本文在假設(shè)可擬合出閾值一側(cè)的變化像素的均值大于非變化像素均值(可優(yōu)先擬合出直方圖尖峰右側(cè)的閾值)的前提下，嘗試通過(guò)對(duì)雙向差異圖分割來(lái)解決這一問(wèn)題。對(duì)差異圖Db應(yīng)用GKIT得到閾值Td(>0)確定后向散射增強(qiáng)區(qū)域的初始分割結(jié)果；由于此時(shí)無(wú)法獲得后向散射減弱區(qū)域的閾值，故只能大致獲取初始閾值之后進(jìn)行精化處理。本文就以對(duì)Ds應(yīng)用GKIT獲取的閾值Ts(<0)作為分割后向散射減弱區(qū)域的閾值，選取的閾值Td和Ts均為分割差異影像Db，最終得到分割后向散射增強(qiáng)區(qū)域的初始影像Gb和后向散射減弱區(qū)域的初始影像Gs。

2)MRF分割。由于GKIT是通過(guò)全局直方圖選取閾值的分割結(jié)果，而全局閾值的缺點(diǎn)在于沒(méi)有利用到局部領(lǐng)域信息，選取結(jié)果會(huì)受到局部噪聲影響，且在無(wú)法擬合的尖峰一側(cè)閾值選取結(jié)果不精確。故文章采用將上步GKIT分割結(jié)果作為初始分割，再利用MRF分割對(duì)2幅初始分割影像進(jìn)行精化，一方面有效利用了領(lǐng)域信息，抑制了圖像的噪聲，減小孤立的變化像元與孤立非變化像元對(duì)最終分割結(jié)果的影響，另一方面也能精化無(wú)法擬合單側(cè)閾值的一側(cè)閾值選取不精確的問(wèn)題。

MRF模型與Gibbs分布存在等效關(guān)系，其能較好描述圖像空間的局部領(lǐng)域關(guān)系，使其在圖像分割領(lǐng)域得到了廣泛應(yīng)用[17，19]。其目的是通過(guò)優(yōu)化算法對(duì)圖像進(jìn)行遞歸求解系統(tǒng)能量函數(shù)最小值及涉及到的統(tǒng)計(jì)參數(shù)，獲取對(duì)應(yīng)的標(biāo)號(hào)場(chǎng)，得到最終精化后的分割結(jié)果圖Is和Ib。

1.4 分割后處理

文中實(shí)驗(yàn)數(shù)據(jù)采用的是未經(jīng)拉伸的原始數(shù)據(jù)，灰度跨度較大，所以LR方法不可避免會(huì)遇到像素比值結(jié)果虛高的情況，比如研究區(qū)中出現(xiàn)的2組像素，第一組出現(xiàn)在陸地上且實(shí)際發(fā)生變化的2個(gè)對(duì)應(yīng)像素灰度值為20和46.4，其對(duì)數(shù)比值為0.98，差值為26.4；另一組出現(xiàn)在海面上實(shí)際沒(méi)有發(fā)生變化的2個(gè)對(duì)應(yīng)像素分別為0.5和1.09，其對(duì)數(shù)比值同樣為0.98，而差值只有0.59，這也從一個(gè)側(cè)面反應(yīng)了應(yīng)用經(jīng)典LR方法生成差異圖的一個(gè)缺點(diǎn)[20]。為解決這一問(wèn)題，在得到分割結(jié)果之后，將前后時(shí)相影像差值的絕對(duì)值影像S中閾值小于t，但分割結(jié)果是變化的像素分別從變化結(jié)果Fs和Fb上去除，只保留差值大于閾值t的部分，得到變化結(jié)果Fs和Fb，融合后得到最終的變化結(jié)果圖F。

2 數(shù)據(jù)準(zhǔn)備

2.1 前后時(shí)相影像數(shù)據(jù)

試驗(yàn)區(qū)原始數(shù)據(jù)基本信息如表2所示，本文中格式均為方位向在前，距離向在后，且未經(jīng)過(guò)影像地理編碼。研究區(qū)原始影像如圖2所示。

表2 高分三號(hào)試驗(yàn)區(qū)數(shù)據(jù)基本信息

圖2 寧波地區(qū)前后時(shí)相原始影像

2.2 實(shí)驗(yàn)區(qū)域概況

如圖3所示，研究區(qū)為浙江寧波市區(qū)及周邊海域。寧波位于浙江省東部，長(zhǎng)江三角洲南翼，為浙江省經(jīng)濟(jì)中心，經(jīng)濟(jì)發(fā)展十分迅速。研究區(qū)的主要地物類型有城區(qū)、海域、灘涂，根據(jù)2016年數(shù)據(jù)，附近舟山港穩(wěn)居全球第一大港口，海上船舶往來(lái)密集，可以用來(lái)測(cè)試高分三號(hào)的船舶檢測(cè)能力。

圖3 研究區(qū)范圍

2.3 潛在可能發(fā)生真實(shí)地表變化

SAR影像變化可分為后向散射增強(qiáng)變化和減弱變化，如果根據(jù)地物后向散射強(qiáng)度將地物分為強(qiáng)、中、弱三類，則水面和裸地可認(rèn)為是后向散射較弱和正常區(qū)域，船舶和人工建筑物則具有較強(qiáng)的后向散射強(qiáng)度。故反應(yīng)在2時(shí)相SAR強(qiáng)度影像上有后向散射增強(qiáng)與減弱的變化之分。影像獲取時(shí)間分別為2016-11-14和2017-03-10，期間由于植被變化和船舶移動(dòng)等影響，引起影像上后向散射強(qiáng)度變化。

3 實(shí)驗(yàn)與分析

3.1 數(shù)據(jù)處理

1)預(yù)處理。預(yù)處理分為配準(zhǔn)、裁剪、強(qiáng)度提取、多視處理和濾波等過(guò)程。多視處理的視數(shù)比為5∶4，裁剪后影像大小為4 071像素×3 753像素，分辨率為14 m左右。生成差異圖時(shí)對(duì)影像進(jìn)行了3×3增強(qiáng)LEE濾波處理，以減少斑點(diǎn)噪聲對(duì)圖像影響。濾波后結(jié)果如圖4所示。

圖4 濾波后前后時(shí)相強(qiáng)度影像

2)差異圖生成。與傳統(tǒng)的SAR變化檢測(cè)中只生成一副差異圖不同，本文不再以后時(shí)相除以前時(shí)相影像后取對(duì)數(shù)來(lái)確定差異影像，而是生成2幅互為相反數(shù)的差異影像Db和Ds，如圖5所示。

圖5 對(duì)數(shù)比差異圖像

3)差異圖分割。對(duì)經(jīng)過(guò)中值濾波的差異圖進(jìn)行GKIT分割，假設(shè)Db中后向散射增強(qiáng)區(qū)域均值大于非變化區(qū)域均值，對(duì)Db進(jìn)行分割得到Tb(=1.002 9)分割后向散射增強(qiáng)區(qū)域閾值，Db中大于Tb的像素是后向散射增強(qiáng)像素。對(duì)Ds進(jìn)行分割得到Ts(=-1.097 9)分割后向散射減弱區(qū)域，差異圖Db中小于Ts的像素被認(rèn)為是后向散射減弱像素。初始分割結(jié)果如圖6所示。

圖6 GKIT初始分割結(jié)果

如圖7所示，GKIT在直方圖中只擬合出了尖峰右側(cè)的閾值，而尖峰左側(cè)無(wú)法擬合出閾值。故在選取初始閾值后采用MRF分割進(jìn)行精化處理。

圖7 差異圖Ds各類型概率密度分布

經(jīng)過(guò)MRF精化后的結(jié)果如圖8所示。

圖8 MRF精化分割結(jié)果

未經(jīng)歸一化原始影像生成LR差異圖會(huì)帶來(lái)比值較大而差值較小的偽變化區(qū)域，如圖8(a)中大片白色海域變化區(qū)域，考慮通過(guò)設(shè)定差值差異閾值(本文t=5)，將偽變化區(qū)域去除，并將上步中后向散射增強(qiáng)變化結(jié)果和減弱變化結(jié)果進(jìn)行融合，得到最終變化結(jié)果圖。其中后向散射增強(qiáng)結(jié)果和減弱結(jié)果如圖9所示，整體變化結(jié)果如圖10。后向散射增強(qiáng)像素、非變化像素、減弱像素分別為255、128、0。

圖9 偽變化區(qū)域去除后結(jié)果

圖10 最終變化結(jié)果

3.2 典型變化與非變化圖斑分析

圖11是圖10中區(qū)域1的2時(shí)相信息。變化主要原因是不同獲取時(shí)間艦船位置及沿海區(qū)域發(fā)生變化。沿海地區(qū)發(fā)生了散射強(qiáng)度增強(qiáng)，主要原因可能是由于海產(chǎn)品養(yǎng)殖增加了反射地物和沿海含水量的變化；城鎮(zhèn)地區(qū)發(fā)生此變化的原因主要是城市擴(kuò)張使裸地變成城市建筑區(qū)。由于沒(méi)有同時(shí)獲取的光學(xué)影像，文中沒(méi)有給出2時(shí)相對(duì)應(yīng)的光學(xué)影像。圖12是圖10區(qū)域2的2時(shí)相SAR影像，由于地表植被及土壤含水量不同引起地表變化。圖13所示為鄰近時(shí)間光學(xué)影像，可以看出地表覆蓋情況發(fā)生變化情況。

圖11 區(qū)域1 2時(shí)相影像

圖12 區(qū)域2前后時(shí)相影像

圖13 區(qū)域2 2時(shí)相鄰近時(shí)間光學(xué)影像

為計(jì)算方便，精度評(píng)價(jià)時(shí)，將后向散射增強(qiáng)和減弱像素均標(biāo)記為變化像素(灰度值255)。其他情況下，仍然分別顯示為后向散射增強(qiáng)和減弱區(qū)域。通過(guò)計(jì)算錯(cuò)檢率(false alarms，F(xiàn)A)和漏檢率(missed alarms，MA)，總錯(cuò)誤率(overall error，OE)及Kappa系數(shù)4項(xiàng)作為評(píng)價(jià)指標(biāo)進(jìn)行精度評(píng)價(jià)。分別使用本文方法和只進(jìn)行了去除偽變化區(qū)域而沒(méi)有利用MRF分割精化的GKIT方法。由于缺少真實(shí)地表覆蓋變化圖，本文選取2個(gè)區(qū)域作為樣本代替真實(shí)地表變化圖。區(qū)域1，18 391個(gè)非變化像素，900個(gè)變化像素；區(qū)域2，2 284個(gè)非變化像素，912個(gè)變化像素。人工勾繪的變化圖斑如圖14所示。

圖14 人工勾繪的變化圖斑

為了驗(yàn)證本文方法的實(shí)用性，與DGKIT算法的檢測(cè)結(jié)果進(jìn)行了對(duì)比，DGKIT算法的檢測(cè)結(jié)果如圖15所示，其中2個(gè)分割閾值分別為-1.985 7和-1.093 7，可見(jiàn)DGKIT只在單側(cè)確定了2個(gè)閾值而忽略了另一側(cè)的變化情況，檢測(cè)結(jié)果也反應(yīng)出了這一結(jié)果，圖中大部分沒(méi)有用發(fā)生變化的區(qū)域都被錯(cuò)分為減弱區(qū)域。與真實(shí)地表變化相差較大，故沒(méi)有對(duì)其進(jìn)行精度評(píng)價(jià)，只是給出了其檢測(cè)結(jié)果。

圖15 DGKIT變化結(jié)果

區(qū)域1 2種方法分割結(jié)果和精度評(píng)價(jià)結(jié)果如表3和圖16所示?？梢?jiàn)經(jīng)過(guò)MRF分割精化之后的結(jié)果，F(xiàn)A和MA分別減少了0.15%和0.16%，在本身局部已經(jīng)具有較高精度的檢測(cè)結(jié)果的基礎(chǔ)上，考慮到鄰域關(guān)系后，精度又有了部分提升，Kappa系數(shù)達(dá)到了0.889 1。而DGKIT算法的檢測(cè)結(jié)果，如圖16(c)中所示，與真實(shí)結(jié)果相差較大。而由本文算法檢測(cè)結(jié)果圖16(a)和圖16(b)可見(jiàn)，利用適合的算法對(duì)高分三號(hào)影像進(jìn)行處理，能在近海艦船檢測(cè)(圖16(a)中大部分黑白斑塊)和沿海地區(qū)及海岸線檢測(cè)方面產(chǎn)生較為良好的效果。

表3 區(qū)域1精度評(píng)價(jià)

圖16 區(qū)域1變化檢測(cè)結(jié)果

區(qū)域2分割結(jié)果和精度評(píng)價(jià)結(jié)果如表4和圖17所示。在經(jīng)過(guò)MRF精化分割結(jié)果后，盡管MA有小幅下降，但OE仍然有了1.15%的提升。最終的Kappa系數(shù)也達(dá)到了0.851 1。但DGKIT檢測(cè)結(jié)果，檢測(cè)結(jié)果全部為錯(cuò)誤的黑色減弱像素，與真實(shí)地表變化相差較大。

表4 區(qū)域2精度評(píng)價(jià)

圖17 區(qū)域2變化檢測(cè)結(jié)果

3.3 變化結(jié)果分析

通過(guò)算法檢測(cè)，提取了整個(gè)影像覆蓋地區(qū)的變化情況，變化像素約占影像對(duì)應(yīng)研究區(qū)大小的1.71%。從圖中可以看出，變化主要分布在2個(gè)主要區(qū)域，一是集中在市內(nèi)的鄞州區(qū)，二是北侖區(qū)和鎮(zhèn)海區(qū)沿海。鄞州區(qū)由于區(qū)域內(nèi)存在較多農(nóng)業(yè)用地，相隔4個(gè)月后，土地植被種植情況及土壤含水量都發(fā)生了不同程度變化，但由城市建設(shè)引起的包含人工地物變化的情況則發(fā)生較少。相比之下，北侖、鎮(zhèn)海區(qū)的沿海地區(qū)發(fā)生變化的主要原因是因?yàn)檠睾┩?，包括海帶紫菜等近海養(yǎng)殖業(yè)及海面船舶位置變化引起的后向散射變化是造成這一區(qū)域變化的主要原因。

4 結(jié)束語(yǔ)

本文針對(duì)在SAR變化檢測(cè)中應(yīng)用DGKIT算法在增強(qiáng)和減弱像素變化存在較大差異的情況下可能會(huì)產(chǎn)生單側(cè)出現(xiàn)2個(gè)閾值的情況，提出了利用雙向差異圖確定雙側(cè)初始閾值，并利用MRF分割精化，再去除結(jié)果中存在的偽變化區(qū)域，最終生成雙側(cè)變化檢測(cè)結(jié)果的方法，確定了2時(shí)相影像中發(fā)生后向散射增強(qiáng)和減弱的變化區(qū)域。

通過(guò)對(duì)高分三號(hào)浙江寧波地區(qū)2016年11月14日和2017年3月10日2景的實(shí)驗(yàn)檢測(cè)結(jié)果的分析，一方面證明了本文算法是一種有效的SAR變化檢測(cè)方法，另一方面，首次利用高分三號(hào)SAR影像作為變化檢測(cè)實(shí)驗(yàn)對(duì)象也顯示出國(guó)產(chǎn)高分三號(hào)SAR影像在變化檢測(cè)尤其是沿海灘涂及近海海產(chǎn)養(yǎng)殖、海岸線變化和艦船檢測(cè)上有著較好的檢測(cè)效果。