CN105005044B - 基于分层量化跟踪策略的相位展开方法 - Google Patents
基于分层量化跟踪策略的相位展开方法 Download PDFInfo
- Publication number
- CN105005044B CN105005044B CN201510288325.9A CN201510288325A CN105005044B CN 105005044 B CN105005044 B CN 105005044B CN 201510288325 A CN201510288325 A CN 201510288325A CN 105005044 B CN105005044 B CN 105005044B
- Authority
- CN
- China
- Prior art keywords
- pixel
- deployed
- value
- route guiding
- pointer
- 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.)
- Expired - Fee Related
Links
- 238000013139 quantization Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004804 winding Methods 0.000 claims abstract description 39
- 230000010354 integration Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于分层量化跟踪策略的相位展开方法,首先利用干涉相位质量图把干涉像元分为不同质量等级,以高质量等级像元到低质量等级像元顺序展开干涉图;然后建立基于干涉相位质量图作为引导积分路径的路径引导图,对其量化为整数后引导积分路径;最后引入量化路径引导图策略,把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元,并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序,在每一展开步骤中展开排队阵列中量化路径引导值最大的待展开像元,并最终完成所有缠绕像元的相位展开。本发明具有简单有效、计算量较小、精度较高,稳健性较强的特点。
Description
技术领域
本发明涉及干涉合成孔径雷达技术领域,具体涉及一种基于分层量化跟踪策略的相位展开方法。
背景技术
干涉合成孔径雷达(Interferometry Synthetic Aperture Radar,INSAR)继承了普通SAR成像优点,与传统的可见光、红外遥感技术相比,具有全天候、全天时的工作能力,可以弥补光学传感器在时间和空间上受限造成的观测“盲区”,使其在地质灾害与极地冰川监测、极地和热带雨林区域测绘等方面有着特殊的应用。干涉相位展开是INSAR技术应用中最为关键的步骤和难点问题,一直以来都是INSAR数据处理技术研究中的焦点问题,吸引国内外众多学者关注,并提出了很多解决方法。其中,质量引导算法利用干涉像元“质量地图”作为展开路径引导图,保证实现沿高质量区域到低质量区域的路径积分,能有效减少低质量区域像元的误差传递效应,是目前适应性较强,精度较高、和最常用的相位展开方法之一。质量引导算法需要相位展开过程中不断搜索最佳展开路径以保证沿高质量区域到低质量区域展开缠绕像元,将消耗大量时间,严重降低该算法工作效率。基于优先排队序列的改进质量引导算法通过量化干涉像元质量地图(或积分路径引导图)为整数,并把量化后的整数像元质量数作为像元索引指针以加速路径搜索过程,极为有效地降低了搜索最佳展开路径时所消耗的时间,提高了相位展开算法的效率。但该算法存在如何选择合适的量化层级数的问题,减小量化层级数,易引起具有大量具有不同质量的干涉像元具有相同的量化质量值,从而导致相位展开精度下降;而增大量化层级数,将降低相位展开算法效率。
发明内容
本发明所要解决的是现有相位展开方法存在效率低的问题,提供一种基于分层量化跟踪策略的相位展开方法。
为解决上述问题,本发明是通过以下技术方案实现的:
基于分层量化跟踪策略的相位展开方法,包括如下步骤:
步骤1,利用干涉相位质量图把干涉像元分为不同质量等级,以高质量等级像元到低质量等级像元顺序展开干涉图;
步骤2,建立基于干涉相位质量图作为引导积分路径的路径引导图,对其量化为整数后引导积分路径;
步骤3,引入量化路径引导图策略,把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元,并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序,在每一展开步骤中展开排队阵列中量化路径引导值最大的待展开像元,并最终完成所有缠绕像元的相位展开。
所述步骤3具体为:
步骤3.1,创建空的优先排对阵列,定义指向量化路径引导值最大的待展开像元的指针,并将该指针的初始值置为0;
步骤3.2,展开干涉图的第1级像元,其它级像元被掩去;
步骤3.2.1,在干涉图的第1级像元中选择某一非边界上的像元作为起始像元;
步骤3.2.2,在邻接起始像元的四个缠绕像元中,把属于第1级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;若邻接起始像元的四个缠绕像元中没有属于第1级的缠绕像元,则转至步骤3.3;
步骤3.2.3,根据指针的值,从优先排队阵列相应的连接列表的顶部获取待展开像元,且把该待展开像元标为x,并展开此待展开像元;从优先排队阵列相应的连接列表中去除像元x;
步骤3.2.4,把邻接已展开像元x的缠绕像元中属于第1级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.2.5,判断优先排队阵列中是否存在待展开像元;若存在待展开像元,则转步骤3.2.3;若不存在待展开像元,则转至步骤3.3;
步骤3.3,展开干涉图的第2级像元以及第1级中未展开像元,其它级像元被掩去;
步骤3.3.1,把邻接已展开像元的缠绕像元中属于第2级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.3.2,根据指针的值,从优先排队阵列相应的连接列表顶部获取待展开像元,且把该待展开像元标为x,并展开方法展开此待展开像元;从优先排队阵列相应的连接列表中去除像元x;
步骤3.3.3,把邻接已展开像元x的属于第1级和第2级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证始终指向量化路径引导值最大的待展开像元;
步骤3.3.4,判断优先排队阵列中是否存在待展开像元;若存在待展开像元,则转步骤3.3.2;若不存在待展开像元,则转至步骤3.4;
以此类推,
步骤3.S+1,展开干涉图的第S级像元以及第1级至第S-1级中未展开像元;
步骤3.S+1.1,把邻接已展开像元的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.S+1.2,根据指针的值,从优先排队阵列相应的连接列表顶部获取待展开像元,且把该待展开像元标为x,并展开此待展开像元;从优先排队阵列相应的连接列表中去除像元x;
步骤3.S+1.3,把邻接已展开像元x的缠绕像元标记为待展开像元,并根据该待展开像元的整数的量化路径引导值,分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.S+1.4,判断优先排队阵列中是否存在待展开像元;若存在待展开像元,则转步骤3.S+1.2;若不存在待展开像元,则相位展开过程结束。
步骤3.2.2、步骤3.2.4、步骤3.3.1、步骤3.3.3、步骤3.S+1.1和步骤3.S+1.3中,保证指针始终指向量化路径引导值最大的待展开像元具体为:若指针的值小于待展开像元量化路径引导值的最大者,则指针的值改为待展开像元量化路径引导值的最大者;若指针的值大于待展开像元量化路径引导值的最大者,则指针的值不改变。
与现有技术相比,本发明把干涉图质量分层策略与量化路径引导图策略结合起来,提出一种基于分层量化跟踪策略的相位展开方法。本发明利用两个不同的相位质量图,一者对干涉像元进行等级分类,另一相位质量图作为引导积分路径的“路径引导图”,对其量化为整数后引导积分路径;前者把干涉像元分为不同质量等级,以高质量等级像元到低质量等级像元顺序展开干涉图,既有利于降低误差传递效应,同时降低在同级像元中具有相同量化路径引导值的像元的数量,提高相位展开精度;后者保证沿最优路径展开不同等级的缠绕像元,进一步改善相位展开精度;实测数据处理结果表明本发明具有简单有效、计算量较小、精度较高,稳健性较强的特点。
附图说明
图1为仿真干涉图;其中(a)为真实干涉相位,(b)为含噪声缠绕相位;
图2为质量引导算法展开结果;其中(a)为解缠相位,(b)为展开相位误差,(c)为展开误差统计直方图;
图3为本发明的展开结果;其中(a)为解缠相位,(b)为展开相位误差,(c)为展开误差统计直方图;
图4为原始干涉图;
图5为本发明实测数据处理结果;其中(a)为展开结果,(b)为重缠绕图。
具体实施方式
一种基于分层量化跟踪策略的相位展开方法,首先,利用干涉相位质量图把干涉像元分为不同质量等级,以高质量等级像元到低质量等级像元顺序展开干涉图;然后,建立基于干涉相位质量图作为引导积分路径的路径引导图,对其量化为整数后引导积分路径;最后,引入量化路径引导图策略,把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元,并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序,在每一展开步骤中展开排队阵列中量化路径引导值最大的待展开像元,并最终完成所有缠绕像元的相位展开。
1.基于分层量化跟踪策略的相位展开算法
根据干涉图相位质量图,如相干系数图、伪相干系数图、微分偏差图、最大相位梯度图等把干涉图分为S等级:
上式中,p(m,n)为干涉图(m,n)像元,r(m,n)为干涉图(m,n)像元质量值;Ts(s=1,2,3...)为干涉图等级划分阈值,可以通过调整干涉图等级划分阈值确定各等级像元占比。在相位展开过程中,先展开高质量等级干涉像元,后展开低质量等级干涉像元,且在各等级缠绕像元展开过程中,引入最优路径跟踪策略,引导相位展开算法从较高可靠性像元到较低可靠性像元的路径展开。为此,定义引导相位展开路径的干涉像元路径导引图:
g(m,n)=deriance(m,n)·[1-coherence(m,n)]q
上式中,g(m,n)为干涉图(m,n)像元路径导引值,deriance(m,n)为干涉图(m,n)像元微分偏差,coherence(m,n)为干涉图(m,n)像元相干系数或伪相干系数。干涉像元路径导引系数较小,则其可靠性较高。
为了减小在最优路径跟踪过程中搜索最佳待展开像元时所消耗的时间,引入基于优先排队序列的改进质量引导算法中的量化路径引导图策略以加速路径搜索过程。该策略把干涉图路径导引图归一化后量化为整数,并利用量化后的干涉像元路径导引图来指导展开路径:
上式中,为干涉图(m,n)像元归一化路径导引值,N为量化层级数,G(m,n)为干涉图(m,n)像元整数的量化路径导引值。很明显,量化路径引导值较大的像元可靠性较高。
本发明主要步骤:
Step 1:根据干涉图相位质量把干涉图分等级。
Step 2:定义干涉图路径引导图,把干涉图路径导引图归一化后量化为整数。
Step 3:创建空优先排对阵列,定义指向最佳待展开像元的指针opt,其初始值为0。
Step 3.1:展开干涉图第1级像元,其它级像元被掩去:
Step 3.1.1:在干涉图pl1级(第1级)像元中选择某一非边界上的高质量像元作为起始像元,把其缠绕相位作为展开相位;把邻接起始像元的四个缠绕像元中属于pl1级的像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把待展开像元嵌入优先排队阵列相应的连接列表的顶部,且把指针opt与上述待展开像元路径导引值的最大者q作比较,若opt小于q,则指针opt的值改为q,否则不变,亦即保证指针opt始终指向量化路径引导值最大的待展开像元;若初始像元四邻接像元无pl1级像元,则转Step.3.2。
Step 3.1.2:根据指针opt的取值,从优先排对列表相应连接列表顶部获取最佳待展开像元x并展开此缠绕像元;从优先排队阵列相应的连接列表中去除像元x;把邻接像元x的属于pl1级的缠绕像元标记为待展开像元,并根据其整数的量化路径引导值,把它们分别嵌入优先排队阵列相应的连接列表的顶部;把指针opt与邻接像元x的待展开像元路径导引值的最大者q作比较,若opt小于q,则指针opt的值改为q,否则不变。
Step 3.1.3:判断优先排对列表中是否存在待展开像元;若存在待展开像元,转Step 3.1.2;否则,转step.3.2。
Step 3.2:展开干涉图第2级像元以及第1级未展开像元,其它级像元被掩去:
Step 3.2.1:把邻接已展开像元的属于pl2级(第2级)的缠绕像元标记为待展开像元,并根据上述待展开像元的整数的量化路径引导值,把它们分别嵌入优先排队阵列相应的连接列表的顶部;把指针opt与上述待展开像元路径导引值的最大者q作比较,若指针opt小于q,则指针opt的值改为q,否则不变。
Step 3.2.2:根据指针opt的取值,从优先排对列表相应的连接列表顶部获取最佳待展开像元x并展开此缠绕像元;从优先排队阵列相应的连接列表中去除像元x;把邻接像元x的属于pl1和pl2级的缠绕像元标记为待展开像元,并根据其整数的量化路径引导值,把它们分别嵌入优先排队阵列相应的连接列表的顶部;把指针opt与邻接像元x的待展开像元路径导引值的最大者q作比较,若opt小于q,则指针opt的值改为q,否则不变。
Step 3.2.3:判断优先排对阵列中是否存在待展开像元;若存在待展开像元,转Step 3.2.2;否则转step.3.3。
Step 3.3:展开干涉图第3级像元以及第1、2级未展开像元,其它级像元被掩去:
以此类推,直至:……
步骤3.S,展开干涉图的第S级像元以及第1级至第S-1级中未展开像元;
步骤3.S.1,把邻接已展开像元的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.S.2,根据指针的值,从优先排队阵列相应的连接列表顶部获取待展开像元,且把该待展开像元标为x,并展开此待展开像元;从优先排队阵列相应的连接列表中去除像元x;
步骤3.S.3,把邻接已展开像元x的缠绕像元标记为待展开像元,并根据该待展开像元的整数的量化路径引导值,分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.S.4,判断优先排队阵列中是否存在待展开像元;若存在待展开像元,则转步骤3.S.2;若不存在待展开像元,则相位展开过程结束。
为了验证算法性能,本发明将与质量引导算法在模拟和实测数据实验中进行比较。
图1(a)为模拟真实干涉相位图,图1(b)为含噪声缠绕干涉图。图2(a)为质量引导算法展开结果,图2(b)为质量引导算法展开误差,图2(c)为质量引导算法展开误差直方图。本发明展开结果分别见图3,其中图3(a)为解缠相位,图3(b)为展开相位误差,图3(c)为展开误差统计直方图。
表1列出了上述两种方法在相同的MATLAB计算环境下的运行时间。
表1相位展开算法运行时间
从上述附图以及表1可以看出本发明能在获的较好展开结果的同时,具有较高工作效率。
实测数据为意大利火山干涉图的一部分,见图4所示。本发明的展开结果见图5(a),图5(b)为其展开相位重缠绕结果。可以看出本发明展开相位较为平滑,其展开相位重缠绕图条纹与原始干涉图条纹一致,故实测数据处理结果证明了本发明的有效性。
Claims (2)
1.基于分层量化跟踪策略的相位展开方法,包括如下步骤:
步骤1,利用干涉相位质量图把干涉像元分为不同质量等级,以高质量等级像元到低质量等级像元顺序展开干涉图;
步骤2,建立基于干涉相位质量图作为引导积分路径的路径引导图,对其量化为整数后引导积分路径;
步骤3,引入量化路径引导图策略,把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元,并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序,在每一展开步骤中展开排队阵列中量化路径引导值最大的待展开像元,并最终完成所有缠绕像元的相位展开;
步骤3.1,创建空的优先排对阵列,定义指向量化路径引导值最大的待展开像元的指针,并将该指针的初始值置为0;
步骤3.2,展开干涉图的第1级像元,其它级像元被掩去;
步骤3.2.1,在干涉图的第1级像元中选择某一非边界上的像元作为起始像元;
步骤3.2.2,在邻接起始像元的四个缠绕像元中,把属于第1级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把该待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与该待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;若邻接起始像元的四个缠绕像元中没有属于第1级的缠绕像元,则转至步骤3.3;
步骤3.2.3,根据指针的值,从优先排队阵列相应的连接列表的顶部获取待展开像元,且把该待展开像元标为x,并展开此待展开像元;从优先排队阵列相应的连接列表中去除像元x;
步骤3.2.4,把邻接已展开像元x的缠绕像元中属于第1级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与该待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.2.5,判断优先排队阵列中是否存在待展开像元;若存在待展开像元,则转步骤3.2.3;若不存在待展开像元,则转至步骤3.3;
步骤3.3,展开干涉图的第2级像元以及第1级中未展开像元,其它级像元被掩去;
步骤3.3.1,把邻接已展开像元的缠绕像元中属于第2级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把该待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与该待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.3.2,根据指针的值,从优先排队阵列相应的连接列表顶部获取待展开像元,且把该待展开像元标为x,并展开方法展开此待展开像元;从优先排队阵列相应的连接列表中去除像元x;
步骤3.3.3,把邻接已展开像元x的属于第1级和第2级的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把该待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与该待展开像元的整数的量化路径引导值的最大者作比较,并保证始终指向量化路径引导值最大的待展开像元;
步骤3.3.4,判断优先排队阵列中是否存在待展开像元;若存在待展开像元,则转步骤3.3.2;若不存在待展开像元,则转至步骤3.4;
以此类推,
步骤3.S+1,展开干涉图的第S级像元以及第1级至第S-1级中未展开像元;
步骤3.S+1.1,把邻接已展开像元的缠绕像元标记为待展开像元,并根据待展开像元的整数的量化路径引导值,分别把该待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与该待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.S+1.2,根据指针的值,从优先排队阵列相应的连接列表顶部获取待展开像元,且把该待展开像元标为x,并展开此待展开像元;从优先排队阵列相应的连接列表中去除像元x;
步骤3.S+1.3,把邻接已展开像元x的缠绕像元标记为待展开像元,并根据该待展开像元的整数的量化路径引导值,分别把该待展开像元嵌入到优先排队阵列相应的连接列表的顶部;把指针的值与该待展开像元的整数的量化路径引导值的最大者作比较,并保证指针始终指向量化路径引导值最大的待展开像元;
步骤3.S+1.4,判断优先排队阵列中是否存在待展开像元;若存在待展开像元,则转步骤3.S+1.2;若不存在待展开像元,则相位展开过程结束。
2.根据权利要求1所述的基于分层量化跟踪策略的相位展开方法,其特征是,步骤3.2.2、步骤3.2.4、步骤3.3.1、步骤3.3.3、步骤3.S+1.1和步骤3.S+1.3中,保证指针始终指向量化路径引导值最大的待展开像元具体为:若指针的值小于待展开像元量化路径引导值的最大者,则指针的值改为待展开像元量化路径引导值的最大者;若指针的值大于待展开像元量化路径引导值的最大者,则指针的值不改变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510288325.9A CN105005044B (zh) | 2015-05-29 | 2015-05-29 | 基于分层量化跟踪策略的相位展开方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510288325.9A CN105005044B (zh) | 2015-05-29 | 2015-05-29 | 基于分层量化跟踪策略的相位展开方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105005044A CN105005044A (zh) | 2015-10-28 |
CN105005044B true CN105005044B (zh) | 2017-07-14 |
Family
ID=54377779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510288325.9A Expired - Fee Related CN105005044B (zh) | 2015-05-29 | 2015-05-29 | 基于分层量化跟踪策略的相位展开方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105005044B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655357A (zh) * | 2009-09-11 | 2010-02-24 | 南京大学 | 一种用于二维相位展开的相位梯度相关质量图获取方法 |
CN103279945A (zh) * | 2013-04-26 | 2013-09-04 | 北京理工大学 | 一种基于质量图导引法和枝切法的干涉相位图解缠方法 |
CN103913128A (zh) * | 2014-03-12 | 2014-07-09 | 哈尔滨工程大学 | 一种基于质量图区域分割的快速相位展开方法 |
-
2015
- 2015-05-29 CN CN201510288325.9A patent/CN105005044B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101655357A (zh) * | 2009-09-11 | 2010-02-24 | 南京大学 | 一种用于二维相位展开的相位梯度相关质量图获取方法 |
CN103279945A (zh) * | 2013-04-26 | 2013-09-04 | 北京理工大学 | 一种基于质量图导引法和枝切法的干涉相位图解缠方法 |
CN103913128A (zh) * | 2014-03-12 | 2014-07-09 | 哈尔滨工程大学 | 一种基于质量图区域分割的快速相位展开方法 |
Non-Patent Citations (3)
Title |
---|
"An Improved Quality-Guided Phase-Unwrapping Algorithm Based on Priority Queue";Heping Zhong等;《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》;20110331;第8卷(第2期);第364-368页 * |
"一种基于质量引导和最小不连续合成的InSAR 相位解缠算法";钟何平等;《电子与信息学报》;20110228;第33卷(第2期);正文第369-374页 * |
"利用量化质量图和优先队列的快速相位解缠算法";钟何平等;《武汉大学学报信息科学版》;20110331;第36卷(第3期);正文第342-345页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105005044A (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188705A (zh) | 一种适用于车载系统的远距离交通标志检测识别方法 | |
CN105044717B (zh) | 基于分层量化跟踪策略的ukf相位展开方法 | |
CN111222396A (zh) | 一种全天候多光谱行人检测方法 | |
CN108446694A (zh) | 一种目标检测方法及装置 | |
CN108846351A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN109815799A (zh) | 一种基于ssd的快速航拍车辆检测算法 | |
CN106686308A (zh) | 图像焦距检测方法和装置 | |
CN107292804A (zh) | 基于OpenCL的直接多曝光融合并行加速方法 | |
CN109726678B (zh) | 一种车牌识别的方法及相关装置 | |
CN109697449A (zh) | 一种目标检测方法、装置及电子设备 | |
CN106227481A (zh) | 阅读文章时显示ar影像的方法和终端 | |
CN114494829A (zh) | 一种sar图像多尺度舰船目标检测方法 | |
CN110215706A (zh) | 虚拟对象的位置确定方法、装置、终端及存储介质 | |
CN109409210A (zh) | 一种基于ssd框架的人脸检测方法及系统 | |
CN116188402A (zh) | 一种基于改进ssd算法的绝缘子缺陷识别方法 | |
CN105005044B (zh) | 基于分层量化跟踪策略的相位展开方法 | |
CN107330387A (zh) | 基于图像数据的行人检测方法 | |
US20170329803A1 (en) | Method and device for image loading | |
CN106455307A (zh) | 一种绕线设计方法及pcb | |
CN113516194B (zh) | 高光谱遥感影像半监督分类方法、装置、设备及存储介质 | |
CN104574269B (zh) | 一种月基天文望远镜观测图像行方向拖曳的矫正方法 | |
CN109359542A (zh) | 基于神经网络的车辆损伤级别的确定方法及终端设备 | |
CN109511019A (zh) | 一种视频摘要方法、终端及计算机可读存储介质 | |
CN103559244B (zh) | 基于mbx格式的邮件正文的获取方法及系统 | |
CN114461831A (zh) | 输电线路巡检图像自动命名方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170714 |