CN107144842A - 一种改进的极化干涉sar植被高度联合反演方法 - Google Patents

一种改进的极化干涉sar植被高度联合反演方法 Download PDF

Info

Publication number
CN107144842A
CN107144842A CN201710500976.9A CN201710500976A CN107144842A CN 107144842 A CN107144842 A CN 107144842A CN 201710500976 A CN201710500976 A CN 201710500976A CN 107144842 A CN107144842 A CN 107144842A
Authority
CN
China
Prior art keywords
mrow
msub
phase
mtd
polarimetric
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
Application number
CN201710500976.9A
Other languages
English (en)
Inventor
张腊梅
段宝龙
王骁
邹斌
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute 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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201710500976.9A priority Critical patent/CN107144842A/zh
Publication of CN107144842A publication Critical patent/CN107144842A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021SAR image post-processing techniques
    • G01S13/9023SAR 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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种改进的极化干涉SAR植被高度联合反演方法,所述方法包括如下步骤:步骤一:输入极化干涉SAR图像,进行预处理,得到预处理后的极化干涉SAR图像;步骤二:采用基于相位分离相干优化的三阶段算法对预处理后的极化干涉SAR图像进行地表相位提取;步骤三:基于Antropov体散射模型对预处理后的极化干涉SAR图像进行极化目标分解,得到体散射成分,提取出冠层相位;步骤四:根据相位差异法,利用步骤二得到的地表相位和步骤三得到的冠层相位的相位差异初步估计植被高度;步骤五:采用相干幅度法对步骤四得到的高度进行补偿,实现极化干涉SAR图像的植被高度估计。本发明解决了地表相位和冠层相位估计模糊的问题,提高了极化干涉SAR植被高度反演的精度。

Description

一种改进的极化干涉SAR植被高度联合反演方法
技术领域
本发明属于遥感图像处理技术领域,涉及一种改进的极化干涉SAR植被高度联合反演方法。
背景技术
合成孔径雷达(SAR)作为一种先进的微波遥感手段,具有全天候、全天时、分辨率高、大面积覆盖等优势。极化SAR和干涉SAR是传统SAR系统的重要分支。极化SAR通过观测不同收发极化组合下的回波信息,区分物体的细致结构、目标指向及物质组成等参数来更加系统全面地反映目标的后向散射特性,从而获得丰富全面的地物信息。干涉SAR通过空间位置略有差异的两个点对目标成像,利用两幅图像对应点的相位差可以获取目标垂直方向的高度信息。极化干涉SAR是将极化SAR和干涉SAR结合于一体的新型遥感技术,同时具有极化SAR能够区分目标散射体细致结构和干涉SAR能够获取目标高程信息的优点,极化干涉SAR能够提供更为丰富的极化信息和高程信息,大大拓宽了SAR的应用领域。
森林生态系统在全球碳循环过程和大尺度环境变化准确监测中起着极其重要的作用,而森林高度的地面测量不仅昂贵、费时,并且难以获得大面积数据。极化干涉SAR技术的出现为该问题提供了有效的解决途径。极化干涉SAR地表植被参数反演是指对场景内的地物植被进行参数估计,通常用于森林区域的植被高度信息提取。随着越来越多的极化干涉SAR系统投入使用,获得的森林区域极化干涉SAR图像越来越丰富,现有的植被高度反演方法大都存在反演结果低估高度的缺陷,严重影响了极化干涉SAR在森林区域的应用。如何利用这些图像来有效提取森林高度,一直是迫切需要解决的一个难题。
发明内容
为了解决现有的极化干涉SAR图像反演方法存在的低估反演高度的缺陷,本发明提供了一种改进的极化干涉SAR植被高度联合反演方法。
本发明是通过以下技术方案实现的:
一种改进的极化干涉SAR植被高度联合反演方法,包括如下步骤:
步骤一:输入极化干涉SAR图像,进行预处理,得到预处理后的极化干涉SAR图像;
步骤二:采用基于相位分离相干优化的三阶段算法对预处理后的极化干涉SAR图像进行地表相位提取:
A:相位分离相干优化:对预处理后的极化干涉SAR图像进行相位分离,得到高、低相位对应的复相干性系数;
B:三阶段算法:①利用HH、HV、VV三种不同极化方式得到的复相干性系数和相位分离得到的高、低相位对应的复相干性系数进行最小二乘拟合,拟合直线与单位圆的交点之一就是地表相位;②根据最大植被偏差准则,选择和体散射相位相距最大的那个点作为地表相位点;
步骤三:基于Antropov体散射模型对预处理后的极化干涉SAR图像进行极化目标分解,得到体散射成分,提取出冠层相位;
步骤四:根据相位差异法,利用步骤二得到的地表相位和步骤三得到的冠层相位的相位差异初步估计植被高度;
步骤五:采用相干幅度法对步骤四得到的高度进行补偿,实现极化干涉SAR图像的植被高度估计。
本发明具有如下优点:
1、本发明应用于遥感图像处理领域,实现极化干涉SAR图像植被高度反演。
2、本发明将传统三阶段算法和极化目标分解方法结合,采取了二者的优势,并且利用相位分离技术优化三阶段算法得到的地表相位,同时采用Antropov体散射模型优化极化目标分解得到的冠层相位,解决了地表相位和冠层相位估计模糊的问题,提高了极化干涉SAR植被高度反演的精度。
附图说明
图1是本发明改进的极化干涉SAR植被高度联合反演方法的流程图。
图2是原始极化干涉SAR图像HH通道的幅度图像。
图3是复相干性系数在复平面的分布示意图。
图4是植被高度反演的三维成像结果。
图5是本发明的植被反演结果和三阶段反演算法的反演结果对比图。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明,但并不局限于此,凡是对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的保护范围中。
具体实施方式一:本实施方式提供了一种改进的极化干涉SAR植被高度联合反演方法,如图1所示,具体实施步骤如下:
步骤一:输入极化干涉SAR图像,进行预处理,得到预处理后的极化干涉SAR图像,其中:
预处理后极化干涉SAR图像的极化相干矩阵T6为:
其中,为Pauli基散射矢量:
上式中,每个元素Siqp(p,q=H,V)表示以q极化方式发射,p极化方式接收时的目标后向复散射系数,由极化干涉SAR系统获得。i=1,2表示雷达系统在略微不同视角获得的主、副两幅SAR图像,H,V分别表示水平极化和垂直极化方式,<g>表示空域平均。
步骤二:采用基于相位分离相干优化的三阶段算法对预处理后的极化干涉SAR图像进行地表相位提取:
A:相位分离相干优化:对预处理后的极化干涉SAR图像进行相位分离,得到高、低相位对应的复相干性系数γPDH和γPDL。具体过程如下:
找到式(3)的两个特征向量ωH和ωL使式(4)所示的复相干性的余切值达到最值,它们对应于复平面上具有最大相位差异的两种极化状态。然后根据相干性计算公式(5),将得到的ωH和ωL分别代入式(5),可以求得高、低相位所对应的复相干性γPDH和γPDL
其中,3个3×3复矩阵块是极化相干矩阵T6的一部分,T=(T11+T22)/2,ω=ω1=ω2是与极化状态有关的归一化复投影矢量,λ是相应的特征值,γ是复相干性系数,j是虚数单位,*T表示共轭转置。
B:三阶段算法:利用HH、HV、VV三种极化方式得到复相干性系数γHH、γHV和γVV,将γHH、γHV、γVV和γPDH、γPDL进行最小二乘拟合,拟合直线与单位圆的交点之一就是地表相位;然后根据最大植被偏差准则,选择和体散射相位相距最大的那个点作为地表相位点。具体过程如下:
对于HH极化方式,投影矢量代入相干性计算公式(5)中,得到对应的复相干性系数γHH;同理,对于HV极化方式,投影矢量ω=ω1=ω2=[00 1]T,而对于VV极化方式,投影矢量由公式(5)可以计算出相应的复相干性系数γHV和γVV。然后对已经得到的5个复相干性系数γHH、γHV、γVV、γPDH和γPDL在复平面上进行最小二乘拟合。它们在复平面的分布示意图如图3所示。拟合得到的直线和复平面单位圆相交于两点,其中一个即为所求的地表相位点。
根据最大植被偏差准则,选择离体散射相干点相位距离最大的那个点作为地表相位点,其相位项φ0认为是地表相位,用来进行植被高度提取。这里通常认为,HV极化通道获得的复相干性系数γHV可以表征体散射相干性,用来进行植被偏差准则比较。
步骤三:基于Antropov体散射模型对预处理后的极化干涉SAR图像进行极化目标分解,得到体散射成分,提取出冠层相位。其中,提取冠层相位的具体过程如下:
将预处理后极化干涉SAR图像的互协方差矩阵分解为奇次散射、偶次散射和体散射三种基本散射机理的加权和:
[Cint]=[CS]+[CD]+[CV] (6)
其中,为预处理后极化干涉SAR图像的互协方差矩阵,这里是lexicographic基散射矢量:
[CS]为奇次散射协方差矩阵:
其中,ψHV=ψHV是不同极化方式下的复散射系数相位差,φS是奇次散射的相位项。
[CD]是偶次散射协方差矩阵:
其中,RGH、RTH、RGV和RTV是菲涅耳(Fresnel)系数,φD是偶次散射的相位项。
应用Antropov体散射模型计算体散射相位,首先计算参考协方差矩阵:
其中δ=<|SHH|2>/<|SVV|2>,则体散射协方差矩阵可表示为:
[CV]=FV[CV_refer] (11)
其中,φV是体散射的相位项。
根据公式(6),使该公式等号左右两侧各项对应相等,可以得到
根据式(12)可以提取出体散射相位φV作为冠层相位。
步骤四:根据相位差异法,利用步骤二得到的地表相位和步骤三得到的冠层相位的相位差异初步估计植被高度,具体过程如下:
根据相位差异法,可得植被高度hv表达式如下:
其中,φ0是步骤二求得的地表相位,φV是步骤三求得的冠层相位,kz是有效垂直波数,由极化干涉SAR系统获得。
步骤五:采用相干幅度法对步骤四得到的高度进行补偿,实现极化干涉SAR图像的植被高度估计,具体过程如下:
在RVoG模型中,干涉相干性表达式如下:
其中,是有效地体幅度比,只与极化方式有关,γv是体散射相干性,独立于极化方式,只与消光系数σ和树高hv有关,其表达式如下:
上式中,θ0为极化干涉SAR系统均值入射角。
当消光系数σ趋于零时,体散射相干性变成了只与树高hv有关的函数:
因此,可以使用测量的相干幅度估计植被高度。体散射相干γv通常用体散射占优的交叉极化复相干性系数γHV近似,通过相干幅度法获得的植被高度hv表达式如下:
通过相干幅度法获取的植被高度通常用于对其他植被高度估计算法的结果进行补偿。本发明所述的精确高度估计算法将步骤四相位差异法获得的高度和步骤五相干幅度法获得的高度结合,最终求得的植被高度表达式如下:
其中,补偿系数ε取值范围为0.4:0.6。
具体实施方式二:本实施方式中所用实验图像为PolSARProSIM软件产生的仿真极化干涉SAR图像,图像大小为164×141个像素,其HH通道幅度图像如图2所示。该仿真区域树种为落叶林,森林密度为300棵/公顷,平均树高为10m。
对极化干涉SAR图像采用本发明所述改进的极化干涉SAR植被高度联合反演方法进行植被高度反演,其3维成像结果如图4所示。
对于图像的第78列,本发明改进的极化干涉SAR植被高度联合反演方法和三阶段反演算法的高度图像对比结果如图5所示。对于整幅图像,平均高度和均方根误差结果对比如表1所示。
表1
通过图5的反演结果可以看出:改进的极化干涉SAR联合反演算法可以获得很好的反演结果。由于引入了相位分离相干优化,获得的地表相位更接近真实情况,并且采用Antropov体散射模型,可以更全面精确地描述冠层结构,因而相位差异的结果接近真实植被高度。在算法误差分析上,本发明算法的均方根误差(REMS)值为2.03m,而传统的三阶段反演算法的为6.09m。这是因为直线拟合过程中引入了由相位分离相干优化产生的更接近真实情况的两个相干性,拟合的直线更精确。因此,本发明改进的极化干涉SAR植被高度联合反演方法不仅提高了反演结果的精度,还大大降低了误差。

Claims (5)

1.一种改进的极化干涉SAR植被高度联合反演方法,其特征在于所述方法步骤如下:
步骤一:输入极化干涉SAR图像,进行预处理,得到预处理后的极化干涉SAR图像;
步骤二:采用基于相位分离相干优化的三阶段算法对预处理后的极化干涉SAR图像进行地表相位提取:
A:相位分离相干优化:对预处理后的极化干涉SAR图像进行相位分离,得到高、低相位对应的复相干性系数;
B:三阶段算法:①利用HH、HV、VV三种不同极化方式得到的复相干性系数和相位分离得到的高、低相位对应的复相干性系数进行最小二乘拟合,拟合直线与单位圆的交点之一就是地表相位;②根据最大植被偏差准则,选择和体散射相位相距最大的那个点作为地表相位点;
步骤三:基于Antropov体散射模型对预处理后的极化干涉SAR图像进行极化目标分解,得到体散射成分,提取出冠层相位;
步骤四:根据相位差异法,利用步骤二得到的地表相位和步骤三得到的冠层相位的相位差异初步估计植被高度;
步骤五:采用相干幅度法对步骤四得到的高度进行补偿,实现极化干涉SAR图像的植被高度估计。
2.根据权利要求1所述的改进的极化干涉SAR植被高度联合反演方法,其特征在于所述步骤一中,预处理后极化干涉SAR图像的极化相干矩阵T6为:
其中,为Pauli基散射矢量:
<mrow> <mtable> <mtr> <mtd> <mrow> <mover> <msub> <mi>k</mi> <mn>1</mn> </msub> <mi>V</mi> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <msqrt> <mn>2</mn> </msqrt> </mfrac> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mrow> <mn>1</mn> <mi>H</mi> <mi>H</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>S</mi> <mrow> <mn>1</mn> <mi>V</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <msub> <mi>S</mi> <mrow> <mn>1</mn> <mi>H</mi> <mi>H</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mn>1</mn> <mi>V</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mn>2</mn> <msub> <mi>S</mi> <mrow> <mn>1</mn> <mi>H</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mover> <msub> <mi>k</mi> <mn>2</mn> </msub> <mi>V</mi> </mover> <mo>=</mo> <mfrac> <mn>1</mn> <msqrt> <mn>2</mn> </msqrt> </mfrac> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mrow> <mn>2</mn> <mi>H</mi> <mi>H</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>S</mi> <mrow> <mn>2</mn> <mi>V</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <msub> <mi>S</mi> <mrow> <mn>2</mn> <mi>H</mi> <mi>H</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mn>2</mn> <mi>V</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mn>2</mn> <msub> <mi>S</mi> <mrow> <mn>2</mn> <mi>H</mi> <mi>V</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
上式中,每个元素Siqp(p,q=H,V)表示以q极化方式发射,p极化方式接收时的目标后向复散射系数,由极化干涉SAR系统获得;i=1,2表示雷达系统在略微不同视角获得的主、副两幅SAR图像,H,V分别表示水平极化和垂直极化方式,<g>表示空域平均。
3.根据权利要求1所述的改进的极化干涉SAR植被高度联合反演方法,其特征在于所述步骤四中,植被高度hv表达式如下:
<mrow> <msub> <mi>h</mi> <mi>v</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;phi;</mi> <mi>V</mi> </msub> <mo>-</mo> <msub> <mi>&amp;phi;</mi> <mn>0</mn> </msub> </mrow> <msub> <mi>k</mi> <mi>z</mi> </msub> </mfrac> <mo>;</mo> </mrow>
其中,φ0是步骤二求得的地表相位,φV是步骤三求得的冠层相位,kz是有效垂直波数。
4.根据权利要求1所述的改进的极化干涉SAR植被高度联合反演方法,其特征在于所述步骤五中,植被高度表达式如下:
<mrow> <msub> <mi>h</mi> <mi>v</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;phi;</mi> <mi>V</mi> </msub> <mo>-</mo> <msub> <mi>&amp;phi;</mi> <mn>0</mn> </msub> </mrow> <msub> <mi>k</mi> <mi>z</mi> </msub> </mfrac> <mo>+</mo> <mi>&amp;epsiv;</mi> <mfrac> <mrow> <mn>2</mn> <mi>sin</mi> <mi> </mi> <msup> <mi>c</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <mo>|</mo> <msub> <mi>&amp;gamma;</mi> <mi>v</mi> </msub> <mo>|</mo> <mo>)</mo> </mrow> </mrow> <msub> <mi>k</mi> <mi>z</mi> </msub> </mfrac> <mo>;</mo> </mrow> 1
其中,φ0是步骤二求得的地表相位,φV是步骤三求得的冠层相位,kz是有效垂直波数,γv是体散射相干性,ε是补偿系数。
5.根据权利要求1所述的改进的极化干涉SAR植被高度联合反演方法,其特征在于所述ε取值范围为0.4:0.6。
CN201710500976.9A 2017-06-27 2017-06-27 一种改进的极化干涉sar植被高度联合反演方法 Pending CN107144842A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710500976.9A CN107144842A (zh) 2017-06-27 2017-06-27 一种改进的极化干涉sar植被高度联合反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710500976.9A CN107144842A (zh) 2017-06-27 2017-06-27 一种改进的极化干涉sar植被高度联合反演方法

Publications (1)

Publication Number Publication Date
CN107144842A true CN107144842A (zh) 2017-09-08

Family

ID=59784554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710500976.9A Pending CN107144842A (zh) 2017-06-27 2017-06-27 一种改进的极化干涉sar植被高度联合反演方法

Country Status (1)

Country Link
CN (1) CN107144842A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188391A (zh) * 2018-08-29 2019-01-11 哈尔滨工业大学 一种倾斜森林地区三层S-RVoG散射模型的确定及分析方法
CN110109118A (zh) * 2019-05-31 2019-08-09 东北林业大学 一种森林冠层生物量的预测方法
CN110109111A (zh) * 2019-04-28 2019-08-09 西安电子科技大学 极化干涉sar稀疏植被高度反演方法
CN110133657A (zh) * 2019-01-22 2019-08-16 西安电子科技大学 基于PolInSAR地形效应补偿的植被参数反演方法
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
CN110378896A (zh) * 2019-07-25 2019-10-25 内蒙古工业大学 基于极化相干性的TomoSAR植被病虫害监测方法及装置
CN110569624A (zh) * 2019-09-20 2019-12-13 哈尔滨工业大学 适用于PolInSAR反演的森林三层散射模型的确定及分析方法
CN111352109A (zh) * 2020-01-19 2020-06-30 中南大学 一种基于两景sar影像的植被高度反演方法及装置
CN112882026A (zh) * 2021-01-11 2021-06-01 清华大学 一种树高反演的方法、装置、计算机存储介质及终端
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
CN113945926A (zh) * 2021-09-17 2022-01-18 西南林业大学 一种通过低估补偿改进的反演森林冠层高度方法
CN117452432A (zh) * 2023-12-21 2024-01-26 西南林业大学 一种基于森林穿透补偿的森林冠层高度估测方法
CN117665809A (zh) * 2023-12-21 2024-03-08 西南林业大学 反演森林冠层高度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101369019A (zh) * 2008-10-10 2009-02-18 清华大学 基于极化数据融合的极化干涉合成孔径雷达三维成像方法
CN101419284A (zh) * 2008-08-08 2009-04-29 哈尔滨工业大学 由森林覆盖下目标参数反演模型获得人造目标信息的方法
CN102253377A (zh) * 2011-04-22 2011-11-23 哈尔滨工业大学 基于特征值分析的极化干涉合成孔径雷达目标检测方法
CN103616686A (zh) * 2013-12-05 2014-03-05 中国测绘科学研究院 一种基于混合模式的全极化干涉合成孔径雷达影像的最优相位估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101419284A (zh) * 2008-08-08 2009-04-29 哈尔滨工业大学 由森林覆盖下目标参数反演模型获得人造目标信息的方法
CN101369019A (zh) * 2008-10-10 2009-02-18 清华大学 基于极化数据融合的极化干涉合成孔径雷达三维成像方法
CN102253377A (zh) * 2011-04-22 2011-11-23 哈尔滨工业大学 基于特征值分析的极化干涉合成孔径雷达目标检测方法
CN103616686A (zh) * 2013-12-05 2014-03-05 中国测绘科学研究院 一种基于混合模式的全极化干涉合成孔径雷达影像的最优相位估计方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
NGHIA PHAM MINH, ET AL.: "Accuracy improvement method of forest height estimation for PolInSARImage", 《2012 INTERNATIONAL CONFERENCE ON AUDIO, LANGUAGE AND IMAGE PROCESSING》 *
NGHIA PHAM MINH, ET AL.: "Forest Height Extration from PolInSAR Image Using a Hybrid Method", 《INTERNATIONAL JOURNAL OF SIGNAL PROCESSING,IMAGE PROCESSING AND PATTERN RECONGNITION》 *
NGHIA PHAM MINHNGHIA PHAM MINH, ET AL.: "Forest Height Estimation From PolInSAR Image Using Adaptive Decomposition Method", 《2012 IEEE 11TH INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING》 *
伍雅晴等: "引入PD极化相干最优的三阶段植被高度反演算法", 《测绘通报》 *
张晓玲等: "结合相干系数的极化干涉SAR植被高度估计方法研究", 《电子科技大学学报》 *
韩迪 等: "一种快速且稳健的极化干涉SAR植被高度反演方法", 《信号处理》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188391A (zh) * 2018-08-29 2019-01-11 哈尔滨工业大学 一种倾斜森林地区三层S-RVoG散射模型的确定及分析方法
CN110133657A (zh) * 2019-01-22 2019-08-16 西安电子科技大学 基于PolInSAR地形效应补偿的植被参数反演方法
CN110109111A (zh) * 2019-04-28 2019-08-09 西安电子科技大学 极化干涉sar稀疏植被高度反演方法
CN110109111B (zh) * 2019-04-28 2023-02-10 西安电子科技大学 极化干涉sar稀疏植被高度反演方法
CN110109118B (zh) * 2019-05-31 2020-11-20 东北林业大学 一种森林冠层生物量的预测方法
CN110109118A (zh) * 2019-05-31 2019-08-09 东北林业大学 一种森林冠层生物量的预测方法
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
CN110378896A (zh) * 2019-07-25 2019-10-25 内蒙古工业大学 基于极化相干性的TomoSAR植被病虫害监测方法及装置
CN110569624A (zh) * 2019-09-20 2019-12-13 哈尔滨工业大学 适用于PolInSAR反演的森林三层散射模型的确定及分析方法
CN110569624B (zh) * 2019-09-20 2022-06-10 哈尔滨工业大学 适用于PolInSAR反演的森林三层散射模型的确定及分析方法
CN111352109A (zh) * 2020-01-19 2020-06-30 中南大学 一种基于两景sar影像的植被高度反演方法及装置
CN112882026A (zh) * 2021-01-11 2021-06-01 清华大学 一种树高反演的方法、装置、计算机存储介质及终端
CN112882026B (zh) * 2021-01-11 2023-04-11 清华大学 一种树高反演的方法、装置、计算机存储介质及终端
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
CN113945926A (zh) * 2021-09-17 2022-01-18 西南林业大学 一种通过低估补偿改进的反演森林冠层高度方法
CN113945926B (zh) * 2021-09-17 2022-07-08 西南林业大学 一种通过低估补偿改进的反演森林冠层高度方法
CN117452432A (zh) * 2023-12-21 2024-01-26 西南林业大学 一种基于森林穿透补偿的森林冠层高度估测方法
CN117665809A (zh) * 2023-12-21 2024-03-08 西南林业大学 反演森林冠层高度方法
CN117452432B (zh) * 2023-12-21 2024-03-15 西南林业大学 一种基于森林穿透补偿的森林冠层高度估测方法

Similar Documents

Publication Publication Date Title
CN107144842A (zh) 一种改进的极化干涉sar植被高度联合反演方法
CN103323846B (zh) 一种基于极化干涉合成孔径雷达的反演方法及装置
Lavalle et al. Extraction of structural and dynamic properties of forests from polarimetric-interferometric SAR data affected by temporal decorrelation
CN105005047B (zh) 后向散射优化的森林复杂地形校正及树高反演方法、系统
Zebker et al. Imaging radar polarimetry from wave synthesis
CN103235301B (zh) 基于复数域平差理论的POLInSAR植被高度反演方法
CN101078769B (zh) 单次全极化合成孔径雷达图像反演数字高程模型的方法
CN110703245B (zh) 基于同名点匹配与dem辅助的地基sar多角度图像配准方法
CN108061901A (zh) 基于机载激光雷达点云数据重建3d电力线模型的方法
CN103941245B (zh) 简缩极化干涉数据的Freeman-Durden目标分解方法
CN115060208A (zh) 基于多源卫星融合的输变电线路地质灾害监测方法及系统
CN101126809A (zh) 基于相关加权的干涉合成孔径雷达干涉相位估计方法
Xue et al. Polarimetric SAR interferometry: A tutorial for analyzing system parameters
Torgrimsson et al. SAR processing without a motion measurement system
CN115825955A (zh) 一种基于相干矩阵自适应分解的极化时序InSAR方法
CN112630741B (zh) 一种全极化合成孔径雷达图像目标补偿peoc方法
Wang et al. A hierarchical extended multiple-component scattering decomposition of polarimetric sar interferometry
Mao et al. Ionospheric phase delay correction for time series multiple-aperture InSAR constrained by polynomial deformation model
Zhang et al. Research on inversion models for forest height estimation using polarimetric SAR interferometry
CN111352109A (zh) 一种基于两景sar影像的植被高度反演方法及装置
CN111125622A (zh) 一种改进的混合Freeman/Eigenvalue分解方法
Wang et al. An improved SAR radiometric terrain correction method and its application in polarimetric SAR terrain effect reduction
Sadeghi et al. Monitoring land subsidence in a rural area using a combination of ADInSAR and polarimetric coherence optimization
Xie et al. Boreal forest height inversion using E-SAR PolInSAR data based coherence optimization methods and three-stage algorithm
CN115712095A (zh) 基于单个角反射的sar卫星三维定位误差改正方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170908