CN106950556A - 基于分布式散射体时序干涉sar技术的遗产地形变监测方法 - Google Patents
基于分布式散射体时序干涉sar技术的遗产地形变监测方法 Download PDFInfo
- Publication number
- CN106950556A CN106950556A CN201710303687.XA CN201710303687A CN106950556A CN 106950556 A CN106950556 A CN 106950556A CN 201710303687 A CN201710303687 A CN 201710303687A CN 106950556 A CN106950556 A CN 106950556A
- Authority
- CN
- China
- Prior art keywords
- deformation
- phase
- sar
- diffusion body
- heritage
- 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
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
-
- 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
- G01S13/9004—SAR image acquisition techniques
- G01S13/9005—SAR image acquisition techniques with optical processing of the SAR signals
-
- 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
- G01S13/9027—Pattern recognition for feature extraction
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,首先确定遗产地的监测区域并收集相关资料;再对收集的SAR影像进行互配准、辐射校正和影像裁剪预处理,提取永久散射体目标和分布式散射体目标;去除分布式散射体目标的地形与平地相位,采用最大似然估计和LBFGS技术优化相位估计;再融合初始相位的永久散射体目标和经过优化相位的分布式目标,设置短时间/空间基线阈值生成小基线集干涉对,对所述小基线集干涉对进行相位解缠并去除地形、大气延迟造成的误差;最后求解平均年形变速率及形变历史变化值。本发明监测遗产地形变,克服郊区可提取点稀少问题,适用于从单一古建筑到整个遗产地多尺度稳定监测,利于遗产地影响因素的评估。
Description
技术领域
本发明涉及遗产地监测领域,特别是涉及基于分布式散射体时序干涉SAR技术的遗产地形变监测方法。
背景技术
遗产地,如文物古迹、自然奇观,是人类历史上具有重要意义和巨大价值的无以替代的财富。5000余年的历史文明以及辽阔的地域使得中国成为遗产大国,截止2015年7月列入《世界遗产名录》的有48项,数量位居世界第二,仅次于意大利。不幸的是,遗产地在自然灾害和人类活动的侵蚀下正在变得日益不稳定。自然灾害包括滑坡、地震、洪水、恶劣的天气以及气候突变。人类活动包括战争、资源的过度开采、城镇化建设和失控的旅游业。这些外界因素使得很多遗产地岌岌可危,监测并实施有效的保护势在必行。
遗产地不稳定的程度可以用形变来衡量,大致可以分为两类,一是长期的缓慢形变,尺度在毫米级或厘米级,主要由自然的侵蚀、地壳运动、人类活动引起的地表沉陷等引起;二是突发的剧烈形变,尺度在厘米级以上,主要由地震、滑坡等自然灾害以及人类破坏等引起。传统的形变测量方法如水准、GPS或物探技术均存在着以下不足:1)效率低、成本高、需要耗费大量的人力物力,受野外作业环境的严重限制;2)在空间维度上无法获得大面积形变场,时间维度上难以获取长时间序列形变,时空变化规律难以展现。
现有的时间序列差分干涉SAR技术(Multi-Temporal differentialInterferometric Synthetic Aperture Radar,MTInSAR)联合多基线重轨SAR影像测量地表微小形变,克服了传统方法的局限性,使得快速、大面积、时序监测成为了可能,而且理论上精度可以达到毫米级,因此更加适合于遗产地的监测。常用的MTInSAR技术包括:永久散射体技术(Persistent Scatterers,PSInSAR),小基线集技术(Small BAselines Subset,SBAS),Stamps以及SqueeSAR技术。
但是现有的技术在遗产地监测中仍存在一些亟待解决的问题:1)对SAR影像数量的要求较高(通常要求为25景以上,如PSInSAR和SqueeSAR);2)郊区干涉对的时间失相干现象严重,永久散射体(Persistent Scatterers,PS)稀少,可用于参数反演的点数量不足,影响相位解缠和形变估计的精度。SBAS方法虽然利用短时间/空间基线的干涉对来减少失相干的影响,以挖掘短时间内能够保持相干的像元信息来增加监测点的密度,但是多视操作降低了空间分辨率,相干性估计也容易出现偏差。
MTInSAR技术目前在郊区的研究主要集中在分布式散射体(DistributedScatterers,DS)上,它指的是占据一定面积均匀地物,在SAR影像上对应的像元呈现出相似的后向散射特征,裸地和低矮的植被都属于DS点。引入DS点能够显著提升遗产地可监测目标的数量,改进形变反演的结果。但是分布式散射体相干性差、信噪比低,需要进行复杂特殊的滤波处理。
由此可见,现有的MTInSAR技术在遗产地形变监测中仍然存在着缺陷,如何能创设一种更加适用的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,成为业界追求的目标。
发明内容
本发明要解决的技术问题是提供一种基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,使其实现大范围、长时间、高精度的监测遗产地不稳定现象,从而克服现有的遗产地形变监测方法的不足。
为解决上述技术问题,本发明提供1、基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,包括如下步骤:
(一)确定遗产地的监测区域及资料收集
(11)确定遗产地的监测范围,包括遗产地和所述遗产地周边的缓冲带;
(12)调查所述遗产地的背景知识,并收集所述遗产地的时间序列SAR单视复数影像;
(二)SAR数据处理与参数反演
(21)对所述步骤(12)收集的时间序列SAR单视复数影像进行互配准、辐射校正和影像裁剪预处理;
(22)提取永久散射体目标和分布式散射体目标;
(23)去除分布式散射体目标的地形与平地相位,采用最大似然估计和LBFGS技术进行优化相位估计;
(24)融合初始相位的永久散射体目标和经过优化相位的分布式散射体目标,设置短时间/空间基线阈值生成小基线集干涉对,对所述小基线集干涉对进行相位解缠并去除地形、大气延迟造成的误差;
(25)求解平均年形变速率及形变历史变化值。
作为本发明的一种改进,所述方法还包括结果分析与解译步骤,具体为:利用野外实地调查测量结果对步骤(25)所得结果进行精度评定;并结合野外实地调查测量结果与步骤(25)所得结果共同分析所述遗产地的形变特征及引发不稳定的因素。
进一步改进,所述步骤(12)中所述遗产地的背景知识包括所处的环境、遭受的威胁、陆地景观、地表特征、空间尺度、遗产单体的几何形状和材料属性。
进一步改进,所述步骤(22)中提取永久散射体目标的具体方法为:根据单幅影像的光谱特征与多幅影像的振幅离差阈值法提取。
进一步改进,所述步骤(22)中提取分布式散射体目标的具体方法包括:
A、对所述时间序列SAR单视复数影像中像元的时序幅度值进行排序,转换得到像元幅度值累积分布函数,其像元幅度值累积分布函数的无偏估计表示为:
其中,FN(X)为像元幅度值累积分布函数的无偏估计,X代表像元幅度值,N为配准后的SAR影像数量,x1为时序幅度值排序中的第1个元素的幅度值,xk为时序幅度值排序中的第k个元素的幅度值;xk+1为时序幅度值排序中的第k+1个元素的幅度值;k取值范围为0…N-1。
B、再用KS检验或AD检验方法对相邻像元的无偏估计值进行判定,满足一定阈值的即为同质像元;
C、对于每个像元可获得其估计窗口内连通的所有同质像元,同质数量大于设定阈值的像元即为分布式散射体目标。
进一步改进,所述AD检验方法定义为:
其中,p,q代表两个像元,为像元p的累积分布函数的无偏估计值,为像元q的累积分布函数的无偏估计值,是为两点的经验累积分布函数的无偏估计值,N为配准后的SAR影像数量,x为像元的时序幅度值,AN,N满足一定阈值,p,q即属于同质像元。
进一步改进,所述步骤(24)中对所述小基线集干涉对的相位解缠方法采用时空3D相位解缠方法。
进一步改进,针对第一代SAR数据进行轨道、地形相关误差去除的模型如下:
其中,x和y为距离向和方位向的坐标,h为高程;ε为随机相位误差;ai为待估计参数。
进一步改进,所述步骤(25)中平均年形变速率是针对差分干涉对的相位模型采用最小二乘法求得;所述形变历史变化值是利用SVD算法求得,具体算法为:
假设第i幅干涉图,主辅影像获取时间分别为tA和tB,且tB>tA,像元x处的差分干涉相位表示为:
式中φ(tA,x)和φ(tA,x)为在tA和tB时刻影像上的形变相位值,d(tA,x)和d(tB,x)是相对于参考时间t0的雷达视线向形变量,参考时间形变量d(t0,x)≡0,λ为雷达波长,用φ表示N个时刻SAR图像上的形变相位矩阵,Δφ表示M个差分干涉图上的相位矩阵,其矩阵形式表示为:
Δφ=Aφ
其中,系数矩阵A[M×N]的每行对应一幅干涉图,每列对应一个时间上的SAR影像,用SVD算法求解得每个时间SAR影像上形变对应的相位,经转换可得每个时间上的形变值。
采用这样的设计后,本发明至少具有以下优点:
本发明基于分布式散射体的时序干涉SAR技术用于遗产地形变监测,使其能利用较少的SAR影像数据实现更大区域、更多地物的形变测量,从而推进遗产地的稳定监测与保护。
本发明属于一种适用于大范围、长时间、高精度监测遗产地不稳定现象的方法,特别适合于建筑物稀少的遗郊区。
附图说明
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明基于分布式散射体时序干涉SAR技术的遗产地形变监测方法示意图。
具体实施方式
基于遗产地的监测需求和地表类型,本发明融合了SBAS和SqueeSAR算法,识别、提取DS点和PS点并进行联合分析,采用短时间/空间基线生成干涉对集合,最后去除地形、大气等误差生成形变结果,具体方法如下。
参照附图1所示,本发明基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,包括如下步骤:
一、确定遗产地的监测区域及资料收集
1.1、确定监测范围,应包括遗产地以及遗产地周边一定范围的缓冲带,该缓冲带有助于了解遗产地所处的环境,解释遗产地发生不稳定的原因和分析其发展规律。
1.2、调查确定遗产地的背景先验知识,包括其所处的环境、遭受的威胁(如滑坡等自然灾害或地面沉降等),陆地景观、地表特征、空间尺度、遗产单体的几何形状和材料属性等数据。这些数据决定了要采取的监测方法和数据处理流程。
1.3、收集与该遗产地相关的时间序列SAR单视复数影像;
二、SAR数据处理与参数反演
2.1、对收集的时间序列SAR单视复数影像进行数据预处理,包括辐射校正、互配准、影像裁剪和主影像选择等。
2.2、提取永久散射体目标和分布式散射体目标;
根据SAR影像的后向散射特征和研究区域的地物类型提取永久散射体目标(PS点)和分布式散射体目标(DS点)。
由于PS点在SAR影像上表现为十分稳定的强散射,能够保持高相干性,对应的地物为遗产区的房屋、桥梁、道路以及裸露的岩石等。PS点具体的提取方法为:根据单幅影像的光谱特征与多幅影像的振幅离差阈值法提取。
DS点对应着分辨单元内所有散射体的后向散射系数大致相同的地物,多为郊区普遍存在的裸地和稀疏植被等,它们仅在部分干涉图保持一定的相干特性。
DS点的提取则需要对SAR影像上像元的后向散射特征进行统计分析,具体方法为:
1)对像元的时序幅度值进行排序,转换得到其累积分布函数;
2)用Kolmogorov-Smirnov(KS)检验或Anderson-Darling(AD)检验方法对相邻像元的无偏估计值进行判定,满足一定阈值的即为同质像元;
3)对于每个像元可获得其估计窗口内连通的所有同质像元,同质数量大于设定阈值的像元即为DS点。
其中,像元幅度值累积分布函数的无偏估计可表示为:
其中,FN(X)为像元幅度值累积分布函数的无偏估计,X代表像元幅度值,N为配准后的SAR影像数量,x1为时序幅度值排序中的第1个元素的幅度值,xk为时序幅度值排序中的第k个元素的幅度值;xk+1为时序幅度值排序中的第k+1个元素的幅度值;k取值范围为0…N-1。
无参数双尾AD检验方法可定义为:
p,q代表两个像元,为像元p的累积分布函数的无偏估计值,为像元q的累积分布函数的无偏估计值,是为两点的经验累积分布函数的无偏估计值,N为配准后的SAR影像数量,x为像元的时序幅度值,AN,N满足一定阈值,p,q即属于同质像元。
2.3、去除分布式像元的地形与平地相位,然后进行时空三维的优化滤波;
因为DS点相干性差、信噪比低,需要进行时空滤波。首先像元p基于同质像元集为Ω的相干系数矩阵Γ(P)可改进为:
相干系数矩阵第k行、j列的元素γkj表示为第k景和第j景SAR影像组成干涉对的相干系数。主对角线为自身影像干涉且值为1。
基于相干系数矩阵和最大似然估计准则,假设第一幅SAR影像相位为0,N个相位值为最大似然估计值为:
其中,Λ=exp(iφ)为N维向量,为复相干性矩阵估计值,ο为Hadamard乘积。采用LBFGS(Limited memory Broyden-Fletcher-Goldfarb-Shanno)算法求解,然后用解算后的相位取代初始影像的相位,即实现了优化估计。
2.4、融合永久散射体目标和分布式目标;
对PS点初始相位和DS点的优化相位进行差分干涉对重新组合。
2.5、设置短时间/空间基线阈值生成小基线集干涉对;
好的相干性是差分干涉技术测量形变的前提,而引起干涉对失相干最严重的因素是时间基线和空间基线。以单一主影像形成的干涉对集合因为时间/空间基线大、而且对影像数据量要求多,难以满足遗产地监测需求。以短时间/空间基线为标准形成的多基线干涉对能够克服失相干严重的问题,且能生成大量的干涉对降低对数据量的需求。
假设有N景影像,则小基线干涉对数量M满足:
差分干涉对的相位模型可表示为:
其中,a为常数项,Ρξ、Ρη是大气效应和基线引起的干涉相位分别沿方位向ξ和距离向η的线性变化系数,Δh为高程误差,Δt为辅影像到主影像的时间基线,v表示线性形变速率,ε为残差,包含了大气残余、非线性形变等。Β⊥为干涉对的垂直基线,λ为雷达波长,R为卫星传感器到目标的斜距,θ为主图像的入射角。其中ξ、η、Β⊥、λ、R、θ、Δt为已知量,a、Ρξ、Ρη、Δh、ν、ε为未知量。
2.6、相位解缠并去除地形、大气延迟等误差;
缠绕干涉图的相位值范围是(-π,π),解决2π整数倍问题的过程称为相位解缠。这个过程是至关重要的,点密度过稀、地形起伏和形变较大等都能引起解缠错误。基于上述差分干涉对的相位模型,对于大量的小基线集干涉对可采用时空3D相位解缠方法,以对干涉对进行相位解缠并去除地形、大气延迟等误差。
第一代卫星影像的形变相位容易与轨道误差、大气延迟以及残余地形相位等混淆;长波段卫星的轨道误差能够达到30cm,在影像上呈现为二阶模型的变化趋势,同时轨道误差能引起地形估计的偏差,大气的湍流效应也与地形线性相关。
针对第一代SAR数据进行轨道、地形相关误差去除的模型如下:
其中,x和y为距离向和方位向的坐标,h为高程;ε为随机相位误差;ai为待估计参数。
2.7、求解平均年形变速率及形变历史变化值;
对差分干涉对的相位模型用最小二乘法求解可得到平均年形变速率。采用奇异值去分解(Singular Value Decomposition SVD)的方法解算去过各种误差的解缠相位可获得形变的历史变化值。假设第i幅干涉图,主辅影像获取时间分别为tA和tB(tB>tA),像元x处的差分干涉相位可表示为:
式中φ(tA,x)和φ(tA,x)为在tA和tB时刻影像上的形变相位值,d(tA,x)和d(tB,x)是相对于参考时间t0的雷达视线向(LOS)形变量,参考时间形变量d(t0,x)≡0,λ为雷达波长。用φ表示N个时刻SAR图像上的形变相位矩阵,Δφ表示M个差分干涉图上的相位矩阵,则矩阵形式可表示为:
Δφ=Aφ
其中,系数矩阵A[M×N]的每行对应一幅干涉图,每列对应一个时间上的SAR影像。用SVD算法求解可得每个时间SAR影像上形变对应的相位,然后可转换为每个时间上的形变值。
上述SAR数据处理融合了SBAS和SqueeSAR算法的优势,一方面联合提取与分析DS点和PS点,显著提高监测点的数量,扩大监测的范围,改善相位解缠与大气延迟去除的效果;另一方面采用小基线干涉对集合进行形变估计,在保留原始分辨率的同时降低对SAR影像数量的需求。
三、对干涉结果进行精度评定、解译以及分析遗产地的不稳定机制
3.1、野外调查测量与干涉结果精度评定;
野外调查测量是必不可少的工作,一方面是要确定监测点对应的地物,如一些树林中的废墟、遗址等,在普通光学影像上无法看见但能够被高分辨率SAR监测到的地物。另一方面是对形变结果进行实地验证,如发现古建筑物出现裂缝,地表明显塌陷等现象。条件允许,可获取实地测量数据(如水准,GPS等)对干涉形变结果进行绝对精度评定。
3.2、分析遗产地的形变特征及引发不稳定的因素与机制。
分析该遗产地的形变特征及不稳定的因素,需要结合遗产地的背景环境资料,如地质灾害、地下水开发或城市建设等进行,最终得出该遗产地的形变特征和不稳定因素。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰,均落在本发明的保护范围内。
Claims (9)
1.基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,包括如下步骤:
(一)确定遗产地的监测区域及资料收集
(11)确定遗产地的监测范围,包括遗产地和所述遗产地周边的缓冲带;
(12)调查所述遗产地的背景知识,并收集所述遗产地的时间序列SAR单视复数影像;
(二)SAR数据处理与参数反演
(21)对所述步骤(12)收集的时间序列SAR单视复数影像进行互配准、辐射校正和影像裁剪预处理;
(22)提取永久散射体目标和分布式散射体目标;
(23)去除分布式散射体目标的地形与平地相位,采用最大似然估计和LBFGS技术进行优化相位估计;
(24)融合初始相位的永久散射体目标和经过优化相位的分布式散射体目标,设置短时间/空间基线阈值生成小基线集干涉对,对所述小基线集干涉对进行相位解缠并去除地形、大气延迟造成的误差;
(25)求解平均年形变速率及形变历史变化值。
2.根据权利要求1所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,所述方法还包括结果分析与解译步骤,具体为:利用野外实地调查测量结果对步骤(25)所得结果进行精度评定;并结合野外实地调查测量结果与步骤(25)所得结果共同分析所述遗产地的形变特征及引发不稳定的因素。
3.根据权利要求1所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,所述步骤(12)中所述遗产地的背景知识包括所处的环境、遭受的威胁、陆地景观、地表特征、空间尺度、遗产单体的几何形状和材料属性。
4.根据权利要求1所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,所述步骤(22)中提取永久散射体目标的具体方法为:根据单幅影像的光谱特征与多幅影像的振幅离差阈值法提取。
5.根据权利要求1所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,所述步骤(22)中提取分布式散射体目标的具体方法包括:
A、对所述时间序列SAR单视复数影像中像元的时序幅度值进行排序,转换得到像元幅度值累积分布函数,其像元幅度值累积分布函数的无偏估计表示为:
其中,FN(X)为像元幅度值累积分布函数的无偏估计,X代表像元幅度值,N为配准后的SAR影像数量,x1为时序幅度值排序中的第1个元素的幅度值,xk为时序幅度值排序中的第k个元素的幅度值;xk+1为时序幅度值排序中的第k+1个元素的幅度值;k取值范围为0…N-1。
B、再用KS检验或AD检验方法对相邻像元的无偏估计值进行判定,满足一定阈值的即为同质像元;
C、对于每个像元可获得其估计窗口内连通的所有同质像元,同质数量大于设定阈值的像元即为分布式散射体目标。
6.根据权利要求5所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,所述AD检验方法定义为:
其中,p,q代表两个像元,为像元p的累积分布函数的无偏估计值,为像元q的累积分布函数的无偏估计值,是为两点的经验累积分布函数的无偏估计值,N为配准后的SAR影像数量,x为像元的时序幅度值,AN,N满足一定阈值,p,q即属于同质像元。
7.根据权利要求1所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,所述步骤(24)中对所述小基线集干涉对的相位解缠方法采用时空3D相位解缠方法。
8.根据权利要求7所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,针对第一代SAR数据进行轨道、地形相关误差去除的模型如下:
其中,x和y为距离向和方位向的坐标,h为高程;ε为随机相位误差;ai为待估计参数。
9.根据权利要求1所述的基于分布式散射体时序干涉SAR技术的遗产地形变监测方法,其特征在于,所述步骤(25)中平均年形变速率是针对差分干涉对的相位模型采用最小二乘法求得;所述形变历史变化值是利用SVD算法求得,具体算法为:
假设第i幅干涉图,主辅影像获取时间分别为tA和tB,且tB>tA,像元x处的差分干涉相位表示为:
式中φ(tA,x)和φ(tA,x)为在tA和tB时刻影像上的形变相位值,d(tA,x)和d(tB,x)是相对于参考时间t0的雷达视线向形变量,参考时间形变量d(t0,x)≡0,λ为雷达波长,用φ表示N个时刻SAR图像上的形变相位矩阵,Δφ表示M个差分干涉图上的相位矩阵,其矩阵形式表示为:
Δφ=Aφ
其中,系数矩阵A[M×N]的每行对应一幅干涉图,每列对应一个时间上的SAR影像,用SVD算法求解得每个时间SAR影像上形变对应的相位,经转换可得每个时间上的形变值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710303687.XA CN106950556A (zh) | 2017-05-03 | 2017-05-03 | 基于分布式散射体时序干涉sar技术的遗产地形变监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710303687.XA CN106950556A (zh) | 2017-05-03 | 2017-05-03 | 基于分布式散射体时序干涉sar技术的遗产地形变监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106950556A true CN106950556A (zh) | 2017-07-14 |
Family
ID=59478745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710303687.XA Pending CN106950556A (zh) | 2017-05-03 | 2017-05-03 | 基于分布式散射体时序干涉sar技术的遗产地形变监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106950556A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107817481A (zh) * | 2017-12-01 | 2018-03-20 | 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 |
CN108051810A (zh) * | 2017-12-01 | 2018-05-18 | 南京市测绘勘察研究院股份有限公司 | 一种InSAR分布式散射体相位优化方法 |
CN108362200A (zh) * | 2018-02-24 | 2018-08-03 | 深圳市北斗智星勘测科技有限公司 | 一种快速更新InSAR变形序列结果的方法 |
CN108398683A (zh) * | 2018-02-26 | 2018-08-14 | 中科卫星应用德清研究院 | 长时序自动干涉测量系统及方法 |
CN109031291A (zh) * | 2018-06-26 | 2018-12-18 | 中国科学院遥感与数字地球研究所 | 评估sar信号探测次地表目标能力的方法 |
CN109212528A (zh) * | 2018-10-30 | 2019-01-15 | 中国科学院遥感与数字地球研究所 | 一种多维层析sar古迹遗址形变监测方法 |
CN109696152A (zh) * | 2019-02-13 | 2019-04-30 | 太原理工大学 | 一种低相干性区域地面沉降量估算方法 |
CN109709550A (zh) * | 2019-01-17 | 2019-05-03 | 武汉大学 | 一种基于InSAR影像数据的库岸边坡形变监测处理方法 |
CN109752715A (zh) * | 2019-01-24 | 2019-05-14 | 深圳市数字城市工程研究中心 | 一种sar数据全散射体探测方法及装置 |
CN110058237A (zh) * | 2019-05-22 | 2019-07-26 | 中南大学 | 面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法 |
CN110109112A (zh) * | 2019-04-30 | 2019-08-09 | 成都理工大学 | 一种基于InSAR的填海地区机场形变监测方法 |
CN110161501A (zh) * | 2019-05-24 | 2019-08-23 | 电子科技大学 | 一种多时序sar图像的目标区域地表起伏信息提取方法 |
CN110174673A (zh) * | 2019-06-24 | 2019-08-27 | 首都师范大学 | 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法 |
CN110412574A (zh) * | 2019-09-05 | 2019-11-05 | 河海大学 | 一种时空相干性增强的分布式目标InSAR时序处理方法和装置 |
CN110763187A (zh) * | 2019-09-30 | 2020-02-07 | 中国科学院测量与地球物理研究所 | 一种稳健的基于雷达分布式目标的地面沉降监测方法 |
CN111174689A (zh) * | 2020-03-04 | 2020-05-19 | 广东明源勘测设计有限公司 | 一种桥梁形变监测方法 |
CN111239734A (zh) * | 2020-02-24 | 2020-06-05 | 西南交通大学 | 一种适用于深层黄土稳定面散射体的提取方法 |
CN111474544A (zh) * | 2020-03-04 | 2020-07-31 | 广东明源勘测设计有限公司 | 一种基于sar数据的滑坡形变监测及预警方法 |
CN112526515A (zh) * | 2020-11-05 | 2021-03-19 | 山西省交通科技研发有限公司 | 一种基于合成孔径雷达干涉测量技术的地表形变检测方法 |
CN112859073A (zh) * | 2021-01-11 | 2021-05-28 | 山西汾河焦煤股份有限公司三交河煤矿 | 一种基于PSInSAR技术的道路破损评估方法 |
CN113091596A (zh) * | 2021-03-31 | 2021-07-09 | 中国矿业大学 | 一种基于多极化时序sar数据的地表形变监测方法 |
CN113192020A (zh) * | 2021-04-26 | 2021-07-30 | 杭州电子科技大学 | 一种面向小数据集的非局部自适应多视方法及系统 |
CN113204023A (zh) * | 2021-05-10 | 2021-08-03 | 中国地质大学(武汉) | 联合ps目标与ds目标的双极化相位优化地表形变监测方法 |
CN113405447A (zh) * | 2020-05-19 | 2021-09-17 | 湖南北斗微芯产业发展有限公司 | 一种综合InSAR和GNSS的轨道交通形变监测方法、装置及设备 |
CN113687353A (zh) * | 2021-08-09 | 2021-11-23 | 中国矿业大学 | 基于同质像元时序相位矩阵分解的ds目标相位优化方法 |
CN113866768A (zh) * | 2021-12-02 | 2021-12-31 | 深圳大学 | 一种时序干涉雷达相位优化估计方法 |
CN115616511A (zh) * | 2022-12-19 | 2023-01-17 | 中大智能科技股份有限公司 | 一种地基雷达形变量气象补偿方法和系统 |
CN115856889A (zh) * | 2023-02-03 | 2023-03-28 | 北京数慧时空信息技术有限公司 | 一种误差自动校正的InSAR时序变形监测方法 |
CN115993601A (zh) * | 2023-03-22 | 2023-04-21 | 四川省公路规划勘察设计研究院有限公司 | 一种强盐渍土区域公路变形的时序InSAR监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120136576A1 (en) * | 2010-11-30 | 2012-05-31 | Halliburton Energy Services, Inc. | Evaluating surface data |
CN105954748A (zh) * | 2016-04-26 | 2016-09-21 | 中国科学院电子学研究所 | 基于分块策略的TS-InSAR大气相位滤波方法 |
-
2017
- 2017-05-03 CN CN201710303687.XA patent/CN106950556A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120136576A1 (en) * | 2010-11-30 | 2012-05-31 | Halliburton Energy Services, Inc. | Evaluating surface data |
CN105954748A (zh) * | 2016-04-26 | 2016-09-21 | 中国科学院电子学研究所 | 基于分块策略的TS-InSAR大气相位滤波方法 |
Non-Patent Citations (4)
Title |
---|
BING XU等: "A Refined Strategy for Removing Composite Errors of SAR Interferogram", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
PANPAN TANG ET AL.: "Monitoring Cultural Heritage Sites with Advanced Multi-Temporal InSAR Technique: The Case Study of the Summer Palace", 《REMOTE SENS》 * |
PANPAN TANG等: "Large-Area Landslides Monitoring Using Advanced Multi-Temporal InSAR Technique over the Giant Panda Habitat, Sichuan, China", 《REMOTE SENSING》 * |
ZHENGJIA ZHANG ET AL: "Subsidence monitoring in coal area using time-series InSAR combining persistent scatterers and distributed scatterers", 《INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION AND GEOINFORMATION》 * |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108051810B (zh) * | 2017-12-01 | 2020-06-09 | 南京市测绘勘察研究院股份有限公司 | 一种InSAR分布式散射体相位优化方法 |
CN108051810A (zh) * | 2017-12-01 | 2018-05-18 | 南京市测绘勘察研究院股份有限公司 | 一种InSAR分布式散射体相位优化方法 |
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 |
CN107817481A (zh) * | 2017-12-01 | 2018-03-20 | 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 |
CN108362200A (zh) * | 2018-02-24 | 2018-08-03 | 深圳市北斗智星勘测科技有限公司 | 一种快速更新InSAR变形序列结果的方法 |
CN108398683A (zh) * | 2018-02-26 | 2018-08-14 | 中科卫星应用德清研究院 | 长时序自动干涉测量系统及方法 |
CN108398683B (zh) * | 2018-02-26 | 2020-04-21 | 中科卫星应用德清研究院 | 长时序自动干涉测量系统及方法 |
CN109031291A (zh) * | 2018-06-26 | 2018-12-18 | 中国科学院遥感与数字地球研究所 | 评估sar信号探测次地表目标能力的方法 |
CN109031291B (zh) * | 2018-06-26 | 2020-08-04 | 中国科学院遥感与数字地球研究所 | 评估sar信号探测次地表目标能力的方法 |
CN109212528A (zh) * | 2018-10-30 | 2019-01-15 | 中国科学院遥感与数字地球研究所 | 一种多维层析sar古迹遗址形变监测方法 |
CN109212528B (zh) * | 2018-10-30 | 2020-08-04 | 中国科学院遥感与数字地球研究所 | 一种多维层析sar古迹遗址形变监测方法 |
CN109709550A (zh) * | 2019-01-17 | 2019-05-03 | 武汉大学 | 一种基于InSAR影像数据的库岸边坡形变监测处理方法 |
CN109752715A (zh) * | 2019-01-24 | 2019-05-14 | 深圳市数字城市工程研究中心 | 一种sar数据全散射体探测方法及装置 |
CN109696152A (zh) * | 2019-02-13 | 2019-04-30 | 太原理工大学 | 一种低相干性区域地面沉降量估算方法 |
CN109696152B (zh) * | 2019-02-13 | 2021-06-15 | 太原理工大学 | 一种低相干性区域地面沉降量估算方法 |
CN110109112A (zh) * | 2019-04-30 | 2019-08-09 | 成都理工大学 | 一种基于InSAR的填海地区机场形变监测方法 |
CN110058237A (zh) * | 2019-05-22 | 2019-07-26 | 中南大学 | 面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法 |
CN110161501A (zh) * | 2019-05-24 | 2019-08-23 | 电子科技大学 | 一种多时序sar图像的目标区域地表起伏信息提取方法 |
CN110174673A (zh) * | 2019-06-24 | 2019-08-27 | 首都师范大学 | 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法 |
CN110412574B (zh) * | 2019-09-05 | 2021-05-25 | 河海大学 | 一种时空相干性增强的分布式目标InSAR时序处理方法和装置 |
CN110412574A (zh) * | 2019-09-05 | 2019-11-05 | 河海大学 | 一种时空相干性增强的分布式目标InSAR时序处理方法和装置 |
CN110763187B (zh) * | 2019-09-30 | 2024-04-12 | 中国科学院精密测量科学与技术创新研究院 | 一种稳健的基于雷达分布式目标的地面沉降监测方法 |
CN110763187A (zh) * | 2019-09-30 | 2020-02-07 | 中国科学院测量与地球物理研究所 | 一种稳健的基于雷达分布式目标的地面沉降监测方法 |
CN111239734B (zh) * | 2020-02-24 | 2022-09-13 | 西南交通大学 | 一种适用于深层黄土稳定面散射体的提取方法 |
CN111239734A (zh) * | 2020-02-24 | 2020-06-05 | 西南交通大学 | 一种适用于深层黄土稳定面散射体的提取方法 |
CN111474544A (zh) * | 2020-03-04 | 2020-07-31 | 广东明源勘测设计有限公司 | 一种基于sar数据的滑坡形变监测及预警方法 |
CN111174689A (zh) * | 2020-03-04 | 2020-05-19 | 广东明源勘测设计有限公司 | 一种桥梁形变监测方法 |
CN113405447A (zh) * | 2020-05-19 | 2021-09-17 | 湖南北斗微芯产业发展有限公司 | 一种综合InSAR和GNSS的轨道交通形变监测方法、装置及设备 |
CN112526515A (zh) * | 2020-11-05 | 2021-03-19 | 山西省交通科技研发有限公司 | 一种基于合成孔径雷达干涉测量技术的地表形变检测方法 |
CN112859073A (zh) * | 2021-01-11 | 2021-05-28 | 山西汾河焦煤股份有限公司三交河煤矿 | 一种基于PSInSAR技术的道路破损评估方法 |
CN112859073B (zh) * | 2021-01-11 | 2024-04-05 | 山西汾河焦煤股份有限公司三交河煤矿 | 一种基于PSInSAR技术的道路破损评估方法 |
CN113091596A (zh) * | 2021-03-31 | 2021-07-09 | 中国矿业大学 | 一种基于多极化时序sar数据的地表形变监测方法 |
CN113091596B (zh) * | 2021-03-31 | 2022-01-25 | 中国矿业大学 | 一种基于多极化时序sar数据的地表形变监测方法 |
CN113192020A (zh) * | 2021-04-26 | 2021-07-30 | 杭州电子科技大学 | 一种面向小数据集的非局部自适应多视方法及系统 |
CN113204023A (zh) * | 2021-05-10 | 2021-08-03 | 中国地质大学(武汉) | 联合ps目标与ds目标的双极化相位优化地表形变监测方法 |
CN113687353A (zh) * | 2021-08-09 | 2021-11-23 | 中国矿业大学 | 基于同质像元时序相位矩阵分解的ds目标相位优化方法 |
CN113687353B (zh) * | 2021-08-09 | 2023-08-29 | 中国矿业大学 | 基于同质像元时序相位矩阵分解的ds目标相位优化方法 |
CN113866768A (zh) * | 2021-12-02 | 2021-12-31 | 深圳大学 | 一种时序干涉雷达相位优化估计方法 |
CN115616511A (zh) * | 2022-12-19 | 2023-01-17 | 中大智能科技股份有限公司 | 一种地基雷达形变量气象补偿方法和系统 |
CN115856889A (zh) * | 2023-02-03 | 2023-03-28 | 北京数慧时空信息技术有限公司 | 一种误差自动校正的InSAR时序变形监测方法 |
CN115993601A (zh) * | 2023-03-22 | 2023-04-21 | 四川省公路规划勘察设计研究院有限公司 | 一种强盐渍土区域公路变形的时序InSAR监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106950556A (zh) | 基于分布式散射体时序干涉sar技术的遗产地形变监测方法 | |
Dong et al. | Detection and displacement characterization of landslides using multi-temporal satellite SAR interferometry: A case study of Danba County in the Dadu River Basin | |
Riquelme et al. | Automatic mapping of discontinuity persistence on rock masses using 3D point clouds | |
Gigli et al. | Instability mechanisms affecting cultural heritage sites in the Maltese Archipelago | |
Liu et al. | Three-dimensional and long-term landslide displacement estimation by fusing C-and L-band SAR observations: A case study in Gongjue County, Tibet, China | |
Chen et al. | Quantitative study of tectonic geomorphology along Haiyuan fault based on airborne LiDAR | |
Gutierrez et al. | Precise airborne lidar surveying for coastal research and geo-hazards applications | |
Pasquali et al. | Mapping of ground deformations with interferometric stacking techniques | |
CN112444188B (zh) | 一种多视角InSAR海堤高精度三维形变测量方法 | |
Lin et al. | The 2020 Hpakant Jade Mine Disaster, Myanmar: A multi-sensor investigation for slope failure | |
Zheng et al. | Monitoring and analysis of mining 3D deformation by multi-platform SAR images with the probability integral method | |
Zhang et al. | Deformations monitoring in complicated-surface areas by adaptive distributed Scatterer InSAR combined with land cover: Taking the Jiaju landslide in Danba, China as an example | |
CN113281749A (zh) | 一种顾及同质性的时序InSAR高相干点选取方法 | |
Koppel et al. | Sentinel-1 for urban area monitoring—Analysing local-area statistics and interferometric coherence methods for buildings' detection | |
Abili | Comparison of vertical accuracy of open-source global digital elevation models: a case study of Adama City, Ethiopia | |
Liu et al. | Forecast volume of potential landslides in alpine-canyon terrain using time-series InSAR technology: A case study in the Bailong River basin, China | |
Schmelz et al. | Quantification of airborne lidar accuracy in coastal dunes (Fire island, New York) | |
Mirzaee et al. | Landslide monitoring using InSAR time-series and GPS observations, case study: Shabkola landslide in northern Iran | |
Roque et al. | A first approach for displacement analysis in Lisbon Downtown using PS-InSAR | |
CN114239379A (zh) | 一种基于形变检测的输电线路地质灾害分析方法及系统 | |
Shen et al. | Using DInSAR to inventory landslide geological disaster in Bijie, Guizhou, China | |
Ventura et al. | Monitoring and structural significance of ground deformations at Campi Flegrei supervolcano (Italy) from the combined 2D and 3D analysis of PS-InSAR, geophysical, geological and structural data | |
Guo et al. | Earth observation for earthquake disaster monitoring and assessment | |
Cui et al. | High resolution SAR imaging employing geometric features for extracting seismic damage of buildings | |
Dong et al. | Landslides analysis in western moutainous areas of China using Distributed Scatterers based InSAR |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Fulong Inventor after: Tang Panpan Inventor after: Zhou Wei Inventor before: Tang Panpan Inventor before: Chen Fulong Inventor before: Zhou Wei |
|
CB03 | Change of inventor or designer information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |
|
RJ01 | Rejection of invention patent application after publication |