CN107909606A - 一种sar图像配准联系点粗差剔除方法 - Google Patents
一种sar图像配准联系点粗差剔除方法 Download PDFInfo
- Publication number
- CN107909606A CN107909606A CN201711423278.XA CN201711423278A CN107909606A CN 107909606 A CN107909606 A CN 107909606A CN 201711423278 A CN201711423278 A CN 201711423278A CN 107909606 A CN107909606 A CN 107909606A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- msub
- mtd
- offset
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及合成孔径雷达干涉测量数据处理技术领域,具体为一种SAR图像配准联系点粗差剔除方法,包括如下步骤:基于互相干系数,计算出两幅SAR影像配准联系点的偏移量;根据最小截尾二乘法(LTS)计算未知参数与单位权中误差的稳健初值;基于LTS稳健初值,选取合适的权函数计算等价权初值,在此基础上,迭代剔除联系点偏移量粗差,获取未知参数在抗粗差前提下的最优估值;利用未知参数在抗粗差前提下的最优估值,求解相对几何变换模型;基于相对几何变换模型,完成SAR图像配准。与现有技术相比,本发明具有粗差剔除稳健性好、运算效率高等优势。
Description
技术领域
本发明涉及测绘科学或合成孔径雷达干涉测量数据处理技术领域,具体为一种SAR图像配准联系点粗差剔除方法。
背景技术
合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术是近年来发展迅速的空间对地观测新技术,因其覆盖范围广、测量精度高等优势,已被广泛应用于DEM生成和大范围地表形变监测。SAR图像配准是差分干涉测量处理的基础和重要环节之一。由于多次成像时卫星的轨道、姿态、SAR传感器工作状态并不完全相同,每幅影像的覆盖范围、入射角度、斜距及方位向分辨率等影像几何关系都在一定范围内有少量变化。利用影像间联系点的偏移量拟合最佳相对几何变换模型,将待配准影像重采样至主影像几何空间,使地面上回波点在两幅影像中处于同一位置,继而进行差分干涉处理生成有效的干涉相位图。
影像联系点偏移量的计算通常采用基于滑动窗口的互相干系数法,互相干系数最大所对应窗口中心像元的偏移量即为影像联系点偏移量。由于窗口内像元后向反射性质决定互相干系数的计算精度,利用互相干系数计算的影像联系点偏移量不可避免的包含粗差,如果不剔除这些粗差直接拟合相对几何变换模型,将影响配准精度,最终导致干涉失败。
目前应用最为广泛的抗差方法为选权迭代法,它将M估计作为未知参数的估计准则,是一种把粗差归入随机模型的稳健估计。现有研究表明,该方法的抗差性能与迭代初始权的取值密切相关,当观测值中包含大量粗差,传统最小二乘法(LS)获得的残差不能正确反映粗差分布,从而使初始权的定值出现偏差,利用这个有偏差的初始权进行迭代解算会影响最终结果的稳健性。
因此,提供一种能够有效剔除联系点偏移量粗差,提高SAR图像配准精度的SAR图像配准联系点粗差剔除方法,是一个值得研究的问题。
发明内容
为了解决现有技术中联系点偏移量粗差影响配准精度的问题,本发明的提供了一种能够有效剔除联系点偏移量粗差,提高SAR图像配准精度的SAR图像配准联系点粗差剔除方法。
本发明的目的是这样实现的:
一种SAR图像配准联系点粗差剔除方法,其特征在于,包括以下步骤:
步骤一,利用互相干系数计算两幅SAR图像配准联系点偏移量;
步骤二,利用最小截尾二乘法(LTS)计算未知参数与单位权中误差的稳健初值与
步骤三,粗差剔除,基于LTS稳健初值,选取合适的权函数计算等价权初值在此基础上进行选权迭代,计算第k轮迭代未知参数估值如果满足:则可认为偏移量粗差被全部剔除,即为未知参数在抗粗差前提下的最优估值;
步骤四,利用未知参数在抗粗差前提下的最优估值,求解相对几何变换模型;
步骤五,基于相对几何变换模型,完成SAR图像配准。
进一步地,步骤一中所述基于互相干系数计算联系点偏移量的方法为:
假设主影像为M,待配准影像为S,利用滑动窗口法计算M与S的互相干系数Γ,Γ最大所对应窗口中心像元的偏移量即为联系点偏移量。
互相干系数的计算公式为:
式中,m与s分别代表M与S窗口内的像元,E(·)代表数学期望,*为共轭计算符。
进一步地,步骤二中所述未知参数与单位权中误差稳健估值的计算方法为:
对配准联系点偏移量按Γ的大小重新排序,取前h个偏移量作为观测向量,利用最小二乘法(LS)计算未知参数与偏移量残差的稳健估值
h的计算公式为:
h=int[n/2]+int[(b+1)/2]
式中,b为未知参数个数,n为偏移量总数。
单位权中误差稳健估值的计算公式为:
进一步地,步骤三中所述选择SAR图像配准的权函数为:
式中,σ0为单位权中误差,v为偏移量残差。
进一步地,步骤三中所述等价权初值的计算公式为:
式中,Pi为第i个偏移量的权。
进一步地,步骤四中所述的收敛阈值χ0=0.001。
进一步地,步骤四中所述的相对几何变换模型为:
式中,Δx,Δy为距离向与方位向的偏移量,x,y为主影像M上坐标,aij,bij为未知参数。
积极有益效果:本发明具有两方面的优点:一方面采用LTS稳健初值确定迭代初始权,稳健性较最小二乘法有较大提高,另一方面利用基于LTS稳健初值的选权迭代法,能快速有效地剔除偏移量粗差,从而提高SAR图像配准精度。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
下面结合附图和具体实施例,对本发明发明做进一步的说明:
一种SAR图像配准联系点粗差剔除方法,其特征在于,包括以下步骤:
步骤一,利用互相干系数计算两幅SAR图像配准联系点偏移量;
步骤二,利用最小截尾二乘法(LTS)计算未知参数与单位权中误差的稳健初值与
步骤三,粗差剔除,基于LTS稳健初值,选取合适的权函数计算等价权初值在此基础上进行选权迭代,计算第k轮迭代未知参数估值如果满足:则可认为偏移量粗差被全部剔除,即为未知参数在抗粗差前提下的最优估值;
步骤四,利用未知参数在抗粗差前提下的最优估值,求解相对几何变换模型;
步骤五,基于相对几何变换模型,完成SAR图像配准。
进一步地,步骤一中所述基于互相干系数计算联系点偏移量的方法为:
假设主影像为M,待配准影像为S,利用滑动窗口法计算M与S的互相干系数Γ,Γ最大所对应窗口中心像元的偏移量即为联系点偏移量。
互相干系数的计算公式为:
式中,m与s分别代表M与S窗口内的像元,E(·)代表数学期望,*为共轭计算符。
进一步地,步骤二中所述未知参数与单位权中误差稳健估值的计算方法为:
对配准联系点偏移量按Γ的大小重新排序,取前h个偏移量作为观测向量,利用最小二乘法(LS)计算未知参数与偏移量残差的稳健估值
h的计算公式为:
h=int[n/2]+int[(b+1)/2]
式中,b为未知参数个数,n为偏移量总数。
单位权中误差稳健估值的计算公式为:
进一步地,步骤三中所述选择SAR图像配准的权函数为:
式中,σ0为单位权中误差,v为偏移量残差。
进一步地,步骤三中所述等价权初值的计算公式为:
式中,Pi为第i个偏移量的权。
进一步地,步骤四中所述的收敛阈值χ0=0.001。
进一步地,步骤四中所述的相对几何变换模型为:
式中,Δx,Δy为距离向与方位向的偏移量,x,y为主影像M上坐标,aij,bij为未知参数。
实施例
以ENVISAT ASAR影像配准为应用实例,对本发明进一步阐明:
在主影像上随机选取1600个联系点,利用互相干系数计算联系点偏移量。使用基于LTS稳健初值的选权迭代法进行迭代并剔除偏移量中包含的粗差。计算过程与结果如下:
(1)利用互相干系数法计算配准联系点偏移量,随机选取10组偏移量,如下:
(2)利用LTS计算未知参数与单位权中误差的稳健初值,距离向未知参数与单位权中误差的稳健初值分别为[42.8375,-0.0011,3.9462e-5,1.7474e-8,6.4753e-7,-2.8023e-9]和0.05;方位向分别为[192.9663,-0.0013,-9.6915e-5,1.6285e-7,6.8707e-7,1.6037e-8]和0.04。
(3)基于LTS稳健初值计算等价权初值,在此基础上进行选权迭代,获取距离向与方位向未知参数在抗粗差前提下的最优估值[42.8295,-0.011,4.3502e-5,9.9648e-9,6.0166e-7,-3.4489e-9]与[192.8116,-6.6626e-4,-5.6434e-5,4.6463e-8,6.9303e-8,1.7726e-8]。迭代后剩余的联系点数为1022,共剔除578个存在粗差的联系点。上述10组偏移量中,5、10号点被剔除。
(4)利用未知参数在抗粗差前提下的最优估值求解相对几何变换模型。剔除粗差前,距离向与方位向相对几何变换模型的拟合中误差分别为16.3、16.7,利用本发明所述方法剔除粗差后,拟合中误差大幅降低,分别为0.02与0.03。
(5)基于相对几何变换模型,完成SAR图像配准工作。
本发明具有两方面的优点:一方面采用LTS稳健初值确定迭代初始权,稳健性较最小二乘法有较大提高,另一方面利用基于LTS稳健初值的选权迭代法,能快速有效地剔除偏移量粗差,从而提高SAR图像配准精度。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (7)
1.一种SAR图像配准联系点粗差剔除方法,其特征在于,包括以下步骤:
步骤一,利用互相干系数计算两幅SAR图像配准联系点偏移量;
步骤二,利用最小截尾二乘法(LTS)计算未知参数与单位权中误差的稳健初值与
步骤三,粗差剔除,基于LTS稳健初值,选取合适的权函数计算等价权初值在此基础上进行选权迭代,计算第k轮迭代未知参数估值如果满足:则认为偏移量粗差被全部剔除,即为未知参数在抗粗差前提下的最优估值;
步骤四,利用未知参数在抗粗差前提下的最优估值,求解相对几何变换模型;
步骤五,基于相对几何变换模型,完成SAR图像配准。
2.根据权利要求1所述的一种SAR图像配准联系点粗差剔除方法,其特征在于,步骤一中所述基于互相干系数计算联系点偏移量的方法为:
假设主影像为M,待配准影像为S,利用滑动窗口法计算M与S的互相干系数Γ,Γ最大所对应窗口中心像元的偏移量即为联系点偏移量;
互相干系数的计算公式为:
<mrow>
<mi>&Gamma;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>&CenterDot;</mo>
<msup>
<mi>s</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>s</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<mo>(</mo>
<mi>E</mi>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>&CenterDot;</mo>
<msup>
<mi>m</mi>
<mo>*</mo>
</msup>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>E</mi>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
<mi>E</mi>
<mo>(</mo>
<msup>
<mi>m</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
<mo>)</mo>
<mo>(</mo>
<mi>E</mi>
<mo>(</mo>
<mrow>
<mi>s</mi>
<mo>&CenterDot;</mo>
<msup>
<mi>s</mi>
<mo>*</mo>
</msup>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>E</mi>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
<mi>E</mi>
<mo>(</mo>
<msup>
<mi>s</mi>
<mo>*</mo>
</msup>
<mo>)</mo>
<mo>)</mo>
</mrow>
</msqrt>
</mfrac>
</mrow>
式中,m与s分别代表M与S窗口内的像元,E(·)代表数学期望,*为共轭计算符。
3.根据权利要求1所述的一种SAR图像配准联系点粗差剔除方法,其特征在于,步骤二中所述未知参数与单位权中误差稳健估值的计算方法为:
对配准联系点偏移量按Γ的大小重新排序,取前h个偏移量作为观测向量,利用最小二乘法(LS)计算未知参数与偏移量残差的稳健估值
h的计算公式为:
h=int[n/2]+int[(b+1)/2]
式中,b为未知参数个数,n为偏移量总数;
单位权中误差稳健估值的计算公式为:
<mrow>
<msup>
<mover>
<mi>&sigma;</mi>
<mo>^</mo>
</mover>
<mn>0</mn>
</msup>
<mo>=</mo>
<mn>1.4826</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mn>5</mn>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mi>b</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<msqrt>
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>e</mi>
<mi>d</mi>
</mrow>
<mi>i</mi>
</munder>
<mrow>
<mo>(</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mover>
<mi>v</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
<mn>0</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>.</mo>
</mrow>
4.根据权利要求1所述的一种SAR图像配准联系点粗差剔除方法,其特征在于,步骤三中所述选择SAR图像配准的权函数为:
<mrow>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mrow>
<mo>|</mo>
<mi>v</mi>
<mo>|</mo>
</mrow>
<mo>&le;</mo>
<mn>1.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mn>1.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mi>v</mi>
<mo>|</mo>
</mrow>
</mfrac>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mn>2.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mrow>
<mo>|</mo>
<mi>v</mi>
<mo>|</mo>
</mrow>
</mrow>
<mrow>
<mn>2.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<mn>1.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>1.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
<mo><</mo>
<mrow>
<mo>|</mo>
<mi>v</mi>
<mo>|</mo>
</mrow>
<mo>&le;</mo>
<mn>2.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mrow>
<mo>|</mo>
<mi>v</mi>
<mo>|</mo>
</mrow>
<mo>></mo>
<mn>2.5</mn>
<msub>
<mi>&sigma;</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,σ0为单位权中误差,v为偏移量残差。
5.根据权利要求1所述的一种SAR图像配准联系点粗差剔除方法,其特征在于,步骤三中所述等价权初值的计算公式为:
<mrow>
<msubsup>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
<mn>0</mn>
</msubsup>
<mo>=</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>v</mi>
<mo>^</mo>
</mover>
<mn>0</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
式中,Pi为第i个偏移量的权。
6.根据权利要求1所述的一种SAR图像配准联系点粗差剔除方法,其特征在于,步骤三中所述的收敛阈值χ0=0.001。
7.根据权利要求1所述的一种SAR图像配准联系点粗差剔除方法,其特征在于,步骤四中所述的相对几何变换模型为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&Delta;</mi>
<mi>x</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>2</mn>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msup>
<mi>x</mi>
<mi>i</mi>
</msup>
<msup>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mi>i</mi>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&Delta;</mi>
<mi>y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mn>2</mn>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</munderover>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msup>
<mi>x</mi>
<mi>i</mi>
</msup>
<msup>
<mi>y</mi>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mi>i</mi>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,Δx,Δy为距离向与方位向的偏移量,x,y为主影像M上坐标,aij,bij为未知参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711423278.XA CN107909606A (zh) | 2017-12-25 | 2017-12-25 | 一种sar图像配准联系点粗差剔除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711423278.XA CN107909606A (zh) | 2017-12-25 | 2017-12-25 | 一种sar图像配准联系点粗差剔除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107909606A true CN107909606A (zh) | 2018-04-13 |
Family
ID=61871293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711423278.XA Pending CN107909606A (zh) | 2017-12-25 | 2017-12-25 | 一种sar图像配准联系点粗差剔除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107909606A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062976A (zh) * | 2019-12-25 | 2020-04-24 | 中国科学院长春光学精密机械与物理研究所 | 基于fmt的低轨卫星太阳望远镜遥感图像配准方法 |
CN113160288A (zh) * | 2021-03-22 | 2021-07-23 | 广东电网有限责任公司广州供电局 | 一种基于特征点的sar影像配准方法 |
CN115453534A (zh) * | 2022-09-19 | 2022-12-09 | 中山大学 | 一种顾及解缠误差的序贯InSAR时序形变解算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049905A (zh) * | 2012-12-07 | 2013-04-17 | 中国人民解放军海军航空工程学院 | 利用单演信号三分量的合成孔径雷达图像配准方法 |
US20140301662A1 (en) * | 2013-03-17 | 2014-10-09 | ISC8 Inc. | Analysis, Labeling and Exploitation of Sensor Data in Real Time |
CN104933673A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 基于解析搜索亚像素偏移量的干涉sar图像精配准方法 |
-
2017
- 2017-12-25 CN CN201711423278.XA patent/CN107909606A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049905A (zh) * | 2012-12-07 | 2013-04-17 | 中国人民解放军海军航空工程学院 | 利用单演信号三分量的合成孔径雷达图像配准方法 |
US20140301662A1 (en) * | 2013-03-17 | 2014-10-09 | ISC8 Inc. | Analysis, Labeling and Exploitation of Sensor Data in Real Time |
CN104933673A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 基于解析搜索亚像素偏移量的干涉sar图像精配准方法 |
Non-Patent Citations (4)
Title |
---|
姚冯宇等: "基于LTS稳健初值的选权迭代法在SAR图像配准中应用研究", 《大地测量与地球动力学》 * |
张博雅等: "基于选权迭代法的SAR图像配准应用研究", 《现代测绘》 * |
张继贤等: "《西部地形困难区域测图的原理与方法》", 31 January 2013, 测绘出版社 * |
柳青: "《多元统计分册》", 30 June 2013, 中国统计出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062976A (zh) * | 2019-12-25 | 2020-04-24 | 中国科学院长春光学精密机械与物理研究所 | 基于fmt的低轨卫星太阳望远镜遥感图像配准方法 |
CN111062976B (zh) * | 2019-12-25 | 2023-02-28 | 中国科学院长春光学精密机械与物理研究所 | 基于fmt的低轨卫星太阳望远镜遥感图像配准方法 |
CN113160288A (zh) * | 2021-03-22 | 2021-07-23 | 广东电网有限责任公司广州供电局 | 一种基于特征点的sar影像配准方法 |
CN115453534A (zh) * | 2022-09-19 | 2022-12-09 | 中山大学 | 一种顾及解缠误差的序贯InSAR时序形变解算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102654576B (zh) | 基于sar图像和dem数据的图像配准方法 | |
Goodin et al. | A comparison of interpolation methods for sparse data: Application to wind and concentration fields | |
CN103454636B (zh) | 基于多像素协方差矩阵的差分干涉相位估计方法 | |
CN102693542B (zh) | 一种影像特征匹配方法 | |
CN100545676C (zh) | 基于相关加权的干涉合成孔径雷达干涉相位估计方法 | |
CN108007401A (zh) | 一种基于船载InSAR平台的河湖库沿岸形变检测装置及方法 | |
CN107389029A (zh) | 一种基于多源监测技术融合的地面沉降集成监测方法 | |
CN102393183A (zh) | 基于控制网的海量点云快速配准方法 | |
CN115856889B (zh) | 一种误差自动校正的InSAR时序变形监测方法 | |
CN107909606A (zh) | 一种sar图像配准联系点粗差剔除方法 | |
CN103927442B (zh) | 一种基于测角变换的超短基线安装角度误差抗粗差校准方法 | |
CN109031301A (zh) | 基于PSInSAR技术的山区地形形变提取方法 | |
CN110146839A (zh) | 一种移动平台磁梯度张量系统校正方法 | |
CN111650579B (zh) | 一种岩移参数自适应获取的InSAR矿区三维形变估计方法、装置及介质 | |
CN104123457B (zh) | 一种稳健的卫星遥感影像有理函数模型参数估计方法 | |
CN105678757A (zh) | 一种物体位移测量方法 | |
CN103604426A (zh) | 一种移动机器人位姿估计方法及装置 | |
CN104864852B (zh) | 一种基于密集控制点的高分辨率卫星姿态颤振探测方法 | |
CN103344946A (zh) | 一种地基雷达与空中移动平台雷达的实时误差配准方法 | |
CN111257956A (zh) | 一种基于Matlab的区域似大地水准面精化方法 | |
CN110632636B (zh) | 一种基于Elman神经网络的载体姿态估计方法 | |
CN109239710A (zh) | 雷达高程信息的获取方法及装置、计算机可读存储介质 | |
CN108562900A (zh) | 一种基于高程校正的sar图像几何配准方法 | |
CN105527621B (zh) | 基于虚拟共轭点的国产激光雷达系统的严密自检校算法 | |
CN116882134A (zh) | 一种多基准站网的gnss基线联合解算方法及计算机可读介质 |
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 |
Application publication date: 20180413 |
|
RJ01 | Rejection of invention patent application after publication |