CN108008382A - 一种多基地星载干涉sar系统测量陡峭地形的方法 - Google Patents
一种多基地星载干涉sar系统测量陡峭地形的方法 Download PDFInfo
- Publication number
- CN108008382A CN108008382A CN201711033138.1A CN201711033138A CN108008382A CN 108008382 A CN108008382 A CN 108008382A CN 201711033138 A CN201711033138 A CN 201711033138A CN 108008382 A CN108008382 A CN 108008382A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- pixel
- phase
- image
- 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.)
- Granted
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
-
- 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
- G01S13/9058—Bistatic or multistatic SAR
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)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种多基地星载干涉SAR系统测量陡峭地形的方法,主要解决低信噪比条件下陡峭地形、突变地形的高程测量问题,该方法在中国余数定理或ML等方法的基础上,利用聚类处理、坏值判断、加权均值滤波及子区域聚类高程信息修正的方法,对信噪比条件下的相位信息进行了恢复,并对解缠绕后估计得到的相位进行了二次修正,提高了测量精度及稳健性,且运算速度较快,本方法能够精确地恢复陡峭地形的高程信息,且适应性广,可对三维地形进行高精度测绘。
Description
技术领域
本发明涉及一种多基地星载干涉SAR系统测量陡峭地形的方法,即陡峭地形多基线干涉高程测量方法,属于空间微波遥感测量技术领域,所述的多基地是指卫星的数量大于等于3个,陡峭地形是指由高程突变引起的相邻像素之间的相位差大于π的地形。
背景技术
利用多基地星载SAR(合成孔径雷达),形成交轨高程基线,可实现地面高程测量,传统的单基线干涉相位解缠绕基于相位连续性假设,即要求任意相邻像素的绝对相位差小于π,因此单基线InSAR系统只能对地形变化较为平坦的区域有效。但是,并不是所有的实际场景都服从这个假设。陡峭地形等高程突变区域不满足任意相邻像素的绝对相位差小于π的假设,且容易导致阴影区存在。因此,传统的单基线相位解缠绕方法将无法获取该区域的真实相位。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供了一种多基地星载干涉SAR系统测量陡峭地形的方法,该方法通过子区域聚类高程信息修正方法,对解缠绕后估计得到的相位进行了二次修正,提高了测量精度及稳健性,且运算速度较快。
本发明的技术解决方案是:
一种多基地星载InSAR系统测量陡峭地形的方法,该方法的步骤包括:
(1)利用InSAR系统中的卫星对目标区域分别进行SAR成像;
(2)对步骤(1)得到的图像进行图像配准及两两干涉处理,得到缠绕相位SAR干涉图像,再对得到的缠绕相位SAR干涉图像进行去平地相位处理;
(3)对步骤(2)得到的去平地相位处理后的缠绕相位SAR干涉图像进行解缠处理,得到缠绕相位SAR干涉图像的模糊数;
(4)根据步骤(3)得到的缠绕相位SAR干涉图像的模糊数对目标区域内的每个像素点进行模糊矢量的计算;
(5)利用聚类算法对步骤(4)得到的模糊矢量进行修正处理;
(6)根据步骤(5)得到的修正后的模糊矢量对缠绕相位SAR干涉图像进行解缠处理,得到缠绕相位SAR干涉图像准确的模糊数,并得到解缠后的准确干涉相位图;
(7)对步骤(6)得到的准确干涉相位图进行残次点鉴别,然后对残次点进行滤波处理。
所述的步骤(1)中,InSAR系统包括卫星1、卫星2、卫星3、…卫星N,N为自然数,利用卫星1对目标区域进行SAR成像,得到图像1,利用卫星2对目标区域进行SAR成像,得到图像2,…利用卫星N对目标区域进行SAR成像,得到图像N。
所述的步骤(2)中,对步骤(1)得到的图像1、图像2、…、图像N进行图像配准,图像配准完成后,对图像1、图像2、…、图像N进行两两干涉处理,获取基线互质的N幅缠绕相位SAR干涉图像,对得到的N副缠绕相位SAR干涉图像进行去平地相位处理。
所述的步骤(3)中,对步骤(2)获得的N幅缠绕相位SAR干涉图像进行解缠处理的方法为:
其中,λ为波长,R1表示InSAR系统中参考星斜距;θ0表示参考星下视角,φi表示步骤(2)得到的缠绕相位SAR干涉图像i的干涉相位;i=1,2,3…N;
B⊥i表示φi对应的缠绕相位SAR干涉图像i的有效基线长度,得到如下关系式:
其中
其中,i=1,2,3...N,即为对应的缠绕相位,且ki是整数,表示缠绕相位图的模糊数,得到
其中,Bi表示φi对应的缠绕相位SAR干涉图像i的基线长度,基线长度B1,B2,…,Bi…,BN通过测量得到,缠绕相位即为差分相位,都为已知量,可通过求解同余方程组解得唯一解k1,k2,…,kN。
所述的步骤(4)中,计算目标区域的每个像素点的模糊矢量的方法为:
对模糊矢量定义为同一像素在各个干涉图像的模糊数所组成的矢量,像素点p对应的模糊数为nk(p),k=1,...,N
则像素点p对应的模糊矢量为
N(p)=[n1(p),n2(p),...,nN(p)] (4)。
所述的步骤(5)中,利用聚类算法对步骤(4)得到的模糊矢量进行修正处理的方法为:
定义模糊矢量相同的像素点为一个模糊组,对每个像素点的模糊矢量进行聚类处理,统计模糊矢量直方图,求取直方图包络曲面的中心作为聚类中心,确定聚类中心为一个模糊组的标准模糊矢量,计算每一个像素点与各标准模糊矢量的距离,以距离最近为原则,确定每一个像素点所在的模糊组,根据模糊组,确定每个像素点的准确模糊矢量,完整修正处理。
所述的步骤(7)中,对残次点进行滤波处理,的表达式如下:
其中,q'为与残次点q相邻的像素点,φfilter(q)表示残次点的滤波后的相位;φ(q')为像素点q'的相位;Nq为与残次点q相邻的所有像素集合,μq'为像素点q'对应的加权系数。
残次点q相邻的像素点q'的选择方法为:
以残次点为中心,生成若干个子区域,对子区域进行聚类处理,如果残次点周围地形为缓变过程,则残次点周围像素会聚为一类,采用加权均值滤波的方法,即可修正残次点。
残次点q相邻的像素点q'的选择方法为:如果残次点周围为陡峭地形,则聚类至少产生两组分类,利用残次点周围像素点的模糊矢量,生成该残次点所在子区域的临时方向性模糊矢量,判断该临时方向性模糊矢量在该子区域内所属模糊组,该模糊组的像素点即为该残次点在子区域内加权均值滤波所需要样本,利用得到的样本进行加权均值滤波处理,即可得到陡峭地形附近残次点的修正值,对每个残次点进行逐个更新,得到最终测量的结果。
本发明与现有技术相比的有益效果是:
(1)本发明提供了一种多基线干涉SAR系统测量陡峭地形的新方法,通过子区域聚类高程信息修正方法,对解缠绕后估计得到的相位进行了二次修正,提高了测量精度及稳健性,且运算速度较快。
(2)本发明提出方法可直接应用于轻小型组网SAR卫星体系、快速响应XXX卫星体系等,在地形测绘、环境监测、资源勘察、灾害预警、农作物估产、森林调查等民用领域均有广泛应用,在军事方面也可以进行地形实时测绘,战场高精度侦察等应用,具有广阔和重要的应用前景和价值。
(3)本发明的方法在中国余数定理或ML等方法的基础上,增加了聚类处理、坏值判断、加权均值滤波及子区域聚类高程信息修正的方法,提高高程重建精度及稳定度。
附图说明
图1本发明的方法流程示意图;
图2为本发明多基地星载InSAR工作模式几何关系图;
图3为本发明聚类相位解缠算法流程图;
图4为本发明三基线星载InSAR系统示例工作模式图。
图5为本发明临时方向性模糊矢量生成示意图。
具体实施方式
一种多基地星载InSAR系统测量陡峭地形的方法,所述的多基地星载InSAR系统包括卫星1、卫星2、卫星3、…卫星N,N为自然数,该方法的步骤包括:
(1)利用卫星1对目标区域进行SAR成像,得到图像1,利用卫星2对目标区域进行SAR成像,得到图像2,…利用卫星N对目标区域进行SAR成像,得到图像N。所述的卫星1、卫星2、卫星3、…、卫星N在对目标区域进行成像时处于目标区域的不同等效相位中心;
(2)对步骤(1)得到的图像1、图像2、…、图像N进行图像配准,图像配准完成后,对图像1、图像2、…、图像N进行两两干涉处理,获取基线互质的N幅缠绕相位SAR干涉图像,对得到的N副缠绕相位SAR干涉图像进行去平地相位处理;
(3)对步骤(2)获得的N幅缠绕相位SAR干涉图像进行解缠处理,根据InSAR工作原理,可以建立以下等式:
其中,λ为波长,R1表示InSAR系统中参考星斜距;θ0表示参考星下视角,φi表示步骤(2)得到的缠绕相位SAR干涉图像i的干涉相位;i=1,2,3…N;
B⊥i表示φi对应的缠绕相位SAR干涉图像i的有效基线长度,化简后,可以得到如下关系式:
其中
其中,i=1,2,3...N,即为对应的缠绕相位,且ki是整数,表示缠绕相位图的模糊数,进一步化简后,可以得到
其中,Bi表示φi对应的缠绕相位SAR干涉图像i的基线长度,基线长度B1,B2,…,Bi…,BN通过测量得到,缠绕相位即为差分相位,都为已知量,可通过求解同余方程组解得唯一解k1,k2,…,kN;
(4)根据步骤(3)得到的模糊数对场景内的每个像素点计算模糊矢量,模糊矢量定义为同一像素在各个干涉图像的模糊数所组成的矢量,像素点p对应的模糊数为nk(p),k=1,...,N
则像素点p对应的模糊矢量为
N(p)=[n1(p),n2(p),...,nN(p)] (4)
(5)利用聚类算法对步骤(4)得到的模糊矢量进行修正处理;
定义模糊矢量相同的像素点为一个模糊组,对每个像素点的模糊矢量进行聚类处理,统计模糊矢量直方图,求取直方图包络曲面的中心作为聚类中心,确定聚类中心为一个模糊组的标准模糊矢量,计算每一个像素点与各标准模糊矢量的距离,以距离最近为原则,确定每一个像素点所在的模糊组,根据模糊组,确定每个像素点的准确模糊矢量,完整修正处理;
(6)将步骤(5)得到的修正后的准确模糊矢量带入到公式(6)中,计算每个像素点的准确相位,完成相位解缠处理,得到解缠后的准确干涉相位图;
(7)对步骤(6)得到的准确干涉相位图进行残次点鉴别,然后对残次点进行滤波处理,以减小这些残次点的高程误差,滤波处理的表达式如下:
其中,q'为与残次点q相邻的像素点,φfilter(q)表示残次点的滤波后的相位;φ(q')为像素点q'的相位;Nq为与残次点q相邻的所有像素集合,μq'为像素点q'对应的加权系数。
所述的步骤(7)中,残次点q相邻的像素点q'的选择方法为:
由于陡峭地形的存在,在突变边界处的残次点采用均值加权滤波的方法稳健性较差,甚至可能引起更大的误差,这里采用子区域聚类修正的思想,将以残次点为中心,生成若干个子区域,对子区域进行聚类处理,如果残次点周围地形为缓变过程,则残次点周围像素会聚为一类,此时,采用上述加权均值滤波的方法,即可修正残次点;
如果残次点周围为陡峭地形,则聚类至少产生两组分类,利用残次点周围像素点的模糊矢量,生成该残次点所在子区域的临时方向性模糊矢量,判断该临时方向性模糊矢量在该子区域内所属模糊组,该模糊组的像素点即为该残次点在子区域内加权均值滤波所需要样本,利用得到的样本进行加权均值滤波处理,即可得到陡峭地形附近残次点的修正值,对每个残次点进行逐个更新,得到最终测量的结果。
如图1所示,一种多基地星载InSAR系统测量陡峭地形的方法,所述的多基地星载InSAR系统包括卫星1、卫星2、卫星3、…卫星N,N为自然数,该方法的步骤包括:
(1)如图2所示,利用卫星1对目标区域进行SAR成像,得到图像1,利用卫星2对目标区域进行SAR成像,得到图像2,…利用卫星N对目标区域进行SAR成像,得到图像N。所述的卫星1、卫星2、卫星3、…、卫星N在对目标区域进行成像时处于目标区域的不同等效相位中心;
(2)对步骤(1)得到的图像1、图像2、…、图像N进行图像配准,图像配准完成后,对图像1、图像2、…、图像N进行两两干涉处理,获取基线互质的N幅缠绕相位SAR干涉图像,对得到的N副缠绕相位SAR干涉图像进行去平地相位处理;
(3)对步骤(2)获得的N幅缠绕相位SAR干涉图像进行解缠处理,根据InSAR工作原理,可以建立以下等式:
其中,λ为波长,R1表示InSAR系统中参考星斜距;θ0表示参考星下视角,φi表示步骤(2)得到的缠绕相位SAR干涉图像i的干涉相位;i=1,2,3…N;
B⊥i表示φi对应的缠绕相位SAR干涉图像i的有效基线长度,化简后,可以得到如下关系式:
其中
其中,i=1,2,3...N,即为对应的缠绕相位,且ki是整数,表示缠绕相位图的模糊数,进一步化简后,可以得到
其中,Bi表示φi对应的缠绕相位SAR干涉图像i的基线长度,基线长度B1,B2,…,Bi…,BN通过测量得到,缠绕相位即为差分相位,都为已知量,可通过求解同余方程组解得唯一解k1,k2,…,kN;
(4)根据步骤(3)得到的模糊数对场景内的每个像素点计算模糊矢量,模糊矢量定义为同一像素在各个干涉图像的模糊数所组成的矢量,像素点p对应的模糊数为nk(p),k=1,...,N
则像素点p对应的模糊矢量为
N(p)=[n1(p),n2(p),...,nN(p)] (4)
(5)利用聚类算法对步骤(4)得到的模糊矢量进行修正处理;
定义模糊矢量相同的像素点为一个模糊组,对每个像素点的模糊矢量进行聚类处理,统计模糊矢量直方图,求取直方图包络曲面的中心作为聚类中心,确定聚类中心为一个模糊组的标准模糊矢量,计算每一个像素点与各标准模糊矢量的距离,以距离最近为原则,确定每一个像素点所在的模糊组,根据模糊组,确定每个像素点的准确模糊矢量,完整修正处理,距离流程如图3所示;
(6)将步骤(5)得到的修正后的准确模糊矢量带入到公式(6)中,计算每个像素点的准确相位,完成相位解缠处理,得到解缠后的准确干涉相位图;
(7)对步骤(6)得到的准确干涉相位图进行残次点鉴别,然后对残次点进行滤波处理,以减小这些残次点的高程误差,滤波处理的表达式如下:
其中,q'为与残次点q相邻的像素点,φfilter(q)表示残次点的滤波后的相位;φ(q')为像素点q'的相位;Nq为与残次点q相邻的所有像素集合,μq'为像素点q'对应的加权系数。
所述的步骤(7)中,残次点q相邻的像素点q'的选择方法为:
由于陡峭地形的存在,在突变边界处的残次点采用均值加权滤波的方法稳健性较差,甚至可能引起更大的误差,这里采用子区域聚类修正的思想,将以残次点为中心,生成若干个子区域,对子区域进行聚类处理,如果残次点周围地形为缓变过程,则残次点周围像素会聚为一类,此时,采用上述加权均值滤波的方法,即可修正残次点;
如果残次点周围为陡峭地形,则聚类至少产生两组分类,利用残次点周围像素点的模糊矢量,生成该残次点所在子区域的临时方向性模糊矢量,判断该临时方向性模糊矢量在该子区域内所属模糊组,该模糊组的像素点即为该残次点在子区域内加权均值滤波所需要样本,利用得到的样本进行加权均值滤波处理,即可得到陡峭地形附近残次点的修正值,对每个残次点进行逐个更新,得到最终测量的结果。
下面结合附图和具体实施例对本发明做进一步详细描述。
如图4所示,以三颗卫星的InSAR系统为例,a1,a2,a3表示交轨向的3个卫星的相位中心,飞行方向垂直纸面向里,飞行高度为H,三颗卫星两两形成基线,分别为B1、B2、B3,P场景中的一个点目标,高度为h,对应到三颗卫星的距离分别为R1、R2、R3,雷达视角为θ。
根据回波信号模型,以a1卫星获取信号为参考,对于同一目标点相位差,即干涉相位可表示为:
其中λ为波长,Q表示雷达收发模式,Q=1为一发多收的标准模式,Q=2为乒乓模式,ΔR为P点到不同卫星相位中心的位置差。
根据空间几何关系计算,目标点P的高程可表示为:
卫星的斜距模型可表示为
对干涉图像进行去平地处理后,相位与高程的关系为
其中,B⊥1为B1的有效基线长度。
分别以三颗卫星作为参考星,获取高程与干涉相位的关系,得到方程
简化后,得到
φi为干涉相位,可写为i表示干涉通道(干涉图像)的数量,在本实例中取值为3,为缠绕相位,ki为缠绕相位图的模糊数。
由图4可知,基线倾角一致,均为α可知,等式可推导为
缠绕相位以及基线长度Bi均可测量获得,为已知量,可求解同余方程组获得得唯一解k1,k2,k3,从而得到无噪声情况下的真实的干涉相位。
在有噪声的情况下,设干涉图像中每一个像素点p的模糊数为ni(p),i=1,2,3,获取每一个像素点的模糊矢量(n1(p),n2(p),n3(p)),当高程在2π内变化时,像素的模糊矢量相同,但由于噪声的影响,相同模糊组的模糊矢量不在重叠在一起,表现为绕中心模糊矢量随机分布的一簇矢量群。
同一个模糊组内的所有像素对应的模糊矢量(n1(p),n2(p),n3(p))是相互重叠在一起的。设该矢量与割平面n3(p)=X的交点(n1(p),n2(p)),则推导可知
本实例求取模糊矢量与割平面n3(p)=X的交点,在无噪声时,互相重叠的矢量在n3(p)=X的平面应交于相同的一点,由于噪声的存在,其在交平面会发生位置的偏移,由于噪声的随机性,则同一个模糊组内所有像素对应的模糊矢量在n3(p)=X平面表现为围绕真实的位置随机分布的若干点,利用直方图法获取n3(p)=X平面焦点的直方图包络曲面的波峰,即为聚类中心,也就是该模糊组的真实模糊矢量。
这里X可取任意自然数,本实例为了简便期间,取X=0。
设求取得到的聚类中心所对应的真实矢量为各模糊组的标准模糊矢量为(m1j,m2j,m3j),其中j为直方图法获取的波峰的数量,即模糊组数量,对每个像素,求取其模糊矢量与各个波峰对应的标准模糊矢量的距离
以距离最近为原则,遍历j个模糊组,确定每个像素点p所属的模糊组,该组的标准模糊矢量即为像素点p的真实模糊矢量,若其值为(m1jp,m2jp,m3jp),则其干涉相位φ为
残次点的检测方法为对相邻2×2个像素最小单元的相位差求和,和值为0时,不存在残次点;和值大于0时,存在正残次点;和值小于0时存在负残次点。
对由湖泊、阴影所导致的连片的残次点进行掩膜处理。
采用聚类方法,修正了由于噪声引起的模糊数估计不准确的问题,但噪声对于缠绕相位也有很大影响,会导致估计出的干涉相位图噪声非常严重,对有噪声引起的残次点,利用基于子区域聚类高程信息修正算法进行滤波处理,较小残次点对高程信息的影响,滤波器的表达式如下
由于陡峭地形的突变对滤波造成很大影响,所以首先判断残次点是否处于突变地形处,设残次点位置为q,围绕q生成待处理子区域,统计子区域内其他残次点数量及位置,对子区域进行聚类处理,若像素会聚为一类,则残次点周围地形为缓变地形,若子区域聚类处理结果大于一类,则残次点周围为陡峭地形。
对残次点周围地形为缓变地形的情况,利用滤波器修正残次点,改善干涉条纹。
对残次点周围为陡峭地形,设子区域内聚类模糊组数量M,对目标残次点q周围8个像素的模糊数进行CA处理,如图5所示,获取q点的临时方向性模糊矢量,q点的临时方向性模糊矢量为
求取临时方向性模糊矢量对子区域内聚类模糊组标准矢量(m1M,m2M,m3M)的距离,最近的为素点q所属的模糊组,若模糊组为取值为b,其内像素点的集合为Nb,则利用滤波器
对子区域内该组内的所有像素点的干涉相位信息进行加权均值滤波,修正此残次点。
Claims (10)
1.一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于该方法的步骤包括:
(1)利用InSAR系统中的卫星对目标区域分别进行SAR成像;
(2)对步骤(1)得到的图像进行图像配准及两两干涉处理,得到缠绕相位SAR干涉图像,再对得到的缠绕相位SAR干涉图像进行去平地相位处理;
(3)对步骤(2)得到的去平地相位处理后的缠绕相位SAR干涉图像进行解缠处理,得到缠绕相位SAR干涉图像的模糊数;
(4)根据步骤(3)得到的缠绕相位SAR干涉图像的模糊数对目标区域内的每个像素点进行模糊矢量的计算;
(5)利用聚类算法对步骤(4)得到的模糊矢量进行修正处理;
(6)根据步骤(5)得到的修正后的模糊矢量对缠绕相位SAR干涉图像进行解缠处理,得到缠绕相位SAR干涉图像准确的模糊数,并得到解缠后的准确干涉相位图;
(7)对步骤(6)得到的准确干涉相位图进行残次点鉴别,然后对残次点进行滤波处理。
2.根据权利要求1所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:所述的步骤(1)中,InSAR系统包括卫星1、卫星2、卫星3、…卫星N,N为自然数,利用卫星1对目标区域进行SAR成像,得到图像1,利用卫星2对目标区域进行SAR成像,得到图像2,…利用卫星N对目标区域进行SAR成像,得到图像N。
3.根据权利要求2所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:所述的步骤(2)中,对步骤(1)得到的图像1、图像2、…、图像N进行图像配准,图像配准完成后,对图像1、图像2、…、图像N进行两两干涉处理,获取基线互质的N幅缠绕相位SAR干涉图像。
4.根据权利要求3所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:对得到的N副缠绕相位SAR干涉图像进行去平地相位处理。
5.根据权利要求2所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:所述的步骤(3)中,对步骤(2)获得的N幅缠绕相位SAR干涉图像进行解缠处理的方法为:
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&lambda;R</mi>
<mn>1</mn>
</msub>
<msub>
<mi>sin&theta;</mi>
<mn>0</mn>
</msub>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>&pi;B</mi>
<mrow>
<mo>&perp;</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<msub>
<mi>&phi;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&lambda;R</mi>
<mn>1</mn>
</msub>
<msub>
<mi>sin&theta;</mi>
<mn>0</mn>
</msub>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>&pi;B</mi>
<mrow>
<mo>&perp;</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<msub>
<mi>&phi;</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>...</mn>
<mfrac>
<mrow>
<msub>
<mi>&lambda;R</mi>
<mn>1</mn>
</msub>
<msub>
<mi>sin&theta;</mi>
<mn>0</mn>
</msub>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>&pi;B</mi>
<mrow>
<mo>&perp;</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<msub>
<mi>&phi;</mi>
<mi>i</mi>
</msub>
<mn>...</mn>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&lambda;R</mi>
<mn>1</mn>
</msub>
<msub>
<mi>sin&theta;</mi>
<mn>0</mn>
</msub>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>&pi;B</mi>
<mrow>
<mo>&perp;</mo>
<mi>N</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<msub>
<mi>&phi;</mi>
<mi>N</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,λ为波长,R1表示InSAR系统中参考星斜距;θ0表示参考星下视角,φi表示步骤(2)得到的缠绕相位SAR干涉图像i的干涉相位;i=1,2,3…N;
B⊥i表示φi对应的缠绕相位SAR干涉图像i的有效基线长度,得到如下关系式:
<mrow>
<mfrac>
<msub>
<mi>&phi;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>B</mi>
<mrow>
<mo>&perp;</mo>
<mn>1</mn>
</mrow>
</msub>
</mfrac>
<mo>=</mo>
<mfrac>
<msub>
<mi>&phi;</mi>
<mn>2</mn>
</msub>
<msub>
<mi>B</mi>
<mrow>
<mo>&perp;</mo>
<mn>2</mn>
</mrow>
</msub>
</mfrac>
<mo>=</mo>
<mn>...</mn>
<mfrac>
<msub>
<mi>&phi;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>B</mi>
<mrow>
<mo>&perp;</mo>
<mi>i</mi>
</mrow>
</msub>
</mfrac>
<mn>...</mn>
<mo>=</mo>
<mfrac>
<msub>
<mi>&phi;</mi>
<mi>N</mi>
</msub>
<msub>
<mi>B</mi>
<mrow>
<mo>&perp;</mo>
<mi>N</mi>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中
其中,i=1,2,3...N,即为对应的缠绕相位,且ki是整数,表示缠绕相位图的模糊数,得到
其中,Bi表示φi对应的缠绕相位SAR干涉图像i的基线长度,基线长度B1,B2,…,Bi…,BN通过测量得到,缠绕相位即为差分相位,都为已知量,可通过求解同余方程组解得唯一解k1,k2,…,kN。
6.根据权利要求2所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:所述的步骤(4)中,计算场景内的每个像素点的模糊矢量的方法为:
对模糊矢量定义为同一像素在各个干涉图像的模糊数所组成的矢量,像素点p对应的模糊数为nk(p),k=1,...,N
则像素点p对应的模糊矢量为
N(p)=[n1(p),n2(p),...,nN(p)] (4)。
7.根据权利要求2所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:所述的步骤(5)中,利用聚类算法对步骤(4)得到的模糊矢量进行修正处理的方法为:
定义模糊矢量相同的像素点为一个模糊组,对每个像素点的模糊矢量进行聚类处理,统计模糊矢量直方图,求取直方图包络曲面的中心作为聚类中心,确定聚类中心为一个模糊组的标准模糊矢量,计算每一个像素点与各标准模糊矢量的距离,以距离最近为原则,确定每一个像素点所在的模糊组,根据模糊组,确定每个像素点的准确模糊矢量,完整修正处理。
8.根据权利要求2所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:所述的步骤(7)中,对残次点进行滤波处理,的表达式如下:
<mrow>
<msub>
<mi>&phi;</mi>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>l</mi>
<mi>t</mi>
<mi>e</mi>
<mi>r</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>q</mi>
<mo>&prime;</mo>
</msup>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>q</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<msup>
<mi>q</mi>
<mo>&prime;</mo>
</msup>
</msub>
<mi>&phi;</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>q</mi>
<mo>&prime;</mo>
</msup>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>q</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>&mu;</mi>
<msup>
<mi>q</mi>
<mo>&prime;</mo>
</msup>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,q'为与残次点q相邻的像素点,φfilter(q)表示残次点的滤波后的相位;φ(q')为像素点q'的相位;Nq为与残次点q相邻的所有像素集合,μq'为像素点q'对应的加权系数。
9.根据权利要求8所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:残次点q相邻的像素点q'的选择方法为:
以残次点为中心,生成若干个子区域,对子区域进行聚类处理,如果残次点周围地形为缓变过程,则残次点周围像素会聚为一类,采用加权均值滤波的方法,即可修正残次点。
10.根据权利要求8所述的一种多基地星载InSAR系统测量陡峭地形的方法,其特征在于:残次点q相邻的像素点q'的选择方法为:如果残次点周围为陡峭地形,则聚类至少产生两组分类,利用残次点周围像素点的模糊矢量,生成该残次点所在子区域的临时方向性模糊矢量,判断该临时方向性模糊矢量在该子区域内所属模糊组,该模糊组的像素点即为该残次点在子区域内加权均值滤波所需要样本,利用得到的样本进行加权均值滤波处理,即可得到陡峭地形附近残次点的修正值,对每个残次点进行逐个更新,得到最终测量的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711033138.1A CN108008382B (zh) | 2017-10-30 | 2017-10-30 | 一种多基地星载干涉sar系统测量陡峭地形的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711033138.1A CN108008382B (zh) | 2017-10-30 | 2017-10-30 | 一种多基地星载干涉sar系统测量陡峭地形的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108008382A true CN108008382A (zh) | 2018-05-08 |
CN108008382B CN108008382B (zh) | 2019-10-22 |
Family
ID=62051996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711033138.1A Active CN108008382B (zh) | 2017-10-30 | 2017-10-30 | 一种多基地星载干涉sar系统测量陡峭地形的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108008382B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109884634A (zh) * | 2019-03-20 | 2019-06-14 | 中南大学 | 基于分级构网模式的InSAR相位解缠方法及系统 |
CN110456347A (zh) * | 2019-08-20 | 2019-11-15 | 深圳市易简空间技术有限公司 | 地形测量方法、装置、计算机设备和存储介质 |
CN110988876A (zh) * | 2019-11-21 | 2020-04-10 | 长沙理工大学 | 闭合鲁棒双基线InSAR相位解缠方法、系统及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339245A (zh) * | 2008-08-08 | 2009-01-07 | 西安电子科技大学 | 多基线干涉合成孔径雷达干涉相位展开方法 |
CN101551455A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 干涉合成孔径雷达三维地形成像系统及其高程测绘方法 |
CN102914776A (zh) * | 2012-10-15 | 2013-02-06 | 西安电子科技大学 | 基于模糊c均值算法的多通道SAR动目标定位方法 |
JP2016090361A (ja) * | 2014-11-04 | 2016-05-23 | 国立研究開発法人情報通信研究機構 | Sarインターフェログラムからの垂直構造の抽出方法 |
CN105929399A (zh) * | 2016-04-25 | 2016-09-07 | 电子科技大学 | 一种干涉sar数据成像及高程估计方法 |
-
2017
- 2017-10-30 CN CN201711033138.1A patent/CN108008382B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339245A (zh) * | 2008-08-08 | 2009-01-07 | 西安电子科技大学 | 多基线干涉合成孔径雷达干涉相位展开方法 |
CN101551455A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 干涉合成孔径雷达三维地形成像系统及其高程测绘方法 |
CN102914776A (zh) * | 2012-10-15 | 2013-02-06 | 西安电子科技大学 | 基于模糊c均值算法的多通道SAR动目标定位方法 |
JP2016090361A (ja) * | 2014-11-04 | 2016-05-23 | 国立研究開発法人情報通信研究機構 | Sarインターフェログラムからの垂直構造の抽出方法 |
CN105929399A (zh) * | 2016-04-25 | 2016-09-07 | 电子科技大学 | 一种干涉sar数据成像及高程估计方法 |
Non-Patent Citations (2)
Title |
---|
HANWEN YU 等: ""A Cluster-Analysis-Based Efficient Multibaseline Phase-Unwrapping Algorithm"", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
李海 等: ""InSAR干涉相位图生成的图像配准自补偿方法"", 《中国科学 E 辑 信息科学》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109884634A (zh) * | 2019-03-20 | 2019-06-14 | 中南大学 | 基于分级构网模式的InSAR相位解缠方法及系统 |
CN110456347A (zh) * | 2019-08-20 | 2019-11-15 | 深圳市易简空间技术有限公司 | 地形测量方法、装置、计算机设备和存储介质 |
CN110456347B (zh) * | 2019-08-20 | 2021-08-10 | 深圳市易简空间技术有限公司 | 地形测量方法、装置、计算机设备和存储介质 |
CN110988876A (zh) * | 2019-11-21 | 2020-04-10 | 长沙理工大学 | 闭合鲁棒双基线InSAR相位解缠方法、系统及可读存储介质 |
CN110988876B (zh) * | 2019-11-21 | 2023-01-03 | 长沙理工大学 | 闭合鲁棒双基线InSAR相位解缠方法、系统及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108008382B (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6106285B2 (ja) | 衛星レーダー干渉度のイオン歪み補正方法及びその装置 | |
CN102693542B (zh) | 一种影像特征匹配方法 | |
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 | |
CN106526593B (zh) | 基于sar严密成像模型的子像素级角反射器自动定位方法 | |
CN103713287B (zh) | 一种基于互质多基线的高程重建方法及装置 | |
CN109031301A (zh) | 基于PSInSAR技术的山区地形形变提取方法 | |
CN108008382B (zh) | 一种多基地星载干涉sar系统测量陡峭地形的方法 | |
CN102609918A (zh) | 基于图像特征配准的航空多光谱遥感影像几何精校正方法 | |
CN104007439B (zh) | 一种干涉圆迹sar高程估计处理方法 | |
CN101369019A (zh) | 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 | |
CN107341781B (zh) | 基于改进相位一致性特征矢量底图匹配的sar影像校正方法 | |
CN109752715B (zh) | 一种sar数据全散射体探测方法及装置 | |
CN103454636B (zh) | 基于多像素协方差矩阵的差分干涉相位估计方法 | |
CN107689051A (zh) | 一种基于变化因子的多时相sar影像变化检测方法 | |
CN112068136A (zh) | 一种基于幅度偏移量的方位向形变监测方法 | |
CN103646389A (zh) | 一种基于几何模型的sar斜距图像同名点自动提取方法 | |
Dong et al. | Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry | |
CN110160503B (zh) | 一种顾及高程的无人机景观匹配定位方法 | |
CN108562900A (zh) | 一种基于高程校正的sar图像几何配准方法 | |
CN109270527A (zh) | 圆迹sar子孔径图像序列联合相关dem提取方法 | |
CN115685200A (zh) | 一种高精度大前斜视sar成像运动补偿与几何校正方法 | |
KR101873732B1 (ko) | 위성레이더 오프셋트래킹 지표변위 지도의 왜곡 보정 장치 및 그 방법 | |
CN104833971A (zh) | 基于滑动散射中心的双/多基地雷达图像ps点关联方法 | |
CN112946647A (zh) | 大气误差改正InSAR干涉图堆叠地质灾害普查方法和装置 | |
CN105116410B (zh) | 基于线性模型匹配的干涉相位图自适应滤波算法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |