干涉图生成中的多视数：从噪声抑制到空间分辨率权衡

做干涉图的人，几乎每天都会跟“多视数”打交道。可它不像轨道精炼、相位解缠那样有清晰的步骤感，它更像一个藏在参数框里、看起来填什么都行的数字。我在第一次用 Sentinel-1 数据生成干涉图时，就在多视数这个参数上栽过跟头：填了 4×4，出来的形变条纹确实干净，可一块本应收敛的沉降漏斗也被抹平了。后来我才意识到，多视数不是简单“降噪”，它直接决定了干涉图的相位噪声、空间分辨率和相干性估值，是干涉图生成里第一个需要认真权衡的参数。

这篇文章想把我对多视数的理解拆开讲清楚：它到底在平均什么、数学上怎么影响相位误差、软件里怎么填、工程上怎么选，以及我在实际处理中踩过的一些坑。适合正在用 SNAP、GAMMA、SARscape 做 InSAR，或者被“干涉图生成中的多视数”这个概念绕晕的读者。

1. 多视数的本质：一次让相位噪声明显下降的平均操作

1.1 雷达图像里的“斑点噪声”逼着你必须做平均

SAR 系统发射的是相干电磁波，地面一个分辨单元里往往有大量散射体（树叶、砾石、墙面微结构）。这些散射体返回的相位彼此随机叠加，导致强度图像上出现一种颗粒状的明暗变化——斑点噪声。它的幅度可以理解为“相干波叠加”的固有统计结果，不是热噪声，也不是系统误差，不能靠硬件完全消除。

光学图像可以靠清洗镜头、延长曝光解决大部分噪声问题，雷达不行。雷达领域最经典的做法就是多视：把相邻像元当作同一地物统计意义上的“多次独立观测”，求平均。所谓“视数”，指的是窗口里参与平均的独立样本数。比如 4×4 的多视窗口，理论上就是 16 个独立样本取平均，等效视数记作 L=16。

这个地方容易产生一个误解：多视不是“糊”，而是“用分辨率换方差下降”。窗口越大，强度图像的斑点起伏越小，地面纹理看起来越平滑。代价是地面的空间细节被一起抹掉了，点状地物、边缘和窄小地貌特征会明显钝化。

1.2 干涉相位为什么这么“花”

干涉图不是强度图，它是主从影像逐像元共轭相乘后取相位得到的。每个像元的干涉相位由两部分组成：一部分是地形、形变、大气造成的“真实相位”，另一部分是两次成像时几何视角差异、时间去相关、热噪声和斑点噪声引起的随机相位误差。

相干性高的时候，随机相位误差相对小，干涉条纹的轮廓很清楚；相干性低的时候，相位在局部剧烈跳变，看起来就是密密麻麻的彩色颗粒，这就是我们常说的“相位花掉了”。多视处理在这里的威力在于：相位随机误差的方差会随着样本数 L 增大而明显下降。

1.3 记住这个公式：相位标准差近似正比于 1/√L

干涉图中，多视后的相位误差常用下面这个近似公式估计：

σφ ≈ sqrt((1 - γ²) / (2Lγ²))

其中 γ 是相干性，L 是等效视数，σφ 的单位是弧度。这个公式在 γ 不太低时有实用价值。

举个例子，当相干性 γ=0.6 时：

从这个表能清楚看到两件事。第一，从单视到 4 视，相位标准差从 54° 降到 27°，肉眼可感知的改善非常明显；第二，从 20 视到 50 视，继续增加多视数的边际收益在变小。这说明多视数不是一个“越大越好”的参数，它存在一个边际收益和分辨率损失交叉的甜蜜点。

好多人只看 SNAP 界面里的预览图，觉得“条纹变顺滑了，说明多视设对了”。但真正决定一个参数是否合理的，是后续解缠、形变反演时残留相位噪声是否在你的容忍范围内。

2. 干涉图生成前，多视参数在软件里到底怎么填

2.1 SNAP 里的 Multilook 并不是简单填两个数字

SNAP 中最常见的做法是在 Radar > Radiometric > Multilook 这个工具里设置“Number of looks in range”和“Number of looks in azimuth”。它有两个模式：

• 如果勾选了 GR Square Pixel，你只需要填一个目标地面像元尺寸（单位：米），SNAP 会根据当前产品的像素间距自动计算对应的 range/azimuth 多视数；
• 如果不勾选，就直接填距离向和方位向的视数。

很多教程会让你用 GR Square Pixel，然后填 20m 或 40m。这个操作本身没问题，但你必须清楚 SNAP 算出来的是“地面距离向”的多视数，不是“斜距向”。它内部会先根据入射角把你的 slant-range 像素间距投影到 ground-range 方向，再决定窗口尺寸。

我建议新手第一次操作时，选择不勾选 GR Square Pixel，先看产品文档里的原始像素间距。以 Sentinel-1 IW 模式 SLC 为例，斜距向像素间距约 2.3m，方位向约 13.9m，两者比例接近 1:6。如果你随便填 4×4，出来的像元在地面上就是接近“矮胖”的形状，而不是正方形。

2.2 GAMMA 与 SARscape 的填法差异

GAMMA 的处理思路不太一样。它通常在干涉图生成这一步通过参数文件里的 rlks 和 azlks 控制多视数。比如：

SLC_cpx 参数文件示例 rlks: 10 azlks: 2

GAMMA 的多视发生在复数据域，干涉图的生成和滤波环节会直接继承这个视数设置。它的好处是处理速度快，坏处是——如果中途想换多视数，需要回到这一步重新跑，不像 SNAP 可以在干涉图之后灵活调整。

SARscape 则把多视作为一个独立的前处理模块，通常在生成干涉图之前对 SLC 做 Multilook。它界面上会直接给 Range Looks 和 Azimuth Looks 两个输入框，旁边还会显示“Estimated Ground Resolution”之类的参考信息。SARscape 的联动性较好，改一个方向的视数，地面分辨率会同步显示出来，方便判断。

2.3 批量处理时的 SNAP XML 参数

做时序 InSAR 时不可能每景都在 GUI 里点一遍，我一般会把多视写进 SNAP 的 Graph Processing Tool XML 里。核心片段类似这样：

<node id="Multilook"> <operator>Multilook</operator> <sources> <sourceProducts refid="Deburst"/> </sources> <parameters> <sourceBands/> <grSquarePixel>false</grSquarePixel> <rangeLooks>10</rangeLooks> <azimuthLooks>2</azimuthLooks> </parameters> </node>

批量处理之前，先用一景小范围数据跑通整个图，确认多视后的干涉图像元尺寸、相干性、条纹形态都在预期范围内，再铺到全量数据上。这个习惯能省掉很多返工。

3. 多视数选多大：分辨率、相干性和形变敏感度之间的拉扯

3.1 地面分辨率变成原来的多少倍

多视窗口在距离向和方位向各放大多少倍，地面分辨率就相应变差多少倍。以 Sentinel-1 IW 数据为例：

这里面有个很关键的判断：一个形变信号的尺度有多大。如果一个沉降漏斗半径只有 30m，你用了 20×4 的多视窗口，窗口本身就 46m×56m 了，信号的峰值和形态一定会被严重低估。反过来说，如果你的目标是 100km 尺度的地表形变普查，用 4×1 会引入大量相位噪声，解缠过程容易产生残差环。

我自己的经验是：先明确目标信号的尺度，再反推多视数的上限。工程上不存在“标准多视数”，只有“对这个目标信号足够敏感”的多视数。

3.2 相干性窗口里的“有效样本数”

相干性是 InSAR 里评估干涉质量的核心指标。但相干性本身也是估计出来的——在一个局部窗口内，对复干涉相位样本做统计平均。估计值和真实相干性之间会有偏差，偏差大小直接取决于有效样本数 L。

当 L 比较小的时候，相干性估值会系统性偏高，而且方差很大。也就是说，你会发现一片理论上相干性只有 0.3 的区域，单视情况下能估出 0.6 的高相干，这种虚高的相干会误导后续自适应滤波的权重和相位解缠的置信度。

多视在这里的作用是“增加估计样本数”。但要注意，多视增加的是空间窗口，不是真的重复观测。窗口越大，样本之间越可能包含了不同地物或大梯度形变，这会破坏“窗口内相位平稳”这一基本假设。所以多视数和相干性窗口尺寸要配套考虑，不能只盯着 L 看。

3.3 小形变区域最容易在这上面翻车

我接过一个项目，目标是监测矿区一条带状沉降区，宽度不到 200m。第一次跑数据时用了 20×4 的多视参数，沉降漏斗是出来了，但峰值形变量从实测水准的 120mm 被压到 80mm。后来把多视窗口换成 4×1，峰值恢复到 115mm，代价是干涉条纹噪声明显增加。

这个案例特别能说明问题：多视数不是“质量开关”，它更像一个低通滤波器。噪声降下来的同时，信号也被平滑了。对分布式目标、领域尺度大的场景，多视非常有价值；对点状目标和快速形变梯度，宁可多花时间做滤波和掩膜，也不要用过大的多视窗口。

4. 处理链路里与多视相关的几个顺序问题

4.1 先成单视干涉图，再统一多视

我在不同软件里试验过很多次后，比较推荐的顺序是：先把主从 SLC 做完配准和干涉图生成，得到单视复干涉图，然后再做多视。这样有几个实际好处：

第一，你可以保留一个“未经过任何空间平均”的干涉图备用。当后续发现多视参数不合理时，不用重新跑配准和干涉图生成，只需要回到多视这一步调整参数重跑，大大节省时间。

第二，单视干涉图保留了相位跳变的所有细节，在做相位解缠时能更灵敏地发现局部残差。如果一开始就大窗口多视，局部相位梯度被抹平，解缠出错时很难判断是解缠算法的问题还是多视的问题。

第三，从软件实现上看，SNAP 的 S1 TOPSAR 干涉流程通常也是先出单视干涉图，再在后续节点应用 Multilook。这样整个数据流更容易控制。

4.2 多视之后仍要滤波，但别把细节滤没了

多视和相位滤波是两个维度的事。多视在空间上做固定窗口平均，它是“无脑”的，不管窗口里面是什么信号都一视同仁地平均；而 Goldstein 滤波这类自适应滤波，会根据局部相干性和频率特征调整滤波强度，相对更智能。

我见过一些处理流程，多视数设得很大，然后又套了一轮强滤波，结果整个形变场看起来像被打了一层厚厚的马赛克。多视之后是否需要滤波、滤波窗口设多大，应该以“解缠后的残差点密度”和“形变信号的空间连续性”为判据，而不是凭感觉。

4.3 “像素大小”和“分辨率”不是一回事

这是一个容易被忽视的概念混淆。多视后你看到的像素间距可能是 20m，但这不等于数据的有效分辨率一定就是 20m。窗口平均之后，相邻像素之间存在明显的相关性，真实的空间独立信息量往往小于“像素数量”给人的感觉。在后续做形变反演和建模时，如果把这些相关性忽略掉，协方差矩阵会被估计得过于乐观，误差也会被低估。

所以，在写论文或报告时，不要只写“多视数为 20（等效视数）”，建议同时写清楚距离向视数、方位向视数、地面像元尺寸，以及这些参数对相位标准差的估计。这样别人才能复现你的处理配置，而不是拿着一个莫名其妙的“20”瞎猜。

4.4 残余轨道误差会被多视“掩盖”

多视除了降低相位噪声，还有一个人人爱又人人恨的效果：它会掩盖轨道残余误差和大气相位中高频分量的细节。轨道误差在干涉图中通常表现为大尺度的线性相位趋势，多视不会把它消掉；但大气湍流的短波分量会和多视后的像元混在一起，让大气相位看起来更平滑。

这带来的隐患是：如果你在多视后的干涉图上做相位解缠和形变提取，可能会在大气校正阶段发现“怎么都校不干净”。其实不是校不干净，而是多视让大气相位和形变相位的频谱重叠更密了。用单视干涉图做大气相位诊断、用多视干涉图做形变相位提取，是更稳妥的组合。

5. 我常用的多视参数参考值

5.1 我目前的默认起点

处理 Sentinel-1 IW 数据时，我目前的默认起点是：DInSAR 单景用 4×1 或 5×1，SBAS 小基线用 10×2，大范围形变普查用 20×4。这只是起点，不是终点。

开始处理一个研究区之前，我会先做两件事。第一，用 4×1 快速生成一景干涉图，统计相干性均值和解缠残差点数量；第二，用 20×4 生成同一景，再用残差点数量和相干性均值做对照。如果 4×1 的残差比例很高（超过总像素数的 5%），而 20×4 还能控制在合理范围，说明研究区整体相干性偏低，需要用更大的多视窗口；如果两种参数下残差点比例接近，那就尽量选高分辨率的小窗口，保留更多形变细节。

5.2 换数据源之前先算像素比例

不同卫星、不同模式的 SLC 像素间距差异非常大。ALOS-2 的 L 波段条纹模式、TerraSAR-X 的条带模式、Sentinel-1 的 TOPS 模式，距离向和方位向的像素比例都不一样。

我的做法是：下载产品时顺手读一下 Granule 或 Ann 里的 pixel spacing 字段，算一下比值，再确定多视窗口的“距离视数:方位视数”。比如 Sentinel-1 大约是 6:1 才能得到正方形像元，那我用 10:2 或 12:2，而不是 4×4。别拿着一套参数到处套，不同数据源的多视数参考值完全不同。

5.3 最后分享一个非常实用的小技巧

多视参数在软件里改起来很容易，但真正验收它合不合理，最好回到物理量而不是看图像。具体做法是：多视后生成干涉图，统计相位残差点的空间分布，再叠加到相干性图上。如果残差点主要落在相干性低的山区、水体、植被覆盖区，说明多视数基本合理；如果残差点在相干性很高的城镇区域也成片出现，那一般不是多视数的问题，而是配准误差或者干涉相位未正确去除平地方位造成的。

我实际处理过不少数据集后越来越确定一件事：多视数这个参数，更像是一个需要“听诊”的参数，而不是一个可以“照抄”的参数。它帮助你理解干涉相位统计特性的入口，也是干涉图生成里最值得花时间调试的第一步。放下对“标准答案”的执念，用两组参数在同一景数据上做对照，你会比那些直接填默认值的人少走很多弯路。