CN103440490A - Sar影像时空相似性分析下的城市不透水面提取方法 - Google Patents

Abstract

本发明涉及SAR影像时空相似性分析下的城市不透水面提取方法，首先对SAR影像数据集进行预处理，经过高精度匹配，构建像素级SAR影像时间序列；其次，采用动态时间弯曲（DTW）作为像素级SAR影像时间序列的相似性度量，计算采样混合像元与纯净像元的DTW值作为相似性提取的最大阈值，利用基于时间序列相似度的空间上下文分析方法，充分顾及相同地物像元时间序列较好的相似性和的空间的邻近性特征，以典型地物纯净像元的时间序列曲线为模板窗口，采用滑动窗口技术，分别计算模板窗口与滑动窗口内对应的时间序列曲线的DTW值，并采用像元的空间邻近规则从而确定中心像元的地物类型。该方法能够改善地物提取破碎现象，提高城市不透水面的信息提取精度。

Description

SAR影像时空相似性分析下的城市不透水面提取方法

技术领域

本发明涉及一种城市不透水面的提取方法，特别是涉及一种利用SAR影像时空相似性提取城市不透水面的方法。

背景技术

城市化的一个重要表现就是不透水面分布比率的上升。随着我国城市化进程的加快，作为城市化显著特征之一的不透水面也在不断增加，这将影响地区的生态环境，从而导致流域水文循环异常、非点源污染增加、城市热岛效应增强以及生物多样性减少等问题的发生。城市不透水面分布是衡量城市生态环境的一个重要指标。目前研究的城市不透水面多指诸如屋顶、广场、沥青或水泥道路以及停车场等具有不透水性的建筑物。城市不透水面的空间分布和面积常借助于实地勘测获得,但要花费大量的人力物力,而且难以获得准确实时的信息。随着遥感技术的发展,利用遥感数据进行城市不透水面识别和制图,已被证明是一种非常有效的手段。尤其对于规模较大的大城市,采用高性价比的中等分辨率影像,获取不透水面的分布,是当前国际研究的一个热点。

利用遥感数据估算城市不透水面的方法有很多，可以大致分为解译法、模型法、光谱法、指数法等。人工解译方法是人工通过目视来识别和分析不透水面的色调、纹理、大小、形状、阴影和背景等信息。尽管该方法在提取不透水面的方法中结果最精确，且可操作性强，但是解译工作量大，同时主观性强，还要结合GPS野外调查，费时费力，数据获取难，应用范围有限。模型法将不透水面作为一个连续变量，估测每一个像元中不透水面的比例，该方法可避免因将一个含有一定变化范围的不透水面的混合像元定义为单一类别所产生的误差，如2003年Sawaya等在《Remote Sensing of Environment》撰文“Extendingsatellite remote sensing to local scales:land and water resourcemonitoring using high-resolution image”,在局部尺度上,应用样本建立了基于IKONOS的归一化植被指数(NDVI)与高分辨率数据提取的不透水面指数之间的回归关系,然后利用NDVI进行逐一像元求算,取得了较好的效果。但由于高分辨率图像上树冠和建筑物阴影NDVI值较低，使计算结果产生误差。光谱法主要包括主要线性光谱分解模型(LSMA)、四端元法、分类回归树（CART）、人工神经网络法、支持向量机等。LSMA定义为像元在某波段的反射率是由构成像元基本组分的反射率以其所占像元面积比例为权重系数的线性组合。如2007年岳文泽和吴次芳在《遥感学报》11卷第6期撰文“基于混合光谱分解的城市不透水面分布估算”，利用Landsat7的ETM+影像，在线性光谱分解的技术上，提取了上海市的不透水面分布信息；2009年袁超等在《测绘工程》18卷第3期撰文“城市不透水表面遥感估算研究”，利用TM影像，通过高反照率、低反照率、植被及土壤4类光谱端元的线性组合表征城市土地覆盖类型,综合剔除噪声影响后的高、低反照率分量,估算北京城区不透水表面分布；2010年张路等在《武汉大学学报信息科学版》撰文“利用多源遥感数据进行城市不透水面覆盖度估算”，利用深圳实验区4种不同传感器获取的遥感数据，通过CART算法进行城市不透水层估算；2011年张鸿生等在《International Journal of Applied EarthObservation and Geoinformation》上撰文“A comparison study of impervioussurfaces estimation using optical and SAR remote sensing images”，利用神经网络和支持向量机法将Landsat ETM+和ENVISAT ASAR影像进行分为水体、植被和不透水面三类，从而获取不透水面信息。指数法是指利用其他地类(如植被、居民地)相关指数取不透水面信息，如2008年徐涵秋在《武汉大学学报-信息科学版》33卷第11期撰文“一种快速提取不透水面的新型遥感指数”，采用复合波段的形式创建了归一化差值不透水面指数（NDISI）获取大区域范围的不透水面信息；2013年，匡文慧等在《科学通报》58卷第5-6期撰文“21世纪初中国人工建设不透水地表遥感监测与时空分析”，通过夜间灯光指数（DMSP-OLS）与植被指数（NDVI）技术获取居民地指数（HIS）进行地图代数运算求交集得到不透水面面积。以上方法存在以下局限：（1）主要采用光学影像，受天气条件和成像质量限制；（2）由于裸地(包括稀疏的草地)与一些人工建筑物(如停车场等)之间存在一定的光谱混淆,以上这些方法很难将其区分，对于中高分影像来说，建筑物和行道树的阴影降低了不透水面的提取精度；（3）针对规模较大的大城市,主要采用高性价比的中等分辨率影像获取城市不透水面，基于以上方法很难得到满意的结果。

SAR影像能够不受日照和天气条件的限制完成对地观测任务，且对某些地物具有一定的穿透能力，具有多极化、多入射角、多模式、短重访周期等特点，在城市不透水面研究中具有独特的优势。

发明内容

本发明解决的技术问题是：提出一种精度高的SAR影像时空相似性分析下的城市不透水面提取方法，该方法能够改善地物提取破碎现象，提高城市不透水面的信息提取精度。

为了解决上述技术问题，本发明提出的技术方案是：一种SAR影像时空相似性分析下的城市不透水面提取方法，包括以下步骤:

第一步、对SAR影像数据集进行预处理，所述SAR影像数据集包含有N幅不同时相的SAR影像；

第二步、对SAR影像数据集的N幅SAR影像进行几何配准，得到配准后的SAR影像数据集；

第三步、针对坐标值相同的SAR影像像元的后向散射系数，根据时间顺序建立与坐标值相关的像元后向散射系数时间序列；

第四步、在SAR影像数据集的画幅范围内目视选取M个城市不透水面纯净像元，相应的获得M个城市不透水面纯净像元坐标，对每幅SAR图像中M个城市不透水面纯净像元坐标位置的像元的后向散射系数求均值，得到SAR图像集的N个城市不透水面后向散射系数均值，根据时间顺序建立城市不透水面纯净像元的后向散射系数均值时间序列；

第五步、在SAR影像数据集的图幅范围内目视选取K个城市不透水面混合像元，相应的获得K个城市不透水面混合像元坐标，计算所述城市不透水面纯净像元的后向散射系数均值时间序列与每个城市不透水面混合像元坐标对应的所述像元后向散射系数时间序列之间的DTW距离值，并将计算得到的K个DTW距离值作平均，得到用于划分城市不透水面的最大阈值；

第六步、利用3*3的滑动窗口滑动扫描SAR影像数据集的整个图幅范围，当滑动窗口内所有像元对应坐标的像元后向散射系数时间序列与所述城市不透水面纯净像元的后向散射系数均值时间序列之间的DTW距离值均大于第五步得到的划分城市不透水面的最大阈值时，保持所述滑动窗口的中心坐标对应的像元后向散射系数时间序列不变，否则将所述滑动窗口的中心坐标对应的像元后向散射系数时间序列修改为所述城市不透水面纯净像元的后向散射系数均值时间序列；最终得到与坐标对应的修改后的像元后向散射系数时间序列；

第七步、再次利用3*3的滑动窗口滑动扫描SAR影像数据集的整个图幅范围，当滑动窗口内所有像元对应坐标的修改后的像元后向散射系数时间序列与所述城市不透水面纯净像元的后向散射系数均值时间序列之间的DTW距离值均小于第五步得到的划分城市不透水面的最大阈值时，所述滑动窗口的中心坐标对应的像元为城市不透水面，否则为非城市不透水面。

本发明第一步中对SAR影像数据集的预处理包括影像的裁剪和拼接、元数据更新、辐射校正、几何校正和地形校正。

作为优选的方案，第二步中进行几何配准的方法为：选取SAR影像数据集中任一幅SAR影像作为主影像，其他影像为从影像进行几何配准。

作为优选的方案，本发明中SAR影像中第i行第j列像元的后向散射系数

${\mathrm{\σ}}_{\mathrm{ij}}^0=\frac{{{\mathrm{DN}}_{\mathrm{ij}}}^2}{K}\sin \left({\mathrm{\α}}_{\mathrm{ij}}\right)$

式中，DN_ij为第i行第j列像元的辐射强度值；α_ij为第i行第j列像元的的入射角；K为绝对定标因子。

本发明带来的有益效果是：本发明利用SAR影像堆积数据，提出了一种SAR影像时空相似性分析下的城市不透水面提取方法，其核心在于充分顾及SAR影像像元时间序列的相似性和相同地物像元的空间邻近性特征，以典型地物纯净像元的时间序列曲线为模板窗口，采用滑动窗口技术，分别计算模板窗口与滑动窗口内对应的时间序列曲线的DTW值，并采用像元的空间邻近规则从而确定中心像元的地物类型。这种方法既利用了像元的时间序列数据特征，又并顾及了空间的上下文关系，较大地改善了地物提取破碎的现象，进一步提高了城市不透水面的信息提取精度。

附图说明

下面结合附图对本发明的SAR影像时空相似性分析下的城市不透水面提取方法作进一步说明。

图1是本发明实施例的2006年9月28号的原始SAR影像。

图2是本发明实施例的城市不透水面纯净像元的后向散射系数均值时间序列的曲线示意图。

图3是本发明实施例的城市不透水面像元的提取结果示意图。

图4-图8是本发明实施例中基于时间序列相似度的空间上下文分析方法流程示意图。

具体实施方式

实施例

本实施例采用的实验数据为2006年～2009年不同时期的21景宽幅模式（WSM）的ENVISAT ASAR影像。该数据是标准格式的1B级产品，空间分辨率为150m，像素间距为75m，极化方式有HH和VV两种。原始影像包含振幅（Amplitude）和密度（Intensity）两种信息，以2006年9月28号影像为例，原始影像密度信息如图1所示。

本实施例的研究区选取深圳市，陆域位置是东经113°46～114°37'，北纬22°27'～22°52'。东临大亚湾与惠州市相连，西至珠江口伶仃洋与中山市、珠海市相望，南至深圳河与香港毗邻，北与东莞市、惠州市接壤。全市总面积。研究区南临南海，处于亚热带季风气候区，夏季高温多雨，其余季节较为干燥。主要地表覆盖类型包括水体、建筑物、植被、裸地等。研究区覆盖面积为1961.08平方公里。

本实施例采用欧空局的NEST（Next ESA SAR Toolbox）软件完成像素级SAR影像时间序列构建的预处理工作，形成高精度匹配的SAR影像数据集。利用MATLAB读写SAR影像数据集，计算DTW相似度，利用最大阈值分割提取城市不透水面像元，并利用8邻域搜索方法提高精度。MATLAB版本为7.10。

本实施例SAR影像时空相似性分析下的城市不透水面提取方法，步骤包括:

第一步、对SAR影像数据集进行预处理，所述SAR影像数据集包含有N幅不同时相的SAR影像。

本实施例利用NEST软件对21景SAR影像进行预处理，包括影像的选取、裁剪和拼接、元数据更新、辐射校正、几何校正和地形校正等。其中，地形校正距离—多普勒地形校正方法，根据各影像元数据中的轨道状参数和下载的90mSRTM DEM数据对SAR影像进行地形纠正。

第二步、对SAR影像数据集的N幅SAR影像进行几何配准，得到配准后的SAR影像数据集。

本实施例采用NEST软件进行SAR影像的几何配准，总体步骤包括主副影像的确定、特征点的选取、特征点对偏移量的初始估计、移动窗口的相关系数计算和配准多项式的仿射变换。以2006年9月28号的SAR影像为主影像，其他SAR影像为从影像，对所有从影像分别做几何配准，其中采用窗口设置为32*32，采用二阶多项式，总体RMS阈值设置为0.4，保证几何配准的误差精度保持在0.5个像素以内。

作为进一步的改进，本实施例还可以利用NEST软件采用3×3窗口的Gamma滤波方法对SAR影像剔除光斑噪声，去除时间序列异常值。

第三步、针对坐标值相同的SAR影像像元的后向散射系数，根据时间顺序建立与坐标值相关的像元后向散射系数时间序列。

本实施例利用MATLAB按时序建立SAR影像文件列表，读取影像数据。按时序建立影像文件列表，以行为单位，依次读取每幅影像，根据像元坐标标识提取该像元在所有影像中的后向散射系数值。写出时间序列数据，每个像素的时间序列形成一条记录，将所有像素级SAR影像时间序列数据写入excel文件中,其中每一行代表一个坐标值相关的像元后向散射系数时间序列。

本实施例中SAR影像中第i行第j列像元的后向散射系数

${\mathrm{\σ}}_{\mathrm{ij}}^0=\frac{{{\mathrm{DN}}_{\mathrm{ij}}}^2}{K}\sin \left({\mathrm{\α}}_{\mathrm{ij}}\right)$

式中，DN_ij为第i行第j列像元的辐射强度值；α_ij为第i行第j列像元的的入射角；K为绝对定标因子。

第四步、在SAR影像数据集的画幅范围内目视选取M个城市不透水面纯净像元，相应的获得M个城市不透水面纯净像元坐标，对每幅SAR图像中M个城市不透水面纯净像元坐标位置的像元的后向散射系数求均值，得到SAR图像集的N个城市不透水面后向散射系数均值，根据时间顺序建立城市不透水面纯净像元的后向散射系数均值时间序列。

本实施例中M取50，将50个城市不透水面纯净像元坐标位置的像元的后向散射系数求均值，得到城市不透水面纯净像元的后向散射系数均值时间序列

A=[-6.958,-7.773,-4.983,-5.24,-7.129,-6.958,-9.526,-5.325,-7.235,-7.668,-8.403,-3.560,-8.525,-8.043,-7.015,-8.406,-6.012,-8.389,-7.102,-7.977,-8.375,-5.219]。

本实施例的城市不透水面纯净像元的后向散射系数均值时间序列的曲线示意图如2所示。

第五步、在SAR影像数据集的图幅范围内目视选取K个城市不透水面混合像元，相应的获得K个城市不透水面混合像元坐标，计算所述城市不透水面纯净像元的后向散射系数均值时间序列与每个城市不透水面混合像元坐标对应的所述像元后向散射系数时间序列之间的DTW距离值，并将计算得到的K个DTW距离值作平均，得到用于划分城市不透水面的最大阈值。

本实施例中K取50，城市不透水面纯净像元的后向散射系数均值时间序列与每个城市不透水面混合像元坐标对应的像元后向散射系数时间序列之间的DTW距离值的计算方法为现有技术范畴，本例的具体方法如下：

假设Y是城市不透水面混合像元j坐标对应的像元后向散射系数时间序列，其长度为m，而X的长度为n：

X=a₁,a₂,…,a_n;Y=b₁,b₂,…,b_m

1）为了利用DTW将时间序列X和Y对准，需要定义一个距离矩阵D，其元素为d(i,j)=(a_i-b_j)²，即

$D=\left[\begin{array}{cccc}d(a_1,b_m)& d(a_2,b_m)& ...& d(a_n,b_m)\\ d(a_1,b_{m-1})& d(a_2,b_{m-1})& ...& d(a_n,b_{m-1})\\ ...& ...& ...& ...\\ d(a_1,b_1)& d(a_2,b_1)& ...& d\left(a_n{b}_1\right)\end{array}\right]$

令Cost为最低成本矩阵，即距离矩阵中某个元素沿着弯曲路径到达初始元素的最低成本，Cost[m,n]就代表时间序列X和Y的最短距离。

2）设置Cost计算的约束条件。

在距离矩阵D中，定义一组连续矩阵元素的集合P=p₁,p₂,…,p_k，称之为弯曲路径，该路径需满足以下条件：

边界条件：p₁=D[1,1]，p_k=D[n,m]，即该路径必须从距离矩阵的第一个元素开始，并在最后一个元素截止。

连续性：若p_k=D[r,c]，p_k-1=D[r’,c’]，则必有|r-r’|≤1且|c-c’|≤1，即路径中相邻元素必须是连续的。

单调性：若p_k=D[r,c]，p_k-1=D[r’,c’]，则必有|r-r’|≥0且|c-c’|≥0，即路径的后一位置必须在前一位置的基础上保持在行方向和列方向不减，也即是说若路径P通过点[i,j]，则其必须至少通过[i-1,j]、[i,j-1]和[i-1,j-1]三个点中的一个。

有界性：max(m,n)≤k≤m+n-1，由前三条性质即可推导出此性质，即该路径所经过的矩阵元素个数存在上限和下限。

3）计算d(1,1)=(q₁–s₁)²，并将该值赋值给Cost[1,1]。

4）令i=2，3，…，m，计算

Cost[i,1]=Cost[i-1,1]+d[i,1]；式中，d[i,1]=(q_i–s₁)²。

令j=2，3，…，n，计算

Cost[1,j]=Cost[1,j-1]+d[1,j]；式中，d[1,j]=(q₁–s_j)²。

5）令i=2，3，…，m，j=2，3，…，n，循环计算Cost[i-1,j],Cost[i,j-1],Cost[i-1,j-1]的值，并将三者中的最小值作为d[i,j]的累加值，即

Cost[i,j]=d[i,j]+min(Cost[i-1,j],Cost[i,j-1],Cost[i-1,j-1]；

式中d[i,j]=(q_i–s_j)²;最终计算所得的Cost[m,n]即为所求的DTW距离值。

本实施例中m,n均为21，并将50个DTW距离值作平均，得到用于划分水体像元的最大阈值为1020。

第六步、利用3*3的滑动窗口滑动扫描SAR影像数据集的整个图幅范围，当滑动窗口内所有像元对应坐标的像元后向散射系数时间序列与所述城市不透水面纯净像元的后向散射系数均值时间序列之间的DTW距离值均大于第五步得到的划分城市不透水面的最大阈值时，保持所述滑动窗口的中心坐标对应的像元后向散射系数时间序列不变，否则将所述滑动窗口的中心坐标对应的像元后向散射系数时间序列修改为所述城市不透水面纯净像元的后向散射系数均值时间序列；最终得到与坐标对应的修改后的像元后向散射系数时间序列。

第七步、再次利用3*3的滑动窗口滑动扫描SAR影像数据集的整个图幅范围，当滑动窗口内所有像元对应坐标的修改后的像元后向散射系数时间序列与所述城市不透水面纯净像元的后向散射系数均值时间序列之间的DTW距离值均小于第五步得到的划分城市不透水面的最大阈值时，所述滑动窗口的中心坐标对应的像元为城市不透水面，否则为非城市不透水面。最终结果如图3所示。

本实施例以6×6像元的立方体为例，具体阐述第六步和第七步所采用的基于时间序列相似度的空间上下文分析方法。其中6×6像元的立方体如图4所示，一个小立方体代表一个像元，小立方体内的曲线为一条像元后向散射系数时间序列曲线。其中坐标为（b,5）、(b,4)、（c,4）以及（d,1）、（d,2）、（d,3）、（e,1）、（e,2）、（e,3）的像元为其它地物类别，其他像元为待提取地物类别。图5为预定义3×3像元的时间序列模板窗口，其像元立方体内元素为待提取地物的标准时间序列曲线。

本实施例中基于时间序列相似度的空间上下文分析方法的具体步骤如下：

（1）从左上角像元开始，开一个与模板窗口同样大小的滑动窗口C（如图4中所示），中心像元坐标为（b,5），分别计算滑动窗口内对应像元的时间序列曲线与待提取地物的标准时间序列曲线的DTW值。

（2）根据第五步所述方法所获的最大阈值判断像元（b,5）类别，当且仅当滑动窗口内所有像元的DTW值大于最大阈值时，其中心像元的时间序列保持不变；否则将原始像元时间序列替换为该类别标准时间序列。

（3）滑动窗口向右移动一个像元，继续执行上述操作，判断像元（c,5）时间序列类别，依次进行，逐行扫描，直到整幅幅图像扫描一遍结束，生成新的SAR影像时间序列A’。经过该步骤，坐标为(b,5)的像元以及坐标为(b,4)、（c,4）、(d,3)、(e,3)和(d,2)的像元被替换为待提取地物的标准时间序列曲线，如图6所示。

（4）采用相同的模版窗口B，从新的SAR影像时间序列A’的左上角开始，开一个与模版窗口同样大小的滑动窗口，对原始图像进行上述类似滑动判断操作。当且仅当滑动窗口内所有像元的DTW值小于最大阈值时，其中心像元的时间序列保持不变；否则将原始像元时间序列替换为空。经过该步操作，像元(d,2),(d,3)和（e,3）被赋值为空，如图7所示。

（5）将非空值的时间序列像元标记为地类i，空值的时间序列像元标记为0。

（6）依次进行，逐行扫描，直到全幅图像扫描一遍结束，生成新的二值图像，如图8所示。综上，经过上述操作，坐标为(b,5)、(b,4)和(c,3)的像元被归类为类别i。

对本实施例提取的城市不透水面像元结果进行精度评价，选取完整率和正确率两个指标，其中完整率为正确提取像元数与真实水体像元总数之比；正确率为正确提取像元数与提取水体像元总数之比。利用2008年深圳市的土地利用类型变更矢量数据为参考，将其经过类型归并，采用ArcGIS软件最大面积法进行栅格化，同时归并孤立像元，作为本文典型地物提取精度评价的参考图像。通过统计，真实水体像元为152741个，本方法提取水体像元149241个，其中正确提取像元137592个，经过计算，完整率为88.30%；正确率为92.19%。

本发明不局限于上述实施例所述的具体技术方案，凡采用等同替换形成的技术方案均为本发明要求的保护范围。

Claims (4)

1.一种SAR影像时空相似性分析下的城市不透水面提取方法，包括以下步骤:

第一步、对SAR影像数据集进行预处理，所述SAR影像数据集包含有N幅不同时相的SAR影像；

第二步、对SAR影像数据集的N幅SAR影像进行几何配准，得到配准后的SAR影像数据集；

第三步、针对坐标值相同的SAR影像像元的后向散射系数，根据时间顺序建立与坐标值相关的像元后向散射系数时间序列；

第四步、在SAR影像数据集的画幅范围内目视选取M个城市不透水面纯净像元，相应的获得M个城市不透水面纯净像元坐标，对每幅SAR图像中M个城市不透水面纯净像元坐标位置的像元的后向散射系数求均值，得到SAR图像集的N个城市不透水面后向散射系数均值，根据时间顺序建立城市不透水面纯净像元的后向散射系数均值时间序列；

第五步、在SAR影像数据集的图幅范围内目视选取K个城市不透水面混合像元，相应的获得K个城市不透水面混合像元坐标，计算所述城市不透水面纯净像元的后向散射系数均值时间序列与每个城市不透水面混合像元坐标对应的所述像元后向散射系数时间序列之间的DTW距离值，并将计算得到的K个DTW距离值作平均，得到用于划分城市不透水面的最大阈值；

第六步、利用3*3的滑动窗口滑动扫描SAR影像数据集的整个图幅范围，当滑动窗口内所有像元对应坐标的像元后向散射系数时间序列与所述城市不透水面纯净像元的后向散射系数均值时间序列之间的DTW距离值均大于第五步得到的划分城市不透水面的最大阈值时，保持所述滑动窗口的中心坐标对应的像元后向散射系数时间序列不变，否则将所述滑动窗口的中心坐标对应的像元后向散射系数时间序列修改为所述城市不透水面纯净像元的后向散射系数均值时间序列；最终得到与坐标对应的修改后的像元后向散射系数时间序列；

第七步、再次利用3*3的滑动窗口滑动扫描SAR影像数据集的整个图幅范围，当滑动窗口内所有像元对应坐标的修改后的像元后向散射系数时间序列与所述城市不透水面纯净像元的后向散射系数均值时间序列之间的DTW距离值均小于第五步得到的划分城市不透水面的最大阈值时，所述滑动窗口的中心坐标对应的像元为城市不透水面，否则为非城市不透水面。

2.根据权利要求1所述的一种电力系统自动化实时多业务数据通信复用方法，其特征在于：第一步中对SAR影像数据集的预处理包括影像的裁剪和拼接、元数据更新、辐射校正、几何校正和地形校正。

3.根据权利要求1所述的一种电力系统自动化实时多业务数据通信复用方法，其特征在于，第二步中进行几何配准的方法为：选取SAR影像数据集中任一幅SAR影像作为主影像，其他影像为从影像进行几何配准。

4.根据权利要求1所述的一种电力系统自动化实时多业务数据通信复用方法，其特征在于：SAR影像中第i行第j列像元的后向散射系数

${\mathrm{\σ}}_{\mathrm{ij}}^0=\frac{{{\mathrm{DN}}_{\mathrm{ij}}}^2}{K}\sin \left({\mathrm{\α}}_{\mathrm{ij}}\right)$

式中，DN_ij为第i行第j列像元的辐射强度值；α_ij为第i行第j列像元的的入射角；K为绝对定标因子。

Images