CN108594226A - 一种顾及地形的山区sar图像输电塔架检测方法 - Google Patents
一种顾及地形的山区sar图像输电塔架检测方法 Download PDFInfo
- Publication number
- CN108594226A CN108594226A CN201810360565.9A CN201810360565A CN108594226A CN 108594226 A CN108594226 A CN 108594226A CN 201810360565 A CN201810360565 A CN 201810360565A CN 108594226 A CN108594226 A CN 108594226A
- Authority
- CN
- China
- Prior art keywords
- image
- power
- distance
- gradient
- angle
- 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
- G01S13/904—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
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
本发明公开了一种顾及地形的山区SAR图像输电塔架检测方法,包括以下步骤:对于原始的单极化SAR图像集,计算其对应的平均雷达功率图像;同时借助外部高程数据,生成距离向坡度角图像;估算平均雷达功率和距离向坡度角的数量关系,利用得到的关系模拟地形相关的功率影像;将模拟功率影像与真实功率图像做差,得到减弱地形影响后的雷达功率影像;在减弱地形影响后的雷达功率影像上对目标进行双参数恒虚警检测,得到二值图像;对二值图像进行目标像素聚类分析,并根据线性排列特征进行提取。本发明通过高程数据模拟幅度图像有效地消除了地形在单极化SAR影像中的影响,突出了地物目标,利用线性提取和聚类算法提高了检测的准确率。
Description
技术领域
本发明涉及合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标检测方法,尤其涉及一种顾及地形的山区SAR图像输电塔架检测方法。
背景技术
合成孔径雷达是一种主动式成像雷达,它能全天时全天候的对目标进行观测,具有较高的分辨能力,遥感范围广且具有一定的穿透能力。随着遥感技术的不断发展,SAR技术被广泛地应用于军事和民用的多个领域。近年来,随着SAR图像数据的广泛获取并被普遍使用,SAR图像信息提取成为研究的热点。目标检测作为SAR图像信息提取中的关键技术环节也得到了蓬勃的发展。
然而SAR图像由于受相干斑噪声的干扰,地物边界模糊,同时由于SAR系统采用侧视成像的方式,在地势起伏大的山区,SAR图像会产生透视收缩、叠掩、阴影等严重发几何形变现象,SAR图像的解译比较困难,如何抑制SAR图像中的地形的影响成为SAR图像山区目标检测技术的重要前提。利用DEM模拟地形相关功率的方法不仅能有效的校正SAR影像的几何畸变,还能通过做差突出地物及目标信息,增加目标检测的精度,同时降低检测结果中的虚警率。
输电塔架是电气设施中最重要的基础设施之一,其运行状态决定着整个电网的运行稳定和安全,对其进行目标检测具有重要意义。目前,在利用遥感影像进行输电塔架的检测识别方面,国内外研究工作主要利用单一时相多极化或全极化SAR图像恒虚警检测的方法对电力塔架进行识别,研究区域也大多在平坦空旷的区域,对于更容易获取的单极化SAR数据,以及针对复杂背景的山区环境,尚未提出一种利用高程数据减弱地形影响的单极化SAR图像进行山区输电塔架目标检测的方法。
发明内容
有鉴于此,本发明的实施例提供了一种顾及地形的山区SAR图像输电塔架检测方法,包括以下步骤:
步骤1:根据原始的SAR图像集,计算相对应的平均雷达功率图像;
步骤2:将高程数据转换到雷达坐标系下,计算距离向坡度角图像;
步骤3:估算平均雷达功率和距离向坡度角的数量关系,利用得到的关系模拟地形相关的功率影像;
步骤4:将模拟功率影像与真实功率图像做差,得到减弱地形影响后的雷达功率影像;
步骤5:在减弱地形影响后的雷达功率影像上对目标进行双参数恒虚警检测,得到二值图像;
步骤6:对二值图像进行目标像素聚类分析,并根据线性排列特征进行提取。
进一步,所述步骤1中,第i个像元平均功率图像的计算公式为:
式中:Realki代表第k幅单极化SAR图像实部的像元值,Imagki代表第k幅单极化SAR图像虚部的像元值,N为单极化SAR图像集的影像数量,Pi代表第i个像元对应的平均功率图像像元值。
进一步,所述步骤2中,将高程数据的某点P转换到雷达坐标系下的计算公式为:
式中,λ为波长,(i,j)为P点在雷达坐标系下方位向和距离向的坐标,fdc为SAR的多普勒中心频率,ρr为SAR图像的距离向分辨率,R0为近地点斜距,(x,y,z)为P点的地面坐标,(xs,ys,zs)为P点对应的雷达天线瞬时位置,(vx,vy,vz)为P点对应的卫星瞬时速度。
第i个像元距离向坡度角的计算公式为:
式中:e5、e1、e8分别代表第i个像元左上、左、左下三个像元的高程值,e6、e3、e7分别代表第i个像元右上、右、右下三个像元的高程值,cellsize为格网DEM的间隔长度,Slopewei为第i个像元X方向即距离向的坡度。
进一步,所述步骤3中,模拟地形相关的功率图像的具体步骤为:
步骤3.1:将平均功率图像与距离向坡度图像进行配准;
步骤3.2:分别选择平均雷达功率及距离向坡度角样本进行多项式拟合,得到功率与坡度角之间的数量关系;
步骤3.3:利用计算得到功率与坡度角的关系,代入研究区域的坡度角数据,得到地形相关的功率图像。
进一步,所述步骤3.2中,选择平均雷达功率及距离向坡度角样本进行多项式拟合的具体步骤为:选择一块地形起伏明显且含有较少人工建筑的区域,在该区域内均匀分布地勾选样本,将样本区域的平均雷达功率和距离向坡度角对应进行二次多项式拟合,得到平均雷达功率与距离向坡度角的数量关系。
进一步,所述步骤5中,进行双参数恒虚警检测的计算公式为
式中,μt为目标窗口的均值,μb为背景窗口均值,σb为背景窗口的标准偏差,t为标称化因子。
进一步,所述步骤6中,对二值图像进行目标像素聚类和线性提取的具体步骤为:
步骤6.1:标记双参数CFAR检测后获取的二值图像的连通区域;
步骤6.2:计算任意两不同的标号区域的距离,若两个区域中心间的距离小于目标的最大长度,则对这两个区域进行合并,否则继续进行距离判断,直到图像中任意两两区域都计算一遍为止;
步骤6.3:对按照距离合并后二值图像进行面积判断,如果该区域面积大于目标区域最大面积,则剔除此区域,否则判断下一区域的面积,直到完成所有区域的面积剔除操作。
步骤6.4:对完成聚类操作的二值图像中的所有目标点进行线性提取,得到最终的检测结果。
进一步,所述步骤6.4中,对完成聚类操作的二值图像中的所有目标点进行线性提取的具体步骤为:对已经标记的连通区域,计算任意两个不同标号区域确定的一定宽度的条带区域中包含的连通区域的个数,包含连通区域个数最多的条带即为输电线路,其中包含的连通区域即为输电塔架目标。
实施本发明的有益效果如下:
本发明采用DEM模拟地形相关功率的方法,不仅能有效地校正SAR影像的几何畸变,还能通过做差突出地物及目标信息,提高山区输电塔架目标检测的准确性;使用聚类分析和线性提取对恒虚警检测结果再检测,不仅利用了单个塔架自身的形状特征,也利用了不同塔架之间的分布特征,提高了目标检测的精度,降低了目标检测中产生的虚警。
附图说明
图1是本发明实施例提供的一种顾及地形的山区SAR图像输电塔架检测方法的流程图;
图2是本发明使用的sentinel-1卫星获得的C波段VV极化SAR图像的山区输电塔架目标检测结果实例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
实施例
请参考图1,本发明的实施例提供了一种顾及地形的山区SAR图像输电塔架检测方法,其特征在于,包含如下步骤:
步骤1:根据原始的SAR图像集,计算相对应的平均雷达功率图像,第i个像元平均功率图像的计算公式为:
式中:Realki代表第k幅单极化SAR图像实部的像元值,Imagki代表第k幅单极化SAR图像虚部的像元值,N为单极化SAR图像集的影像数量,Pi代表第i个像元对应的平均功率图像像元值。
步骤2:将高程数据转换到雷达坐标系下,计算距离向坡度角图像,将高程数据的某点P转换到雷达坐标系下的计算公式为:
式中,λ为波长,(i,j)为P点在雷达坐标系下方位向和距离向的坐标,fdc为SAR的多普勒中心频率,ρr为SAR图像的距离向分辨率,R0为近地点斜距,(x,y,z)为P点的地面坐标,(xs,ys,zs)为P点对应的雷达天线瞬时位置,(vx,vy,vz)为P点对应的卫星瞬时速度。
第i个像元距离向坡度角的计算公式为:
式中:e5、e1、e8分别代表第i个像元左上、左、左下三个像元的高程值,e6、e3、e7分别代表第i个像元右上、右、右下三个像元的高程值,cellsize为格网DEM的间隔长度,Slopewei为第i个像元X方向即距离向的坡度。
步骤3:估算平均雷达功率和距离向坡度角的数量关系,利用得到的关系模拟地形相关的功率影像;
具体方法为:
步骤3.1:将平均功率图像与距离向坡度图像进行配准;
步骤3.2:分别选择平均雷达功率及距离向坡度角样本进行多项式拟合,得到功率与坡度角之间的数量关系;
选择一块地形起伏明显且含有较少人工建筑的区域,在该区域内均匀分布地勾选样本,将样本区域的平均雷达功率和距离向坡度角对应进行二次多项式拟合,得到平均雷达功率与距离向坡度角的数量关系。
步骤3.3:利用计算得到功率与坡度角的关系,代入研究区域的坡度角数据,得到地形相关的功率图像;
步骤4:将模拟功率影像与真实功率图像做差,得到减弱地形影响后的雷达功率影像;
步骤5:在减弱地形影响后的雷达功率影像上对目标进行双参数恒虚警检测,得到二值图像,进行双参数恒虚警检测的计算公式为
式中,μt为目标窗口的均值,μb为背景窗口均值,σb为背景窗口的标准偏差,t为标称化因子。
步骤6:对二值图像进行目标像素聚类分析,并根据线性排列特征进行提取。
具体步骤为:
步骤6.1:标记双参数CFAR检测后获取的二值图像的连通区域;
步骤6.2:计算任意两不同的标号区域的距离,若两个区域中心间的距离小于目标的最大长度,则对这两个区域进行合并,否则继续进行距离判断,直到图像中任意两两区域都计算一遍为止;
步骤6.3:对按照距离合并后二值图像进行面积判断,如果该区域面积大于目标区域最大面积,则剔除此区域,否则判断下一区域的面积,直到完成所有区域的面积剔除操作。
步骤6.4:对完成聚类操作的二值图像中的所有目标点进行线性提取,得到最终的检测结果。
对已经标记的连通区域,计算任意两个不同标号区域确定的一定宽度的条带区域中包含的连通区域的个数,包含连通区域个数最多的条带即为输电线路,其中包含的连通区域即为输电塔架目标。
采用DEM模拟地形相关功率的方法,不仅能有效地校正SAR影像的几何畸变,还能通过做差突出地物及目标信息,提高山区输电塔架目标检测的准确性;使用聚类分析和线性提取对恒虚警检测结果再检测,不仅利用了单个塔架自身的形状特征,也利用了不同塔架之间的分布特征,提高了目标检测的精度,降低了目标检测中产生的虚警。
下面结合实例对本发明的效果作进一步的描述。
1.实例内容:
本发明实例实验的结果如图2所示。图2(a)为sentinel-1卫星获得的C波段VV极化方式平均功率图像,距离向分辨率约为10m,方位向分辨率约为14m;图2(b)为减弱地形影响后的雷达功率影像;图2(c)为减弱地形影响的恒虚警检测结果;图2(d)为聚类和线性提取的检测结果,圆形标记表示提到的塔架目标,方框标记表示漏检的塔架目标,其余亮点为虚警目标。
2.实验结果与分析:
从图2(a)、图2(b)可以看出利用DEM模拟地形相关功率的方法,有效地突出了地物的目标信号。从图2(c)、图2(d)可以看出聚类算法和线性提取算法成功了剔除了大量虚警目标,提高了目标检测的准确率。
本发明采用DEM模拟地形相关功率的方法,不仅能有效地校正SAR影像的几何畸变,还能通过做差突出地物及目标信息,提高山区输电塔架目标检测的准确性;使用聚类分析和线性提取对恒虚警检测结果再检测,不仅利用了单个塔架自身的形状特征,也利用了不同塔架之间的分布特征,提高了目标检测的精度,降低了目标检测中产生的虚警。
Claims (7)
1.一种顾及地形的山区SAR图像输电塔架检测方法,其特征在于,包括以下步骤:
步骤1:根据原始的SAR图像集,计算相对应的平均雷达功率图像;
步骤2:将高程数据转换到雷达坐标系下,计算距离向坡度角图像;
步骤3:估算平均雷达功率和距离向坡度角的数量关系,利用得到的关系模拟地形相关的功率影像;
步骤4:将模拟功率影像与真实功率图像做差,得到减弱地形影响后的雷达功率影像;
步骤5:在减弱地形影响后的雷达功率影像上对目标进行双参数恒虚警检测,得到二值图像;
步骤6:对二值图像进行目标像素聚类分析,并根据线性排列特征进行提取。
2.权利要求1所述的顾及地形的山区SAR图像输电塔架检测方法,其特征在于,所述步骤1中,第i个像元平均功率图像的计算公式为:
式中:Realki代表第k幅单极化SAR图像实部的像元值,Imagki代表第k幅单极化SAR图像虚部的像元值,N为单极化SAR图像集的影像数量,Pi代表第i个像元对应的平均功率图像像元值。
3.权利要求1所述的顾及地形的山区SAR图像输电塔架检测方法,其特征在于,所述步骤2中,第i个像元距离向坡度角的计算公式为:
式中:e5、e1、e8分别代表第i个像元左上、左、左下三个像元的高程值,e6、e3、e7分别代表第i个像元右上、右、右下三个像元的高程值,cellsize为格网DEM的间隔长度,Slopewei为第i个像元X方向即距离向的坡度。
4.权利要求1所述的顾及地形的山区SAR图像输电塔架检测方法,其特征在于,所述步骤3中,估算平均雷达功率和距离向坡度角的数量关系,利用得到的关系模拟地形相关的功率影像的具体步骤为:
步骤3.1:将平均功率图像与距离向坡度图像进行配准;
步骤3.2:分别选择平均雷达功率及距离向坡度角样本进行多项式拟合,得到功率与坡度角之间的数量关系;
步骤3.3:利用计算得到功率与坡度角的关系,代入研究区域的坡度角数据,得到地形相关的功率图像。
5.权利要求4所述的顾及地形的山区SAR图像输电塔架检测方法,其特征在于,所述步骤3.2中,选择平均雷达功率及距离向坡度角样本进行多项式拟合的具体步骤为:选择一块地形起伏明显且含有较少人工建筑的区域,在该区域内均匀分布地勾选样本,将样本区域的平均雷达功率和距离向坡度角对应进行二次多项式拟合,得到平均雷达功率与距离向坡度角的数量关系。
6.权利要求1所述的顾及地形的山区SAR图像输电塔架检测方法,其特征在于,所述步骤6中,对二值图像进行目标像素聚类和线性提取的具体步骤为:
步骤6.1:标记双参数CFAR检测后获取的二值图像的连通区域;
步骤6.2:计算任意两不同的标号区域的距离,若两个区域中心间的距离小于目标的最大长度,则对这两个区域进行合并,否则继续进行距离判断,直到图像中任意两两区域都计算一遍为止;
步骤6.3:对按照距离合并后的二值图像进行面积判断,如果该区域面积大于目标区域最大面积,则剔除此区域,否则判断下一区域的面积,直到完成所有区域的面积剔除操作。
步骤6.4:对完成聚类操作的二值图像中的所有目标点进行线性提取,得到最终的检测结果。
7.权利要求6所述的顾及地形的山区SAR图像输电塔架检测方法,其特征在于,所述步骤6.4中,对完成聚类操作的二值图像中的所有目标点进行线性提取的具体步骤为:对已经标记的连通区域,计算任意两个不同标号区域确定的一定宽度的条带区域中包含的连通区域的个数,包含连通区域个数最多的条带即为输电线路,其中包含的连通区域即为输电塔架目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360565.9A CN108594226B (zh) | 2018-04-20 | 2018-04-20 | 一种顾及地形的山区sar图像输电塔架检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360565.9A CN108594226B (zh) | 2018-04-20 | 2018-04-20 | 一种顾及地形的山区sar图像输电塔架检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108594226A true CN108594226A (zh) | 2018-09-28 |
CN108594226B CN108594226B (zh) | 2020-04-21 |
Family
ID=63613566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810360565.9A Active CN108594226B (zh) | 2018-04-20 | 2018-04-20 | 一种顾及地形的山区sar图像输电塔架检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108594226B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109254287A (zh) * | 2018-10-08 | 2019-01-22 | 国网经济技术研究院有限公司 | 基于合成孔径雷达影像检测输电导线的方法 |
CN110244298A (zh) * | 2019-07-26 | 2019-09-17 | 北京东方至远科技股份有限公司 | 一种InSAR数据升降轨联合滑坡分析方法 |
CN110441767A (zh) * | 2019-09-06 | 2019-11-12 | 云南电网有限责任公司电力科学研究院 | 输电线路走廊树障净空高度的测量方法及系统 |
CN112684449A (zh) * | 2021-03-22 | 2021-04-20 | 北京东方至远科技股份有限公司 | 基于sar技术的水域电力线弧垂反演方法和装置 |
CN114973013A (zh) * | 2022-05-25 | 2022-08-30 | 甘肃省地震局(中国地震局兰州地震研究所) | 一种基于空间特征的sar图像电塔识别的推理方法 |
CN115963462A (zh) * | 2023-03-09 | 2023-04-14 | 成都理工大学 | 一种顾及坡度和坡向的InSAR最大形变梯度探测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7545307B2 (en) * | 2005-12-15 | 2009-06-09 | Raytheon Company | Target recognition system and method with unknown target rejection |
CN102243299A (zh) * | 2011-04-02 | 2011-11-16 | 段连飞 | 无人机载sar图像正射纠正装置 |
CN102768356A (zh) * | 2012-08-03 | 2012-11-07 | 南京大学 | 一种利用多时相雷达数据检测海上静止目标的方法 |
CN103115614A (zh) * | 2013-01-21 | 2013-05-22 | 武汉大学 | 多源多轨长条带卫星遥感影像联合并行匹配方法 |
CN103869296A (zh) * | 2014-01-26 | 2014-06-18 | 中国测绘科学研究院 | 一种基于成像面表征的极化sar地形辐射校正和几何纠正方法 |
CN107341470A (zh) * | 2017-07-03 | 2017-11-10 | 国网浙江省电力公司信息通信分公司 | 一种基于航拍图像的输电线检测方法 |
CN107886490A (zh) * | 2018-01-14 | 2018-04-06 | 中国人民解放军国防科技大学 | 一种基于双时相sar图像的近岸海域方位模糊去除方法 |
-
2018
- 2018-04-20 CN CN201810360565.9A patent/CN108594226B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7545307B2 (en) * | 2005-12-15 | 2009-06-09 | Raytheon Company | Target recognition system and method with unknown target rejection |
CN102243299A (zh) * | 2011-04-02 | 2011-11-16 | 段连飞 | 无人机载sar图像正射纠正装置 |
CN102768356A (zh) * | 2012-08-03 | 2012-11-07 | 南京大学 | 一种利用多时相雷达数据检测海上静止目标的方法 |
CN103115614A (zh) * | 2013-01-21 | 2013-05-22 | 武汉大学 | 多源多轨长条带卫星遥感影像联合并行匹配方法 |
CN103869296A (zh) * | 2014-01-26 | 2014-06-18 | 中国测绘科学研究院 | 一种基于成像面表征的极化sar地形辐射校正和几何纠正方法 |
CN107341470A (zh) * | 2017-07-03 | 2017-11-10 | 国网浙江省电力公司信息通信分公司 | 一种基于航拍图像的输电线检测方法 |
CN107886490A (zh) * | 2018-01-14 | 2018-04-06 | 中国人民解放军国防科技大学 | 一种基于双时相sar图像的近岸海域方位模糊去除方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109254287A (zh) * | 2018-10-08 | 2019-01-22 | 国网经济技术研究院有限公司 | 基于合成孔径雷达影像检测输电导线的方法 |
CN110244298A (zh) * | 2019-07-26 | 2019-09-17 | 北京东方至远科技股份有限公司 | 一种InSAR数据升降轨联合滑坡分析方法 |
CN110441767A (zh) * | 2019-09-06 | 2019-11-12 | 云南电网有限责任公司电力科学研究院 | 输电线路走廊树障净空高度的测量方法及系统 |
CN112684449A (zh) * | 2021-03-22 | 2021-04-20 | 北京东方至远科技股份有限公司 | 基于sar技术的水域电力线弧垂反演方法和装置 |
CN112684449B (zh) * | 2021-03-22 | 2021-07-16 | 北京东方至远科技股份有限公司 | 基于sar技术的水域电力线弧垂反演方法和装置 |
CN114973013A (zh) * | 2022-05-25 | 2022-08-30 | 甘肃省地震局(中国地震局兰州地震研究所) | 一种基于空间特征的sar图像电塔识别的推理方法 |
CN115963462A (zh) * | 2023-03-09 | 2023-04-14 | 成都理工大学 | 一种顾及坡度和坡向的InSAR最大形变梯度探测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108594226B (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108594226A (zh) | 一种顾及地形的山区sar图像输电塔架检测方法 | |
Nouri et al. | Cloud height and tracking accuracy of three all sky imager systems for individual clouds | |
Pulvirenti et al. | Discrimination of water surfaces, heavy rainfall, and wet snow using COSMO-SkyMed observations of severe weather events | |
Bhang et al. | Verification of the vertical error in C-band SRTM DEM using ICESat and Landsat-7, Otter Tail County, MN | |
Nguyen et al. | Stereographic methods for cloud base height determination using two sky imagers | |
CN105954747A (zh) | 基于电网不良地质体三维形变监测的塔基稳定性分析方法 | |
Pueschel | The influence of scanner parameters on the extraction of tree metrics from FARO Photon 120 terrestrial laser scans | |
CA2994672A1 (en) | Terrestrial imaging using multi-polarization synthetic aperture radar | |
Portabella et al. | A new method for improving scatterometer wind quality control | |
CN113537018A (zh) | 基于多时相卫星遥感和无人机技术的水土保持监测方法 | |
CN105824022A (zh) | 一种电网不良地质体三维形变监测方法 | |
Joughin et al. | A SAR record of early 21st century change in Greenland | |
CN109829423A (zh) | 一种结冰湖泊红外成像检测方法 | |
Shimada et al. | Generation of 10m resolution PALSAR and JERS-SAR mosaic and forest/non-forest maps for forest carbon tracking | |
Pulvirenti et al. | Prediction of the error induced by topography in satellite microwave radiometric observations | |
Li et al. | Forest-height inversion using repeat-pass spaceborne polInSAR data | |
Gu et al. | Comparative analysis of microwave brightness temperature data in Northeast China using AMSR-E and MWRI products | |
Zhang et al. | Fusion of ascending and descending polarimetric SAR data for color orthophoto generation | |
Dierking et al. | Sea ice deformation state from synthetic aperture radar imagery—Part II: Effects of spatial resolution and noise level | |
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 | |
Montopoli et al. | Spatial characterization of raincell horizontal profiles from C-band radar measurements at mid-latitude | |
CN109710718A (zh) | 一种植被覆盖因子的快速估算方法 | |
Lian et al. | Denoising algorithm based on local distance weighted statistics for photon counting LiDAR point data | |
Lee et al. | Segmentation of ALSM point data and the prediction of subcanopy sunlight distribution | |
CN111983609B (zh) | 基于雷达遥感影像的湿芦苇提取方法 |
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 |