CN106483524A - 基于全极化干涉合成孔径雷达数据的建筑物提取方法 - Google Patents
基于全极化干涉合成孔径雷达数据的建筑物提取方法 Download PDFInfo
- Publication number
- CN106483524A CN106483524A CN201610839902.3A CN201610839902A CN106483524A CN 106483524 A CN106483524 A CN 106483524A CN 201610839902 A CN201610839902 A CN 201610839902A CN 106483524 A CN106483524 A CN 106483524A
- Authority
- CN
- China
- Prior art keywords
- building
- synthetic aperture
- data
- span
- aperture radar
- 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
- 230000010287 polarization Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 230000017105 transposition Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005388 cross polarization Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000002689 soil Substances 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
- G01S13/904—SAR modes
- G01S13/9076—Polarimetric features in SAR
-
- 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
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)
Abstract
本发明公开了基于全极化干涉合成孔径雷达数据的建筑物提取方法,所述方法包括:步骤1)依次计算全极化干涉合成孔径雷达图像中每个点的散射总功率SPAN;步骤2)确定功率阈值α1,依次比较图像中每个点的功率SPAN是否大于α1,如果判定结果是否定的,则该点不是建筑物,否则,对于SPAN比阈值α1大的点,转入步骤3);步骤3)基于全极化干涉合成孔径雷数据,求解相干最优化问题,计算平均相干参数;步骤4)确定平均相干参数的阈值α2,判定值比阈值α2小的点不是建筑物,反之则判定为建筑物。本发明的方法可以提高雷达图像中建筑物的识别准确率。
Description
技术领域
本发明涉及重复轨道全极化干涉合成孔径雷达的信息处理领域,特别涉及基于全极化干涉合成孔径雷达数据进行建筑物提取方法。
背景技术
利用雷达图像提取或识别建筑物对于土地资源监管是非常重要的手段。目前,使用全极化合成孔径雷达数据进行建筑物提取是常用的方法。一般采用目标分解的方法来解译目标散射体的散射类型。当雷达的发射的电磁波照射到建筑物上,建筑物一般会产生很强的双次散射。如果目标散射体的回波中包含很强的双次散射,则认为目标很可能是建筑物。但是当建筑物的方向与雷达航迹有一定的夹角的时候,建筑物的双次散射减弱,并且会产生额外的交叉极化的后向散射。当建筑物的方向与雷达航迹的夹角很大时(45度左右),额外产生的交叉极化很强,双次散射很弱,导致这样的建筑物被错误判定为森林。虽然目前一些目标分解方法是旋转不变的(比如H/Alpha分解、Touzi分解等),但仍然也存在这个问题。
目前,全极化干涉合成孔径雷达技术被广泛应用。对于重复轨道的全极化干涉合成孔径雷达,建筑物对雷达的时间基线不敏感,而自然目标则相反。所以可以利用极化干涉相干参数来区别建筑物和自然目标,并且和建筑物与雷达的航迹之间的夹角无关。
发明内容
本发明的目的在于克服了全极化合成孔径雷达数据受建筑物与雷达航迹之间的夹角调制的缺点,提出了基于全极化干涉合成孔径雷达数据进行建筑物提取方法,该方法利用同一幅场景的不同时间的全极化数据之间的干涉特性,弥补单一全极化数据受建筑物与雷达航迹之间夹角调制的缺点。
为实现上述目的,本发明提出了基于全极化干涉合成孔径雷达数据的建筑物提取方法,所述方法包括:
步骤1)依次计算全极化干涉合成孔径雷达图像中每个点的散射总功率SPAN;
步骤2)确定功率阈值α1,依次比较图像中每个点的功率SPAN是否大于α1,如果判定结果是否定的,则该点不是建筑物,否则,对于SPAN比阈值α1大的点,转入步骤3);
步骤3)基于全极化干涉合成孔径雷达数据,求解相干最优化问题,计算平均相干参数;
步骤4)确定平均相干参数的阈值α2,判定值比阈值α2小的点不是建筑物,反之则判定为建筑物。
上述技术方案中,所述步骤1)具体为:
首先读入全极化干涉合成孔径雷达图像中每个点的散射矩阵形式的数据,得到两个三维的散射矢量k1和k2;利用k1和k2构建6×6的半正定艾米特矩阵T6:
其中,上标*T表示矩阵的共轭转置操作;
对T6进行斑点滤波,降低斑点噪声;然后从T6中得到3×3矩阵T11、T22和Ω12数据:
和
最后得到总功率SPAN:
SPAN=trace(T11)+trace(T22)
SPAN是两个通道的功率之和。
上述技术方案中,所述步骤3)具体为:
对3×3矩阵进行特征分解,得到特征矢量ω11、ω12和ω13,特征值υ11、υ12和υ13;对3×3矩阵进行特征分解,得到特征矢量ω21、ω22和ω23,特征值υ21、υ22和υ23;由此得到三个最优的相干参数γ1、γ2和γ3:
利用三个特征值υ11、υ12和υ13定义三个伪概率p1、p2和p3:
pi=υ1i/(υ11+υ12+υ13)
p1、p2和p3表示相应的特征矢量出现的概率,由于三个最优的相干参数是由特征矢量计算得到的,所以相干参数γ1、γ2和γ3出现的概率也是p1、p2和p3;那么,定义一个平均相干参数
该参数包含了γ1、γ2和γ3的信息,也表示两个干涉通道的相干性。
本发明的优点在于:
1、本发明的方法提出了平均相干参数的概念,该参数包含了三个最优相干参数的全部信息,同时表示重复轨道全极化干涉合成孔径雷达的两次测量数据之间的相干性。建筑物的重复轨道全极化干涉合成孔径雷达的两次测量的数据是相干的,而且与建筑物与雷达航迹之间的夹角无关,克服了全极化合成孔径雷达数据受建筑物与雷达航迹之间的夹角调制的缺点;
2、由于一些固定的自然目标(比如没有植被覆盖的土地)的两次测量数据也有很大的相干性,所以本发明的方法引入总功率SPAN来去除这些目标可能带来的误检测可能。
附图说明
图1是本发明的基于重复轨道全极化干涉合成孔径雷达数据的建筑物提取方法的流程图。
图2是Oberpfaffenhofen区域的Google Earth光学图像。
图3是本发明方法得到的总功率SPAN的图像。
图4是仅利用SPAN信息的建筑物提取结果。
图5是本发明方法提出的平均相干参数的图像。
图6是仅利用平均相干参数得到的建筑物提取结果。
图7是本发明方法得到的建筑物提取结果。
具体实施方式
下面结合附图和具体实验数据对本发明的方法进行详细说明。
如图1所示,本发明的基于全极化干涉合成孔径雷达数据进行建筑物提取方法,包括下述步骤:
步骤1)依次计算全极化干涉合成孔径雷达图像中每个点的散射总功率SPAN;
首先读入重复轨道全极化干涉合成孔径雷达图像中每个点的散射矩阵形式的数据,得到两个三维的散射矢量k1和k2。利用k1和k2构建6×6的半正定艾米特矩阵T6
其中,上标*T表示矩阵的共轭转置操作。
对T6形式的数据进行斑点滤波,降低斑点噪声。然后从T6形式的数据中可以得到3×3矩阵T11、T22和Ω12数据:
和
最后得到总功率SPAN:
SPAN=trace(T11)+trace(T22)
SPAN是两个通道的功率之和。
步骤2)确定功率阈值α1,依次比较图像中点的功率SPAN是否大于α1,如果判定结果是否定的,则该点不是建筑物,否则,对于SPAN比阈值α1大的点,转入步骤3);
步骤3)基于重复轨道全极化干涉合成孔径雷达数据,求解S.R.Cloude和K.P.Papathanassiou提出的相干最优化问题,计算平均相干参数;
对3×3矩阵进行特征分解,得到特征矢量ω11、ω12和ω13,特征值υ11、υ12和υ13;对3×3矩阵进行特征分解,得到特征矢量ω21、ω22和ω23,特征值υ21、υ22和υ23。可以得到三个最优的相干参数γ1、γ2和γ3:
利用三个特征值υ11、υ12和υ13定义三个伪概率p1、p2和p3:
pi=υ1i/(υ11+υ12+υ13)
表示相应的特征矢量出现的概率,由于三个最优的相干参数是由特征矢量计算得到的,所以相干参数γ1、γ2和γ3出现的概率也是p1、p2和p3。那么,可以定义一个平均相干参数
该参数包含了γ1、γ2和γ3的信息,也表示两个干涉通道的相干性。
步骤4)确定平均相干参数的阈值α2,判定值比阈值α2小的点不是建筑物,反之则判定为建筑物。
下面结合实际的重复轨道全极化干涉合成孔径雷达数据验证本发明提出的平均相干参数以及建筑物提取方法的有效性。使用的数据是德国L波段机载全极化合成孔径雷达ESAR在Oberpfaffenhofen机场区域的沿同一航迹的两次飞行获得的数据,时间基线小于一天。该区域有大块的森林、机场建筑、机场草地、公路、耕地、居民区,但是居民区的房屋周围有树木。作为对照,图2为谷歌地球采集的该区域的光学图像。图3为总功率SPAN的图像,白色表示SPAN值较大。图4为SPAN检测结果,白色代表SPAN大于阈值1的点,黑色代表SPAN小于阈值1的点,可以看出建筑物和森林区域的功率较大。为了除去利用SPAN信息检测到的结果中的森林区域,可以进一步使用本发明提出的平均相干参数的信息,因为森林区域在时间上是去相干的,建筑物在时间上是相干的,即建筑物的平均相干参数的值较大,而森林区域的平均相干参数的值较小。图5为本发明的平均相干参数的图像,白色表示值较大。图6为仅利用平均相干参数的检测结果,白色为平均相干参数大于阈值2的点,黑色为平均相干参数小于阈值2的点,可以看出建筑物的平均相干参数值较大,森林的平均相干参数较小。值得注意的是机场草地和一些耕地的平均相干参数也比较大,这些区域属于粗糙面,一般会产生布拉格面散射,其散射功率比较小,所以可以使用SPAN信息除去这些目标。图7为本发明的联合SPAN和平均相干参数的建筑物提取方法的结果,白色为判定为建筑物的点,黑色为判定不是建筑物的点,可以看出检测结果中只包含建筑物信息,除去了森林等高SPAN目标,也除去了一些有高平均相干参数的自然面目标。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.基于全极化干涉合成孔径雷达数据的建筑物提取方法,所述方法包括:
步骤1)依次计算全极化干涉合成孔径雷达图像中每个点的散射总功率SPAN;
步骤2)确定功率阈值α1,依次比较图像中每个点的功率SPAN是否大于α1,如果判定结果是否定的,则该点不是建筑物,否则,对于SPAN比阈值α1大的点,转入步骤3);
步骤3)基于全极化干涉合成孔径雷达数据,求解相干最优化问题,计算平均相干参数;
步骤4)确定平均相干参数的阈值α2,判定值比阈值α2小的点不是建筑物,反之则判定为建筑物。
2.根据权利要求1所述的基于全极化干涉合成孔径雷达数据的建筑物提取方法,其特征在于,所述步骤1)具体为:
首先读入全极化干涉合成孔径雷达图像中每个点的散射矩阵形式的数据,得到两个三维的散射矢量k1和k2;利用k1和k2构建6×6的半正定艾米特矩阵T6:
其中,*T表示矩阵的共轭转置操作;
对T6进行斑点滤波,降低斑点噪声;然后从T6中得到3×3矩阵T11、T22和Ω12数据:
和
最后得到总功率SPAN:
SPAN=trace(T11)+trace(T22)
SPAN是两个通道的功率之和。
3.根据权利要求2所述的基于全极化干涉合成孔径雷达数据的建筑物提取方法,其特征在于,所述步骤3)具体为:
对3×3矩阵进行特征分解,得到特征矢量ω11、ω12和ω13,特征值υ11、υ12和υ13;对3×3矩阵进行特征分解,得到特征矢量ω21、ω22和ω23,特征值υ21、υ22和υ23;由此得到三个最优的相干参数γ1、γ2和γ3:
利用三个特征值υ11、υ12和υ13定义三个伪概率p1、p2和p3:
pi=υ1i/(υ11+υ12+υ13)
p1、p2和p3表示相应的特征矢量出现的概率,由于三个最优的相干参数是由特征矢量计算得到的,所以相干参数γ1、γ2和γ3出现的概率也是p1、p2和p3;那么,定义一个平均相干参数
该参数包含了γ1、γ2和γ3的信息,也表示两个干涉通道的相干性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610839902.3A CN106483524A (zh) | 2016-09-21 | 2016-09-21 | 基于全极化干涉合成孔径雷达数据的建筑物提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610839902.3A CN106483524A (zh) | 2016-09-21 | 2016-09-21 | 基于全极化干涉合成孔径雷达数据的建筑物提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106483524A true CN106483524A (zh) | 2017-03-08 |
Family
ID=58267596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610839902.3A Pending CN106483524A (zh) | 2016-09-21 | 2016-09-21 | 基于全极化干涉合成孔径雷达数据的建筑物提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106483524A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983188A (zh) * | 2018-07-16 | 2018-12-11 | 中国科学院国家空间科学中心 | 一种基于干涉成像高度计的雷达回波的搜索跟踪方法 |
CN110244301A (zh) * | 2019-06-27 | 2019-09-17 | 国网四川省电力公司电力科学研究院 | 一种基于sar图像的输电走廊树高提取方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102401898A (zh) * | 2011-08-25 | 2012-04-04 | 北京理工大学 | 一种合成孔径雷达森林遥感数据的定量化模拟方法 |
-
2016
- 2016-09-21 CN CN201610839902.3A patent/CN106483524A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102401898A (zh) * | 2011-08-25 | 2012-04-04 | 北京理工大学 | 一种合成孔径雷达森林遥感数据的定量化模拟方法 |
Non-Patent Citations (4)
Title |
---|
A.FREEMAN 等: "A three-component scattering model for polarimetric SAR data", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
DONG LI等: "Unified Huynen Phenomenological Decomposition of radar Targets and its Classification Applications", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
FEIYA ZHU等: "A novel polarimetric interferometric SAR coherence parameter and its application in buildings detection", 《PROGRESS IN ELECTROMAGNETIC RESEARCH SYMPOSIUM (PIERS)》 * |
JAKOB J.VAN ZYL 等: "Model-Based Decomposition of polarimetric SAR Covariance Matrices Constrained for Nonnegative Eigenvalues", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983188A (zh) * | 2018-07-16 | 2018-12-11 | 中国科学院国家空间科学中心 | 一种基于干涉成像高度计的雷达回波的搜索跟踪方法 |
CN108983188B (zh) * | 2018-07-16 | 2019-09-24 | 中国科学院国家空间科学中心 | 一种基于干涉成像高度计的雷达回波的搜索跟踪方法 |
CN110244301A (zh) * | 2019-06-27 | 2019-09-17 | 国网四川省电力公司电力科学研究院 | 一种基于sar图像的输电走廊树高提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | MRPT: Millimeter-wave radar-based pedestrian trajectory tracking for autonomous urban driving | |
CN104991232B (zh) | 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法 | |
Zhao et al. | Deception jamming for squint SAR based on multiple receivers | |
CN105044693B (zh) | 基于辅助阵元的微波关联成像雷达幅相误差校正方法 | |
CN103954943B (zh) | 网络化雷达系统抗欺骗式干扰方法 | |
CN105259541B (zh) | 一种多站雷达抗有源欺骗式干扰的方法 | |
CN106021864B (zh) | 星载散射计后向散射系数的检验方法和装置 | |
CN104991233B (zh) | 基于信号级融合的组网雷达抗欺骗式干扰方法 | |
CN106249219A (zh) | 基于自适应匹配滤波响应的sar动目标检测方法 | |
Molchanov | Radar target classification by micro-Doppler contributions | |
CN104614713A (zh) | 一种适合于艇载雷达系统的雷达回波信号模拟器 | |
CN105607045A (zh) | 一种欺骗式干扰下组网雷达的优化布站方法 | |
Shi et al. | Deception jamming method based on micro‐Doppler effect for vehicle target | |
CN103426175B (zh) | 基于特征值度量谱聚类的极化sar图像分割方法 | |
CN107765226A (zh) | 一种sar卫星雷达回波模拟方法、系统和介质 | |
CN103728599A (zh) | 用异地配置的主被动雷达网抑制欺骗式假目标干扰的方法 | |
CN104224188B (zh) | 用于生命探测雷达的微弱呼吸信号检测方法 | |
CN104062638A (zh) | 一种用于穿墙雷达多目标检测的方法 | |
CN102540157A (zh) | 一种基于简缩极化合成孔径雷达数据的地物分类方法 | |
CN104280725A (zh) | 全波形激光雷达数据波形分解方法 | |
CN105259540B (zh) | 一种多站雷达抗有源欺骗式干扰的优化方法 | |
CN105974412A (zh) | 一种用于合成孔径雷达的目标特征提取方法 | |
CN107123125A (zh) | 基于散射特征与低秩稀疏模型的极化sar变化检测方法 | |
CN108089147A (zh) | 改进的短波单位定位方法 | |
CN105738887A (zh) | 基于多普勒通道划分的机载雷达杂波功率谱的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170308 |
|
WD01 | Invention patent application deemed withdrawn after publication |