CN102608601A - 一种人工角反射器在sar影像中的识别方法 - Google Patents

一种人工角反射器在sar影像中的识别方法 Download PDF

Info

Publication number
CN102608601A
CN102608601A CN2012100589182A CN201210058918A CN102608601A CN 102608601 A CN102608601 A CN 102608601A CN 2012100589182 A CN2012100589182 A CN 2012100589182A CN 201210058918 A CN201210058918 A CN 201210058918A CN 102608601 A CN102608601 A CN 102608601A
Authority
CN
China
Prior art keywords
point
corner reflector
image
extract
threshold value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2012100589182A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co Ltd
Original Assignee
BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co Ltd filed Critical BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co Ltd
Priority to CN2012100589182A priority Critical patent/CN102608601A/zh
Publication of CN102608601A publication Critical patent/CN102608601A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出了一种人工角反射器(CR)在影像中的识别方法，该方法先基于平均相干系数、振幅离差信息的双阈值方法来提取PS点，即考虑PS点回波信号的高信噪比特性，又考虑了PS点的稳定性，避免了只强调PS点某一特性的单一阈值方法存在的不足，尽量减少了PS点的错判或漏判，再从PS点中找出CR。采用此方法提高了从PS点中辨别出角反射器的效率和准确度。

Description

一种人工角反射器在SAR影像中的识别方法
技术领域
本发明涉及测绘技术领域，特别是涉及人工角反射器在影像中的识别方法。
背景技术
虽然近年来，随着合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，InSAR）技术在理论和实践方面不断深入发展，不仅带来了对地观测界又一次飞跃，也为研究地面形变提供了有力的工具。但应该指出，至今InSAR技术成功的实例局限于地表形变幅度较大、自然环境合适的地区。这是因为InSAR技术的处理过程中大气效应、地形起伏等很多因素都会带来误差，且在实际应用中还受到时间失相关、空间失相关的制约。
永久散射体(permanent scatterers，PS)干涉测法将研究对象集中于相位稳定点形成的像元子集，使得受基线和时间去相干的影响大大减少。基本上去除了传统InSAR受时间空间去相干及大气效应的影响。但PS技术是借助于那些在长时间序列上能够保持永久稳定散射特性的地物点，这些点能够在SAR强度或相位图像上识别出来，并要达到一定的分布密度，才能进行有效的监测。在建筑物密集的城区，许多人为建筑物都可以作为单一的PS点在SAR影像中识别出来，并达到一定的分布密度，进而利用这些PS点进行监测。在山区由于居民相对稀少，建筑物也分布稀疏，并且植被覆盖较多，季节性变化差异较大，因此难以识别出足够的PS候选点来满足应用要求，导致PS分析方法无法有效地展开。人工安置的角反射器(Corner Reflector，CR)能很好地解决这一问题, 同时也可以用于 PS 点的加密。由于 CR 大部分是用金属材料制成且与雷达波的入射方向保持最佳的夹角,所以其反射强度通常远大于周围物体的反射, 可以看作一个点状目标的人造永久散射体，从而解决了天然PS点稀少的问题，进一步扩大了PS-InSAR技术的应用区域。随着CR技术在InSAR技术中应用越来越广，影像数据拍摄后如何识别角反射器点尤为重要。而传统的PS点提取方法容易造成错判和漏判，提取效果并不理想。
发明内容
为解决上述技术问题，本发明提出了一种角反射器在影像中的识别方法，其有效避免了角反射器的错误判别，并大大提高了识别效率。其包括以下步骤。
A：计算数据像元相干系数，并计算像元在时间序列上的相干系数的平均值CC，选取CC≥0.8为阈值，提取出PS候选点PS1(i,j)。
B：计算出振幅离差指数DA，算出数据的DA值后选取DA≤0.25为阈值，提取出PS候选点PS2(i,j)。
C：提取PS1(i,j)与PS2(i,j)的重叠部分，识别出感兴趣的PS点PS(i,j)，即提取同时满足CC≥0.8和DA≤0.25的PS候选点。
D：结合CR坐标信息，通过CR周围的山体、河流和道路等较为明显的地形特征参照，目视解译利用排除法精确的确定出CR安置的位置，最终从PS(i.j)中识别出CR。
本发明相比于现有技术具有如下有益效果：本发明采用的角反射器识别方法是建立在基于平均相干系数、振幅离差信息的双阈值方法提取，即考虑PS点回波信号的高信噪比特性，又考虑了PS点的稳定性，避免了只强调PS点某一特性的单一阈值方法存在的不足，尽量减少了PS点的错判或漏判，从而提高了从PS点中解译CR的可靠性和准确度。
附图说明
图1为识别方法流程图。
图2为相干系数阈值提取PS候选点PS1(i,j)。
图3为振幅离差阈值提取PS候选点PS2(i,j)。
图4为双阈值提取PS点PS(i,j)。
图5为影像中识别出的角反射器位置图。
具体实施方式
具体实施流程如图1所示。
（1）计算多景数据每个像元的相干系数，然后计算像元在时间序列上相干系数的平均值。尝试采用不同的阈值进行识别，对比识别效果后，确定均值CC≥0.8为阈值，提取出的PS候选点PS1(i,j)如图2中白色点所示（底图为强度图）。
（2）计算出振幅离差指数。
假设同一地区n幅SAR影像，对于第m幅图像中第(i,j)个像元，其后向散射强度Im (i,j)等于振幅的平方，表示为。 
Figure 2012100589182100002DEST_PATH_IMAGE001
。
则与(i,j)对应的所有SAR图像中像元的后向散射强度均值为。
Figure 2012100589182100002DEST_PATH_IMAGE002
。
后向散射强度标准差可表示为。
Figure 2012100589182100002DEST_PATH_IMAGE003
。
则振幅离差指数为。
Figure 2012100589182100002DEST_PATH_IMAGE004
。
算出数据的DA值，对比不同DA值为阈值的提取效果后，选取DA≤0.25为阈值，提取出PS候选点PS2(i,j)如图3中白点所示。
（3）提取PS1(i,j)与PS2(i,j)的重叠部分，识别出感兴趣的PS点PS(i,j)，即提取同时满足CC≥0.8和DA≤0.25的PS候选点，如图4白点所示是最终识别出的PS点PS(i,j)。
（4）结合CR坐标信息，通过安装CR周围的山体、河流和道路等较为明显的地形特征参照，目视解译利用排除法精确的确定CR安置的位置，最终从PS(i.j)中识别出CR，如图 5所示。图 5中的A图为识别出来的CR的总体分布图，B、C、D图分别为CR在平均强度图中的位置详图。

Claims (1)

1.一种角反射器在影像中的识别方法，其特征在于采用下述步骤：
（1）计算数据像元相干系数，并计算像元在时间序列上的相干系数的平均值CC，选取CC≥0.8为阈值，提取出PS候选点PS1(i,j)；
（2）计算出振幅离差指数 DA，算出数据的DA值后选取DA≤0.25为阈值，提取出PS候选点PS2(i,j)；
（3）提取PS1(i,j)与PS2(i,j)的重叠部分，识别出感兴趣的PS点PS(i,j)，即提取同时满足CC≥0.8和DA≤0.25的PS候选点，达到综合考虑相干系数和振幅离差两阈值来进行PS点识别的目的；
（4）结合CR坐标信息，通过CR周围的山体、河流和道路等较为明显的地形特征参照，目视解译利用排除法精确的确定出CR安置的位置，最终从PS(i,j)中识别出CR。
CN2012100589182A 2012-03-08 2012-03-08 一种人工角反射器在sar影像中的识别方法 Pending CN102608601A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012100589182A CN102608601A (zh) 2012-03-08 2012-03-08 一种人工角反射器在sar影像中的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100589182A CN102608601A (zh) 2012-03-08 2012-03-08 一种人工角反射器在sar影像中的识别方法

Publications (1)

Publication Number Publication Date
CN102608601A true CN102608601A (zh) 2012-07-25

Family

ID=46526110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100589182A Pending CN102608601A (zh) 2012-03-08 2012-03-08 一种人工角反射器在sar影像中的识别方法

Country Status (1)

Country Link
CN (1) CN102608601A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104569937A (zh) * 2015-01-28 2015-04-29 中国科学院光电研究院 一种新型合成孔径雷达角反射器及其设计方法
CN104678392A (zh) * 2015-01-19 2015-06-03 河海大学 一种基于稳定像元加权的地基sar大气延迟改正方法
CN106772377A (zh) * 2017-01-18 2017-05-31 深圳市路桥建设集团有限公司 一种基于InSAR的建筑物变形监测方法
CN107742298A (zh) * 2017-09-28 2018-02-27 北京华航无线电测量研究所 一种角反射体自动识别方法
CN109031301A (zh) * 2018-09-26 2018-12-18 云南电网有限责任公司电力科学研究院 基于PSInSAR技术的山区地形形变提取方法
CN114994677A (zh) * 2022-04-19 2022-09-02 西南交通大学 一种基于sar影像的冰川分类方法及系统
CN116486259A (zh) * 2023-04-04 2023-07-25 自然资源部国土卫星遥感应用中心 遥感图像中的点目标的提取方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101326808A (zh) * 2005-12-07 2008-12-17 美光科技公司 提供噪声降低同时保留成像器边缘的方法及设备
CN102144174A (zh) * 2008-07-04 2011-08-03 电视广播有限公司 Sar图像序列中的永久散射体的识别和分析

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101326808A (zh) * 2005-12-07 2008-12-17 美光科技公司 提供噪声降低同时保留成像器边缘的方法及设备
CN102144174A (zh) * 2008-07-04 2011-08-03 电视广播有限公司 Sar图像序列中的永久散射体的识别和分析

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈强等: "干涉雷达永久散射体识别方法的对比分析", 《遥感信息》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104678392A (zh) * 2015-01-19 2015-06-03 河海大学 一种基于稳定像元加权的地基sar大气延迟改正方法
CN104569937A (zh) * 2015-01-28 2015-04-29 中国科学院光电研究院 一种新型合成孔径雷达角反射器及其设计方法
CN104569937B (zh) * 2015-01-28 2017-11-21 中国科学院光电研究院 一种新型合成孔径雷达角反射器及其设计方法
CN106772377A (zh) * 2017-01-18 2017-05-31 深圳市路桥建设集团有限公司 一种基于InSAR的建筑物变形监测方法
CN107742298A (zh) * 2017-09-28 2018-02-27 北京华航无线电测量研究所 一种角反射体自动识别方法
CN107742298B (zh) * 2017-09-28 2020-03-27 北京华航无线电测量研究所 一种角反射体自动识别方法
CN109031301A (zh) * 2018-09-26 2018-12-18 云南电网有限责任公司电力科学研究院 基于PSInSAR技术的山区地形形变提取方法
CN114994677A (zh) * 2022-04-19 2022-09-02 西南交通大学 一种基于sar影像的冰川分类方法及系统
CN114994677B (zh) * 2022-04-19 2023-10-13 西南交通大学 一种基于sar影像的冰川分类方法及系统
CN116486259A (zh) * 2023-04-04 2023-07-25 自然资源部国土卫星遥感应用中心 遥感图像中的点目标的提取方法和装置
CN116486259B (zh) * 2023-04-04 2024-06-04 自然资源部国土卫星遥感应用中心 遥感图像中的点目标的提取方法和装置

Similar Documents

Publication Publication Date Title
CN102608601A (zh) 一种人工角反射器在sar影像中的识别方法
Yu et al. An improved Otsu method for oil spill detection from SAR images
CN106599808B (zh) 一种基于全波形激光雷达数据的隐蔽目标提取方法
Zhang et al. Subsidence monitoring in coal area using time-series InSAR combining persistent scatterers and distributed scatterers
Chen et al. The application of the tasseled cap transformation and feature knowledge for the extraction of coastline information from remote sensing images
Redpath et al. Accuracy assessment for mapping glacier flow velocity and detecting flow dynamics from ASTER satellite imagery: Tasman Glacier, New Zealand
CN105512665A (zh) 一种机载激光雷达点云数据边缘提取方法
Baruch et al. Detection of gullies in roughly textured terrain using airborne laser scanning data
Pasolli et al. Automatic detection and classification of buried objects in GPR images using genetic algorithms and support vector machines
Abed et al. Echo amplitude normalization of full-waveform airborne laser scanning data based on robust incidence angle estimation
Gonzalez-Huici et al. A combined strategy for landmine detection and identification using synthetic GPR responses
CN103065307A (zh) 非精确配准下sar/spot图像的区域融合检测方法
Ai et al. High-precision ice-flow velocities from ground observations on Dalk Glacier, Antarctica
Wang et al. Qualitative research: The impact of root orientation on coarse roots detection using ground-penetrating radar (GPR)
JP2010197378A (ja) レーダ画像処理装置
Hu et al. Deep learning-based homogeneous pixel selection for multitemporal SAR interferometry
Alperovich et al. A new combined wavelet methodology: Implementation to GPR and ERT data obtained in the Montagnole experiment
Xu et al. The comparative study of three methods of remote sensing image change detection
Gonzalez-Huici A strategy for landmine detection and recognition using simulated GPR responses
Chen et al. Method of Water Body Information Extraction in Complex Geographical Environment from Remote Sensing Images.
KR20150090731A (ko) 표적 식별 정보 데이터베이스 구축 장치 및 방법
CN109916839B (zh) 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法
Shcherbcheva et al. Unsupervised Statistical Approach for Tree-Level Separation of Foliage and Non-Leaf Components from Point Clouds
Dong et al. Landslides analysis in western moutainous areas of China using Distributed Scatterers based InSAR
CN104298882B (zh) 对于Yamaguchi4 分解方法的改进方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120725