0 引言

先进的对地观测卫星二号(ALOS-2)于2014年5月24日由日本宇航局发射，是继先进的对地观测卫星(ALOS)之后的新一代L波段雷达卫星。作为上一代ALOS卫星的后续星，ALOS-2以更好的性能延续了ALOS 卫星在区域制图、灾害监测和资源调查等方面的优势，可继续发挥重大的作用[1]。特别是为了响应更广泛的社会需求，其搭载的PALSAR-2合成孔径雷达系统获取的影像细节更清晰、覆盖范围更广，成像模式也更为丰富。Arikawa等[2]指出，ALOS-2在通道数量、量测精度和导航精度方面的性能指标较ALOS有很大的提升，其数据产品的质量评价对进一步推广应用有重要的意义[3]。但是，由于斜距成像的成像原理，影像中存在严重的几何变形，对PALSAR-2影像进行正射校正及精度评价显得尤为重要，且目前针对同一类型的2代同波段传感器的校正精度差异比较等相关研究成果尚少。

就校正方法而言，基于成像几何模型结合数字高程模型(digital elevation model，DEM)和距离-多普勒(range doppler，RD)定位模型对合成孔径雷达(synthetic aperture Radar，SAR)影像进行正射校正方法是应用较广泛的一类方法[4-6]。该方法无需地面控制点，适用于对不易人工获取地面控制点的区域进行正射校正[7]。但是由于用于计算的卫星轨道参数[8-9]、DEM高程[10]及成像参数存在误差，经校正后的图像仍然存在误差[11]。校正过程中关键部分是如何计算准确的方位向与距离向偏移，为此一些学者曾提出了基于线性逼近和迭代来解算RD模型的方法[12]，但这类方法计算量大，且精度不是很高。Shimada给出了一种简单而且精确的正射校正方法[13]，但是要不断判断轨道精度，在轨道精度不满足要求的时候，需要通过模拟影像与真实影像的配准进行反复计算。

本文提出一种基于轨道参数修正和RD模型简化解算的PALSAR-2影像校正方法，利用模拟SAR与真实SAR影像的配准，修正轨道参数，再利用修正后的轨道参数与RD模型，完成校正工作。为了对同一类型的2代同波段传感器的校正精度差异进行比较，评估新一代L波段传感器的性能，将该方法同时应用于PALSAR-2与PALSAR影像，并对2种影像校正结果精度进行比较； 并与没有经过轨道参数修正的PALSAR-2影像校正结果进行了对比，验证方法的有效性。

1 PALSAR-2正射校正原理与方法

1.1 PALSAR-2成像特点

PALSAR-2成像几何模型为侧视模式，根据地面点与天线中心距离大小按顺序记录地面点位置。因此，地面点高度变化引起图像几何变形非常明显。图1展示了成像过程中的地面点偏移情况。

  

图1 像点位移

 

Fig.1 Image point displacement

图1中，SAR为卫星位置； P为地面点； h为高程； θinci为正常入射角； RS为卫星与P之间的距离； P0为P点在椭球面上的投影点； 为P0与卫星之间的距离； 目标P用多普勒频率fD1表示，多普勒中心频率fD和fD1有一微小差值ΔfD(因为高程非零)，由于非零像素高，P点沿距离向偏移到椭球面上的P1点； Δrg为地距偏移量； Δr为斜距偏移量； 由于多普勒频移ΔfD的影响，使得P1点沿方位向偏移到P2点； Δx为偏移量。像点位移的存在，使得图像存在叠掩、阴影、透视收缩和近距离压缩等变形，这也使得正射校正尤为重要。

1.2 PALSAR-2正射校正流程

基于DEM进行PALSAR-2影像模拟，对真实PALSAR-2影像进行校正的主要步骤如下：

未来，区块链与IoT这2种技术将进一步融合，面向IoT安全的区块链技术也将逐渐兴起。共识效率更高、存储空间更小、绿色环保的安全区块链技术更能适应新型IoT技术的需求；而容错率高、鲁棒性强、去中心化的IoT安全管控势必会推进区块链应用技术的发展。

2)读取DEM影像并进行坐标系转换，转换为SAR头文件中读取卫星运动的参考坐标系。

3)根据SAR影像成像参数、拟合后的卫星轨道参数以及坐标系转换后的DEM，建立RD定位模型，进行影像模拟，生成模拟SAR影像。

4)模拟SAR影像与真实SAR影像进行特征点检测与匹配。

SAR数据头文件中都会提供N个时刻的卫星位置矢量和速度矢量的记录，可以采用二阶及以上的多项式方法拟合出卫星随时间变化的轨道曲线方程，随着阶数增加，计算复杂度也会增加，且二阶和三阶多项式定位差异仅在cm级[14]，故本文使用二阶多项式对轨道进行拟合，天线相位中心位置关于时刻t的二阶多项式模型为

金枝赚钱赚得很多了！在裤腰间缝了一个小口袋，把两元钱的票子放进去，而后缝住袋口。女工店向她收费用时她同那人说：

6)根据修正后的卫星轨道数据，重新建立RD模型。

7)求解RD模型，生成正射校正影像。

康宁一直是生命科学行业值得信赖的供应商。康宁的生命科学器皿助力新药研发和改变生活的医学突破。凭借其在材料科技领域所累积的一百多年的专业知识，我们的技术能帮助科学家探索细胞疗法在疾病治疗上的强大功效，并在实验室器皿领域引领着3D细胞培养、生物制药和基因组学研究的发展。此外，康宁高质量的药用玻管产品也推动着医药包材工业健康和安全标准的提高。

8)精度验证与分析。

卫星运动速度随时间变化导致多普勒频移也是随时间变化的，其变化规律可以利用三次多项式拟合。通常情况下，SAR头文件中都提供了多普勒中心频率变化的拟合参数，一种典型的计算方法为

  

图2 PALSAR-2正射校正流程

 

Fig.2 Flow chart of PALSAR-2 ortho-rectification

本文主要对卫星轨道描述、RD定位模型与简化计算以及轨道参数修正进行详细介绍，其他步骤采用常规方法进行。

1.3 卫星轨道描述

5)根据匹配得到的控制点对卫星轨道参数进行修正。

，

(1)

式中： (XS,YS,ZS) 为卫星天线相位中心的三维位置； (ak,bk,ck)为多项式系数，k=0，1，2。

脱硫石膏在农业生产和土壤改良中的应用……………………………… 陶晓娜，刘 丹，桃日尼棍，武天妮，娜日苏，祁 智（89）

式(1)对时间t求导，可得任一像点成像瞬间卫星天线相位中心的瞬时速度(VX,VY,VZ)，即

，

(2)

利用头文件中提供的位置矢量和速度矢量，依据最小二乘原则，求取初始多项式系数，即本文所选取的轨道参数。

1.4 RD定位模型建立与简化计算

采用RD定位模型进行定位，实验中卫星轨道记录在地心旋转坐标系中，地面点相对于坐标轴是静止的。运动速度为0，建立RD模型为

，

(3)

式中： RS可以通过雷达参数求取； rP为地面点P的位置矢量； rS和vS分别为卫星位置矢量和参数矢量，均可以通过雷达参数求取； f0为载波频率，均可以从头文件中读取； c为光速。

为了简化计算，把式(3)第二个公式中rP用rP-rP1+rP1代替，可得

，

(4)

ΔfD为相对地面点P相对卫星运动引起的多普勒频移，频移导致的方位向偏移量为

 

(5)

式中： fDD为多普勒调频率； vg为卫星在地面上沿方位向的速度。因此，地面点P沿距离向偏移到P1，再沿方位向偏移到P2(图1)时，地面点高程引起距离向偏移，偏移量为

本文的来源数据主要包括土地利用数据和社会经济数据：①土地数据来源于国土部门的历年变更调查数据。在1996年进行第一次土地详查后，国土部门掌握一套权威的土地利用数据[19]，历年变更数据统计口径和分类方法较统一；②地区生产总值及三次产业结构，来源于1997-2017年的《苏州统计年鉴》。

Δrg≅ 。

(6)

具体流程如图2所示。

fD=d0+d1(t-t0)+d2(t-t0)2+d3(t-t0)3 ，

(7)

t0=2R0/c，

(8)

选取日本富士山地区为主要研究区域，地理位置为E138.30°～138.99°，N35.10°～35.70°，最高海拔为3 759 m，最低海拔为0 m，地形复杂多变。实验数据包括研究区的L波段ALOS PALSAR影像、ALOS-2 PALSAR-2影像，详细信息见表1，以及相应区域的SRTM 30 m空间分辨率的 DEM(来源于 USGS 网站)。

1)读取SAR影像头文件，获取卫星运动参考坐标系统，并根据SAR头文件中提供的N个时刻的卫星位置矢量和速度矢量对卫星轨道进行拟合，生成轨道参数。

根据我国发生的历次大震，《中国地震动参数区划图》(GB 18306—2015)新增“极罕遇”地震，形成“四级地震作用”.极罕遇地震的超越概率为10-4，概率虽低但是还是有可能发生.为避免RC框架结构在遭遇高于设防烈度的大震时发生“强梁弱柱”破坏，目前大量的学者和工程师通过附加被动控制的措施来减少结构的损伤.这些被动控制的措施一般包括增加阻尼器和耗能构件作为损伤元.但RC框架结构在我国占据较大的比例，针对小概率的大震事件使每个结构安装阻尼器和耗能构件并非是一种经济有效的措施.

P1点坐标可以通过下式求得，即

本文综述了近年来石墨烯材料在pH传感器领域中的应用研究进展，包括石墨烯pH电极、液栅型石墨烯场效应管pH 传感器、顶栅型石墨烯场效应管pH传感器的原理和性能。目前石墨烯材料可以与其他的pH敏感材料相结合，但基于石墨烯本身对pH的敏感性，石墨烯传感器对氢离子的化学响应机理需要进行更深的研究。

，

(9)

式中： xP1,yP1和zP1分别为矢量rP1的3个元素； Ra为赤道半径； Rb为极半径; e为椭球第一偏心率； φ为大地纬度。

对于SAR影像上任意一个像元(i,j)，满足如下关系

，

(10)

式中： δr为距离向斜距像元大小； T为像元(i,j)的成像时间； PRF为SAR的脉冲重复频率； M为方位向视数； T0为初始成像时间。

学生在实际的学习过程中对于知识或者事物的认识是从感性到理性、由表及里的认识过程，最终认识到事物的本质，但是在这个过程中，学生对事物的认识容易受到先入为主思想的局限。而潜意识就能够改变这种对事物的认识过程，让学生能够直接感应事物，不假思索做出正确的判断。潜意识将学生的理性和感性融为一体，让学生产生特有的情感体验，让学生直接把握事物的本质。

根据修正后的轨道参数重新拟合卫星轨道，对于PALSAR-2影像任意一像元(i,j)，根据式(10)以及与h之间的关系(图1)，建立高程h关于(i,j)的函数，遍历PALSAR-2影像，求解出每一像元所对应的高程h，生成高程影像。将h代入式(6)，即可求解出PALSAR-2每一像元所对应的距离向偏移量Δrg，生成距离向偏移影像。联合式(4)，(7)和(9)，求解出地面点P相对卫星运动引起的多普勒频移ΔfD，代入式(5)即可求解出PALSAR-2每一像元所对应的方位向偏移量Δx，生成方位向偏移影像。根据这些影像完成校正工作。

1.5 轨道参数修正

构建函数如下：

。

(11)

上述函数均和轨道参数相关，使用泰勒级数展开为线性形式，即

试剂：Ni2+贮备液1000mg/L、氢氧化钠溶液，C(NaOH)=2mol/L、氢氧化钠溶液，C（NaOH）=0.1moL/L、硝酸溶液（1：1）、硝酸溶液（1：99）、蒸馏水

，

(12)

式中：和为F1对轨道参数的偏导；和为F2对轨道参数的偏导；和分别为F1和F2的初始值。

对模拟SAR影像与真实SAR影像进行匹配，将匹配得到的控制点坐标代入，迭代求解出修正量和对轨道参数进行修正，当迭代次数大于最大迭代次数或单位权方差变化量小于阈值时终止迭代。

具体如表2所示，可见，虽然由于研究例数较少，一些特定并发症的发生率差异不明显，但从整体上看，观察组孕妇的妊娠期并发症发生率显著低于对照组（P＜0.05）。

2 实验分析与精度验证

2.1 实验数据

式中： t0和R0分别为初始时间和初始斜距； d0,d1,d2和d3分别为头文件中给出的方程参数； t为当前时间，可以通过雷达参数转换为采样窗口方位向数据地址。

 

表1 研究区影像信息Tab.1 Brief introduction of the images in study area

  

参数ALOS-2 PALSAR-2ALOS PALSAR拍摄时间2014-10-26,升轨2010-12-16,升轨中心经纬度/(°)E138.716,N35.579E138.705,N35.803载波频率/GHz1.2361.270天底偏角/(°)2843.4入射角/(°)31.149.645极化方式全极化HHPRF2 320.863848.896近地点斜距/km719.291987.469参考坐标系统ECRECR

2.2 数据预处理

2.2.1 PALSAR-2影像预处理

采用的PALSAR-2影像为CEOS格式数据，需预先用SARscape将原始CEOS格式数据转为单视复数据(single look complex，SLC)，并进行多视处理，生成多视处理之后的幅度图。此处多视处理的目的有2个： ①SLC图像数据中包含大量的斑点噪声，为了降噪，需进行多视处理，降低了空间分辨率，但同时提高辐射分辨率； ②SLC图像的距离向和方位向空间分辨率往往不一致，通过多视处理可以把两者的空间分辨率调整到相近的值。

VNaOH (t)是在t时刻用于中和FFAs的NaOH体积(单位是L)，MNaOH是所用NaOH的摩尔浓度(mol·L-1)，Moil是所用油脂的摩尔质量(g·mol-1)， moil是消化前样品中油的质量(g).

重庆江津至习水高速公路笋溪河特大桥作为渝南地区新的对外通道中的关键控制性工程之一，其桥梁跨越了笋溪河，桥梁全长约为1578m，承台14座，设置承台的墩7个，主塔塔座2座，承台采用C20混凝土作为土垫层，厚度为20cm。习水岸主塔的桥墩承台尺寸为22.4m×20m×6m，主引桥的承台尺寸为13m×12m×4m，除了主桥与主引桥之外，引桥承台有4个墩，一个桥墩承台尺寸为12.74m×10.2m×2m，一个为7.7m×7.7m×3m，两个为8.2m×8.2m×3m。塔座与承台都属于大体积混凝土。

PALSAR-2 SLC影像空间分辨率为5.54 m(距离向(地距))×2.84 m(方位向)，经过距离向4视，方位向8视处理后，得到的多视图像空间分辨率为22.16 m(距离向(地距))×22.72 m(方位向)，如图3所示。

  

图3 PALSAR-2影像

 

Fig.3 PALSAR-2 image

2.2.2 DEM预处理

采用的DEM是SRTM 30 m空间分辨率DEM数据，DEM经纬度范围包含研究区，需预先确定PALSAR影像所对应研究区的经纬度范围，并对DEM进行裁剪，裁剪出研究区所对应的DEM影像。

由于精度需求，对DEM进行过采样。DEM过采样率f确定方法为

，

(13)

式中： δr为斜距空间分辨率； δrg为地距空间分辨率； ΔSout为模拟SAR影像斜距空间分辨率，可以和δr相同，也可以不同； ΔSdem为DEM的空间分辨率。

研究区影像经多视处理后可得到，δrg=22.16 m，δr=11.44 m，ΔSdem=30 m，ΔSout=11.44 m。根据式(13)，可以计算出过采样率f≥1.91。因此本文对DEM进行2倍过采样，处理后的DEM影像如图4所示。

  

图4 DEM 影像

 

Fig.4 DEM image

2.3 实验结果与分析

根据PALSAR-2头文件中位置参数，建立卫星轨道拟合公式，生成初始轨道参数，采用常规的方法进行影像模拟，生成PALSAR-2模拟影像(图5)。

  

图5 PALSAR-2模拟影像

 

Fig.5 PALSAR-2 simulate image

对比图5和图3可以看出，基于DEM的PALSAR-2模拟影像可以很好地反映出山地地形中的地形起伏特征，纹理信息很明显。

采用基于特征点的图像配准方法，对真实PALSAR-2影像和模拟PALSAR-2影像进行SURF特征点自动检测与匹配，将匹配的控制点代入式(12)对轨道参数进行修正，再根据修正后的轨道参数及RD模型简化计算的方法进行正射校正，得到正射校正后的PALSAR-2影像,如图6所示。

  

图6 PALSAR-2校正影像

 

Fig.6 PALSAR-2 ortho-rectification image

对比图6和图3可以看出，正射校正后，透视收缩等变形得到很好改善，表明该方法较为有效，具有可行性。为了对同一类型的2代同波段传感器的校正精度差异进行比较，评估新一代L波段传感器的性能，同时对PALSAR影像也进行相同实验，对实验用PALSAR影像进行校正，影像如图7所示。

319 Correlation between clusterin expression and recurrence of calcium oxalate kidney stone

  

图7 PALSAR校正影像

 

Fig.7 PALSAR rectification image

为了评价该方法的校正精度，对PALSAR-2影像进行了没有经过轨道修正的正射校正，并对2种方法校正结果进行比较。PALSAR-2未经轨道修正校正的影像如图8所示。

  

图8 PALSAR-2未经轨道修正校正影像

 

Fig.8 PALSAR-2 ortho-rectification image without

 

orbit parameters modulation

2.4 精度评价

采用正射校正后的空间分辨率为4.78 m的光学卫星影像图作为参考基准，在研究区均匀选取15个明显地物点作为检验点，如线路交叉点或拐点，在校正的PALSAR-2校正影像上和卫星影像图上都能准确识别。分别读取每一个检验点在PALSAR-2校正影像和卫星影像上的坐标，并计算两者的坐标差△x和△y(见表2)。同时，对PALSAR-2未经轨道修正校正影像也进行精度评价，如表2所示。根据表2计算均方根误差RMSE，即

，

(14)

式中： n为检验点的个数； Pri为真实坐标； Pci为校正坐标。通过计算可知，PALSAR-2校正的RMSE为8.32 m(0.55个像元)，同样，PALSAR的RMSE为10.91 m(0.73个像元)，PALSAR-2未经轨道修正方法校正的RMSE为14.03 m(0.94个像元)。结果表明，新一代L波段传感器影像的校正精度较高，这也进一步证实了新一代L波段传感器有更强的性能指标； 而且相比之下，本文给出的校正方法较未经轨道修正方法校正精度有明显提高。

 

表2 PALSAR -2校正影像及未经轨道修正的校正影像精度评价Tab.2 Accuracy assessment of PALSAR -2 rectification images with orbit modulation and without orbit modulation (m)

  

点号实际坐标PALSAR -2校正影像未经轨道修正的PALSAR -2校正影像校正坐标坐标差校正坐标坐标差xyxyΔxΔyxyΔxΔy1301 4703 920 022301 4613 920 02191301 4593 920 0281162299 6553 921 460299 6493 921 45169299 6473 921 451893297 9003 904 394297 8983 904 39222297 8903 904 38210124289 6933 931 157289 6863 931 15077289 6863 931 1417165289 2903 931 063289 2933 931 06532289 2993 931 066936288 7813 930 926288 7763 930 92953288 7663 930 91415127288 3873 930 908288 3853 930 89929288 3833 930 899498283 3063 929 923283 2933 929 922131283 2933 929 91013139283 2383 930 228283 2343 930 22147283 2343 930 2214710281 6283 928 258281 6263 928 26628281 6203 928 2668811277 2903 909 780277 2833 909 78777277 2723 909 78718712274 8953 934 615274 8893 934 61863274 8893 934 62561013269 6523 932 515269 6533 932 51411269 6593 932 50371214267 8603 927 380267 8523 927 38484267 8453 927 38415415267 4343 924 644267 4373 924 65238267 4373 924 65238

3 结论与讨论

基于轨道参数修正和RD模型简化解算的PALSAR-2影像校正方法通过利用模拟SAR与真实SAR影像的配准，修正轨道参数，再利用修正后的轨道参数与RD定位模型，完成校正工作。将该方法同时应用于PALSAR-2与PALSAR影像，并对2种影像校正结果精度进行比较，结果表明新一代L波段传感器影像的校正精度较高，这也进一步证实了新一代L波段传感器有更强的性能指标。同时，将该方法与基于DEM和RD定位模型的PALSAR-2影像直接地理定位结果进行了比较，结果表明本文给出的校正方法可操作性强，相比于没有经过轨道参数修正的校正结果精度有明显提高。

由于PALSAR-2的空间分辨率远高于DEM的空间分辨率，这在一定程度上限制了PALSAR-2的校正精度。将来，更高空间分辨率的DEM可以在很大程度上提高PALSAR-2的校正精度。同时，由于只采用单景影像，叠掩和阴影等没有得到很好改善，在今后的研究中，可以采用多景影像来有效改善叠掩和阴影等变形。

参考文献(References)：

[1] Hatooka Y,Kankaku Y,Arikawa Y,et al.First result from ALOS-2 operation[M]//Xiong X X,Shimoda H.Earth Observing Missions and Sensors:Development,Implementation,and Characterization III.Beijing,China:SPIE,2014.

[2] Arikawa Y,Kankaku Y,Saruwatari H,et al.ALOS-2 launch and initial checkout result[C]//Proceedings of the SPIE Volume 9241,Sensors,Systems,and Next-Generation Satellites XVIII,SPIE Remote Sensing.Amsterdam,Netherlands:SPIE,2014.

[3] 刘宇舟,李梦华,张 路,等.ALOS-2PALSAR-2的干涉相干性分析——以黄河上游地区为例[J].测绘与空间地理信息,2016,39(3):37-40,44.

Liu Y Z,Li M H,Zhang L,et al.Interferometric coherence analysis of ALOS-2 PALSAR-2:In the upstream region of the Yellow River[J].Geomatics and Spatial Information Technology,2016,39(3):37-40,44.

[4] 敖祖锐.星载SAR影像模拟及其在正射校正中的应用研究[D].北京:首都师范大学,2014.

Ao Z R.Simulation of Space-Borne SAR and Its Application in Ortho-Rectification[D].Beijing:Capital Normal University,2014.

[5] 徐天蜀,岳彩荣,张王菲.山区星载ALOS PALSAR微波遥感图像的正射校正[J].农业工程学报,2012,28(1):173-177.

Xu T S,Yue C R,Zhang W F.Orthographic calibration of space-borne ALOS PALSAR microwave remote sensing image in mountain area[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(1):173-177.

[6] 王 庆,曾琪明,焦 健,等.基于DEM和查找表的高分辨率机载SAR图像正射校正[J].测绘通报,2013(11):10-13.

Wang Q,Zeng Q M,Jiao J,et al.Orthorectification of high-resolution airborne SAR image based on DEM and the lookup table of RD model[J].Bulletin of Surveying and Mapping,2013(11):10-13.

[7] 陈继伟,曾琪明,焦 健,等.利用轨道参数修正的无控制点星载SAR图像几何校正方法[J].测绘学报,2016,45(12):1434-1440.

Chen J W,Zeng Q M,Jiao J,et al.Spaceborne SAR image geometric rectification method without ground control points using orbit parameters modulation[J].Acta Geodaetica et Cartographica Sinica,2016,45(12):1434-1440.

[8] Pan B,Liu L.Precise SAR satellite orbit parameters determination based on ground control points[C]//Proceedings of the 18th International Conference on Geoinformatics.Beijing,China:IEEE,2010:1-5.

[9] 陆 静,郭克成,陆洪涛.星载SAR图像距离-多普勒定位精度分析[J].雷达科学与技术,2009,7(2):102-106.

Lu J,Guo K C,Lu H T.Analysis of R-D location precision in spaceborne SAR image[J].Radar Science and Technology,2009,7(2):102-106.

[10] Becek K.Assessing global digital elevation models using the runway method:The advanced spaceborne thermal emission and reflection radiometer versus the shuttle radar topography mission case[J].IEEE Transactions on Geoscience and Remote Sensing,2014,52(8):4823-4831.

[11] 陈尔学.星载合成孔径雷达影像正射校正方法研究[D].北京:中国林业科学研究院,2004.

Chen E X.Study on Ortho-Rectification Methodology of Space-Borne Synthetic Aperture Radar Imagery[D].Beijing:Chinese Academy of Forestry,2004.

[12] Gelautz M,Frick H,Raggam J,et al.SAR image simulation and analysis of alpine terrain[J].ISPRS Journal of Photogrammetry and Remote Sensing,1998,53(1):17-38.

[13] Shimada M.Ortho-rectification and slope correction of SAR data using DEM and its accuracy evaluation[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2010,3(4):657-671.

[14] 张雷雨,张 飞.星载SAR影像的定位与几何纠正[J].计算机工程与应用,2015,51(18):175-179.

Zhang L Y,Zhang F.Geopositioning and geometric rectification of spaceborne SAR images[J].Computer Engineering and Applications,2015,51(18):175-179.