CN109100719A - 基于星载sar影像与光学影像的地形图联合测图方法 - Google Patents

基于星载sar影像与光学影像的地形图联合测图方法 Download PDF

Info

Publication number
CN109100719A
CN109100719A CN201810838785.8A CN201810838785A CN109100719A CN 109100719 A CN109100719 A CN 109100719A CN 201810838785 A CN201810838785 A CN 201810838785A CN 109100719 A CN109100719 A CN 109100719A
Authority
CN
China
Prior art keywords
image
sar
optical image
satellite
model
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
CN201810838785.8A
Other languages
English (en)
Other versions
CN109100719B (zh
Inventor
张艳梅
蒙印
郭文
王萍
蒋红兵
张荞
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.)
Third Institute Of Aerial Surveying And Remote Sensing National Bureau Of Surveying Mapping And Geographic Information
Original Assignee
Third Institute Of Aerial Surveying And Remote Sensing National Bureau Of Surveying Mapping And Geographic Information
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 Third Institute Of Aerial Surveying And Remote Sensing National Bureau Of Surveying Mapping And Geographic Information filed Critical Third Institute Of Aerial Surveying And Remote Sensing National Bureau Of Surveying Mapping And Geographic Information
Priority to CN201810838785.8A priority Critical patent/CN109100719B/zh
Publication of CN109100719A publication Critical patent/CN109100719A/zh
Application granted granted Critical
Publication of CN109100719B publication Critical patent/CN109100719B/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
    • G01S13/9027—Pattern recognition for feature extraction
    • 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
    • G01S13/9004—SAR image acquisition techniques
    • G01S13/9005—SAR image acquisition techniques with optical processing of the SAR signals
    • 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
    • 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
    • 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
    • G01S13/9041—Squint mode

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)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于星载SAR影像与光学影像的地形图联合测图方法，包括步骤：构建SAR定位模型，实现SAR影像的高精度定位；构建星载SAR立体模型，并基于立体模型进行地形图要素采集；建立SAR影像与相对较低分辨率光学影像配准模型，实现光学影像与步骤S1中定位后SAR影像的像素级匹配；基于配准后的低分辨率光学影像和SAR影像联合进行地物目标自动提取，并将提取要素矢量与基于SAR立体模型采集要素矢量进行融合处理，集成为数字线划图成果。本发明可用于国产高分三号SAR影像和国外SAR影像，降低利用机载SAR影像测图生产的成本，推动国产SAR卫星应用，提高测图精度，具有重要的理论意义与应用推广价值。

Description

基于星载SAR影像与光学影像的地形图联合测图方法
技术领域
本发明涉及测绘技术领域，更为具体地，涉及一种基于星载SAR影像与光学影像的地形图联合测图方法。
背景技术
《全国基础测绘中长期规划纲要(2015—2030年)》指出要“重点推进激光、雷达数据获取”、“扩大高精度基础地理信息覆盖范围”。由于长期受气候条件及测绘技术装备水平的限制，我省光学影像获取非常困难，严重制约了我省基础测绘工作的开展。四川省省级1:1万地形图还有35％的区域未覆盖，是全国少数未全域覆盖的省(区)之一，因此《四川省基础测绘中长期规划纲要(2016—2030年)》将“实现全省基础地理信息资源全域覆盖，提高资源供给能力”作为到2020年基础测绘发展的主要任务之一，提出要“开展四川省1:1万无图区域测图”。
“十二五”期间，为克服四川省多云雾天气难以获取可用光学影像的困难，相关机构已开展了利用机载SAR影像进行1:1万地形图生产的试验，取得了良好效果，可有效解决光学影像获取困难地区基础地理信息采集的问题，但也突现了相比利用光学影像成本较大的缺点。随着我国对地观测技术的发展，国产雷达卫星相继发射，如能使用国产星载SAR影像进行1:1万地形图3D(DEM、DOM、DLG)产品测制，可将降低利用机载SAR影像测图生产成本，同时推动国产SAR卫星应用，因此基于星载SAR影像开展1:1万地形图生产技术的研究具有重要的理论意义与应用推广价值。
近年来，国内外众多学者对星载SAR技术开展研究，常用的数据包括COSMO-SKYMED和TerraSAR-X的星载SAR数据，但大多数的研究偏向InSAR技术研究，面向星载SAR影像测制1:1万地形图的研究较少。基于星载/机载SAR影像测制1:5万地形图产品的技术，“十一五”期间已在国家西部1:5万地形图空白区测图工程实现；基于机载SAR影像测制1:1万地形图产品的技术，“十二五”期间已在四川省地理信息公共平台项目中得到实现。随着国产高分三号等高分辨率SAR卫星的发射，目前迫切需要开展面向星载SAR影像的1:1万比例尺测绘产品的技术研究，形成一套切实可行的星载SAR影像测图技术方法。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于星载SAR影像与光学影像的地形图联合测图方法，可用于国产高分三号SAR影像和国外SAR影像，降低利用机载SAR影像测图生产的成本，推动国产SAR卫星应用，同时将SAR影像与光学影像联合，二者优势互补，提高测图精度，具有重要的理论意义与应用推广价值。
本发明的目的是通过以下技术方案来实现的：一种基于星载SAR影像与光学影像的地形图联合测图方法，包括：
S1，构建SAR定位模型，实现SAR影像的高精度定位；
S2，构建星载SAR立体模型，并基于立体模型进行地形图要素采集；
S3，建立SAR影像与相对较低分辨率光学影像配准模型，实现光学影像与步骤S1中定位后SAR影像的像素级匹配；
S4，基于配准后的低分辨率光学影像和SAR影像联合进行地物目标自动提取，并将提取要素矢量与基于SAR立体模型采集要素矢量进行融合处理，集成为数字线划图成果。
进一步的，在步骤S1中，包括一个获取虚拟控制点步骤S11；
S11，在星载SAR影像RPC参数求解时，通过星载SAR影像的严密成像几何模型来计算每个格网点地理经纬坐标，并获取用于RPC参数计算的已知采样点集，再在不同高程分层上，在影像范围内建立规则格网，根据影像层格网点坐标(R，C)和高程层的高程H计算相应格网点和高程层对应的物方坐标，当影像提供严密模型定向参数时，根据光学或SAR影像的严密定位模型，求解相应格网点的经纬坐标(L，B，H)来获取虚拟控制点。
进一步的，在步骤S1中，包括一个系统误差消除步骤S12；
S12，像方坐标(R，C)的系统误差通过像方仿射变换模型来消除，即：
上式中，(R，C)为由物方坐标计算得到的控制点的像方坐标，(L，B,H)为控制点的物方坐标，Num1(L，B,H)、Den1(L，B,H)、Num2(L，B,H)、Den2(L，B,H)为一般一次或二次多项式，(R′，C′)为实际量测的控制点像方坐标，(a0，a1，a2，b0，b1，b2)为像方仿射变换待求解参数；
先用(1)式由控制点的物方坐标计算其像方坐标(R，C)，再将计算得到的像方坐标(R，C)与实际量测的控制点像方坐标(R′，C′)根据(2)式，建立误差方程，即：
Va＝At+Cg-L
其中，Va为根据有理函数模型RFM构建的像点坐标观测值残差向量，A、C为系数矩阵，t为仿射变换参数未知数向量，g为连接点的地面坐标未知数，L为观测向量，通过解算误差方程组消除系统误差。
进一步的，在步骤S2中，包括：
S21，设置一定高程变化范围和高程步长，以SAR立体像对公共区域主影像的中心点为起点提取一系列点，并在辅影像上提取对应同名点，一组同名点间可获取一条核曲线，对获取到的一系列核曲线进行最小二乘线性拟合和曲线拟合残差分析，确定SAR立体核曲线形式；
S22，将确定的星载SAR立体核曲线作为参考，在整条核曲线上以均匀间隔选取一定数量的点，对于每个点，设置高程变化范围和高程步长，并将其投影到主影像上，得到一系列投影轨迹点，然后利用线性模型进行核线拟合；
S23，依此类推，直到所有位置点都完成核线线性拟合，然后分析核曲线的共轭性，针对立体像对主影像，在影像覆盖区域的平均高程面附近选取几个不同的高程值，然后利用SAR严密的距离多普勒几何模型，并依次将其投影到辅影像上，得到一系列核线点，然后根据最小二乘方法进行线性函数拟合，进而确定辅影像上的核线方向，用于似核线采样；
S24，似核线采样后，基于以天线位置、地面目标点与地心组成的几何三角约束关系，建立影像斜距-地距变换关系，由斜距影像转变为地距影像，得到最终SAR立体模型；
S25，基于SAR立体模型，采集等高线、高程点、田坎、陡崖和山峰这些地貌特征点线，以及部分居民地、水系、交通和植被要素。
进一步的，在步骤S3中，包括：
S31，对S1步骤定向后的SAR影像利用增强型LEE滤波器进行滤波，减弱相干斑影响；
S32，分别生成SAR影像与光学影像的高斯金字塔，根据影像分辨率确定金字塔级数，一般3-7级；
S33，从影像金字塔自顶向底逐级进行由粗到细的配准，配准时，对每一层的影像利用Canny算子提取边缘特征，然后利用Hausdorff距离方法进行对应顶层影像自动配准，建立多项式转换模型，求解转换参数，将该转换参数作为下一层配准模型的初始参数，利用同样方法解求该层转换参数，重复该过程，直到得出转换参数与上一层类似即可停止，此时得到最优转换模型和转换参数；
S34，以上步骤得到的最优转换模型和参数，利用间接法，对待配准的光学影像进行坐标转换和重采样。
进一步的，在步骤S4中，包括一个道路自动提取步骤S41：
S41，融合SAR与光学影像，采用面向对象的方法来自动提取道路，即：首先利用区域合并算法对SAR与光学影像联合进行多个不同尺度的分割，得到一系列分割图层；依照影像勾画一些道路面状矢量样本，在每一个分割图层上，提取对应样本道路的分割图斑，并将其合并为大图斑，计算大图斑与道路样本矢量图形间的偏离度DE，偏离度DE计算公式为：
DE＝(A面积+C面积)/(A面积+B面积+C面积)
对比各分割图层上得到的偏离度，选择偏离度最小的分割图层用于提取道路；再利用SAR影像灰度均值、光学影像各波段均值和方差、NDVI特征、形状特征(如：骨架线长\面积)，基于道路样本和SVM分类器进行监督分类，实现道路自动提取，并对错误图斑进行手动剔除。
进一步的，在步骤S4中，包括一个水体自动提取步骤S42：
S42，融合SAR与光学影像，采用面向对象的方法来自动提取水体要素，即：首先利用与S41相同的方法对SAR与光学影像联合进行多个不同尺度的分割以及确定用于提取水体的分割图层；再利用SAR影像灰度均值、光学影像各波段均值和方差、NDVI特征，基于道路样本和决策树分类器进行监督分类，实现水体自动提取，并对错误图斑进行手动剔除。
进一步的，在步骤S4中，包括一个各类要素关系处理步骤S43：
S43，利用Delaunay三角网提取利用光学影像采集的道路面和线状水系要素面的主骨架线并进行平滑处理，较宽道路和面状水系对自动提取图斑边界进行平滑后使用，利用SAR立体模型采集的其他要素和基于光学影像采集的要素如发生重复采集，判断两种影像现势性，以影像获取时间靠后者采集结果为准。本发明的有益效果是：
(1)本发明公开了光学与SAR匹配方法、最佳分割分类图层确定方法、联合光学与SAR的道路与水体提取方法、以及光学影像提取要素与SAR立体提取要素融合方法等，可用于国产高分三号SAR影像和国外SAR影像，降低利用机载SAR影像测图生产的成本，推动国产SAR卫星应用，同时将SAR影像与光学影像联合，二者优势互补，提高测图精度，具有重要的理论意义与应用推广价值。
(2)本发明可为四川省川西1:1万无图区域基础地理信息采集提供重要的技术保障，在川西无图区多云雾区域，它是获取地理信息的重要途径，是“十三五”期间完成全省1:1万地形图覆盖率提升的重要保障。本发明的实施，可以取得显著的社会效益和巨大的经济效益。首先，它直接满足国家重大工程以及四川省对基础地理信息的迫切需求，测绘成果可服务于政府与社会，为科学决策、环境保护、资源开发、藏区维稳等提供有力的信息支撑。其次，它将对国产SAR影像的应用及相关科研领域产生积极的促进作用，考虑到国外星载SAR影像及机载SAR测图的成本问题，若国产SAR影像能够满足项目需求，项目成果将为国家节省大量用于购买国外SAR数据开支，经济效益显著。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的数据流程示意图。
图2是本发明中偏离度计算示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。本说明书中公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
如图1，2所示，一种基于星载SAR影像与光学影像的地形图联合测图方法，包括：
S1，构建SAR定位模型，实现SAR影像的高精度定位；
S2，构建星载SAR立体模型，并基于立体模型进行地形图要素采集；
S3，建立SAR影像与相对较低分辨率光学影像配准模型，实现光学影像与步骤S1中定位后SAR影像的像素级匹配；
S4，基于配准后的低分辨率光学影像和SAR影像联合进行地物目标自动提取，并将提取要素矢量与基于SAR立体模型采集要素矢量进行融合处理，集成为数字线划图成果。
进一步的，在步骤S1中，包括一个获取虚拟控制点步骤S11；
S11，在星载SAR影像RPC参数求解时，通过星载SAR影像的严密成像几何模型来计算每个格网点地理经纬坐标，并获取用于RPC参数计算的已知采样点集，再在不同高程分层上，在影像范围内建立规则格网，根据影像层格网点坐标(R，C)和高程层的高程H计算相应格网点和高程层对应的物方坐标，当影像提供严密模型定向参数时，根据光学或SAR影像的严密定位模型，求解相应格网点的经纬坐标(L，B，H)来获取虚拟控制点。
进一步的，在步骤S1中，包括一个系统误差消除步骤S12；
S12，像方坐标(R，C)的系统误差通过像方仿射变换模型来消除，即：
上式中，(R，C)为由物方坐标计算得到的控制点的像方坐标，(L，B,H)为控制点的物方坐标，Num1(L，B,H)、Den1(L，B,H)、Num2(L，B,H)、Den2(L，B,H)为一般一次或二次多项式，(R′，C′)为实际量测的控制点像方坐标，(a0，a1，a2，b0，b1，b2)为像方仿射变换待求解参数；
先用(1)式由控制点的物方坐标计算其像方坐标(R，C)，再将计算得到的像方坐标(R，C)与实际量测的控制点像方坐标(R′，C′)根据(2)式，建立误差方程，即：
Va＝At+Cg-L
其中，Va为根据有理函数模型RFM构建的像点坐标观测值残差向量，A、C为系数矩阵，t为仿射变换参数未知数向量，g为连接点的地面坐标未知数，L为观测向量，通过解算误差方程组消除系统误差。
进一步的，在步骤S2中，包括：
S21，设置一定高程变化范围和高程步长，以SAR立体像对公共区域主影像的中心点为起点提取一系列点，并在辅影像上提取对应同名点，一组同名点间可获取一条核曲线，对获取到的一系列核曲线进行最小二乘线性拟合和曲线拟合残差分析，确定SAR立体核曲线形式；
S22，将确定的星载SAR立体核曲线作为参考，在整条核曲线上以均匀间隔选取一定数量的点，对于每个点，设置高程变化范围和高程步长，并将其投影到主影像上，得到一系列投影轨迹点，然后利用线性模型进行核线拟合；
S23，依此类推，直到所有位置点都完成核线线性拟合，然后分析核曲线的共轭性，针对立体像对主影像，在影像覆盖区域的平均高程面附近选取几个不同的高程值，然后利用SAR严密的距离多普勒几何模型，并依次将其投影到辅影像上，得到一系列核线点，然后根据最小二乘方法进行线性函数拟合，进而确定辅影像上的核线方向，用于似核线采样；
S24，似核线采样后，基于以天线位置、地面目标点与地心组成的几何三角约束关系，建立影像斜距-地距变换关系，由斜距影像转变为地距影像，得到最终SAR立体模型；
S25，基于SAR立体模型，采集等高线、高程点、田坎、陡崖和山峰这些地貌特征点线，以及部分居民地、水系、交通和植被要素。
进一步的，在步骤S3中，包括：
S31，对S1步骤定向后的SAR影像利用增强型LEE滤波器进行滤波，减弱相干斑影响；
S32，分别生成SAR影像与光学影像的高斯金字塔，根据影像分辨率确定金字塔级数，一般3-7级；
S33，从影像金字塔自顶向底逐级进行由粗到细的配准，配准时，对每一层的影像利用Canny算子提取边缘特征，然后利用Hausdorff距离方法进行对应顶层影像自动配准，建立多项式转换模型，求解转换参数，将该转换参数作为下一层配准模型的初始参数，利用同样方法解求该层转换参数，重复该过程，直到得出转换参数与上一层类似即可停止，此时得到最优转换模型和转换参数；
S34，以上步骤得到的最优转换模型和参数，利用间接法，对待配准的光学影像进行坐标转换和重采样。
进一步的，在步骤S4中，包括一个道路自动提取步骤S41：
S41，融合SAR与光学影像，采用面向对象的方法来自动提取道路，即：首先利用区域合并算法对SAR与光学影像联合进行多个不同尺度的分割，得到一系列分割图层；依照影像勾画一些道路面状矢量样本，在每一个分割图层上，提取对应样本道路的分割图斑，并将其合并为大图斑，计算大图斑与道路样本矢量图形间的偏离度DE，偏离度DE计算公式为：
DE＝(A面积+C面积)/(A面积+B面积+C面积)
对比各分割图层上得到的偏离度，选择偏离度最小的分割图层用于提取道路；再利用SAR影像灰度均值、光学影像各波段均值和方差、NDVI特征、形状特征(如：骨架线长\面积)，基于道路样本和SVM分类器进行监督分类，实现道路自动提取，并对错误图斑进行手动剔除。
进一步的，在步骤S4中，包括一个水体自动提取步骤S42：
S42，融合SAR与光学影像，采用面向对象的方法来自动提取水体要素，即：首先利用与S41相同的方法对SAR与光学影像进行多联合个不同尺度的分割以及确定用于提取水体的分割图层；再利用SAR影像灰度均值、光学影像各波段均值和方差、NDVI特征，基于道路样本和决策树分类器进行监督分类，实现水体自动提取并对错误图斑进行手动剔除。
进一步的，在步骤S4中，包括一个各类要素关系处理步骤S43：
S43，地形图中的地貌要素采用SAR立体模型采集矢量，利用Delaunay三角网提取道路面和线状水系要素面的主骨架线并进行平滑处理，较宽道路和面状水系对自动提取图斑边界进行平滑后使用，利用SAR立体模型采集的其他要素和基于光学影像采集的要素如发生重复采集，判断两种影像现势性，以影像获取时间靠后者采集结果为准。
实施例1
如图1所示，一种基于星载SAR影像与光学影像的地形图联合测图方法，包括：
S1，构建SAR定位模型，实现SAR影像的高精度定位；
S2，构建星载SAR立体模型，并基于立体模型进行地形图要素采集；
S3，建立SAR影像与相对较低分辨率光学影像配准模型，实现光学影像与步骤S1中定位后SAR影像的像素级匹配；
S4，基于配准后的低分辨率光学影像和SAR影像联合进行地物目标自动提取，并将提取要素矢量与基于SAR立体模型采集要素矢量进行融合处理，集成为数字线划图成果。
(1)国外星载SAR影像RPC参数求解
RPC模型参数求解有与地形无关和与地形相关两种求解方式，即通过严密模型产生虚拟控制点，或通过实测获取一定数目的控制点来求解RPC参数。本实施例采用地形无关的方式，通过SAR影像的严格模型来计算每个格网点地理经纬坐标，获取用于RPC参数计算的已知采样点集。虚拟控制点的计算在高程层上分层，在影像范围内建立规则格网，将影像层格网点坐标(R，C)和高程层的高程H当作已知，计算相应格网点和高程层对应的物方坐标。当影像提供严格模型定向参数时，可根据光学或SAR影像的严密定位模型，求解相应格网点的经纬坐标(L，B，H)来获取虚拟控制点。
具体的，RPC根据分母的不同，有9种不同的形式。在已知严密模型并获取足量虚拟控制点的情况下，分母不同且取3阶多项式RPC参数时，RPC的拟合精度是最高的。此时共有78个RPC参数，理论上最少需要39个已知点。
具体的，假设在影像层行列均匀划分m×n个规则格网，在高程范围内均匀划分k个高程层，则可以获得(m+1)×(n+1)×(k+1)个已知虚拟点作为计算ECEF坐标系RPC的控制点；依次取每个格网的中心点和相邻高程层中间的高程值，计算相应地面点坐标，可获得m×n×k个已知点，作为RPC拟合精度的检查点。以RPC参数为未知数，每个控制点可建立两个误差方程，根据所有控制点组建而成的误差方程组可简写成如下式子：
V＝BX-L
其中V为改正数向量，X为RPC系数未知数向量，L为常数项。
由于待求参数较多，参数间存在强相关性，参数的稳健求解一直是RPC参数获取的关键与难点。
本申请利用基于岭参数的谱修正迭代方法，实现RPC参数稳健求解。即将法方程两边同时加上kX，k为岭参数，X为RPC系数未知数向量，按下式迭代求解：
Xi＝(BTB+k)-1(BTL+kXi-1)
式中，i为迭代的次序。
(2)基于RPC模型的多源高分辨率星载SAR影像定位
利用传统的像方仿射变换定向参数少、解算稳定的优点，消除影像几何定位的系统误差，并剔除影像匹配粗差点。
像方坐标(R,C)的系统误差通过传统的像方仿射变换参数(m0,m1,m2,n0,n1,n2)来消除，即：
上式中，(R，C)为由物方坐标计算得到的控制点的像方坐标，(L，B,H)为控制点的物方坐标，Num1(L，B,H)、Den1(L，B,H)、Num2(L，B,H)、Den2(L，B,H)为一般一次或二次多项式，(R′，C′)为实际量测的控制点像方坐标，(a0，a1，a2，b0，b1，b2)为像方仿射变换待求解参数；
先用(1)式由控制点的物方坐标计算其像方坐标(R，C)，再将计算得到的像方坐标(R，C)与实际量测的控制点像方坐标(R′，C′)根据(2)式，建立误差方程，即：
Va＝At+Cg-L
其中，Va为根据有理函数模型RFM构建的像点坐标观测值残差向量，A、C为系数矩阵，t为仿射变换参数未知数向量，g为连接点的地面坐标未知数，L为观测向量，通过解算误差方程组消除系统误差。
(3)星载SAR立体模型构建
构建星载SAR立体模型首先要对星载SAR立体严密核曲线分布进行分析，建立星载SAR似核线采样模型，消除像对上下视差；然后进行斜地距几何转换关系引入到核线影像生成过程，改善影像由近距到远距的尺度均一性，获取SAR立体模型；利用多侧视方向立体模型互补解决叠掩和阴影区域信息空白的问题。
具体的，针对SAR立体像对，选取主影像上公共区域的中心点，设置一定高程变化范围和高程步长，将这些点依次通过直接定位和间接定位方法投影到辅影像上，获得一系列投影轨迹点，根据这些投影轨迹点分别进行最小二乘线性拟合和曲线拟合残差分析，确定星载SAR立体核曲线的表现形式。以前面的核曲线为参考，在整条核曲线上以均匀间隔选取一定数量的点，对于每个点，设置高程变化范围和高程步长，分别依据直接定位和间接定位方法投影到主影像上，得到一系列投影轨迹点，然后利用线性模型进行核线拟合。依此类推，直到所有位置点都完成核线线性拟合，分析核曲线的共轭性。
针对立体像对主影像，在影像覆盖区域的平均高程面附近选取几个不同的高程值，然后利用SAR严密的距离多普勒几何模型，依次经过直接定位和间接定位方法，将其投影到辅影像上，得到一系列核线点，然后根据最小二乘方法进行线性函数拟合，进而确定辅影像上的核线方向，用于似核线采样。
星载SAR的平台高度为几百公里，影像覆盖范围几千平方公里，所以进行斜地距转换时需要考虑地球曲率的影响，以平台位置、地面目标点和地心构成斜地距变换的几何三角约束关系，建立影像斜距和地距转换关系，用于斜地距变换采样。
(4)基于SAR立体模型和光学影像的联合要素采集
在立体模型上采集高程点、等高线、陡崖、特征点线等地貌要素，以及居民地、水系、交通等部分地物要素，在光学影像上补充采集其他地物要素，采集过程中对地物属性信息获取可用参考已有的基础地理信息数据成果、基础性地理国情监测数据成果或其他相关专题资料；采集的要素简单编辑形成地形图矢量，将地形图矢量叠加SAR影像和较低分辨率光学影像形成电子调绘片，进行外业核查过后再次进行编辑形成最终的地形图成果。
在道路和水系要素采集过程中，可采用面向对象的SAR与光学联合自动提取技术，即：采用区域合并算法。如图2所示，将SAR和光学影像联合进行多个尺度的分割，形成一系列的分割图层；依照影像勾画一些道路或水系面状矢量样本，在每一个分割图层上，提取对应样本道路或水系的分割图斑，并将其合并为大图斑，计算大图斑与道路或水系样本矢量图形间的偏离度DE，偏离度DE计算公式为：
DE＝(A面积+C面积)/(A面积+B面积+C面积)
对比各分割图层上得到的偏离度，选择偏离度最小的分割图层用于提取道路或水系；再通过选取一些特征，如影像灰度值、形状特征等，基于道路样本和分类器进行监督分类，实现道路或水体的自动提取，并对错误图斑进行手动剔除。
在本实施例中的其余技术特征，本领域技术人员均可以根据实际情况进行灵活选用和以满足不同的具体实际需求。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的算法，方法或系统等，均在本发明的权利要求书请求保护的技术方案限定技术保护范围之内。
对于前述的方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元并不一定是本申请所必须的。
本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法实现所描述的功能，但是这种实现不应超出本发明的范围。
所揭露的系统、模块和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例，仅仅是示意性的，例如，所述单元的划分，可以仅仅是一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以说通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述分立部件说明的单元可以是或者也可以不收物理上分开的，作为单元显示的部件可以是或者可以不收物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例的方案的目的。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (8)

1.一种基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，包括：
S1，构建SAR定位模型，实现SAR影像的高精度定位；
S2，构建星载SAR立体模型，并基于立体模型进行地形图要素采集；
S3，建立SAR影像与相对较低分辨率光学影像配准模型，实现光学影像与步骤S1中定位后SAR影像的像素级匹配；
S4，基于配准后的低分辨率光学影像和SAR影像联合进行地物目标自动提取，并将提取要素矢量与基于SAR立体模型采集要素矢量进行融合处理，集成为数字线划图成果。
2.根据权利要求1所述的基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，在步骤S1中，包括一个获取虚拟控制点步骤S11；
S11，在星载SAR影像RPC参数求解时，通过星载SAR影像的严密成像几何模型来计算每个格网点地理经纬坐标，并获取用于RPC参数计算的已知采样点集，再在不同高程分层上，在影像范围内建立规则格网，根据影像层格网点坐标(R，C)和高程层的高程H计算相应格网点和高程层对应的物方坐标，当影像提供严密模型定向参数时，根据光学或SAR影像的严密定位模型，求解相应格网点的经纬坐标(L，B，H)来获取虚拟控制点。
3.根据权利要求1或2所述的基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，在步骤S1中，包括一个系统误差消除步骤S12；
S12，像方坐标(R，C)的系统误差通过像方仿射变换模型来消除，即：
上式中，(R，C)为由物方坐标计算得到的控制点的像方坐标，(L，B,H)为控制点的物方坐标，Num1(L，B,H)、Den1(L，B,H)、Num2(L，B,H)、Den2(L，B,H)为一般一次或二次多项式，(R′，C′)为实际量测的控制点像方坐标，(a0，a1，a2，b0，b1，b2)为像方仿射变换待求解参数；
先用(1)式由控制点的物方坐标计算其像方坐标(R，C)，再将计算得到的像方坐标(R，C)与实际量测的控制点像方坐标(R′，C′)根据(2)式，建立误差方程，即：
Va＝At+Cg-L
其中，Va为根据有理函数模型RFM构建的像点坐标观测值残差向量，A、C为系数矩阵，t为仿射变换参数未知数向量，g为连接点的地面坐标未知数，L为观测向量，通过解算误差方程组消除系统误差。
4.根据权利要求1所述的基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，在步骤S2中，包括：
S21，设置一定高程变化范围和高程步长，以SAR立体像对公共区域主影像的中心点为起点提取一系列点，并在辅影像上提取对应同名点，一组同名点间可获取一条核曲线，对获取到的一系列核曲线进行最小二乘线性拟合和曲线拟合残差分析，确定SAR立体核曲线形式；
S22，将确定的星载SAR立体核曲线作为参考，在整条核曲线上以均匀间隔选取一定数量的点，对于每个点，设置高程变化范围和高程步长，并将其投影到主影像上，得到一系列投影轨迹点，然后利用线性模型进行核线拟合；
S23，依此类推，直到所有位置点都完成核线线性拟合，然后分析核曲线的共轭性，针对立体像对主影像，在影像覆盖区域的平均高程面附近选取几个不同的高程值，然后利用SAR严密的距离多普勒几何模型，并依次将其投影到辅影像上，得到一系列核线点，然后根据最小二乘方法进行线性函数拟合，进而确定辅影像上的核线方向，用于似核线采样；
S24，似核线采样后，基于以天线位置、地面目标点与地心组成的几何三角约束关系，建立影像斜距-地距变换关系，由斜距影像转变为地距影像，得到最终SAR立体模型；
S25，基于SAR立体模型，采集等高线、高程点、田坎、陡崖和山峰这些地貌特征点线，以及部分居民地、水系、交通和植被要素。
5.根据权利要求1所述的基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，在步骤S3中，包括：
S31，对S1步骤定向后的SAR影像利用增强型LEE滤波器进行滤波，减弱相干斑影响；
S32，分别生成SAR影像与光学影像的高斯金字塔，根据影像分辨率确定金字塔级数，一般3-7级；
S33，从影像金字塔自顶向底逐级进行由粗到细的配准，配准时，对每一层的影像利用Canny算子提取边缘特征，然后利用Hausdorff距离方法进行对应顶层影像自动配准，建立多项式转换模型，求解转换参数，将该转换参数作为下一层配准模型的初始参数，利用同样方法解求该层转换参数，重复该过程，直到得出转换参数与上一层类似即可停止，此时得到最优转换模型和转换参数；
S34，以上步骤得到的最优转换模型和参数，采用间接法，对待配准的光学影像进行坐标转换和重采样。
6.根据权利要求1所述的基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，在步骤S4中，包括一个道路自动提取步骤S41：
S41，融合SAR与光学影像，采用面向对象的方法来自动提取道路，即：首先利用区域合并算法对SAR与光学影像联合进行多个不同尺度的分割，得到一系列分割图层；依照影像勾画一些道路面状矢量样本，在每一个分割图层上，提取对应样本道路的分割图斑，并将其合并为大图斑，计算大图斑与道路样本矢量图形间的偏离度DE，偏离度DE计算公式为：
DE＝(A面积+C面积)/(A面积+B面积+C面积)
对比各分割图层上得到的偏离度，选择偏离度最小的分割图层用于提取道路；再利用SAR影像灰度均值、光学影像各波段均值和方差、NDVI特征、形状特征，基于道路样本和SVM分类器进行监督分类，实现道路自动提取，并对错误图斑进行手动剔除。
7.根据权利要求1或6所述的基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，在步骤S4中，包括一个水体自动提取步骤S42：
S42，融合SAR与光学影像，采用面向对象的方法来自动提取水体要素，即：首先利用与S41相同的方法对SAR与光学影像联合进行多个不同尺度的分割以及确定用于提取水体的分割图层；再利用SAR影像灰度均值、光学影像各波段均值和方差、NDVI特征，基于道路样本和决策树分类器进行监督分类，实现水体自动提取，并对错误图斑进行手动剔除。
8.根据权利要求7所述的基于星载SAR影像与光学影像的地形图联合测图方法，其特征在于，在步骤S4中，包括一个各类要素关系处理步骤S43：
S43，利用Delaunay三角网提取利用光学影像采集的道路面和线状水系要素面的主骨架线并进行平滑处理，较宽道路和面状水系对自动提取图斑边界进行平滑后使用，利用SAR立体模型采集的其他要素和基于光学影像采集的要素如发生重复采集，判断两种影像现势性，以影像获取时间靠后者采集结果为准。
CN201810838785.8A 2018-07-27 2018-07-27 基于星载sar影像与光学影像的地形图联合测图方法 Active CN109100719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810838785.8A CN109100719B (zh) 2018-07-27 2018-07-27 基于星载sar影像与光学影像的地形图联合测图方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810838785.8A CN109100719B (zh) 2018-07-27 2018-07-27 基于星载sar影像与光学影像的地形图联合测图方法

Publications (2)

Publication Number Publication Date
CN109100719A true CN109100719A (zh) 2018-12-28
CN109100719B CN109100719B (zh) 2023-01-10

Family

ID=64847568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810838785.8A Active CN109100719B (zh) 2018-07-27 2018-07-27 基于星载sar影像与光学影像的地形图联合测图方法

Country Status (1)

Country Link
CN (1) CN109100719B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840553A (zh) * 2019-01-17 2019-06-04 苏州中科天启遥感科技有限公司 耕地作物类型的提取方法及系统、存储介质、电子设备
CN109977190A (zh) * 2019-04-01 2019-07-05 中国测绘科学研究院 面向大规模矢量地图数据的面积查询处理方法及装置
CN110826407A (zh) * 2019-10-09 2020-02-21 电子科技大学 一种高分辨率卫星广义像对的立体匹配方法
CN113468361A (zh) * 2021-06-30 2021-10-01 中国科学院地理科学与资源研究所 Ndvi时序数据补偿重建方法、装置和电子设备
CN115423702A (zh) * 2022-08-23 2022-12-02 自然资源部国土卫星遥感应用中心 制作大区域星载光学和sar影像dom的方法和系统
WO2022267311A1 (zh) * 2021-06-22 2022-12-29 北京百度网讯科技有限公司 构建地貌地图的方法、装置、电子设备和可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110249860A1 (en) * 2010-04-12 2011-10-13 Liang-Chien Chen Integrating and positioning method for high resolution multi-satellite images
EP2469299A1 (fr) * 2010-12-23 2012-06-27 Thales Procédé d'amélioration d'images acquises au moyen d'un radar à ouverture synthétique
EP2549434A2 (fr) * 2011-07-22 2013-01-23 Thales Procede de modelisation de batiments a partir d'une image georeferencee
CN105510913A (zh) * 2015-11-11 2016-04-20 湖北工业大学 基于类光学像方改正的异源光学和sar遥感影像联合定位方法
CN106960174A (zh) * 2017-02-06 2017-07-18 中国测绘科学研究院 高分影像激光雷达高程控制点提取及其辅助定位方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110249860A1 (en) * 2010-04-12 2011-10-13 Liang-Chien Chen Integrating and positioning method for high resolution multi-satellite images
EP2469299A1 (fr) * 2010-12-23 2012-06-27 Thales Procédé d'amélioration d'images acquises au moyen d'un radar à ouverture synthétique
EP2549434A2 (fr) * 2011-07-22 2013-01-23 Thales Procede de modelisation de batiments a partir d'une image georeferencee
CN105510913A (zh) * 2015-11-11 2016-04-20 湖北工业大学 基于类光学像方改正的异源光学和sar遥感影像联合定位方法
CN106960174A (zh) * 2017-02-06 2017-07-18 中国测绘科学研究院 高分影像激光雷达高程控制点提取及其辅助定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHENFENG SHAO ET AL.: ""Stacked Sparse Autoencoder Modeling Using the Synergy of Airborne LiDAR and Satellite Optical and SAR Data to Map Forest Above-Ground Biomass"", 《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 *
张艳梅 等: ""利用Sentinel -1 数据和SBAS - InSAR技术监测西安地表沉降"", 《测绘通报》 *
杨书成 等: ""种利用影像模拟制作SAR立体模型的方法"", 《武汉大学学报·信息科学版》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840553A (zh) * 2019-01-17 2019-06-04 苏州中科天启遥感科技有限公司 耕地作物类型的提取方法及系统、存储介质、电子设备
CN109977190A (zh) * 2019-04-01 2019-07-05 中国测绘科学研究院 面向大规模矢量地图数据的面积查询处理方法及装置
CN110826407A (zh) * 2019-10-09 2020-02-21 电子科技大学 一种高分辨率卫星广义像对的立体匹配方法
CN110826407B (zh) * 2019-10-09 2022-03-15 电子科技大学 一种高分辨率卫星广义像对的立体匹配方法
WO2022267311A1 (zh) * 2021-06-22 2022-12-29 北京百度网讯科技有限公司 构建地貌地图的方法、装置、电子设备和可读存储介质
US11893685B2 (en) 2021-06-22 2024-02-06 Beijing Baidu Netcom Science Technology Co., Ltd. Landform map building method and apparatus, electronic device and readable storage medium
CN113468361A (zh) * 2021-06-30 2021-10-01 中国科学院地理科学与资源研究所 Ndvi时序数据补偿重建方法、装置和电子设备
CN115423702A (zh) * 2022-08-23 2022-12-02 自然资源部国土卫星遥感应用中心 制作大区域星载光学和sar影像dom的方法和系统

Also Published As

Publication number Publication date
CN109100719B (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
Bonczak et al. Large-scale parameterization of 3D building morphology in complex urban landscapes using aerial LiDAR and city administrative data
CN109100719A (zh) 基于星载sar影像与光学影像的地形图联合测图方法
US8427505B2 (en) Geospatial modeling system for images and related methods
Kraus et al. Advanced DTM generation from LIDAR data
CN109840553B (zh) 耕地作物类型的提取方法及系统、存储介质、电子设备
CN111598823A (zh) 多源移动测量点云数据空地一体化融合方法、存储介质
KR20100074264A (ko) 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법
You et al. A quality prediction method for building model reconstruction using LiDAR data and topographic maps
Peeters A GIS-based method for modeling urban-climate parameters using automated recognition of shadows cast by buildings
Li et al. Feature extraction and modeling of urban building from vehicle-borne laser scanning data
Li et al. New methodologies for precise building boundary extraction from LiDAR data and high resolution image
CN113238228B (zh) 基于水准约束的三维地表形变获取方法、系统及装置
Carneiro et al. Digital urban morphometrics: automatic extraction and assessment of morphological properties of buildings
Feng et al. A hierarchical network densification approach for reconstruction of historical ice velocity fields in East Antarctica
CN116977580A (zh) 一种基于机载LiDAR的山区大比例尺DEM制作方法
CN109035312A (zh) 一种dem辅助的sar图像高精度配准方法
CN105093222A (zh) 一种sar影像区域网平差连接点自动提取方法
Liu et al. Automatic building height estimation with shadow correction over heterogeneous compact cities using stereo Gaofen-7 data at sub-meter resolution
Sefercik et al. Point-based and model-based geolocation analysis of airborne laser scanning data
Malekian et al. Photogrammetric reconstruction and multi-temporal comparison of Brenva glacier (Italy) from archive photos
Ihsan et al. Development of Low-Cost 3D Building Model Using National Digital Elevation Model in Urban Area of Bandung City, Indonesia
Ye et al. Gaussian Mixture Model of Ground Filtering Based on Hierarchical Curvature Constraints for Airborne Lidar Point Clouds
Heckel et al. The first sub-meter resolution digital elevation model of the Kruger National Park, South Africa
Oshio et al. Generating DTM from DSM Using a Conditional GAN in Built-Up Areas
Wu et al. Building Facade Reconstruction Using Crowd-Sourced Photos and Two-Dimensional Maps

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