CN105678716B - 一种地基sar大气干扰相位校正方法及装置 - Google Patents

一种地基sar大气干扰相位校正方法及装置 Download PDF

Info

Publication number
CN105678716B
CN105678716B CN201610104512.1A CN201610104512A CN105678716B CN 105678716 B CN105678716 B CN 105678716B CN 201610104512 A CN201610104512 A CN 201610104512A CN 105678716 B CN105678716 B CN 105678716B
Authority
CN
China
Prior art keywords
phase
strong permanent
permanent scatterers
atmospheric interference
scatterers
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.)
Active
Application number
CN201610104512.1A
Other languages
English (en)
Other versions
CN105678716A (zh
Inventor
黄平平
谭维贤
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.)
Inner Mongolia University of Technology
Original Assignee
Inner Mongolia University of Technology
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 Inner Mongolia University of Technology filed Critical Inner Mongolia University of Technology
Priority to CN201610104512.1A priority Critical patent/CN105678716B/zh
Publication of CN105678716A publication Critical patent/CN105678716A/zh
Application granted granted Critical
Publication of CN105678716B publication Critical patent/CN105678716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
    • E02D33/00—Testing foundations or foundation structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Paleontology (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种地基SAR大气干扰相位校正方法和装置，方法包括：S1：建立地基SAR差分干涉相位模型，S2：对地基SAR干涉相位模型进行滤波处理，以滤除其中的噪声相位；S3：从滤除噪声相位的地基SAR差分干涉相位模型中筛选出强永久散射体，其中，强永久散射体为形变相位为零的稳定控制点；S4：对步骤S3中筛选出的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位，其中双向曲线拟合包括距离向曲线拟合以及方位向曲线拟合；S5：根据步骤S1中的地基SAR差分干涉相位模型和步骤S4中的大气干扰相位求得形变相位，本发明的方法不需要引入外部辅助数据而依靠干涉相位本身进行空变大气干扰相位校正，具有较高的校正精度。

Description

一种地基SAR大气干扰相位校正方法及装置
技术领域
本发明涉及地基SAR干涉测量领域，特别是一种地基SAR大气干扰相位校正方法及装置。
背景技术
大气干扰是由于雷达电磁波信号传播过程中穿越大气层，而时空变化的大气压力、温度、湿度导致不同的相位延迟所引起的。大气干扰严重影响着雷达干涉测量形变反演的精度与可靠性，一直是阻碍InSAR干涉测量应用发展的重要因素之一。现有的InSAR大气干扰相位校正方法主要分为两大类：(1)基于外部辅助数据(2)基于干涉相位本身。基于外部辅助数据的方法主要有基于地表气象数据的建模、基于GPS数据反演大气干扰相位、基于空间辐射计测量法等，这些基于外部辅助数据的相位校正方法主要受辅助数据低空间分辨率的影响，校正效果往往不能十分理想。基于干涉相位本身的校正方法有干涉相位滤波法、基于时间序列SAR图像的校正方法和基于稳定控制点的大气干扰相位校正算法，其中干涉相位滤波法、基于时间序列SAR图像的校正方法又面临着分离大气干扰相位与非线性形变的难题，故目前应用最多的InSAR大气干扰相位校正方法是基于稳定控制点的大气干扰相位校正。
Linhsia Noferini等人在2005年提出的利用永久散射体(PS)分析的方法进行大气干扰相位校正，通过对试验数据分析，针对简单场景和复杂场景建立了一阶、二阶大气相位估计模型，通过实测数据验证了算法良好的校正效果。但该方法是建立假定大气相位延迟在方位向一致的条件下提出的，未考虑复杂情况下大气干扰相位在方位向的空间变化特性，会使得空变大气干扰相位校正过程中出现方位向欠校正的问题。
非专利文献1：Linhsia,N.,Massimiliano,P.et.al.,“Permanent ScatterersAnalysis for Atmospheric Correction in Ground-Based SAR Interferometry”,IEEETransa-ctions on Geosicence and Remote Sensing.,2005,43(7),pp.1459-1471.
非专利文献2：Rubén,I.,Xavier,F.,Albert,A.,“Atmospheric Phase ScreenCompensation in Ground-Based SAR With a Multiple-Regression Model OverMountain-ous Regions”,IEEE Transactions on Geosicence and Remote Sensing.,2014,52(5),pp.2436-2449.。
现有的地基SAR大气干扰相位校正算法主要有干涉相位滤波法、基于时间序列SAR图像的校正方法，基于外部辅助数据的校正方法和基于稳定控制点的大气干扰相位校正方法，其中干涉相位滤波法、基于时间序列SAR图像的校正方法又面临着分离大气干扰相位与非线性形变的难题，基于外部辅助数据的相位校正方法主要受辅助数据低空间分辨率的影响，校正效果往往不能十分理想。而现有的基于稳定控制点的大气干扰相位校正算法，是在假定大气相位延迟在方位向一致的条件下提出的，存在大气干扰相位方位向欠校正的问题。
发明内容
为了解决上述问题，本发明提供了一种不引入外部辅助数据而依靠干涉相位本身进行空变大气干扰相位校正的地基SAR大气干扰相位校正方法及装置。
为了解决上述技术问题，本发明采用了如下技术方案：
一种地基SAR大气干扰相位校正方法，其特征在于，
S1：建立地基SAR差分干涉相位模型，所述地基SAR差分干涉相位模型表示为：
其中，为主图像j和从图像i的干涉相位，为主从图像采集过程中产生的形变相位，为大气干扰相位，为噪声相位；
S2：对所述地基SAR干涉相位模型进行滤波处理，以滤除其中的噪声相位；
S3：从滤除噪声相位的地基SAR差分干涉相位模型中筛选出强永久散射体，其中，所述强永久散射体为形变相位为零的稳定控制点；
S4：对步骤S3中筛选出的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位，其中所述双向曲线拟合包括距离向曲线拟合以及方位向曲线拟合；
S5：根据步骤S1中的地基SAR差分干涉相位模型和步骤S4中的所述大气干扰相位求得形变相位，以进行大气干扰相位校正。
作为优选，所述滤波方法为加权圆周期中值滤波，其中加权系数为
其中，
作为优选，步骤S3中筛选出所述强永久散射体的步骤包括：
S31：利用第一特定范围内的相关系数初步筛选出永久散射体的候选点；
S32：通过第二特定范围内的振幅离差指数，从所述永久散射体的候选点中探测出永久散射体，以作为强永久散射体的候选点；
S33：利用时序SAR复图像的平均相关系数从所述强永久散射体的候选点中筛选出强永久散射体。
作为优选，所述第一特定范围为(0.8,1)，所述第二特定范围为(0,0.25)。
作为优选，步骤S33包括：
S331：求解出以所述强永久散射体的候选点为中心，半径为第一半径的一圆形区域内永久散射体的干涉相位的空间统计平均值其中，
其中，M为强永久散射体的候选点的个数；
S332：根据S231中求解出的所述空间统计平均值，求解各所述强永久散射体的候选点的时序相关系数
S333：通过使所述强永久散射体的候选点的相关系数等于选定的随机相位概率密度和强永久散射体的候选点的相位概率密度函数的加权之和，以确定筛选出所述强永久散射体时间相关系数的阈值；
S334：根据步骤S333中所确定的阈值从所述强永久散射体的候选点中筛选出强永久散射体。
作为优选，步骤S3还进一步包括对所筛选出的强永久散射体进行空间插值处理。
作为优选，步骤S3中的采用的插值方法为反距离加权法。
作为优选，在所述步骤S4中，对步骤S3中的插值后的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位。
作为优选，步骤S4中的双向曲线拟合操作包括以下步骤：
S41：对步骤S3中的插值结果进行距离向曲线拟合，以确定距离向的大气干扰相位；
S42：基于步骤S41的距离向曲线拟合，进行方位向曲线拟合，以得到完整的大气干扰相位。
本发明还提供了一种应用如上所述的地基SAR大气干扰相位校正方法的装置，所述装置包括：
模型建立单元，其用于建立地基SAR差分干涉相位模型，所述地基SAR差分干涉相位模型表示为：
其中，为主图像j和从图像i的干涉相位，为主从图像采集过程中产生的形变相位，为大气干扰相位，为噪声相位；以及
滤波单元，其配置为对所述模型建立单元所建立的地基SAR干涉相位模型进行滤波处理，以滤除其中的噪声相位；
筛选单元，其配置为从所述滤波单元的滤波结果中筛选出强永久散射体，其中，所述强永久散射体为形变相位为零的稳定控制点；
拟合单元，其配置为对筛选单元所筛选出的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位；
计算单元，其根据所述拟合单元所得到的大气干扰相位计算出形变相位。
与现有技术相比，本发明的有益效果在于：
1、本发明所提供的地基SAR大气干扰相位校正方法充分考虑了大气干扰相位的空间变化特性，引入了强永久散射体的概念，通过相关系数、振幅离差指数、相位空间一致性三级阈值法筛选出形变相位值为零的稳定控制点，然后进行相位插值与拟合，在不引入外部辅助数据的情况下，依靠干涉相位本身进行空变大气干扰相位校正；
2、本发明所提供的方法有效地避免了采用外部辅助数据进行大气干扰相位校正低空间分辨率的影响，同时也解决了常规基于稳定控制点的大气干扰相位校正算法在方位向欠校正的问题；
3、本发明所提供的方法具有极强的适应性与鲁棒性。
附图说明
图1为本发明实施例中一种地基SAR大气干扰相位校正方法的流程图；
图2为本发明实施例中筛选强永久散射体的方法的流程图；
图3为本发明实施例中利用时序SAR复图像的平均相关系数筛选强永久散射体的方法的流程图；
图4为本发明实施例中的应用了地基SAR大气干扰相位校正方法的装置的原理结构框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。
如图1所示，本发明实施例一种地基SAR大气干扰相位校正方法的流程图，该方法考虑了大气干扰相位的空间变化特性，通过引入了强永久散射体的概念，并通过相关系数、振幅离差指数、相位空间一致性三级阈值法筛选形变相位值近似为零的稳定控制点，然后进行相位插值与拟合，在不引入外部辅助数据的情况下，依靠干涉相位本身进行空变大气干扰相位校正。具体的，包括以下步骤：
S1：考虑到大气干扰、相位噪声等问题，根据原始干涉相位图建立地基SAR差分干涉相位模型，解缠后的地基SAR差分干涉相位模型可表示为：
其中，其中为主图像j和从图像i的干涉相位，为主从图像采集过程中产生的形变相位，为大气干扰相位，为噪声相位；
S2：对所述地基SAR干涉相位模型进行滤波优化处理，以滤除其中的噪声相位；
鉴于地基SAR形变测量数据处理的实时性要求，采用滤波性能较好且运算效率较高的加权圆周期中值滤波进行地基SAR干涉相位滤波处理，滤除公式(1)中的噪声相位项。滤波结果输出为，
其中，
加权系数为:
S3：从滤除噪声相位的地基SAR差分干涉相位模型中筛选出强永久散射体，其中强永久散射体为具有永久散射体(PS)的一般特性即强的反射特性、高的相位稳定性，在此基础之上同时具有像角反射器一样形变相位值可以近似为零的特殊属性目标单元，即φDefo＝0的稳定控制点(特殊属性目标单元)。经过步骤S2的滤波处理的干涉相位模型可表示为，
对于强永久散射体，其形变相位分量为零，则干涉测量相位全部为大气干扰相位分量，即干涉相位模型可表示为：
则本步骤中的强永久散射体探测，主要依据干涉相位本身的时序振幅信息与相位信息计算干涉相位相关系数、振幅离差指数和空间相位一致性，通过三级筛选提取出形变相位近似为零的目标散射像元，即强永久散射体；
S4：对步骤S4中筛选出的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位，其中所述双向曲线拟合包括距离向曲线拟合以及方位向曲线拟合。
S5：根据步骤S1中的地基SAR差分干涉相位模型和步骤S4中的所述大气干扰相位求得形变相位，以进行大气干扰相位校正。
如图2所示，为本发明实施例中筛选强永久散射体的步骤的流程图：其中，包括以下步骤：
S31：利用第一特定范围内的相关系数初步筛出永久散射体的候选点，其中第一特定范围可以是(0.8,1)；相关系数能够反映干涉相位图的信噪比，故可以使用相关系数挑选出信噪比较高的强点作为永久散射体的候选点。相关系数可取该像元为中心的一定范围内的临近像元信息来估计，其表达式为，
其中，γ为相关系数，M为雷达主图像，S*为从图像的复数据取共轭。
S32：通过第二特定范围内的振幅离差指数，从所述永久散射体的候选点中探测出永久散射体，以作为强永久散射体的候选点，其中第二特定范围可以是(0,0.25)；对于高质量的干涉像元，时序振幅信息可以用来表征相位噪声水平，振幅离差指数也可以反映干涉相位稳定性。因此，用振幅离差指数来进一步提取永久散射体是一个较为理想的方案。振幅离差指数的计算可以表示为，
其中，σv是干涉相位的标准差，σA为干涉相位时间序列标准差，mA为干涉相位时间序列振幅均值，DA就是振幅离差指数。
S33：利用时序SAR复图像的平均相关系数从所述强永久散射体的候选点中筛选出强永久散射体。在完成永久散射体的探测之后，即得到了强永久散射体的候选点。已有研究表明大气干扰相位在一定的空间范围L内具有很强的相关性。因此，可以使用时序相关系数进行强永久散射体的最终筛选。
其中，如图3所示，为本发明实施例中利用时序SAR复图像的平均相关系数筛选强永久散射体的方法的流程图，其可以包括以下步骤：
S331：求解出以所述强永久散射体的候选点为中心，半径为第一半径L的一圆形区域内永久散射体的干涉相位的空间统计平均值其中，
其中，M为强永久散射体的候选点的个数；且第一半径L的确定可以根据实际测量过程中的图像的大小以及其他因素来确定。
S332：根据S231中求解出的所述空间统计平均值，求解各所述强永久散射体的候选点的时序相关系数，若时间序列图像个数为N，则定义第k个半径L的区域内第x个永久散射体的时间相关系数为，
S333：通过使所述强永久散射体的候选点的相关系数等于选定的随机相位概率密度和强永久散射体的候选点的相位概率密度函数的加权之和p(γx)＝(1-β)pr(γx)+βpps(γx)，以确定筛选出所述强永久散射体的时间相关系数的阈值；则估算γth的目标函数为
其中，pγ(γx)可以使用随机相位模拟获取；对于相干性较低的点γx≤0.3，pps(γx)≈0，则可以用
来估计β，进而可以确定γth，完成强永久散射体的筛选过程。
S334：根据步骤S333中所确定的阈值从所述强永久散射体的候选点中筛选出强永久散射体。
在一优选实施例中，步骤S3还可以进一步包括对所筛选出的强永久散射体进行空间插值处理，且采用的插值方法为反距离加权法。强永久散射体的空间插值，对时间序列上各幅干涉相位图中探测到的稀疏强永久散射体在进行空间插值，采用反距离加权法进行插值运算，如式(11)所示，
其中，
Ri为第i个强PS点到待插值像元的距离。
相应的，在步骤S4中，也可以对步骤S3中的插值后的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位，从而提高校正精度。
基于大气物理参数，推导大气干扰相位模型。大气干扰是由雷达电磁波信号在传播过程中，大气压力、温度、湿度的时空变化导致不同的相位延迟所引起的。故大气干扰相位模型可用大气物理参数来进行推导。大气延迟相位如公式(12)所示
其中N为大气折射率，
P为大气压力，h为大气湿度，T为大气温度。故大气干扰相位
本实施例中，步骤S4中的双向曲线拟合操作，由于插值后的大气相位仍不足以覆盖整个观测场景，还需根据大气相位模型对插值后的相位进行双向拟合得到完整的大气干扰相位，其包括以下步骤：
S31：对步骤S2中的插值结果进行距离向曲线拟合，以确定距离向的大气相位；根据式(13)的推导可知，观测场景内大气压力、温度、湿度均一致的情况下，大气相位与观测距离成正比线性关系；在复杂场景下，可以使用高阶模型进行大气相位估计，
S32：基于步骤S31的距离向曲线拟合，进行方位向曲线拟合，以得到完整的大气干扰相位；研究表明大气延迟相位在方向的变化波动性较小，故当大气相位在距离向拟合完成后，在方位向进行线性拟合便可得到完整的大气干扰相位，
其中，r为目标到雷达的视线方向距离，a0，a1为拟合系数。
如图4所示，本发明还提供了一种应用了上述地基SAR大气干扰相位校正方法的装置，且该装置可以包括：模型建立单元1、滤波单元2、筛选单元3、拟合单元4、计算单元5，其中，模型建立单元1用于建立地基SAR差分干涉相位模型，所述地基SAR差分干涉相位模型表示为：
其中，为主图像j和从图像i的干涉相位，为主从图像采集过程中产生的形变相位，为大气干扰相位，为噪声相位；以及滤波单元2用于对模型建立单元1所建立的地基SAR干涉相位模型进行滤波处理，以滤除其中的噪声相位；筛选单元3用于从滤波单元的滤波结果中筛选出强永久散射体，其中，强永久散射体为形变相位为零的稳定控制点；拟合单元4用于对筛选单元3所筛选出的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位；计算单元5根据拟合单元4所得到的大气干扰相位计算出形变相位。
综上所述，本发明所提供的地基SAR大气干扰相位校正方法，不仅避免了采用外部辅助数据进行大气干扰相位校正低空间分辨率的影响，而且考虑到了大气干扰相位方位向的空间变化特性，解决了现有基于稳定控制点的大气干扰相位校正方法在方位向欠校正的问题。同时，该方法具有极强的适应性与鲁棒性，对大气干扰相位的校正效果较好，成功率较高。
以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (10)

1.一种地基SAR大气干扰相位校正方法，其特征在于，包括以下步骤：
S1：建立地基SAR差分干涉相位模型，所述地基SAR差分干涉相位模型表示为：
其中，为主图像j和从图像i的干涉相位，为主从图像采集过程中产生的形变相位，为大气干扰相位，为噪声相位；
S2：对所述地基SAR干涉相位模型进行滤波处理，以滤除其中的噪声相位；
S3：从滤除噪声相位的地基SAR差分干涉相位模型中筛选出强永久散射体，其中，所述强永久散射体为形变相位为零的稳定控制点；
S4：对步骤S3中筛选出的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位，其中所述双向曲线拟合包括距离向曲线拟合以及方位向曲线拟合；
S5：根据步骤S1中的地基SAR差分干涉相位模型和步骤S4中的所述大气干扰相位求得形变相位，以进行大气干扰相位校正。
2.根据权利要求1所述的方法，其特征在于，所述滤波方法为加权圆周期中值滤波，其中加权系数为其中，
3.根据权利要求1所述的方法，其特征在于，步骤S3中筛选出所述强永久散射体的步骤包括：
S31：利用第一特定范围内的相关系数初步筛选出永久散射体的候选点；
S32：通过第二特定范围内的振幅离差指数，从所述永久散射体的候选点中探测出永久散射体，以作为强永久散射体的候选点；
S33：利用时序SAR复图像的平均相关系数从所述强永久散射体的候选点中筛选出强永久散射体。
4.根据权利要求3所述的方法，其特征在于，所述第一特定范围为(0.8,1)，所述第二特定范围为(0,0.25)。
5.根据权利要求3所述的方法，其特征在于，步骤S33包括：
S331：求解出以所述强永久散射体的候选点为中心，半径为第一半径的一圆形区域内永久散射体的干涉相位的空间统计平均值其中，
其中，M为强永久散射体的候选点的个数；
S332：根据S331中求解出的所述空间统计平均值，求解各所述强永久散射体的候选点的时序相关系数
S333：通过使所述强永久散射体的候选点的相关系数等于选定的随机相位概率密度和强永久散射体的候选点的相位概率密度函数的加权之和，以确定筛选出所述强永久散射体时间相关系数的阈值；
S334：根据步骤S333中所确定的阈值从所述强永久散射体的候选点中筛选出强永久散射体。
6.根据权利要求1所述的方法，其特征在于，步骤S3还进一步包括对所筛选出的强永久散射体进行空间插值处理。
7.根据权利要求6所述的方法，其特征在于，步骤S3中的采用的插值方法为反距离加权法。
8.根据权利要求6所述的方法，其特征在于，在所述步骤S4中，对步骤S3中的插值后的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位。
9.根据权利要求8所述的方法，其特征在于，步骤S4中的双向曲线拟合操作包括以下步骤：
S41：对步骤S3中的插值结果进行距离向曲线拟合，以确定距离向的大气干扰相位；
S42：基于步骤S41的距离向曲线拟合，进行方位向曲线拟合，以得到完整的大气干扰相位。
10.一种应用如权利要求1-9中任意一项所述的地基SAR大气干扰相位校正方法的装置，其特征在于，所述装置包括：
模型建立单元，其用于建立地基SAR差分干涉相位模型，所述地基SAR差分干涉相位模型表示为：
其中，为主图像j和从图像i的干涉相位，为主从图像采集过程中产生的形变相位，为大气干扰相位，为噪声相位；以及滤波单元，其配置为对所述模型建立单元所建立的地基SAR干涉相位模型进行滤波处理，以滤除其中的噪声相位；
筛选单元，其配置为从所述滤波单元的滤波结果中筛选出强永久散射体，其中，所述强永久散射体为形变相位为零的稳定控制点；
拟合单元，其配置为对筛选单元所筛选出的强永久散射体进行双向曲线拟合操作，以得到完整的大气干扰相位；
计算单元，其根据所述拟合单元所得到的大气干扰相位计算出形变相位。
CN201610104512.1A 2016-02-25 2016-02-25 一种地基sar大气干扰相位校正方法及装置 Active CN105678716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610104512.1A CN105678716B (zh) 2016-02-25 2016-02-25 一种地基sar大气干扰相位校正方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610104512.1A CN105678716B (zh) 2016-02-25 2016-02-25 一种地基sar大气干扰相位校正方法及装置

Publications (2)

Publication Number Publication Date
CN105678716A CN105678716A (zh) 2016-06-15
CN105678716B true CN105678716B (zh) 2018-09-18

Family

ID=56306017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610104512.1A Active CN105678716B (zh) 2016-02-25 2016-02-25 一种地基sar大气干扰相位校正方法及装置

Country Status (1)

Country Link
CN (1) CN105678716B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107817481B (zh) * 2017-12-01 2020-12-08 南京市测绘勘察研究院股份有限公司 一种InSAR形变监测中大气噪声校正的RF方法
CN109613531B (zh) * 2019-01-07 2020-10-02 北方工业大学 一种微变感知预警雷达的多阈值优化形变反演方法及系统
CN111721241A (zh) * 2020-05-08 2020-09-29 北京理工大学 一种GNSS-InBSAR和GB-InSAR跨系统融合三维形变测量方法
CN117826148A (zh) * 2023-11-29 2024-04-05 北京市市政工程研究院 一种相干点识别的方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675790A (zh) * 2013-12-23 2014-03-26 中国国土资源航空物探遥感中心 一种基于高精度DEM提高InSAR技术监测地表形变精度的方法
CN104090277A (zh) * 2014-07-21 2014-10-08 中国科学院电子学研究所 一种滑动式圆周合成孔径雷达成像方法
WO2015008554A1 (ja) * 2013-07-19 2015-01-22 国立大学法人東北大学 合成開口処理を伴うセンサ、そのセンサの処理方法、および、プログラム
CN104360332A (zh) * 2014-11-11 2015-02-18 河海大学 基于地基合成孔径雷达干涉的大气相位屏提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015008554A1 (ja) * 2013-07-19 2015-01-22 国立大学法人東北大学 合成開口処理を伴うセンサ、そのセンサの処理方法、および、プログラム
CN103675790A (zh) * 2013-12-23 2014-03-26 中国国土资源航空物探遥感中心 一种基于高精度DEM提高InSAR技术监测地表形变精度的方法
CN104090277A (zh) * 2014-07-21 2014-10-08 中国科学院电子学研究所 一种滑动式圆周合成孔径雷达成像方法
CN104360332A (zh) * 2014-11-11 2015-02-18 河海大学 基于地基合成孔径雷达干涉的大气相位屏提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
地基ＳＡＲ差分干涉测量大气扰动误差校正＊;张祥，陆必应，宋千;《雷达科学与技术》;20111231;第9卷(第6期);第502-512页 *
地基SAR干涉相位滤波优化方法;王彦平,黄增树,谭维贤,孙进平,乞耀龙;《信号处理》;20151130;第31卷(第11期);第1504-1509页 *

Also Published As

Publication number Publication date
CN105678716A (zh) 2016-06-15

Similar Documents

Publication Publication Date Title
Bhattacharya et al. Stereo-particle image velocimetry uncertainty quantification
CN105678716B (zh) 一种地基sar大气干扰相位校正方法及装置
Cao et al. Stochastic modeling for time series InSAR: with emphasis on atmospheric effects
Baier et al. A nonlocal InSAR filter for high-resolution DEM generation from TanDEM-X interferograms
CN103886559B (zh) 一种光谱图像处理方法
Li et al. A quantitative measure for the quality of InSAR interferograms based on phase differences
Zhang et al. Cloth simulation-based construction of pit-free canopy height models from airborne LiDAR data
WO2019106850A1 (ja) Ｓａｒ画像解析システム、画像処理装置、画像処理方法および画像処理プログラム
Gao et al. A new approach for extracting the amplitude spectrum of the seismic wavelet from the seismic traces
Girard et al. Sparse representations and convex optimization as tools for LOFAR radio interferometric imaging
TW200903383A (en) Method and apparatus for processing SAR images based on a complex anisotropic diffusion filtering algorithm
Rossi et al. High-resolution InSAR building layovers detection and exploitation
Ge et al. An improvement of image registration based on phase correlation
CN113012234A (zh) 基于平面变换的高精度相机标定方法
CN107014313A (zh) 基于s变换脊值的加权最小二乘相位展开的方法及系统
Chen et al. Robust interpolation of DEMs from LiDAR-derived elevation data
CN115951350A (zh) 永久散射体点提取方法、装置、设备及介质
CN103065320A (zh) 基于恒虚警阈值的sar图像变化检测方法
Zhu et al. Potential and limits of non-local means InSAR filtering for TanDEM-X high-resolution DEM generation
CN108318458B (zh) 一种适用于不同天气条件下的室外典型地物pBRDF的测量方法
Douxchamps et al. Stereoscopic and velocimetric reconstructions of the free surface topography of antidune flows
CN108647183B (zh) 基于压缩感知的复rcs数据插值方法
Xia et al. Quality assessment for remote sensing images: approaches and applications
CN109738852A (zh) 基于低秩矩阵重建的分布式源二维空间谱估计方法
Danudirdjo et al. InSAR image regularization and DEM error correction with fractal surface scattering model

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