CN108132468A - 一种多基线极化干涉sar建筑物高度提取方法 - Google Patents
一种多基线极化干涉sar建筑物高度提取方法 Download PDFInfo
- Publication number
- CN108132468A CN108132468A CN201711417716.1A CN201711417716A CN108132468A CN 108132468 A CN108132468 A CN 108132468A CN 201711417716 A CN201711417716 A CN 201711417716A CN 108132468 A CN108132468 A CN 108132468A
- Authority
- CN
- China
- Prior art keywords
- interference
- building
- depth
- baseline
- polarization
- 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
- 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
- G01S13/9094—Theoretical aspects
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)
Abstract
本发明公开了一种多基线极化干涉SAR建筑物高度提取方法,包括:步骤1,对多基线极化干涉SAR数据进行预处理;步骤2,对所述步骤1中预处理后的数据进行极化干涉处理;步骤3,NR相干最优相位中心计算;步骤4,叠掩区域选取及不同散射体相位差均值计算;步骤5,长‑短基线组合计算整周缠绕倍数;步骤6,基于高程精度因子的建筑物高度最小二乘平差解算。所述多基线极化干涉SAR建筑物高度提取方法解决了建筑物叠掩区域无法解缠的问题,并在此基础上使用多基线干涉对,利用基于高程精度因子定权的最小二乘平差,抑制了干涉失相干及噪声等的影响,从而能够反演得到较为精确的建筑物高度。
Description
技术领域
本发明涉及遥感影像在城市建筑物高度信息提取中的应用领域,具体地,涉及一种多基线极化干涉SAR建筑物高度提取方法。
背景技术
城市建筑物高度信息的获取是城市遥感应用的内容之一,对城市发展规划、人口估算、三维建模等至关重要。而通过遥感手段实现城市中的建筑物提取和高度反演,将为城市规划、扩张监测、自然灾害评估等应用提供基础测绘资料。在所有遥感手段中,合成孔径雷达(SAR)技术具有全天候、全天时,不受光照、气象条件限制的独特优势,可以在多云雨地区和植被覆盖地区实时获取建筑物的高度信息。而且TanDEM-X、RadarSAT-2和Cosmo-SkyMed等星载高分辨率卫星的成功发射和运行,为SAR技术服务于城市遥感提供了有力的支持。因此,利用高分辨率SAR影像获取城市建筑物信息有很好的应用前景。
当前使用SAR获取建筑物高度信息的技术主要分为三种:
(1)基于单景SAR影像:提取SAR影像的特征,包括灰度信息、散射强度信息及其变化信息,来提取SAR影像中建筑物的阴影区域,并借助雷达成像几何参数,求出建筑物高度。其主要优点是数据易获取,但主要缺点是精度较低,难以满足实际需求;
(2)基于合成孔径雷达干涉(InSAR)技术:使用两幅SAR影像进行干涉处理,选取分别代表屋顶和地面的像素点,生成数字表面模型(DSM),从而获得建筑物的高度。其主要优点是数据易获取,而且整体精度较高,可以满足一般工程需求,但其局限在于:无法克服建筑物叠掩区域对于相位混叠的问题;
(3)基于层析合成孔径雷达(TomoSAR)技术:使用多个连续观测的SAR数据,对建筑物的垂直结构进行分层反演,从而获取建筑物高度信息。其主要的优势在于TomoSAR可以解译建筑物的叠掩区域,从而获取较准确的高度。然而,TomoSAR数据受限于硬件设备和前期数据处理,还没有在工程实践中被大范围应用。
结合以上三种方向的优缺点,我们可以发现:针对现阶段工程实践数据不易获取的现状和精度需求较高的要求,InSAR技术是最适合获取建筑物高度信息的技术。而使用InSAR技术,叠掩区域的相位解缠问题一直难以解决,尤其当干涉对的模糊高小于建筑物高度时,建筑物高度无法正确获取。
而本发明采用极化干涉SAR中基于数值域(NR)的极化相干最优算法分离叠掩区域屋顶和地面的散射相位中心,然后使用垂直向分辨率不同的较长基线干涉对和较短基线干涉对进行匹配,解算对应建筑物叠掩区域的整周缠绕倍数,解决叠掩区域无法正确解缠的问题,最后基于高程精度因子定权的最小二乘平差解算建筑物高度。
本发明的创新在于基于NR相干最优算法,采用长-短基线干涉对匹配算法解决了建筑物叠掩区域无法解缠的问题,并在此基础上使用多基线干涉对,利用基于高程精度因子定权的最小二乘平差,抑制了干涉失相干及噪声等的影响,从而能够反演得到较为精确的建筑物高度。
发明内容
本发明的目的是提供一种基于NR的相干最优算法,采用长-短基线干涉对匹配算法去解决建筑物叠掩区域无法解缠的问题,并在此基础上使用多基线干涉对,利用基于高程精度因子定权的最小二乘平差,抑制干涉失相干及噪声等的影响,从而能够反演得到较为精确的建筑物高度。
为了实现上述目的,本发明提供了一种多基线极化干涉SAR建筑物高度提取方法,所述一种多基线极化干涉SAR建筑物高度提取方法包括:
步骤1,对多基线极化干涉SAR数据进行预处理:选取某一幅极化影像为主影像,对获取的多幅极化SAR影像集合进行配准预处理;
步骤2,对所述步骤1中预处理后的数据进行极化干涉处理,生成T6矩阵,并根据基线参数计算每个干涉对的垂直波数和模糊高,然后设置模糊高阈值,将生成的所有干涉对分为长垂直基线干涉对和短垂直基线干涉对;
步骤3,NR相干最优相位中心计算:选取所述步骤2中的多个长垂直基线干涉对和一个短垂直基线干涉对,并利用NR相干最优算法计算每个极化干涉对的不同散射机制对应的干涉相位中心;
步骤4,叠掩区域选取及不同散射体相位差均值计算:借助极化SAR影像的总功率图,选取叠掩区域,并根据以下计算公式计算叠掩区域内每个干涉对的NR相干最优不同散射体相位差的平均值Δ;
步骤5,长短基线组合计算整周缠绕倍数:将长基线干涉对的相位差平均值Δ2i分别与短基线干涉对的相位差平均值Δ1进行匹配,联合求解两个干涉对在该叠掩区域的整周缠绕倍数值m2i和m1;
步骤6,基于高程精度因子的建筑物高度最小二乘平差解算:针对某一建筑物,在所有较长基线干涉对中,选取所述步骤5中求解的整周缠绕倍数不为0的干涉对,通过最小二乘平差,使用高程精度因子定权,解算相应的建筑物的高度。
优选地,所述步骤1中预处理过程为:选取某一幅极化影像为主影像,对获取的多幅极化SAR影像集合进行配准预处理;将所有极化SAR影像都归一化到统一的坐标系下。
优选地,所述步骤2中极化干涉处理过程为:首先在多幅极化SAR影像集合中选取时间间隔较短的极化SAR影像对,并去除其平地相位;然后再进行极化干涉处理,生成T6矩阵,之后对所有影像进行滤波处理;再然后根据包括:卫星入射角θ、垂直基线长度B⊥、微波波长λ和卫星到地物目标斜距距离R的卫星几何参数计算每个干涉对的垂直波数kz,并推导出模糊高Am_H,计算公式如下;最后设置模糊高阈值,将生成的所有干涉对分为长垂直基线干涉对和短垂直基线干涉对。
优选地,所述步骤3中所述NR相干最优算法是一种极化相干最优算法,其原理是基于求解相干最优矩阵的数值域:首先,依据T6矩阵以及以下公式来计算每个像素的相干性其中ω代表归一化的极化散射矢量,T12代表极化干涉相干矩阵T6中的极化干涉部分,T11和T22分别代表主影像和从影像的极化相干矩阵:
T=(T11+T22)/2;
再求出所有可能取得的值,此处可通过求取矩阵T-1/2T12T-1/2的数值域来代替:
Γ(ω)=Ω(T-1/2T12T-1/2)
对于矩阵A,其数值域求解公式如下,其中x表示单位矢量:
之后再设置三个初始角度按照NR相干最优算法得到其不同散射体的最优相干
优选地,所述步骤4中对于所述平均值Δ的计算公式如下,其中dif表示每个像素的相干最优干涉相位差,n为该叠掩区域像素的个数:
优选地,所述步骤5中对于两个干涉对在该叠掩区域的整周缠绕倍数值m2i和m1的求解是基于不同基线干涉对下的建筑物高度不变这一原理,H表示对应建筑物的高度:
采用枚举法来解算整周缠绕倍数,因为这里的整周缠绕倍数为非负整数,所以可以先分别设置整周缠绕倍数m2i和m1的非负整数枚举数组,然后求解不同整周缠绕倍数组合下等式两边的偏差,然后将偏差最小值对应的m2i和m1作为最终求解的整周缠绕倍数。
优选地,在所述步骤6中,首先依据每个干涉对求解建筑物高度的计算公式,构建误差方程:其中,v表示干涉相位的改正数矩阵,B是误差方程的系数矩阵,f是误差方程中的常数矩阵,表示待求的建筑物高度,误差方程的个数t取决于整周缠绕倍数大于0的干涉对个数。
再使用不同干涉对的高程精度因子进行定权,其中P表示权矩阵,Hacc表示高程精度因子:
利用最小二乘平差计算对应建筑物的最终高度
优选地,在所述步骤6中得出对应建筑物的最终高度后,最后对平差结果进行精度评定,求解单位权方差和平差所估计高度的方差。
根据上述技术方案,本发明提供的多基线极化干涉SAR建筑物高度提取方法是基于NR相干最优算法,采用长-短基线干涉对匹配算法解决建筑物叠掩区域无法解缠的问题,并在此基础上使用多基线干涉对,利用基于高程精度因子定权的最小二乘平差,抑制干涉失相干及噪声等的影响,从而能够反演得到较为精确的建筑物高度。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本发明的一种优选的实施方式中提供的一种多基线极化干涉SAR建筑物高度提取方法的算法流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明如图1所示,本发明提供了一种多基线极化干涉SAR建筑物高度提取方法,所述多基线极化干涉SAR建筑物高度提取方法包括:
步骤1,对多基线极化干涉SAR数据进行预处理:选取某一幅极化影像为主影像,对获取的多幅极化SAR影像集合进行配准预处理;
步骤2,对所述步骤1中预处理后的数据进行极化干涉处理,生成T6矩阵,并根据基线参数计算每个干涉对的垂直波数和模糊高,然后设置模糊高阈值,将生成的所有干涉对分为长垂直基线干涉对和短垂直基线干涉对;
步骤3,NR相干最优相位中心计算:选取所述步骤2中的多个长垂直基线干涉对和一个短垂直基线干涉对,并利用NR相干最优算法计算每个极化干涉对的不同散射机制对应的干涉相位中心;
步骤4,叠掩区域选取及不同散射体相位差均值计算:借助极化SAR影像的总功率图,选取叠掩区域,并根据以下计算公式计算叠掩区域内每个干涉对的NR相干最优不同散射体相位差的平均值;
步骤5,长短基线组合计算整周缠绕倍数:将长基线干涉对的相位差平均值Δ2i分别与短基线干涉对的相位差平均值Δ1进行匹配,联合求解两个干涉对在该叠掩区域的整周缠绕倍数值m2i和m1;
步骤6,基于高程精度因子的建筑物高度最小二乘平差解算:针对某一建筑物,在所有较长基线干涉对中,选取所述步骤5中求解的整周缠绕倍数大于0的干涉对,通过最小二乘平差,使用高程精度因子定权,解算相应的建筑物的高度。
根据上述技术方案,本发明提供的多基线极化干涉SAR建筑物高度提取方法是基于NR相干最优算法,采用长-短基线干涉对匹配算法解决建筑物叠掩区域无法解缠的问题,并在此基础上使用多基线干涉对,利用基于高程精度因子定权的最小二乘平差,抑制干涉失相干及噪声等的影响,从而能够反演得到较为精确的建筑物高度。
在本发明的一种具体的实施方式中,所述步骤1中预处理过程为:选取某一幅极化影像为主影像,对获取的多幅极化SAR影像集合进行配准预处理;将所有极化SAR影像都归一化到统一的坐标系下,从而方便对极化SAR影像进行极化干涉等其他处理。
在本发明的一种具体的实施方式中,所述步骤2中极化干涉处理过程为:首先在多幅极化SAR影像集合中选取时间间隔较短的极化SAR影像对,并去除其平地相位;然后再进行极化干涉处理,生成T6矩阵,之后对所有影像进行滤波处理;再然后根据包括:卫星入射角θ、垂直基线长度B⊥、微波波长λ和卫星到地物目标斜距距离R的卫星几何参数计算每个干涉对的垂直波数kz,并推导出模糊高Am_H,计算公式如下;最后设置模糊高阈值,将生成的所有干涉对分为长垂直基线干涉对和短垂直基线干涉对。
在本发明的一种具体的实施方式中,所述步骤3中所述NR相干最优算法是一种极化相干最优算法,其原理是基于求解相干最优矩阵的数值域:首先,依据T6矩阵以及以下公式来计算每个像素的相干性其中ω代表归一化的极化散射矢量,T12代表极化干涉相干矩阵T6中的干涉部分,T11和T22分别代表主影像和从影像的极化相干矩阵:
T=(T11+T22)/2;
再求出所有可能取得的值,此处可用求取矩阵T-1/2T12T-1/2的数值域来代替:
Γ(ω)=Ω(T-1/2T12T-1/2)
对于矩阵A,其数值域求解公式如下,其中x表示单位矢量:
之后再设置三个初始角度按照NR相干最优算法得到其不同散射体的最优相干本发明中使用NR相干最优算法解决了建筑物叠掩区域无法解缠的问题。
在本发明的一种具体的实施方式中,所述步骤4中对于所述平均值Δ的计算公式如下,其中dif表示每个像素的相干最优干涉相位差,n为该叠掩区域像素的个数:
可以利用上述公式有效地计算出叠掩区域每个干涉对的NR相干最优不同散射体相位差的平均值Δ,从而方便对整周缠绕倍数值进行计算。
在本发明的一种具体的实施方式中,所述步骤5中对于两个干涉对在该叠掩区域的整周缠绕倍数值m2i和m1的求解是基于不同基线干涉对下的建筑物高度不变这一原理,H表示对应建筑物的高度:
采用枚举法来解算整周缠绕倍数,因为这里的整周缠绕倍数为非负整数,所以可以先分别设置整周缠绕倍数m2i和m1的非负整数枚举数组,然后求解不同整周缠绕倍数组合下等式两边的偏差,然后将偏差最小值对应的m2i和m1作为最终求解的整周缠绕倍数。
在本发明的一种具体的实施方式中,在所述步骤6中,首先依据每个干涉对求解建筑物高度的计算公式,构建误差方程:其中,v表示干涉相位的改正数矩阵,B是误差方程的系数矩阵,f是误差方程中的常数矩阵,表示待求的建筑物高度,误差方程的个数t取决于整周缠绕倍数大于0的干涉对个数。
再使用不同干涉对的高程精度因子进行定权,其中P表示权矩阵,Hacc表示高程精度因子:
利用最小二乘平差计算对应建筑物的最终高度
在本发明的一种具体的实施方式中,在所述步骤6中得出对应建筑物的最终高度后,最后对平差结果进行精度评定,求解单位权方差和平差所估计高度的方差。
本发明中利用基于高程精度因子的建筑物高度最小二乘平差解算的方法,有效地抑制了干涉失相干及噪声等的影响,从而能够反演得到较为精确的建筑物高度。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (8)
1.一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,所述一种多基线极化干涉SAR建筑物高度提取方法包括:
步骤1,对多基线极化干涉SAR数据进行预处理:选取某一幅极化影像为主影像,对获取的多幅极化SAR影像集合进行配准预处理;
步骤2,对所述步骤1中预处理后的数据进行极化干涉处理,生成T6矩阵,并根据基线参数计算每个干涉对的垂直波数和模糊高,然后设置模糊高阈值,将生成的所有干涉对分为长垂直基线干涉对和短垂直基线干涉对;
步骤3,NR相干最优相位中心计算:选取所述步骤2中的多个长垂直基线的干涉对和一个短垂直基线的干涉对,并利用NR相干最优算法计算每个极化干涉对的不同散射机制对应的干涉相位中心;
步骤4,叠掩区域选取及不同散射体相位差均值计算:借助极化SAR影像的总功率图,选取叠掩区域,并计算出叠掩区域内每个干涉对的NR相干最优不同散射体相位差的平均值Δ;
步骤5,长-短基线组合计算整周缠绕倍数:将长基线干涉对的相位差平均值Δ2i分别与短基线干涉对的相位差平均值Δ1进行匹配,联合求解两个干涉对在该叠掩区域的整周缠绕倍数值m2i和m1;
步骤6,基于高程精度因子的建筑物高度最小二乘平差解算:针对某一建筑物,在所有较长基线干涉对中,选取所述步骤5中求解的整周缠绕倍数大于0的干涉对,通过最小二乘平差,使用高程精度因子定权,解算相应的建筑物的高度。
2.根据权利要求1所述的一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,所述步骤1中预处理过程为:选取某一幅极化影像为主影像,对获取的多幅极化SAR影像集合进行配准预处理;将所有极化SAR影像都归一化到统一的坐标系下。
3.根据权利要求1所述的一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,所述步骤2中极化干涉处理过程为:首先在多幅极化SAR影像集合中选取时间间隔较短的极化SAR影像对,并去除其平地相位;然后再进行极化干涉处理,生成T6矩阵,之后对所有影像进行滤波处理;
再然后根据包括:卫星入射角θ、垂直基线长度B⊥、微波波长λ和卫星到地物目标斜距距离R的卫星几何参数计算每个干涉对的垂直波数kz,并推导出模糊高Am_H,计算公式如下;最后设置模糊高阈值,将生成的所有干涉对分为长垂直基线干涉对和短垂直基线干涉对。
4.根据权利要求1所述的一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,所述步骤3中所述NR相干最优算法是一种极化相干最优算法,其原理是基于求解相干最优矩阵的数值域:首先,依据T6矩阵以及以下公式来计算每个像素的相干性其中ω代表归一化的极化散射矢量,T12代表极化干涉相干矩阵T6中的极化干涉部分,T11和T22分别代表主影像和从影像的极化相干矩阵:
T=(T11+T22)/2;
再求出所有可能取得的值,此处可通过求取矩阵T-1/2T12T-1/2的数值域来代替:
Γ(ω)=Ω(T-1/2T12T-1/2)
对于矩阵A,其数值域求解公式如下,其中x表示单位矢量:
之后再设置三个初始角度按照NR相干最优算法得到其不同散射体的最优相干
5.根据权利要求1所述的一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,所述步骤4中对于所述平均值Δ的计算公式如下,其中dif表示每个像素的相干最优干涉相位差,n为该叠掩区域像素的个数:
6.根据权利要求1所述的一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,所述步骤5中对于两个干涉对在该叠掩区域的整周缠绕倍数值m2i和m1的求解是基于不同基线干涉对下的建筑物高度不变这一原理,H表示对应建筑物的高度:
采用枚举法来解算整周缠绕倍数,因为这里的整周缠绕倍数为非负整数,所以可以先分别设置整周缠绕倍数m2i和m1的非负整数枚举数组,然后求解不同整周缠绕倍数组合下等式两边的偏差,然后将偏差最小值对应的m2i和m1作为最终求解的整周缠绕倍数。
7.根据权利要求1所述的一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,在所述步骤6中,首先依据每个干涉对求解建筑物高度的计算公式,构建误差方程:其中,v表示干涉相位的改正数矩阵,B是误差方程的系数矩阵,f是误差方程中的常数矩阵,表示待求的建筑物高度,误差方程的个数t取决于整周缠绕倍数大于0的干涉对个数。
再使用不同干涉对的高程精度因子进行定权,其中P表示权矩阵,Hacc表示高程精度因子:
利用最小二乘平差计算对应建筑物的最终高度
8.根据权利要求7所述的一种多基线极化干涉SAR建筑物高度提取方法,其特征在于,在所述步骤6中得出对应建筑物的最终高度后,最后对平差结果进行精度评定,求解单位权方差和平差所估计高度的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711417716.1A CN108132468B (zh) | 2017-12-25 | 2017-12-25 | 一种多基线极化干涉sar建筑物高度提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711417716.1A CN108132468B (zh) | 2017-12-25 | 2017-12-25 | 一种多基线极化干涉sar建筑物高度提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108132468A true CN108132468A (zh) | 2018-06-08 |
CN108132468B CN108132468B (zh) | 2021-10-08 |
Family
ID=62392733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711417716.1A Active CN108132468B (zh) | 2017-12-25 | 2017-12-25 | 一种多基线极化干涉sar建筑物高度提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108132468B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109324326A (zh) * | 2018-09-26 | 2019-02-12 | 西安空间无线电技术研究所 | 一种无控制点测绘sar基线标定方法 |
CN109738895A (zh) * | 2019-01-31 | 2019-05-10 | 中南大学 | 一种基于二阶傅里叶-勒让德多项式的植被高度反演模型的构建与反演方法 |
CN110988879A (zh) * | 2019-12-24 | 2020-04-10 | 中南大学 | 一种植被参数反演方法、终端设备及存储介质 |
CN111948648A (zh) * | 2020-06-29 | 2020-11-17 | 北京理工大学 | 一种基于多频处理的稀疏基线三维成像高程解模糊方法 |
CN112883796A (zh) * | 2021-01-19 | 2021-06-01 | 中国地质大学(武汉) | 基于叠掩信息的sar图像多类型建筑物高度估计方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008131310A1 (en) * | 2007-04-18 | 2008-10-30 | Nuvasive, Inc. | Textile-based surgical implant and related methods |
US20120007769A1 (en) * | 2010-07-09 | 2012-01-12 | Evgeny Markin | Method of automatic target angle tracking by sum-and-difference monopulse radar and device therefore |
CN103235301A (zh) * | 2013-05-14 | 2013-08-07 | 中南大学 | 基于复数域平差理论的POLInSAR植被高度反演方法 |
CN103424744A (zh) * | 2012-05-16 | 2013-12-04 | 中国科学院电子学研究所 | 干涉sar叠掩区域数字高程模型重建的方法 |
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 |
CN103713287A (zh) * | 2013-12-26 | 2014-04-09 | 中国科学院电子学研究所 | 一种基于互质多基线的高程重建方法及装置 |
CN103970932A (zh) * | 2014-02-28 | 2014-08-06 | 杭州师范大学 | 一种高分辨率的建筑物和背景分离的永久散射体建模方法 |
US20150042510A1 (en) * | 2012-11-07 | 2015-02-12 | Neva Ridge Technologies | SAR Point Cloud Generation System |
CN104459696A (zh) * | 2014-12-24 | 2015-03-25 | 中南大学 | 一种基于平地相位的sar干涉基线精确估计方法 |
CN105158760A (zh) * | 2015-08-10 | 2015-12-16 | 中南大学 | 一种利用InSAR反演地下流体体积变化和三维地表形变的方法 |
CN105548973A (zh) * | 2015-12-04 | 2016-05-04 | 中国科学院国家空间科学中心 | 一种基于旋转分时采样的综合孔径辐射计相位自定标方法 |
CN106093939A (zh) * | 2016-05-27 | 2016-11-09 | 山东科技大学 | 一种基于相位差统计模型的InSAR图像相位解缠方法 |
CN106204539A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种基于形态学梯度的反演城区建筑物沉降的方法 |
-
2017
- 2017-12-25 CN CN201711417716.1A patent/CN108132468B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008131310A1 (en) * | 2007-04-18 | 2008-10-30 | Nuvasive, Inc. | Textile-based surgical implant and related methods |
US20120007769A1 (en) * | 2010-07-09 | 2012-01-12 | Evgeny Markin | Method of automatic target angle tracking by sum-and-difference monopulse radar and device therefore |
CN103424744A (zh) * | 2012-05-16 | 2013-12-04 | 中国科学院电子学研究所 | 干涉sar叠掩区域数字高程模型重建的方法 |
US20150042510A1 (en) * | 2012-11-07 | 2015-02-12 | Neva Ridge Technologies | SAR Point Cloud Generation System |
CN103235301A (zh) * | 2013-05-14 | 2013-08-07 | 中南大学 | 基于复数域平差理论的POLInSAR植被高度反演方法 |
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 |
CN103713287A (zh) * | 2013-12-26 | 2014-04-09 | 中国科学院电子学研究所 | 一种基于互质多基线的高程重建方法及装置 |
CN103970932A (zh) * | 2014-02-28 | 2014-08-06 | 杭州师范大学 | 一种高分辨率的建筑物和背景分离的永久散射体建模方法 |
CN104459696A (zh) * | 2014-12-24 | 2015-03-25 | 中南大学 | 一种基于平地相位的sar干涉基线精确估计方法 |
CN105158760A (zh) * | 2015-08-10 | 2015-12-16 | 中南大学 | 一种利用InSAR反演地下流体体积变化和三维地表形变的方法 |
CN105548973A (zh) * | 2015-12-04 | 2016-05-04 | 中国科学院国家空间科学中心 | 一种基于旋转分时采样的综合孔径辐射计相位自定标方法 |
CN106093939A (zh) * | 2016-05-27 | 2016-11-09 | 山东科技大学 | 一种基于相位差统计模型的InSAR图像相位解缠方法 |
CN106204539A (zh) * | 2016-06-29 | 2016-12-07 | 南京大学 | 一种基于形态学梯度的反演城区建筑物沉降的方法 |
Non-Patent Citations (4)
Title |
---|
GIANFRANCO FORNARO: "CAESAR: An Approach Based on Covariance Matrix Decomposition to Improve Multibaseline–Multitemporal Interferometric SAR Processing", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
张艳梅: "基于雷达差分干涉技术的地震形变场测量研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
毛晓康: "基于最小二乘平差的全极化SAR配准偏移量估计方法", 《测绘工程》 * |
花奋奋: "多基线干涉SAR高程反演研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109324326A (zh) * | 2018-09-26 | 2019-02-12 | 西安空间无线电技术研究所 | 一种无控制点测绘sar基线标定方法 |
CN109324326B (zh) * | 2018-09-26 | 2020-09-18 | 西安空间无线电技术研究所 | 一种无控制点测绘sar基线标定方法 |
CN109738895A (zh) * | 2019-01-31 | 2019-05-10 | 中南大学 | 一种基于二阶傅里叶-勒让德多项式的植被高度反演模型的构建与反演方法 |
CN109738895B (zh) * | 2019-01-31 | 2020-04-07 | 中南大学 | 一种基于二阶傅里叶-勒让德多项式的植被高度反演模型的构建与反演方法 |
CN110988879A (zh) * | 2019-12-24 | 2020-04-10 | 中南大学 | 一种植被参数反演方法、终端设备及存储介质 |
CN110988879B (zh) * | 2019-12-24 | 2022-08-12 | 中南大学 | 一种植被参数反演方法、终端设备及存储介质 |
CN111948648A (zh) * | 2020-06-29 | 2020-11-17 | 北京理工大学 | 一种基于多频处理的稀疏基线三维成像高程解模糊方法 |
CN112883796A (zh) * | 2021-01-19 | 2021-06-01 | 中国地质大学(武汉) | 基于叠掩信息的sar图像多类型建筑物高度估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108132468B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108132468A (zh) | 一种多基线极化干涉sar建筑物高度提取方法 | |
CN106526590B (zh) | 一种融合多源sar影像工矿区三维地表形变监测及解算方法 | |
CN104123464B (zh) | 一种高分辨率InSAR时序分析反演地物高程与地面沉降量的方法 | |
CN113340191B (zh) | 时间序列干涉sar的形变量测量方法及sar系统 | |
CN109031301A (zh) | 基于PSInSAR技术的山区地形形变提取方法 | |
CN109752715B (zh) | 一种sar数据全散射体探测方法及装置 | |
CN105824022A (zh) | 一种电网不良地质体三维形变监测方法 | |
CN112711021B (zh) | 一种多分辨率InSAR交互干涉时序分析方法 | |
CN110456346A (zh) | 一种基于InSAR技术的输电铁塔倾斜监测方法 | |
CN108761458B (zh) | 基于形态学细化的干涉sar水体数字高程模型修正方法 | |
CN116381680A (zh) | 一种基于时序雷达干涉测量技术的城市地表形变监测方法 | |
CN107064933A (zh) | 基于循环谱估计的sar层析建筑物高度的方法 | |
CN106249238B (zh) | 获取地面目标点高度的方法 | |
CN113238228B (zh) | 基于水准约束的三维地表形变获取方法、系统及装置 | |
Nikolakopoulos et al. | Preliminary results of using Sentinel-1 SAR data for DSM generation | |
Zhou et al. | Comparison and validation of different DEM data derived from InSAR | |
Fu et al. | Study on accuracy assessment of DEM in the marsh using with interferometric Palsar, SENTINEL-1A and Terrasar-X images | |
Wang et al. | Deformation monitoring by long term D-InSAR analysis in Three Gorges area, China | |
Lombardi et al. | Accuracy of high resolution CSK interferometric Digital Elevation Models | |
Thiele et al. | Fusion of InSAR and GIS data for 3D building reconstruction and change detection | |
CN109143188A (zh) | Tops哨兵-1数据电离层校正方法 | |
Wu et al. | Regression analysis of errors of sar-based dems and controlling factors | |
Nascetti et al. | Radargrammetric digital surface models generation from high resolution satellite SAR imagery: Methodology and case studies | |
Hu et al. | DEM generated from InSAR in mountainous terrain and its accuracy analysis | |
Capaldo et al. | High Resolution Radargrammetry–3D Terrain Modeling |
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 |