CN102680972A - 地表形变的监测方法和装置及数据处理设备 - Google Patents
地表形变的监测方法和装置及数据处理设备 Download PDFInfo
- Publication number
- CN102680972A CN102680972A CN2012101819533A CN201210181953A CN102680972A CN 102680972 A CN102680972 A CN 102680972A CN 2012101819533 A CN2012101819533 A CN 2012101819533A CN 201210181953 A CN201210181953 A CN 201210181953A CN 102680972 A CN102680972 A CN 102680972A
- Authority
- CN
- China
- Prior art keywords
- satellite radar
- target area
- land
- data
- face
- 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
Links
Images
Landscapes
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种地表形变的监测方法和装置及数据处理设备,该地表形变的监测方法包括:获取目标区域的卫星雷达影像;获取目标区域的卫星雷达影像的像素;对像素进行复数运算以得到目标区域的干涉图;以及获取干涉图中的地表形变数据。通过本发明,由于接收来自卫星的卫星雷达影像数据,并通过卫星雷达影像数据中的像素数据得到干涉图,干涉图中包含着表征地表形变的数据信息和其他数据信息,在去除其他信息后,即可得到地表形变的数据信息,进而达到了快速准确地检测矿区沉降的效果。
Description
技术领域
本发明涉及勘测领域,具体而言,涉及一种地表形变的监测方法和装置及数据处理设备。
背景技术
矿产资源的过度开采容易破坏矿区地下地质结构,引发地表塌陷、滑坡、崩塌、泥石流、地裂缝、地面沉降和地面积水等事故,甚至导致矿区透水事故,造成严重的安全隐患甚至人员伤亡。通过对矿区长期、动态的沉降监测,对矿区沉降规律进行分析,可及时掌握矿区地质环境的破坏程度,从而针对实际情况制定相应的应急处理方案。同时,矿区的地表形变数据信息可为矿区的规划、治理和发展提供数据支撑,有利于促进矿山地质灾害环境的一体化管理。因此,矿区沉降监测是矿区开采和可持续发展的重要组成部分,对预防潜在地质灾害具有重要意义。
目前,针对矿区地表形变监测的主要手段有传统的水准测量、全球定位系统(Global Position System,简称GPS)测量和电子测距测量等,这几种监测方法空间分辨率低、不适合用于对矿区进行快速、准确、大范围的监测;而且需要大量的人力、物力的支持,需要测量人员进入监测区域内进行野外作业,不仅监测难度大、效率低下,而且还存在安全隐患;台站分布和观测周期受到地形和气候等环境因素的影响大,监测不精确。
针对现有技术中对矿区沉降监测成本高而且监测精度低的问题,目前尚未提出有效的解决方案。
发明内容
本发明提供了一种地表形变的监测方法和装置及数据处理设备,以至少解决现有技术中对矿区沉降监测成本高而且监测精度低问题。
为了实现上述目的,根据本发明的一个方面,提供了一种地表形变的监测方法。
根据本发明的地表形变的监测方法包括:获取目标区域的卫星雷达影像;获取目标区域的卫星雷达影像的像素;对像素进行复数运算以得到目标区域的干涉图;以及获取干涉图中的地表形变数据。
进一步地,获取目标区域的卫星雷达影像包括:获取目标区域的多幅不同的卫星雷达影像,获取目标区域的卫星雷达影像的像素包括:获取目标区域的多幅不同的卫星雷达影像的像素。
进一步地,在获取目标区域的多幅卫星雷达影像之后和获取目标区域的多幅卫星雷达影像的像素之前,上述方法还包括:获取多幅卫星雷达影像中的坐标数据;计算获取的多幅卫星雷达影像中的坐标数据之间的偏移量;以及利用偏移量配准获取的多幅卫星雷达影像,获取目标区域的卫星雷达影像的像素包括:获取目标区域的配准后的多幅卫星雷达影像的像素。
进一步地,对像素进行复数运算以得到目标区域的干涉图包括:通过像素获取多幅卫星雷达影像的相位差;以及对相位差进行灰度化计算以获取干涉图。
进一步地,获取干涉图中的地表形变数据包括:去除干涉图中的地形相位、平地相位和相位噪声以获取地表形变数据。
进一步地,去除干涉图中的地形相位、平地相位和相位噪声以获取地表形变数据包括:利用二轨法或三轨法去除地形相位;利用基于地理定位的去平地效应方法去除平地相位;以及通过矢量滤波方法去除相位噪声。
进一步地,在获取目标区域的卫星雷达影像之后以及在获取目标区域的卫星雷达影像的像素之前,上述方法还包括:获取基础数据资料,其中,基础数据资料为与目标区域地形相关的数据;结合基础数据资料对卫星雷达影像进行纠正处理以获取正射卫星雷达影像,获取目标区域的卫星雷达影像的像素包括:获取目标区域的正射卫星雷达影像的像素。
为了实现上述目的,根据本发明的另一个方面,提供了一种地表形变的监测装置,该装置用于执行本发明提供的任意一种地表形变的监测方法。
根据本发明的另一方面,提供了一种地表形变的监测装置。该监测装置包括:第一获取单元,用于获取目标区域的卫星雷达影像;第二获取单元,用于获取目标区域的卫星雷达影像的像素;第一计算单元,用于对像素进行复数运算以得到目标区域的干涉图;以及第三获取单元,用于获取干涉图中的地表形变数据。
进一步地,第一获取单元还用于获取目标区域的多幅不同的卫星雷达影像,第二获取单元还用于获取目标区域的多幅不同的卫星雷达影像的像素。
进一步地,上述装置还包括:第四获取单元,用于获取多幅卫星雷达影像中的坐标数据;第二计算单元,用于计算获取的多幅卫星雷达影像中的坐标数据之间的偏移量;以及第五获取单元,用于利用偏移量配准获取的多幅卫星雷达影像,第二获取单元还用于获取目标区域的配准后的多幅卫星雷达影像的像素。
进一步地,第一计算单元包括:获取子单元,用于通过像素获取多幅卫星雷达影像的相位差;以及计算子单元,用于对相位差进行灰度化计算以获取干涉图。
进一步地,第三获取单元还用于去除干涉图中的地形相位、平地相位和相位噪声以获取地表形变数据。
进一步地,第三获取单元包括:第一去除子单元,用于利用二轨法或三轨法去除地形相位;第二去除子单元,用于利用基于地理定位的去平地效应方法去除平地相位;以及第三去除子单元,用于通过矢量滤波方法去除相位噪声。
进一步地,上述装置还包括:第六获取单元,用于获取基础数据资料,其中,基础数据资料为与目标区域地形相关的数据;纠正单元,用于结合基础数据资料对卫星雷达影像进行纠正处理以获取正射卫星雷达影像,第二获取单元还用于获取目标区域的正射卫星雷达影像的像素。
根据本发明的再一方面,提供了一种数据处理设备。该数据处理设备包括本发明提供的任一种地表形变的监测装置。
通过本发明,由于接收来自卫星的卫星雷达影像数据,并通过卫星雷达影像数据中的像素数据得到干涉图,干涉图中包含着表征地表形变的数据信息和其他数据信息,在去除其他信息后,即可得到地表形变的数据信息,该方法借助了卫星数据,取样的准确度大大高于实地勘测而投入成本低于实地勘测,然后通过数据处理系统的运算得出地表形变的结果,计算的准确度同样大大高于人工的计算,因此解决了对矿区沉降监测成本高而且监测精度低的问题,进而达到了快速准确地检测矿区沉降的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的地表形变的监测装置的结构框图;
图2是根据本发明第一优选实施例的地表形变的监测装置的结构框图;
图3是根据本发明第二优选实施例的地表形变的监测装置的结构框图;
图4是根据本发明第三优选实施例的地表形变的监测装置的结构框图;
图5是根据本发明第四优选实施例的地表形变的监测装置的结构框图;
图6是根据本发明实施例的地表形变的监测方法的流程图;以及
图7是根据本发明优选实施例的地表形变的监测方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明实施例提供了一种地表形变的监测装置,以下对本发明实施例所提供的地表形变的监测装置进行介绍。
图1是根据本发明实施例的地表形变的监测装置的结构框图。
如图1所示,该地表形变的监测装置包括第一获取单元11、第二获取单元12、第一计算单元13和第三获取单元14。
第一获取单元11用于获取目标区域的卫星雷达影像。
第二获取单元12用于获取目标区域的卫星雷达影像的像素。
第一计算单元13用于对像素进行复数运算以得到目标区域的干涉图。
第三获取单元14用于获取干涉图中的地表形变数据。
以上四个单元的功能均可以通过CPU来实现。
在本实施例中,由于接收来自卫星的卫星雷达影像数据,并通过卫星雷达影像数据中的像素数据得到干涉图,从该干涉图中即可得到地表形变的数据信息,借助卫星数据,取样的准确度大大高于实地勘测而投入成本低于实地勘测,然后通过数据处理系统的运算得出地表形变的结果,计算的准确度同样大大高于人工的计算,因此解决了对矿区沉降监测成本高而且监测精度低的问题,进而达到了快速准确地检测矿区沉降的效果。
为了使得监测结果更加准确,可以以多幅卫星雷达影像为依据进行监测,优选地,第一获取单元还用于获取目标区域的多幅不同的卫星雷达影像,第二获取单元还用于获取目标区域的多幅不同的卫星雷达影像的像素。
图2是根据本发明第一优选实施例的地表形变的监测装置的结构框图。该实施例可以作为图1所示实施例的优选实施方式。
如图2所示,该地表形变的监测装置除了包括第一获取单元11、第二获取单元12、第一计算单元13和第三获取单元14之外,还包括第四获取单元15、第二计算单元16和第五获取单元17。
第四获取单元15用于获取多幅卫星雷达影像中的坐标数据。
第二计算单元16用于计算获取的多幅卫星雷达影像中的坐标数据之间的偏移量。
第五获取单元17用于利用偏移量配准获取的多幅卫星雷达影像。
第二获取单元12还用于获取目标区域的配准后的多幅卫星雷达影像的像素。
本实施例的各单元的功能也可以通过CPU来实现。
在该实施例中,通过获取多幅卫星雷达影像中的坐标数据,对多幅卫星雷达影像进行配准,并获取配准后的卫星雷达影像中的像素,提高了监测的准确性。
图3是根据本发明第二优选实施例的地表形变的监测装置的结构框图。该实施例可以作为图2所示实施例的优选实施方式。
如图3所示,该地表形变的监测装置包括第一获取单元11、第二获取单元12、第一计算单元13、第三获取单元14、第四获取单元15、第二计算单元16和第五获取单元17,其中,第一计算单元13包括获取子单元131和计算子单元132。
获取子单元131用于通过像素获取多幅卫星雷达影像的相位差。
计算子单元132用于对相位差进行灰度化计算以获取干涉图。
本实施例的各子单元的功能可以通过CPU来实现。
在该实施例中,通过获取不同卫星雷达影像的相位差,通过计算得出干涉图,为获取地表形变数据提供了基础。
图4是根据本发明第三优选实施例的地表形变的监测装置的结构框图。该实施例可以作为图1所示实施例的优选实施方式。
如图4所示,该地表形变的监测装置包括第一获取单元11、第二获取单元12、第一计算单元13和第三获取单元14,其中,第三获取单元14包括第一去除子单元141、第二去除子单元142和第三去除子单元143。
在本实施例中,第三获取单元还用于去除干涉图中的地形相位、平地相位和相位噪声以获取地表形变数据。
在去除干涉图中的地形相位、平地相位和相位噪声后,剩余的数据即为地表形变数据。
第一去除子单元141用于利用二轨法或三轨法去除地形相位。
第二去除子单元142用于利用基于地理定位的去平地效应方法去除平地相位。
第三去除子单元143用于通过矢量滤波方法去除相位噪声。
本实施例中的子单元的功能均可以通过CPU实现。
在该实施例中,从获取的干涉图中去除地形相位、平地相位和相位噪声,剩余的即为地表形变数据,因此去除以上地形相位、平地相位和相位噪声即可获取地表形变数据。
图5是根据本发明第四优选实施例的地表形变的监测装置的结构框图。该实施例可以作为上述任意一个实施例的优选实施方式,下面以作为图1所示实施例的优选实施方式为例。
如图5所示,该地表形变的监测装置除了包括第一获取单元11、第二获取单元12、第一计算单元13和第三获取单元14之外,还包括第六获取单元18和纠正单元19。
第六获取单元18用于获取基础数据资料,其中,基础数据资料为与目标区域地形相关的数据。
纠正单元19用于结合基础数据资料对卫星雷达影像进行纠正处理以获取正射卫星雷达影像。
本实施例的单元的功能可通过CPU实现。
在本实施例中,第二获取单元还用于获取目标区域的正射卫星雷达影像的像素。
在该实施例中,通过结合目标区域的基础数据对卫星雷达影像进行纠正,可以获得更加精确的影像,从而提高了监测的精度。
本发明实施例提供了一种数据处理设备,该设备可以包括本发明实施例提供的任一种地表形变的监测装置。
本发明实施例还提供了一种地表形变的监测方法。
图6是根据本发明实施例的地表形变的监测方法的流程图。
如图6所示,该地表形变的监测方法包括如下的步骤S602至步骤S608。
步骤S602,获取目标区域的卫星雷达影像。
在给定目标区域的坐标范围之后,优选比例尺合适、图像稳定、技术先进、而且可靠的卫星数据销售商,完善图像处理设备,收集矿区的卫星雷达影像。用于监测的卫星雷达影像主要来自欧空局的ENVISAT卫星、日本宇航局的ALOS卫星和德国宇航局的TerraSAR-X卫星。
此时,还可以进一步获取目标区域的正射卫星雷达影像。首先,获取基础数据资料,其中,基础数据资料为与目标区域地形相关的数据,然后,结合基础数据资料对卫星雷达影像进行纠正处理就可以获取正射卫星雷达影像。
具体地,将基础数据和卫星雷达影像数据相结合后,对结合得到的数据进行纠正控制点选取,接着判断纠正处理结果是否满足要求,如果不满足则重新选取;如果满足,则进行正射纠正处理,正射纠正是通过在像片上选取一些地面控制点,并利用原来已经获取的该像片范围内的数字高程模型(DEM)数据,对影像同时进行倾斜改正和投影差改正,正射纠正处理改正了因地形起伏和传感器误差而引起的像点位移。通过正射纠正处理,即可获取正射卫星雷达影像。
在本实施例中,获取目标区域的多幅卫星雷达影像。
由于目前3D技术还不够成熟,通过一幅卫星雷达影像来完成本实施例的准确度低于借助多幅卫星雷达影像时的效果。因而,优选地,获取多幅卫星雷达影像中的坐标数据,并计算获取的多幅卫星雷达影像中的坐标数据之间的偏移量,从而可以利用偏移量配准获取的多幅卫星雷达影像。
卫星雷达影像的配准是干涉影像处理中的重要步骤。由于地形对相位的影响非常敏感,如果多幅卫星雷达影像所对应的同名点有所错开,将会产生很大的测量误差。因此,要求多幅卫星雷达影像的配准精度一定要达到亚像元级的水平。
配准过程中很重要的一步是计算卫星雷达影像所对应的同名点的相对偏移量,一旦确定了卫星雷达影像同名点之间的相对偏移量,以两幅卫星雷达影像为例,就可以对一幅卫星雷达影像进行插值重采样,完成两幅卫星雷达影像的配准。根据所选取的两幅卫星雷达影像数据,采用同名点自动匹配算法得到匹配点,该算法大致包括三个步骤:(1)把主、辅影像的重叠区域等分成若干网格,在每个网格上提取唯一角点作为特征点,使用从主影像中提取的特征点,应用相关性分析在辅影像对应的区域中搜索同名点,接着使用从辅助影像中提取的特征点来对主影像中的区域进行相似搜索,最后合并交叉搜索获得的同名点对。然后根据同名点对的情况,采用最小二乘原理来回溯搜索最佳变换函数类型和相应变换参数,大概包括两步:(a)使用同名点对,并采用最小二乘原理依次计算同名点对在采用仿射变换、二次多项式变换和三次多项式变换下的总的中误差和对应变换参数;(b)对所得的3个总的中误差进行排序,选择总的中误差最小的对应变换函数和对应变换参数;(2)通过分层回溯逐层加密控制点来求得最佳变换函数类型和相应变换参数。处理步骤包括:(a)首先细化格网并提取特征点,对新获取的特征点重新进行交叉搜索来更新同名点对;(b)应用最小二乘原理,对已有的同名点对使用步骤(1)获取的最佳变换函数进行重新计算来获取新的变换函数和对应变换参数;(c)应用新的变换函数重复迭代(2a)、(2b),直至格网细分到预定要求(一般3~5次细分);(3)在原始影像分辨率下修正同名点坐标,即把不同分辨率尺度上的同名点对坐标映射到原始影像的分辨率尺度上,在获取的同名点坐标邻域范围内进行最佳坐标值搜索,进而获得最终匹配点。将这些匹配点作为控制点进行二阶多项式拟合来确定两幅卫星雷达影像中任何一个匹配位置的相对偏移量,即可以确定几何变换模型,最后根据相对偏移量,以一幅卫星雷达影像为准,用双线性插值法对另一幅卫星雷达影像作插值重采样,从而完成配准操作,这样的配准操作也叫做精确配准。精确配准后控制点残差的方均根误差为0.1~0.2像元且有效控制点一般至少在20以上,基本均匀分布在卫星雷达影像中。
步骤S604,获取目标区域的卫星雷达影像的像素(像元)。
当获取目标区域的多幅不同的卫星雷达影像时,获取目标区域的配准后的多幅不同的卫星雷达影像的像素。
在获取到正射卫星雷达影像时,还可以获取目标区域的正射卫星雷达影像的像素。
步骤S606,对像素进行复数运算以得到目标区域的干涉图。
精确配准后的两幅主、辅卫星雷达影像的对应像元分别以复数表示为:
u1和u2为像元接收信号的幅值部分,φ1和φ2为相位部分。将两幅图对应的像元共轭相乘得到:
u为干涉图像像元,其幅值数据是对应像元的幅值乘积,相位数据是对应像元的相位之差,反映了两次成像时卫星传感器天线到反射目标的距离差。
从干涉图像中获得的相位是被限制在(-π,π)的范围内的真实相位的主值,还需要进行相位展开处理才能恢复出完整的真实相位。相位展开处理可以采用基于最小二乘的相位展开,这个算法是基于干涉相位图中的像元差值而不是像元值本身的相位展开方法,它的计算结果是通过使展开相位的梯度与缠绕相位的梯度之间的均方差达到最小而确定的。
在该真实相位的基础上,去除干涉图中的地形相位、平地相位和相位噪声以获取地表形变数据。
干涉图中不仅包含因地形起伏引起的干涉相位,还包含由地表位移引起的形变相位,通过对干涉图进行差分处理(去除地形影响)来获取地表微量形变。对于一幅干涉图而言,形变相位的干涉影像是通过已配准的主、从卫星雷达数字影像的共轭相乘所得到的:
IF(r,n)=M(r,n)S(r,n)*
式中:(r,n)表示像素坐标;M和S分别为复数形式的主影像和辅影像;IF为复数形式的干涉影像,而其相位Δφ可以写成以下的形式:
式中:λ表示雷达波长;R为斜距;H表示地表高程;θ为雷达入射角;k为整周模糊度;B⊥和B∥分别为两幅影像的垂直基线和平行基线,基线是指两幅影像获取时的空间关系,把基线按照视线方向和垂直于视线方向进行分解,分别叫平行基线和垂直基线;φnoise代表相位噪声。
等号右侧第一项表示形变相位,是指在主、辅影像所间隔的时间范围内,地表在雷达视线方向上的位移D所引起的干涉相位。第二项表示由地表高程H引起的相位变化,即地形相位。去除地形相位的方法有两种:一种是利用仅包含地形信息的卫星雷达数字影像对生成干涉图进而得到地形相位;另一种是利用已有的外部DEM模拟地形信息从而实现地形相位的去除。因此差分干涉方法可归结为两种模式:使用外部高程数据的二轨法,或者使用多卫星雷达影像干涉生成地形影像对的三轨法。第三项表示平地相位,是由不同像素在参考椭球面的斜距差所引起的。B∥可通过卫星精密轨道数据求得。相位噪声(φnoise)包括热噪声、时空失相关噪声、多普勒失相关噪声以及数据处理过程产生的噪声等,多视和滤波都可以达到去噪的效果。
本实施例中,利用二轨法或三轨法去除地形相位。
目前美国太空总署(NASA)已经开放了部分SRTM(Shuttle Radar TopographyMission)数据,并在网上公开发布,从已公开的资料上显示,欧亚大陆的SRTM数据其高程方向的精度大约为10m左右,完全可以满足差分干涉测量对外部DEM高程精度的要求。如果已经获得了矿区的外部高程数据,可以使用二轨法去除地形相位。二轨法是利用事先获取的高程数据模拟在干涉图的空间基线条件下地表起伏所对应的地形相位,然后再从干涉图中减去地形相位,其主要步骤包括:(1)将高程数据采样至干涉图像像元大小,(2)基于多普勒、斜距和椭球方程将采样数据转换到干涉图的坐标系统中模拟为干涉相位;(3)从总相位中减去模拟的地形相位。
或者利用三轨法去除地形相位。和二轨法一样,三轨法也需要先获得地形相位,然后从干涉图中将其去除。三轨法是利用三幅影像生成两幅干涉图,其中一幅干涉图是地表形变变化前产生的,主要获取地形信息,另一幅干涉图是由两个跨越形变的影像生成,包含了形变信息和地形信息。利用以下公式对这两幅干涉图计算得到影像每个像元视线方向上的地形变量:
式中λ为波长,B和B′为两幅干涉图中基线距在辅影像视线方向上分量的大小,φ1和φ2为像素在两幅干涉图上的相位,Rd为像元视线方向上的地形变量。
利用基于地理定位的去平地效应方法去除平地相位。
平地效应是指高度不变的平地引起干涉相位在距离向和方位向呈周期性变化的现象,使干涉相位图呈现为密集的明暗相间干涉条纹,一定程度上掩盖了地形变化引起的干涉条纹变化。基于地理定位的去平地效应方法的原理为:选择基准面,在同一坐标系下,通过确定基准面中任一点的坐标和该点所对应的两卫星的位置来直接计算场景内基准面上的点到两卫星之间的距离差,进而得到基准面对应的平地相位。
通过矢量滤波方法去除相位噪声。
引起干涉相位图中噪声的因素很多,观测区域的地形、基线相关损失、相干斑点噪声、信号处理噪声、图像不匹配噪声或者接收机热噪声等都是干涉相位图中噪声的重要来源。矢量滤波可以较好的保持干涉图中的条纹信息,并把条纹边界处的相位跳变转化为两路连续变化信号,因此可以有效解决条纹边界处滤波的相位保持问题。其计算过程为:(1)将干涉图的干涉相位映射为矢量空间中的单位矢量;(2)吧矢量空间的干涉图分解为正弦分量和余弦分量;(3)分别对正弦分量和余弦分量进行均值滤波处理;(4)由滤波后的正弦分量和余弦分量计算滤波后的干涉图。
步骤S608,获取干涉图中的地表形变数据。
对干涉图去除地形相位、平地相位以及噪声相位后(处理顺序没有特定要求),剩余的相位差即为成像期间地面发生变化所引起的,即包含矿区地表形变信息的干涉图。
图7是根据本发明优选实施例的地表形变的监测方法的流程图。如图7所示,该方法包括如下的步骤S701至步骤S708。
步骤S701,获取两幅卫星雷达影像。
欧空局ENVISAT卫星和日本宇航局ALOS卫星传感器属于中低分辨率雷达,德国宇航局TerraSAR-X卫星传感器属于高分辨率雷达。高分辨的数据源有利于提高地表形变分析的精度,通常首选搭载TerraSAR-X等高分辨率传感器的卫星数据。
步骤S702,配准卫星雷达影像。
得到两幅卫星雷达影像的相对偏移量后,以其中一幅为准,对另一幅进行重采样,完成配准操作。
步骤S703,生成干涉图。
对配准后的主、辅影像对应像素进行运算,即可得到干涉图。
步骤S704,去除地形相位。
利用矿区已有的外部高程数据去除地形相位。
步骤S705,去除平地相位。
利用基于地理定位的去平地效应方法去除平地相位。
步骤S706,去除相位噪声。
通过矢量滤波方法去除相位噪声。
步骤S707,获取地表形变数据。
剩余的相位差即为成像期间地面发生变化所引起的,即包含矿区地表形变信息的干涉图。从干涉图中即可获取地表形变数据。
从以上的描述中,可以看出,本发明实现了如下技术效果:
1)能够对矿区进行全天时、全天候观测,测量过程中以面为基础。
2)能够在短时间内监测到成千上万平方公里的地表变形,是一种无接触式的监测手段,基本上不需要地面控制点,精度高。
3)能够达到厘米甚至毫米级精度,数据处理的自动化程度高。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种地表形变的监测方法,其特征在于,包括:
获取目标区域的卫星雷达影像;
获取所述目标区域的卫星雷达影像的像素;
对所述像素进行复数运算以得到所述目标区域的干涉图;以及
获取所述干涉图中的地表形变数据。
2.根据权利要求1所述的地表形变的监测方法,其特征在于,
获取目标区域的卫星雷达影像包括:
获取所述目标区域的多幅不同的卫星雷达影像,
获取所述目标区域的卫星雷达影像的像素包括:
获取所述目标区域的多幅不同的卫星雷达影像的像素。
3.根据权利要求2所述的地表形变的监测方法,其特征在于,
在获取目标区域的多幅卫星雷达影像之后和获取所述目标区域的多幅卫星雷达影像的像素之前,所述方法还包括:
获取所述多幅卫星雷达影像中的坐标数据;
计算获取的多幅卫星雷达影像中的坐标数据之间的偏移量;以及
利用所述偏移量配准所述获取的多幅所述卫星雷达影像,
获取所述目标区域的卫星雷达影像的像素包括:
获取所述目标区域的配准后的多幅卫星雷达影像的像素。
4.根据权利要求3所述的地表形变的监测方法,其特征在于,对所述像素进行复数运算以得到所述目标区域的干涉图包括:
通过所述像素获取所述多幅卫星雷达影像的相位差;以及
对所述相位差进行灰度化计算以获取所述干涉图。
5.根据权利要求1所述的地表形变的监测方法,其特征在于,获取所述干涉图中的地表形变数据包括:
去除所述干涉图中的地形相位、平地相位和相位噪声以获取所述地表形变数据。
6.根据权利要求5所述的地表形变的监测方法,其特征在于,去除所述干涉图中的地形相位、平地相位和相位噪声以获取所述地表形变数据包括:
利用二轨法或三轨法去除所述地形相位;
利用基于地理定位的去平地效应方法去除所述平地相位;以及
通过矢量滤波方法去除所述相位噪声。
7.根据权利要求1至6任一项所述的地表形变的监测方法,其特征在于,
在获取目标区域的卫星雷达影像之后以及在获取所述目标区域的卫星雷达影像的像素之前,所述方法还包括:
获取基础数据资料,其中,所述基础数据资料为与目标区域地形相关的数据;
结合所述基础数据资料对所述卫星雷达影像进行纠正处理以获取正射卫星雷达影像,
获取所述目标区域的卫星雷达影像的像素包括:
获取所述目标区域的正射卫星雷达影像的像素。
8.一种地表形变的监测装置,其特征在于,包括:
第一获取单元,用于获取目标区域的卫星雷达影像;
第二获取单元,用于获取所述目标区域的卫星雷达影像的像素;
第一计算单元,用于对所述像素进行复数运算以得到所述目标区域的干涉图;以及
第三获取单元,用于获取所述干涉图中的地表形变数据。
9.根据权利要求8所述的地表形变的监测装置,其特征在于,
所述第一获取单元还用于获取所述目标区域的多幅不同的卫星雷达影像,
所述第二获取单元还用于获取所述目标区域的多幅不同的卫星雷达影像的像素。
10.根据权利要求9所述的地表形变的监测装置,其特征在于,
所述装置还包括:
第四获取单元,用于获取所述多幅卫星雷达影像中的坐标数据;
第二计算单元,用于计算获取的多幅卫星雷达影像中的坐标数据之间的偏移量;以及
第五获取单元,用于利用所述偏移量配准所述获取的多幅所述卫星雷达影像,
所述第二获取单元还用于获取所述目标区域的配准后的多幅卫星雷达影像的像素。
11.根据权利要求10所述的地表形变的监测装置,其特征在于,所述第一计算单元包括:
获取子单元,用于通过所述像素获取所述多幅卫星雷达影像的相位差;以及
计算子单元,用于对所述相位差进行灰度化计算以获取所述干涉图。
12.根据权利要求8所述的地表形变的监测装置,其特征在于,所述第三获取单元还用于去除所述干涉图中的地形相位、平地相位和相位噪声以获取所述地表形变数据。
13.根据权利要求12所述的地表形变的监测装置,其特征在于,所述第三获取单元包括:
第一去除子单元,用于利用二轨法或三轨法去除所述地形相位;
第二去除子单元,用于利用基于地理定位的去平地效应方法去除所述平地相位;以及
第三去除子单元,用于通过矢量滤波方法去除所述相位噪声。
14.根据权利要求8至13任一项所述的地表形变的监测装置,其特征在于,
所述装置还包括:
第六获取单元,用于获取基础数据资料,其中,所述基础数据资料为与目标区域地形相关的数据;
纠正单元,用于结合所述基础数据资料对所述卫星雷达影像进行纠正处理以获取正射卫星雷达影像,
所述第二获取单元还用于获取所述目标区域的正射卫星雷达影像的像素。
15.一种数据处理设备,其特征在于,包括权利要求8至14任一项所述的地表形变的监测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101819533A CN102680972A (zh) | 2012-06-04 | 2012-06-04 | 地表形变的监测方法和装置及数据处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101819533A CN102680972A (zh) | 2012-06-04 | 2012-06-04 | 地表形变的监测方法和装置及数据处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102680972A true CN102680972A (zh) | 2012-09-19 |
Family
ID=46813184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101819533A Pending CN102680972A (zh) | 2012-06-04 | 2012-06-04 | 地表形变的监测方法和装置及数据处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102680972A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047970A (zh) * | 2012-12-18 | 2013-04-17 | 中国矿业大学(北京) | 一种确定塌陷耕地损害边界的方法 |
CN103091676A (zh) * | 2013-01-22 | 2013-05-08 | 中国矿业大学 | 矿区地表开采沉陷合成孔径雷达干涉测量的监测及解算方法 |
CN103163521A (zh) * | 2013-02-06 | 2013-06-19 | 中国科学院电子学研究所 | 一种基于多源信息关联的InSAR同名点自动优选方法 |
CN103323848A (zh) * | 2013-06-19 | 2013-09-25 | 中国测绘科学研究院 | 一种提取地面人工建/构筑物高度的方法及装置 |
CN105182337A (zh) * | 2015-09-09 | 2015-12-23 | 北京航空航天大学 | 一种基于曲面后向投影算法的形变反演方法 |
CN107037428A (zh) * | 2017-03-27 | 2017-08-11 | 中国科学院遥感与数字地球研究所 | 一种提高星载双站差分InSAR提取形变精度的方法 |
CN109376622A (zh) * | 2018-10-08 | 2019-02-22 | 国网经济技术研究院有限公司 | 基于多源遥感影像的矿区分布专题信息提取方法 |
CN109738896A (zh) * | 2019-02-11 | 2019-05-10 | 黄河水利职业技术学院 | 一种基于sar影像匹配技术的地表形变监测方法 |
CN110456347A (zh) * | 2019-08-20 | 2019-11-15 | 深圳市易简空间技术有限公司 | 地形测量方法、装置、计算机设备和存储介质 |
CN110888353A (zh) * | 2019-11-20 | 2020-03-17 | 华东师范大学 | 一种集成多传感器的煤矿区地表沉降实时监测方法 |
CN111624598A (zh) * | 2020-06-11 | 2020-09-04 | 石家庄铁道大学 | 一种基于毫米波雷达的结构动态变形测量信号处理方法 |
CN112781557A (zh) * | 2020-12-23 | 2021-05-11 | 国网浙江省电力有限公司衢州供电公司 | 一种基于物联网的输电线路杆塔倾斜预警方法 |
CN112986981A (zh) * | 2021-02-18 | 2021-06-18 | 中国科学院西北生态环境资源研究院 | 多年冻土区地表冻融形变监测方法、装置和电子设备 |
CN113359197A (zh) * | 2021-06-03 | 2021-09-07 | 河北省地震局 | 一种适于浅层高精度的曲地表叠加成像方法 |
CN116189023A (zh) * | 2023-04-28 | 2023-05-30 | 成都市环境应急指挥保障中心 | 基于无人机实现环境应急监测的方法及系统 |
-
2012
- 2012-06-04 CN CN2012101819533A patent/CN102680972A/zh active Pending
Non-Patent Citations (4)
Title |
---|
吕京国 等: "星载合成孔径雷达影像正射纠正算法的研究与实现", 《遥感技术与应用》 * |
王志勇: "星载雷达干涉测量技术在地面沉降监测中的应用", 《中国博士学位论文全文数据库基础科学辑》 * |
邓喀中 等: "D_InSAR监测开采沉陷的实验研究", 《金属矿山》 * |
靳国旺 等: "INSAR干涉图的相位解模糊处理", 《仪器仪表学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047970B (zh) * | 2012-12-18 | 2014-05-21 | 中国矿业大学(北京) | 一种确定塌陷耕地损害边界的方法 |
CN103047970A (zh) * | 2012-12-18 | 2013-04-17 | 中国矿业大学(北京) | 一种确定塌陷耕地损害边界的方法 |
CN103091676A (zh) * | 2013-01-22 | 2013-05-08 | 中国矿业大学 | 矿区地表开采沉陷合成孔径雷达干涉测量的监测及解算方法 |
CN103163521A (zh) * | 2013-02-06 | 2013-06-19 | 中国科学院电子学研究所 | 一种基于多源信息关联的InSAR同名点自动优选方法 |
CN103163521B (zh) * | 2013-02-06 | 2014-02-12 | 中国科学院电子学研究所 | 一种基于多源信息关联的InSAR同名点自动优选方法 |
CN103323848A (zh) * | 2013-06-19 | 2013-09-25 | 中国测绘科学研究院 | 一种提取地面人工建/构筑物高度的方法及装置 |
CN105182337A (zh) * | 2015-09-09 | 2015-12-23 | 北京航空航天大学 | 一种基于曲面后向投影算法的形变反演方法 |
CN105182337B (zh) * | 2015-09-09 | 2018-04-17 | 北京航空航天大学 | 一种基于曲面后向投影算法的形变反演方法 |
CN107037428B (zh) * | 2017-03-27 | 2019-11-12 | 中国科学院遥感与数字地球研究所 | 一种提高星载双站差分InSAR提取形变精度的方法 |
CN107037428A (zh) * | 2017-03-27 | 2017-08-11 | 中国科学院遥感与数字地球研究所 | 一种提高星载双站差分InSAR提取形变精度的方法 |
CN109376622A (zh) * | 2018-10-08 | 2019-02-22 | 国网经济技术研究院有限公司 | 基于多源遥感影像的矿区分布专题信息提取方法 |
CN109738896A (zh) * | 2019-02-11 | 2019-05-10 | 黄河水利职业技术学院 | 一种基于sar影像匹配技术的地表形变监测方法 |
CN110456347A (zh) * | 2019-08-20 | 2019-11-15 | 深圳市易简空间技术有限公司 | 地形测量方法、装置、计算机设备和存储介质 |
CN110456347B (zh) * | 2019-08-20 | 2021-08-10 | 深圳市易简空间技术有限公司 | 地形测量方法、装置、计算机设备和存储介质 |
CN110888353A (zh) * | 2019-11-20 | 2020-03-17 | 华东师范大学 | 一种集成多传感器的煤矿区地表沉降实时监测方法 |
CN111624598A (zh) * | 2020-06-11 | 2020-09-04 | 石家庄铁道大学 | 一种基于毫米波雷达的结构动态变形测量信号处理方法 |
CN112781557A (zh) * | 2020-12-23 | 2021-05-11 | 国网浙江省电力有限公司衢州供电公司 | 一种基于物联网的输电线路杆塔倾斜预警方法 |
CN112986981A (zh) * | 2021-02-18 | 2021-06-18 | 中国科学院西北生态环境资源研究院 | 多年冻土区地表冻融形变监测方法、装置和电子设备 |
CN113359197A (zh) * | 2021-06-03 | 2021-09-07 | 河北省地震局 | 一种适于浅层高精度的曲地表叠加成像方法 |
CN113359197B (zh) * | 2021-06-03 | 2024-01-23 | 河北省地震局 | 一种适于浅层高精度的曲地表叠加成像方法 |
CN116189023A (zh) * | 2023-04-28 | 2023-05-30 | 成都市环境应急指挥保障中心 | 基于无人机实现环境应急监测的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102680972A (zh) | 地表形变的监测方法和装置及数据处理设备 | |
Braun | Retrieval of digital elevation models from Sentinel-1 radar data–open applications, techniques, and limitations | |
Wang et al. | Research on ground deformation monitoring method in mining areas using the probability integral model fusion D-InSAR, sub-band InSAR and offset-tracking | |
Blanco-Sanchez et al. | The coherent pixels technique (CPT): An advanced DInSAR technique for nonlinear deformation monitoring | |
Strozzi et al. | JERS SAR interferometry for land subsidence monitoring | |
Zebker et al. | On the derivation of coseismic displacement fields using differential radar interferometry: The Landers earthquake | |
Nuth et al. | Co-registration and bias corrections of satellite elevation data sets for quantifying glacier thickness change | |
Catalão et al. | Merging GPS and atmospherically corrected InSAR data to map 3-D terrain displacement velocity | |
Teza et al. | Characterization of landslide ground surface kinematics from terrestrial laser scanning and strain field computation | |
Zhao et al. | Generation of long-term InSAR ground displacement time-series through a novel multi-sensor data merging technique: The case study of the Shanghai coastal area | |
Ren et al. | Calculating vertical deformation using a single InSAR pair based on singular value decomposition in mining areas | |
Liu et al. | Surface deformation associated with the 2008 Ms8. 0 Wenchuan earthquake from ALOS L-band SAR interferometry | |
Kimata et al. | Understanding the 2007–2008 eruption of Anak Krakatau Volcano by combining remote sensing technique and seismic data | |
Zheng et al. | Monitoring and analysis of mining 3D deformation by multi-platform SAR images with the probability integral method | |
Di et al. | Coastal mapping and change detection using high-resolution IKONOS satellite imagery | |
Ma et al. | Decision-making fusion of InSAR technology and offset tracking to study the deformation of large gradients in mining areas-Xuemiaotan mine as an example | |
Ojha et al. | The constrained-network propagation (C-NetP) technique to improve SBAS-DInSAR deformation time series retrieval | |
Mao et al. | Estimation and compensation of ionospheric phase delay for multi-aperture InSAR: An azimuth split-spectrum interferometry approach | |
Shi et al. | Elementary analysis of the mechanism of Xishan landslide based on pixel tracking on VHR images | |
Julzarika et al. | The latest DTM using InSAR for dynamics detection of Semangko fault-Indonesia | |
Zhang et al. | Optimization of three-dimensional multi-level surface deformation in mining areas through integration of deformation fusion model and Lagrange multiplier method based on single high resolution OTD-InSAR pair | |
Dehghani | Landslide monitoring using hybrid conventional and persistent scatterer interferometry | |
Ng et al. | Radar interferometry for ground subsidence monitoring using ALOS PALSAR data | |
Zhou et al. | InSAR application in detection of oilfield subsidence on Alaska North slope | |
Zhu et al. | Monitoring of Surface Subsidence of the Mining Area Based on SBAS. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120919 |