CN109031300A - 合成孔径雷达监测危岩体变形方法及系统 - Google Patents

合成孔径雷达监测危岩体变形方法及系统 Download PDF

Info

Publication number
CN109031300A
CN109031300A CN201811019858.7A CN201811019858A CN109031300A CN 109031300 A CN109031300 A CN 109031300A CN 201811019858 A CN201811019858 A CN 201811019858A CN 109031300 A CN109031300 A CN 109031300A
Authority
CN
China
Prior art keywords
phase
interference
target
data
interference point
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
Application number
CN201811019858.7A
Other languages
English (en)
Other versions
CN109031300B (zh
Inventor
谢酬
田帮森
邵芸
方昊然
卞小林
唐菲菲
杨建国
李明
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.)
Chongqing Shuyan Information Industry Technology Development Co ltd
Deqing Zhiyao Space Information Technology Co ltd
Zhongke Satellite Application Deqing Research Institute
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Chongqing Shuyan Information Industry Technology Development Co ltd
Deqing Zhiyao Space Information Technology Co ltd
Zhongke Satellite Application Deqing Research Institute
Institute of Remote Sensing and Digital Earth of CAS
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 Chongqing Shuyan Information Industry Technology Development Co ltd, Deqing Zhiyao Space Information Technology Co ltd, Zhongke Satellite Application Deqing Research Institute, Institute of Remote Sensing and Digital Earth of CAS filed Critical Chongqing Shuyan Information Industry Technology Development Co ltd
Priority to CN201811019858.7A priority Critical patent/CN109031300B/zh
Publication of CN109031300A publication Critical patent/CN109031300A/zh
Application granted granted Critical
Publication of CN109031300B publication Critical patent/CN109031300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

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

本发明公开了一种合成孔径雷达监测危岩体变形方法及系统，该方法包括：接收SAR影像数据；根据SAR影像数据得到N景单视复数据；根据所述N景单视复数据，得到干涉图；接收预设的DEM数据，以去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据；取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集；通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响；采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。通过本发明为危岩体崩塌进行科学分析提供了依据。

Description

合成孔径雷达监测危岩体变形方法及系统
技术领域
本发明涉及遥感影像的数字摄影测量技术领域，更具体地，涉及一种合成孔径雷达监测危岩体变形方法及系统。
背景技术
我国是一个地质灾害多发的国家，尤其是在西部区域，地质环境十分复杂。随着地质环境的异常变化，西部地区成为地质灾害频发的区域，危岩崩塌、滑坡和泥石流是西南地区常见的地质灾害。危岩体崩塌是一种全球性泛生型山地灾害，存在部位具有隐蔽性，失稳破坏具有突发性，致灾后果具有灾难性，通常存在于高陡边坡及陡崖上，严重威胁着山区公路、城镇和矿山安全。
目前对于危岩体崩塌主要的监测方式大部分还是传统水准，GPS监测技术，包括近年来兴起的三维激光扫描技术。它们由于自身或者设备的局限性，在大范围的监测上受到很大限制。传统的变形监测需要在监测工作前，且还需要在监测体上布置一定数量的监测点，然后才可以用相应的测绘仪器对监测目标进行变形监测。而且监测工作需要大量前期准备，比如布网和布点，同时，设置好的监测点，如水准点和坐标控制点，又容易遭到外界人为或自然破坏。利用传统方法野外测量所得到的点，通常都是孤立的点，彼此之间相关性十分差，因而失去了许多细部特征。三维激光扫描技术又受限于整体设备比较昂贵及气候条件的影响，同时需要人员进行专门测量分析数据，采集数据的噪声点多，去除噪声的步骤复杂，需要专业知识较多，技术推广存在较大的难度。
发明内容
有鉴于此，本发明提供了一种合成孔径雷达监测危岩体变形方法及系统，以有效地提取危岩体结构面及其含有的高程的信息，从而为危岩体崩塌进行科学分析提供依据。
一种合成孔径雷达监测危岩体变形方法，所述方法包括：
接收SAR影像数据；其中，所述SAR影像数据包括目标区域的SAR影像数据，星载雷达对所述目标区域进行雷达探测，得到N景所述SAR影像数据；
对所述SAR影像数据进行预处理，得到所述目标区域的N景单视复数据；
在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中，选取相干性最好的所述单视复数据影像作为主影像；
将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据；
对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图；
接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据；
取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集；
通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响；
采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
优选地，所述压缩感知法包括快速迭代收缩阈值算法，其中，采用所述快速迭代收缩阈值算法进行危岩体高程向的散射体分离过程包括：
野外环境下危岩体高程向分布稀疏的公式如下：gN*1＝HN*L·γL*1+εN*1；
gN*1＝[g1,g2,……gN]是当前方位-距离分辨单元处的N景观测数据，L是沿高程向的离散化个数，HN*L是一个测量矩阵，γL*1是高程向离散化的后向散射系数，εN*1是噪声；
γL*1的重建采用所述快速迭代收缩阈值算法进行求解。
优选地，所述通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响具体包括：
建立所述目标干涉点集中相邻点的二次差分相位模型，所述二次差分相位模型为：
其中，λ为星载雷达的波长，B⊥为垂直基线长，R为卫星至地面的距离，θ为星载雷达的入射角，Δεi,j和Δvi,j分别为相邻点目标的高程改正差和形变速率差；Δφres,i,j为相邻点残余相位，所述相邻点残余相位包括非线性形变相位差、大气相位差及噪声相位；
通过空间维低通滤波和时间维高通滤波去除所述相邻点残余相位中的所述大气相位差。
优选地，采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离之前，所述方法还包括：
通过干涉点目标分析法去除所述相邻点残余相位中的所述非线性形变相位差以及所述噪声相位。
优选地，通过所述干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响之前，所述方法还包括：
通过轨道基线精化法去除所述目标干涉点集中所述干涉点受卫星轨道数据的影响。
一种合成孔径雷达监测危岩体变形系统，所述系统包括：
星载雷达、接收天线以及与所述接收天线连接的控制器，所述控制器接收所述接收天线发出的SRA影像数据；其中所述SAR影像数据包括目标区域的SAR影像数据，所述星载雷达对所述目标区域进行雷达探测，从而使所述接收天线得到所述SRA影像数据；
所述控制器对所述SAR影像数据进行预处理，得到N景所述目标区域的单视复数据；在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中选取相干性最好的所述单视复数据影响作为主影像，将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据；
对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图；
接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据；取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集；通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响；
采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
优选地，所述压缩感知法包括快速迭代收缩阈值算法，其中，所述控制器采用所述快速迭代收缩阈值算法进行危岩体高程向的散射体分离包括：
野外环境下危岩体高程向分布稀疏的公式如下：gN*1＝HN*L·γL*1+εN*1；
gN*1＝[g1,g2,……gN]是当前方位-距离分辨单元处的N景观测数据，L是沿高程向的离散化个数，HN*L是一个测量矩阵，γL*1是高程向离散化的后向散射系数，εN*1是噪声；
γL*1的重建采用所述快速迭代收缩阈值算法进行求解。
优选地，所述控制器按以下方式去除所述目标干涉点集中所述干涉点受大气相位的影响：
建立所述目标干涉点集中相邻点的二次差分相位模型，所述二次差分相位模型为：
其中，λ为星载雷达的波长，B⊥为垂直基线长，R为卫星至地面的距离，θ为星载雷达的入射角，Δεi,j和Δvi,j分别为相邻点目标的高程改正差和形变速率差；Δφres,i,j为相邻点残余相位，所述相邻点残余相位包括非线性形变相位差、大气相位差及噪声相位；
通过空间维低通滤波和时间维高通滤波去除所述相邻点残余相位中的所述大气相位差。
优选地，所述控制器在采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离之前，还用于通过干涉点目标分析法去除所述相邻点残余相位中的所述非线性形变相位以及噪声相位。
优选地，所述控制器通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响之前，还用于通过轨道基线精化法去除所述目标干涉点集中所述干涉点受卫星轨道数据的影响。
与现有技术相比，本发明提供的合成孔径雷达监测危岩体变形方法及系统，至少实现了如下的有益效果：
1)去除平地相位以及高程相位的影响后，通过干涉点分析法对由SAR影像数据得到的干涉点点集进行大气相位影响的去除，使得干涉点点集的相位更接近于真实值，保证了SAR数据处理的可靠性。
2)通过轨道基线精化法去除目标干涉点集中干涉点受卫星轨道数据的影响，进一步使得干涉点点集的相位更接近于真实值，保证了SAR数据处理的可靠性。
3)采用快速迭代收缩阈值算法对目标点集进行危岩体高程向的散射体信息分离，保证了危岩体高程向剖面的三维模型重建的高效性。
当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是本发明实施例合成孔径雷达监测危岩体变形方法的一种流程图。
图2是本发明实施例中SAR层析测量技术成像几何图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
实施例1
如图1所示是本发明实施例合成孔径雷达监测危岩体变形方法的一种流程图，包括以下步骤：
步骤100：开始。
步骤101：接收SAR影像数据，所述SAR影像数据包括目标区域的SAR影像数据，星载雷达对所述目标区域进行雷达探测，得到N景所述SAR影像数据。
需要说明的是，SAR(合成孔径雷达)影像，即SLC，是由多个像素组成的图像，每一个像素代表一个地面分辨单元，包含上述的地物的相位和后向散射强度信息。
步骤102：对所述SAR影像数据进行预处理，得到所述目标区域的N景单视复数据。
步骤103：在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中，选取相干性最好的所述单视复数据影像作为主影像。
需要说明的是，选取相干性最好的单视复数据是指：在所述若干幅单视复数据中选取相干性系数最高的单视复数据，本发明通过选取相干性最好的单视复数据可以减小天气以及噪声的影响，此时选取的单视复数据成像效果好，天气状况好(晴天，少云)，本申请中天气影响包括云层影响。
步骤104：将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据。
需要说明的是，单视复数据得到以及处理过程如下：
首先，通过对卫星影像数据进行数据预处理，得到符合条件相应区域的单视复数据(SLC)。选取主图像，与N-1幅辅图像进行图像配准，得到生成干涉图，然后结合DEM数据进行平地相位去除及趋势条纹去除。经过相位补偿后得到完成初步处理的影像数据。
如图2所示，假定卫星天线的运动方向沿z方向，沿斜距向(r方向)传输带宽脉冲，因此，卫星传感器在高程向上(z)分布，且与S0…SN/2…SN位置有关。在卫星每次通过时收集地面场景的数据，然后将经典的聚焦算法应用于二维全分辨率SAR图像，这种经过处理过的数据通常称为单视复数据(SLC)。
SLC影像表示沿高程向，即方位角斜面上的三维场景后向散射属性的一种投影，令x′,r′(图中未示)为聚焦数据的方位向和距离向位置关系的离散变量，在Born弱散射的近似下，通常第n个天线的SLC数据用下式表示：
这里λ是工作波长，Rn(s,r)表示代表距离位于r处的通用点目标和地面上的s坐标以及第n个天线处的传感器(参见图2)的距离，γ是模拟三维场景散射特性的函数，σx和σr是由于每个通过的不同几何外观形状而导致SLC图像配准不良的函数。需要说明的是，卫星搭载一部天线，多部高度不同的天线指卫星在不同的重访周期下(即，卫星多次飞过同一地物上空，因此卫星对地面高度会有不同)利用天线接收雷达发出的后向散射回波信号。天线的原理是星载雷达发出电磁波，利用天线接收地物后向散射的回波信号，从而获得我们需要的SLC图像(单视复数据，即用复数的形式表示获得的回波信号，包括地物的相位和后向散射强度)。图2中表示卫星在SN、SN/2、S0三不同位置的示意图。
聚焦后的SAR复数图像中，每个像素的复数值可以看作后向散射信号沿高程向的积分。因此，与雷达接收天线具有相同斜距的地物目标的反射能量就叠加进同一像素中，形成所谓的“叠掩”。这种现象在高楼林立的城市地区尤为常见，使得散射体难以区分。SAR层析测量技术利用对同一场景不同观测角度获得观测复数据，进行高程向孔径合成，获得高程向分辨率，可以用于解决叠掩问题。
步骤105：对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图。
步骤106：接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据。
需要说明的是，DEM(Digital Elevation Model，数字高程模型)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型，是DTM(Digital Terrain Model，数字地形模型)的一个分支，其它各种地形特征值均可由此派生。一般认为，DTM是描述包括高程在内的各种地貌因子，如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布，其中DEM是零阶单纯的单项数字地貌模型，其他如坡度、坡向及坡度变化率等地貌特性可在DEM的基础上派生。目前采用的DEM数据有美国利用航天飞机获得的DEM数据及德国的TanDEM-X的DEM数据(数据为公开数据)。
步骤107：取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集。
需要说明的是，干涉点点集不是干涉图数据中所有的点，是通过统计方法选取的永久散射体点，具体地，目标干涉点集得到过程包括i～iii三步：
i.对滤波后的所述干涉图数据根据所述干涉图数据中的永久性散射体的信息提取若干个第一类干涉点，第一类干涉点是永久散射体，得到第一干涉点集；其中，所述第一干涉点包括坐标、相位以及振幅信息。
ii.在所述干涉图数据根据所述干涉图数据中的分布式散射体的信息提取若干个第二类干涉点，第二类干涉点是分布式散射体，得到第二干涉点集；其中，所述第二干涉点包括坐标、相位以及振幅信息。
iii.在所述第一干涉点集和所述第二干涉点集中去除重复的干涉点，得到目标干涉点集。
步骤108：通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响。
需要说明的是，永久性散射体受时、空失相干影响较小，对其相干信号进行时、空二维分析可以削弱失相干影响，使得干涉对突破临界基线的限制，从而提高图像的时间采样率和形变反演精度。干涉点目标分析法(Interference Point Target Analysis，IPTA)作为永久散射体方法的发展，其主要优点在于：1)垂直基线信息精化以及形变参数、高程改正的迭代求解；2)将栅格图信息转化为点目标的矢量信息，极大地减小了数据量，提高了数据处理效率。在IPTA处理中，对模型参数的逐级修正是一个由粗至精的过程，使用初步参数估计生成模型相位，对残差进行分析以提取高程误差和形变速率改正。通过求解的改正值对模型参数进行改进，依据各相位成分的不同时、空特征进行非线性形变和大气相位的分离。改进后模型参数再以此思路进一步改进，使得各部分相位更接近于真值。此外，在每一次的迭代后，分析残余相位的时相标准差，剔除受失相干影响较大的点目标，确保形变反演结果的可靠性。
具体地，所述通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响具体包括：
建立所述目标干涉点集中相邻点的二次差分相位模型，所述二次差分相位模型为：
其中，λ为星载雷达的波长，B⊥为垂直基线长，R为卫星至地面的距离，θ为星载雷达的入射角，Δεi,j和Δvi,j分别为相邻点目标的高程改正差和形变速率差；Δφres,i,j为相邻点残余相位，所述相邻点残余相位包括非线性形变相位差、大气相位差及噪声相位；
通过空间维低通滤波和时间维高通滤波去除所述相邻点残余相位中的所述大气相位差。
步骤109：采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
需要说明的是，压缩感知理论通过探索信号本身的稀疏特性使得我们能够突破香农采样定律的限制，丰富了信号恢复的技术方法。
具体地，所述压缩感知法可以包括很多种不同的算法，比如，包括：快速迭代收缩阈值算法(FIST)、迭代软阈值算法(IST)；进一步，快速迭代收缩阈值算法是在迭代软阈值算法的基础上发展改进的，它具有更快的收殓速度，本发明基于快速迭代收缩阈值算法可以在保持结果准确的基础上提升运算速度，对于野外环境下危岩体高程向分布稀疏的情况，即在每个方位-距离向分辨单元中只有几个散射体，满足压缩感知对信号稀疏性的要求，稀疏信号的重建可以应用压缩感知的方法进行求解。
具体地，采用所述快速迭代收缩阈值算法进行危岩体高程向的散射体分离过程包括：
野外环境下危岩体高程向分布稀疏的公式如下：gN*1＝HN*L·γL*1+εN*1(3)；
gN*1＝[g1,g2,……gN]是当前方位-距离分辨单元处的N景观测数据，L是沿高程向的离散化个数，HN*L是一个测量矩阵，γL*1是高程向离散化的后向散射系数，εN*1是噪声；
γL*1的重建采用所述快速迭代收缩阈值算法进行求解。
进一步，具体地求解过程为：
(3)式的准确求解是一个L0范数最小化的问题，难以进行求解。但是压缩感知理论表明在满足限制等距性质(RIP)等条件下，L0范数最小化问题和L1范数最小化问题是等价的。因此，可以用L1范数最小化进行近似求解上式，即：
min‖γ‖1 s.t.g＝Hγ (4)
其中g是观测数据，H是测量矩阵，γ是高程向离散化的后向散射系数,μ为正则化常数，与测量噪声水平有关。
式子(4)的解可以用式子(5)的解逼近。
下面采用FIST算法求解式子3，FIST是在IST算法基础上发展改进的，它具有更快的收敛速度，基于快速收敛的迭代算法，能够在保持结果准确的情况下提升运算速度。FIST算法的流程总结如下：
初始化参数：
γ0＝0 z1＝γ0 t1＝1
计算γk
迭代条件判断
若‖γk-γk-1‖2<δ，则输出γk；否则返回步骤2继续进行迭代。
输出γk。
其中，tk是迭代步长，与IST算法不同，FIST算法的迭代步长依赖于前一次的迭代步长，是不断变化的。FIST算法与IST算法的主要区别是，IST算法中zk只与γk-1有关；而FIST算法中zk是γk-1和γk-2的特定线性组合。通过这种特定的线性组合，FIST算法收敛速度更快。
步骤110：结束。
本发明实施例提供的合成孔径雷达监测危岩体变形方法，接收SAR影像数据，对所述SAR影像数据进行预处理，得到N景单视复数据；对所述N景单视复数据进行配准；取配准后的单视复数据进过处理得到干涉点集，通过干涉点目标分析法移除对所述干涉点有影响的因素，从而保证了SAR数据采集的准确性。
实施例2
步骤200：开始。
步骤201：接收SAR影像数据，所述SAR影像数据包括目标区域的SAR影像数据，星载雷达对所述目标区域进行雷达探测，得到N景所述SAR影像数据.
步骤202：对所述SAR影像数据进行预处理，得到所述目标区域的N景单视复数据。
步骤203：在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中，选取相干性最好的所述单视复数据影像作为主影像。
步骤204：将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据。
步骤205：对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图。
步骤206：接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据。
步骤207：取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集。
步骤208：通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响。
步骤209：通过干涉点目标分析法去除相邻点残余相位中的非线性形变相位差以及噪声相位。
需要说明的是，为得到完整的形变相位，须对去除了线性形变和地形误差相位的残余相位进行分离，提取非线性形变相位，从而获取时间序列上的完整形变信息。残余相位主要包括非线性形变、大气相位和噪声相位三部分，即φres＝φdef_non+φatm+φnoise。非线性形变在时间维和空间维相关，可以认为是时间维和空间维的低通成分；大气相位是时间维的高频信息，但在空间一定范围内相关，可以认为是空间维低通和时间维高通；而噪声信息在时间维和空间维都是高频随机信号。因而，依据其不同的时空特征，通过适当的时空滤波即可有效分离。
步骤210：采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
本发明实施例提供的合成孔径雷达监测危岩体变形方法中，通过干涉点目标分析法进一步对相邻点残余相位中非线性形变相位差以及噪声相位，使目标点集中干涉点的相位仅包括白噪声，从而进一步提高了SAR数据处理的准确性，从而进一步确保了危岩体高程向的散射体信息分离的可靠性。
实施例3
步骤300：开始。
步骤301：接收SAR影像数据，所述SAR影像数据包括目标区域的SAR影像数据，星载雷达对所述目标区域进行雷达探测，得到N景所述SAR影像数据.
步骤302：对所述SAR影像数据进行预处理，得到所述目标区域的N景单视复数据。
步骤303：在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中，选取相干性最好的所述单视复数据影像作为主影像。
步骤304：将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据。
步骤305：对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图。
步骤306：接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据。
步骤307：取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集。
步骤308：通过轨道基线精化法去除所述目标干涉点集中所述干涉点受卫星轨道数据的影响。
具体地，轨道基线精化法包括：
首先获取第一点集数据并对所述第一点集数据目标二次差分，从而生成初始基线，利用DEM数据和初始基线去除相应的相位影响，再利用回归分析求得点目标的初始形变速率(这里点目标受大气等影响)，在处理后的第一点集中选择形变速率较稳定的点，形成稳定的第二点集(具体地，第二点集受大气等影响较小)，对于第二点集，利用回归分析后得到的残差(即(2)式中的Δφres,i,j)，利用外部DEM数据模拟出第二点集的第二相位(相当于反演)；再把残差和第二相位相加，得到第二点集的差分相位利用DEM数据进行最小二乘法求解精化初始基线。
步骤309：通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响。
步骤310：通过干涉点目标分析法去除相邻点残余相位中的非线性形变相位差以及噪声相位。
步骤311：采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
本发明实施例提供的合成孔径雷达监测危岩体变形方方法，通过轨道基线精化法去除了目标干涉点集中所述干涉点受卫星轨道数据的影响，进一步，保证了建立危岩体高程向剖面的三维重建模型的可靠性。
实施例4
针对上述方法实施例，本发明提供了一种合成孔径雷达监测危岩体变形系统，所述系统包括：
星载雷达、接收天线以及与所述接收天线连接的控制器，所述控制器接收所述接收天线发出的SRA影像数据；其中所述SAR影像数据包括目标区域的SAR影像数据，所述星载雷达对所述目标区域进行雷达探测，从而使所述接收天线得到所述SRA影像数据；
所述控制器对所述SAR影像数据进行预处理，得到N景所述目标区域的单视复数据；在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中选取相干性最好的所述单视复数据影像作为主影像，将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据；对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图；接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据；取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集；通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响；采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
需要说明的是，SAR(合成孔径雷达)影像，即SLC，是由多个像素组成的图像，每一个像素代表一个地面分辨单元，包含上述的地物的相位和后向散射强度信息。需要说明的是，选取相干性最好的单视复数据可以减小天气以及噪声的影响，此时选取的单视复数据成像效果好，天气状况好(晴天，少云)，本申请中天气影响包括云层影响。
需要说明的是，DEM数据是现有数据，目前采用的DEM数据有美国利用航天飞机获得的DEM数据及德国的TanDEM-X的DEM数据(数据为公开数据)。
需要说明的是，永久性散射体受时、空失相干影响较小，对其相干信号进行时、空二维分析可以削弱失相干影响，使得干涉对突破临界基线的限制，从而提高图像的时间采样率和形变反演精度。干涉点目标分析法(Interference Point Target Analysis，IPTA)作为永久散射体方法的发展，其主要优点在于：1)垂直基线信息精化以及形变参数、高程改正的迭代求解；2)将栅格图信息转化为点目标的矢量信息，极大地减小了数据量，提高了数据处理效率。在IPTA处理中，对模型参数的逐级修正是一个由粗至精的过程，使用初步参数估计生成模型相位，对残差进行分析以提取高程误差和形变速率改正。通过求解的改正值对模型参数进行改进，依据各相位成分的不同时、空特征进行非线性形变和大气相位的分离。改进后模型参数再以此思路进一步改进，使得各部分相位更接近于真值。此外，在每一次的迭代后，分析残余相位的时相标准差，剔除受失相干影响较大的点目标，确保形变反演结果的可靠性。
需要说明的是，压缩感知理论通过探索信号本身的稀疏特性使得我们能够突破香农采样定律的限制，丰富了信号恢复的技术方法。
所述压缩感知法包括快速迭代收缩阈值算法，对于野外环境下危岩体高程向分布稀疏的情况，即在每个方位-距离向分辨单元中只有几个散射体，满足压缩感知对信号稀疏性的要求，稀疏信号的重建可以应用压缩感知的方法进行求解，所述控制器采用所述快速迭代收缩阈值算法进行危岩体高程向的散射体分离包括：
野外环境下危岩体高程向分布稀疏的公式如下：gN*1＝HN*L·γL*1+εN*1；
gN*1＝[g1,g2,……gN]是当前方位-距离分辨单元处的N景观测数据，L是沿高程向的离散化个数，HN*L是一个测量矩阵，γL*1是高程向离散化的后向散射系数，εN*1是噪声；
γL*1的重建采用所述快速迭代收缩阈值算法进行求解。
进一步，所述控制器按以下方式去除所述目标干涉点集中所述干涉点受大气相位的影响：
建立所述目标干涉点集中相邻点的二次差分相位模型，所述二次差分相位模型为：
其中，λ为星载雷达的波长，B⊥为垂直基线长，R为卫星至地面的距离，θ为星载雷达的入射角，Δεi,j和Δvi,j分别为相邻点目标的高程改正差和形变速率差；Δφres,i,j为相邻点残余相位，所述相邻点残余相位包括非线性形变相位差、大气相位差及噪声相位；
通过空间维低通滤波和时间维高通滤波去除所述相邻点残余相位中的所述大气相位差。
实施例5
相对于实施例4在实施例5中，所述控制器在采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离之前，还用于通过干涉点目标分析法去除所述相邻点残余相位中的所述非线性形变相位以及噪声相位。
实施例6
相对于实施例5或实施例4，在实施例6中，所述控制器通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响之前，还用于通过轨道基线精化法去除所述目标干涉点集中所述干涉点受卫星轨道数据的影响。
本发明提供的合成孔径雷达监测危岩体变形系统，对待观测地区二维成像，然后从二维成像信息中分离出地物高度向的信息(表现为地物上若干的敏感点)，通过本发明可以将待观测区域的待观测地物(本发明中为危岩体)的三维情况体现出来，从而可以有效提取危岩体结构面及其含有的高程的信息，进而对危岩体崩塌进行科学的分析。
通过上述实施例可知，本发明提供的合成孔径雷达监测危岩体变形方法及系统，至少实现了如下的有益效果：
1)去除平地相位以及高程相位的影响后，通过干涉点分析法对由SAR影像数据得到的干涉点点集进行大气相位影响的去除，使得干涉点点集的相位更接近于真实值，保证了SAR数据处理的可靠性。
2)通过轨道基线精化法去除目标干涉点集中干涉点受卫星轨道数据的影响，进一步使得干涉点点集的相位更接近于真实值，保证了SAR数据处理的可靠性。
3)采用快速迭代收缩阈值算法对目标点集进行危岩体高程向的散射体信息分离，保证了危岩体高程向剖面的三维模型重建的高效性。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种合成孔径雷达监测危岩体变形方法，其特征在于，所述方法包括：
接收SAR影像数据；其中，所述SAR影像数据包括目标区域的SAR影像数据，星载雷达对所述目标区域进行雷达探测，得到N景所述SAR影像数据；
对所述SAR影像数据进行预处理，得到所述目标区域的N景单视复数据；
在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中，选取相干性最好的所述单视复数据影像作为主影像；
将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据；
对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图；
接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据；
取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集；
通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响；
采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
2.根据权利要求1所述的合成孔径雷达监测危岩体变形方法，其特征在于，所述压缩感知法包括快速迭代收缩阈值算法，其中，采用所述快速迭代收缩阈值算法进行危岩体高程向的散射体分离过程包括：
野外环境下危岩体高程向分布稀疏的公式如下：gN*1＝HN*L·γL*1+εN*1；
gN*1＝[g1,g2,……gN]是当前方位-距离分辨单元处的N景观测数据，L是沿高程向的离散化个数，HN*L是一个测量矩阵，γL*1是高程向离散化的后向散射系数，εN*1是噪声；
γL*1的重建采用所述快速迭代收缩阈值算法进行求解。
3.根据权利要求1或2所述的合成孔径雷达监测危岩体变形方法，其特征在于，所述通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响具体包括：
建立所述目标干涉点集中相邻点的二次差分相位模型，所述二次差分相位模型为：
其中，λ为星载雷达的波长，B⊥为垂直基线长，R为卫星至地面的距离，θ为星载雷达的入射角，Δεi,j和Δvi,j分别为相邻点目标的高程改正差和形变速率差；Δφres,i,j为相邻点残余相位，所述相邻点残余相位包括非线性形变相位差、大气相位差及噪声相位；
通过空间维低通滤波和时间维高通滤波去除所述相邻点残余相位中的所述大气相位差。
4.根据权利要求3所述的合成孔径雷达监测危岩体变形方法，其特征在于，采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离之前，所述方法还包括：
通过干涉点目标分析法去除所述相邻点残余相位中的所述非线性形变相位差以及所述噪声相位。
5.根据权利要求4所述的合成孔径雷达监测危岩体变形方法，其特征在于，通过所述干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响之前，所述方法还包括：
通过轨道基线精化法去除所述目标干涉点集中所述干涉点受卫星轨道数据的影响。
6.一种合成孔径雷达监测危岩体变形系统，其特征在于，所述系统包括：
星载雷达、接收天线以及与所述接收天线连接的控制器，所述控制器接收所述接收天线发出的SRA影像数据；其中所述SAR影像数据包括目标区域的SAR影像数据，所述星载雷达对所述目标区域进行雷达探测，从而使所述接收天线得到所述SRA影像数据；
所述控制器对所述SAR影像数据进行预处理，得到N景所述目标区域的单视复数据；在N景所述单视复数据中，按照时间顺序在中间的若干幅所述单视复数据中选取相干性最好的所述单视复数据影像作为主影像，将所述主影像与N景所述单视复数据中所述主影像之外的其他单视复数据进行配准，得到N-1景配准后的单视复数据；
对N-1景所述配准后的单视复数据，取相邻两幅所述配准后的单视复数据做复数共轭相乘，然后提取相位主值分量，得到干涉图；
接收预设的DEM数据，通过所述DEM数据去除所述干涉图中的平地相位以及高程相位，经过相位补偿后得到初步处理后的干涉图数据；取所述干涉图数据中的干涉点形成干涉点点集，对所述干涉点点集进行二次差分运算，得到目标干涉点集；通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响；
采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离，从而形成危岩体高程向剖面的三维重建模型。
7.根据权利要求6所述合成孔径雷达监测危岩体变形系统，其特征在于，所述压缩感知法包括快速迭代收缩阈值算法，其中，所述控制器采用所述快速迭代收缩阈值算法进行危岩体高程向的散射体分离包括：
野外环境下危岩体高程向分布稀疏的公式如下：gN*1＝HN*L·γL*1+εN*1；
gN*1＝[g1,g2,……gN]是当前方位-距离分辨单元处的N景观测数据，L是沿高程向的离散化个数，HN*L是一个测量矩阵，γL*1是高程向离散化的后向散射系数，εN*1是噪声；
γL*1的重建采用所述快速迭代收缩阈值算法进行求解。
8.根据权利要求6或7所述的合成孔径雷达监测危岩体变形系统，其特征在于，所述控制器按以下方式去除所述目标干涉点集中所述干涉点受大气相位的影响：
建立所述目标干涉点集中相邻点的二次差分相位模型，所述二次差分相位模型为：
其中，λ为星载雷达的波长，B⊥为垂直基线长，R为卫星至地面的距离，θ为星载雷达的入射角，Δεi,j和Δvi,j分别为相邻点目标的高程改正差和形变速率差；Δφres,i,j为相邻点残余相位，所述相邻点残余相位包括非线性形变相位差、大气相位差及噪声相位；
通过空间维低通滤波和时间维高通滤波去除所述相邻点残余相位中的所述大气相位差。
9.根据权利要求8所述的合成孔径雷达监测危岩体变形系统，其特征在于，所述控制器在采用压缩感知法对移除大气影响后的所述目标干涉点集进行危岩体高程向的散射体信息分离之前，还用于通过干涉点目标分析法去除所述相邻点残余相位中的所述非线性形变相位以及噪声相位。
10.根据权利要求9所述的合成孔径雷达监测危岩体变形系统，其特征在于，所述控制器通过干涉点目标分析法移除所述目标干涉点集中所述干涉点受大气相位的影响之前，还用于通过轨道基线精化法去除所述目标干涉点集中所述干涉点受卫星轨道数据的影响。
CN201811019858.7A 2018-09-03 2018-09-03 合成孔径雷达监测危岩体变形方法及系统 Active CN109031300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811019858.7A CN109031300B (zh) 2018-09-03 2018-09-03 合成孔径雷达监测危岩体变形方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811019858.7A CN109031300B (zh) 2018-09-03 2018-09-03 合成孔径雷达监测危岩体变形方法及系统

Publications (2)

Publication Number Publication Date
CN109031300A true CN109031300A (zh) 2018-12-18
CN109031300B CN109031300B (zh) 2020-06-05

Family

ID=64622858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811019858.7A Active CN109031300B (zh) 2018-09-03 2018-09-03 合成孔径雷达监测危岩体变形方法及系统

Country Status (1)

Country Link
CN (1) CN109031300B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613531A (zh) * 2019-01-07 2019-04-12 北方工业大学 一种微变感知预警雷达的多阈值优化形变反演方法及系统
CN110018476A (zh) * 2019-05-20 2019-07-16 月明星(北京)科技有限公司 时间差分基线集时序干涉sar处理方法
CN110174673A (zh) * 2019-06-24 2019-08-27 首都师范大学 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法
CN110780297A (zh) * 2019-09-30 2020-02-11 中国国土勘测规划院 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统
CN113253234A (zh) * 2021-06-17 2021-08-13 中国人民解放军国防科技大学 目标微小形变观测雷达系统的信号处理方法及雷达系统
CN114428247A (zh) * 2022-03-11 2022-05-03 深圳航天科技创新研究院 用于成像应用的单天线超宽带雷达系统
CN116736306A (zh) * 2023-08-15 2023-09-12 成都理工大学 一种基于高分三号的时序雷达干涉监测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608584A (zh) * 2012-03-19 2012-07-25 中国测绘科学研究院 基于多项式反演模型的时间序列InSAR形变监测方法及装置
CN103675790A (zh) * 2013-12-23 2014-03-26 中国国土资源航空物探遥感中心 一种基于高精度DEM提高InSAR技术监测地表形变精度的方法
CN104091064A (zh) * 2014-07-02 2014-10-08 北京航空航天大学 基于优化解空间搜索法的PS-DInSAR地表形变测量参数估计方法
CN107271998A (zh) * 2017-07-01 2017-10-20 东华理工大学 一种集成D‑InSAR和GIS技术的地下非法采矿识别方法及系统
CN107390195A (zh) * 2017-07-21 2017-11-24 中国科学院电子学研究所 二维编码合成孔径雷达三维成像阵列形变误差补偿方法
CN108010103A (zh) * 2017-11-24 2018-05-08 武汉大学 复杂河道地形快速精细生成方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608584A (zh) * 2012-03-19 2012-07-25 中国测绘科学研究院 基于多项式反演模型的时间序列InSAR形变监测方法及装置
CN103675790A (zh) * 2013-12-23 2014-03-26 中国国土资源航空物探遥感中心 一种基于高精度DEM提高InSAR技术监测地表形变精度的方法
CN104091064A (zh) * 2014-07-02 2014-10-08 北京航空航天大学 基于优化解空间搜索法的PS-DInSAR地表形变测量参数估计方法
CN107271998A (zh) * 2017-07-01 2017-10-20 东华理工大学 一种集成D‑InSAR和GIS技术的地下非法采矿识别方法及系统
CN107390195A (zh) * 2017-07-21 2017-11-24 中国科学院电子学研究所 二维编码合成孔径雷达三维成像阵列形变误差补偿方法
CN108010103A (zh) * 2017-11-24 2018-05-08 武汉大学 复杂河道地形快速精细生成方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613531A (zh) * 2019-01-07 2019-04-12 北方工业大学 一种微变感知预警雷达的多阈值优化形变反演方法及系统
CN109613531B (zh) * 2019-01-07 2020-10-02 北方工业大学 一种微变感知预警雷达的多阈值优化形变反演方法及系统
CN110018476A (zh) * 2019-05-20 2019-07-16 月明星(北京)科技有限公司 时间差分基线集时序干涉sar处理方法
CN110174673A (zh) * 2019-06-24 2019-08-27 首都师范大学 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法
CN110780297A (zh) * 2019-09-30 2020-02-11 中国国土勘测规划院 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统
CN110780297B (zh) * 2019-09-30 2023-05-23 中国国土勘测规划院 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统
CN113253234A (zh) * 2021-06-17 2021-08-13 中国人民解放军国防科技大学 目标微小形变观测雷达系统的信号处理方法及雷达系统
CN114428247A (zh) * 2022-03-11 2022-05-03 深圳航天科技创新研究院 用于成像应用的单天线超宽带雷达系统
CN114428247B (zh) * 2022-03-11 2022-09-27 深圳航天科技创新研究院 用于成像应用的单天线超宽带雷达系统
CN116736306A (zh) * 2023-08-15 2023-09-12 成都理工大学 一种基于高分三号的时序雷达干涉监测方法
CN116736306B (zh) * 2023-08-15 2023-10-24 成都理工大学 一种基于高分三号的时序雷达干涉监测方法

Also Published As

Publication number Publication date
CN109031300B (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN109031300A (zh) 合成孔径雷达监测危岩体变形方法及系统
Osmanoğlu et al. Time series analysis of InSAR data: Methods and trends
CN113624122B (zh) 融合GNSS数据与InSAR技术的桥梁变形监测方法
Chang et al. SAR image simulation with application to target recognition
Palm et al. Radargrammetric DEM extraction over urban area using circular SAR imagery
CN109388887B (zh) 一种地面沉降影响因素定量分析方法及系统
ITRM20070399A1 (it) Metodo di elaborazione di dati rilevati mediante radar ad apertura sintetica (synthetic aperture radar - sar) e relativo sistema di telerilevamento.
Méric et al. A multiwindow approach for radargrammetric improvements
Douté et al. Small-scale topographical characterization of the Martian surface with in-orbit imagery
CN107064933A (zh) 基于循环谱估计的sar层析建筑物高度的方法
Dong et al. Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry
Hellwich et al. Geocoding SAR interferograms by least squares adjustment
CN106872977A (zh) 一种基于分段弱正交匹配追踪的层析sar三维成像方法
Babu et al. Tree canopy height estimation using multi baseline RVOG inversion technique
Schmitt Reconstruction of urban surface models from multi-aspect and multi-baseline interferometric SAR
Woicke et al. A stereo-vision hazard-detection algorithm to increase planetary lander autonomy
Bhardwaj et al. Assimilation of DEMs generated from optical stereo and InSAR pair through data fusion
Xiong et al. Automated reconstruction of subsurface interfaces in Promethei Lingula near the Martian south pole by using SHARAD data
Berardino et al. Small baseline DIFSAR techniques for earth surface deformation analysis
Kim et al. Implementation of Martian virtual reality environment using very high-resolution stereo topographic data
CN112363165B (zh) 一种林下地形反演方法、装置、设备及介质
CN115540908A (zh) 基于小波变换的InSAR干涉条纹匹配方法
Lee et al. Spaceborne data fusion for large-scale forest parameter estimation: GEDI LiDAR & Tandem-X INSAR missions
Palamà et al. Radargrammetry DEM generation using high-resolution SAR imagery over La Palma during the 2021 Cumbre Vieja volcanic eruption
Wang et al. Topographic mapping and analysis based on 3D reconstruction model of simulated asteroid

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