CN109242872A - 基于srtm dem的干涉基线估计方法 - Google Patents
基于srtm dem的干涉基线估计方法 Download PDFInfo
- Publication number
- CN109242872A CN109242872A CN201810982762.4A CN201810982762A CN109242872A CN 109242872 A CN109242872 A CN 109242872A CN 201810982762 A CN201810982762 A CN 201810982762A CN 109242872 A CN109242872 A CN 109242872A
- Authority
- CN
- China
- Prior art keywords
- dem
- error
- interference
- tapered plane
- srtm
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于SRTM DEM的干涉基线估计方法,解决了实时轨道快速生成DEM精度差的问题。实现步骤:用拉格朗日插值的方法对两幅干涉SAR图像的实时轨道拟合;获取斜平面上SRTM DEM的高程值;用两幅SAR图像干涉得到的解缠相位进行相位‑高程转换,得到干涉图像在斜平面的高程值;将斜平面上SRTM DEM的高程与两幅SAR图像干涉得到的斜平面高程作差,得到斜平面上的高程误差;用模糊高度、高程误差及基线误差间的关系,获得场景中基线误差;用基线误差,校正实时轨道误差,用校正之后的轨道信息,对DEM进行重建,并将DEM与SRTM DEM进行对比,验证基线估计结果。本发明明显缓解实时轨道进行DEM重建时精度损失,有效观测地形地貌,可用于InSAR等信号处理。
Description
技术领域
本发明属于信号处理技术领域,特别涉及干涉合成孔径雷达(InSAR)图像的基线估计,具体是一种基于SRTM DEM的干涉基线估计方法,可用于InSAR等信号的处理。
背景技术
数字高程模型(DEM)是干涉合成孔径雷达技术的主要产物,是干涉相位经过高程转换和地理编码得到的均匀分布在格网上的高程点,能够展示实际地形的起伏变化状态,在军事、经济方面都具有广阔的应用前景。基线是InSAR中的一个重要参数。它决定了有效干涉像对的选择,其精度还影响到最终提取的地表高程或形变的精度。研究高精度的干涉SAR基线估计方法对获取场景目标高质量的DEM具有重要的意义,也是InSAR信号处理技术的一个研究热点。
基线被定义为照射同一区域的两部天线相位中心之间的距离。双天线单航过或单天线双航过工作模式下的雷达平台扫过地面某一场景区域时,会对这一场景区域形成两幅SAR图像。由于星载平台的限制,单个平台难以同时安装两个天线。通常,单天线双航过模式用于获得星载干涉雷达的干涉图像。然而在这种模式下难以保证准确的基线参数,因为地面条件和散射特征可能由于两个图像之间的时间间隔而改变。要想获得高精度DEM,必须对基线进行准确计算和校正。为了满足InSAR生成DEM的要求,一般情况下基线误差要在毫米量级。现有的InSAR基线估计方法计算量大,精度低,生成DEM的误差较大。选取外部DEM作为辅助输入,利用带误差的DEM信息,可以准确估计基线误差分量,进而得到精确的基线,反演出DEM精度更高。
基线估计主要分为三大类:轨道状态矢量法;FFT法;外部控制点法。卫星轨道状态矢量方法估计基线精度较差,受轨道影响较大;FFT法对地形有一定的限制,不适用于地震等自然灾害的特殊场景;外部控制点法精度高,计算量大,且不能保证所有的数据都能获取控制点信息。
对InSAR信号的处理而言,基线估计通常是估计基线误差量,然后校正基线和轨道。常用的方法是轨道状态矢量法,干涉图自身信息法。在基于卫星状态矢量的基线估计方法中,直接利用轨道的位置和速度矢量信息进行基线估计,该基线估计方法存在如下缺点:当两幅干涉SAR图像的轨道是实时轨道时,基线估计精度很差。在基于干涉图自身信息的基线估计方法中,利用干涉图中蕴含的相位信息如干涉条纹、干涉相位差等来估算基线分量。它是一种盲估计方法,仅适用于平坦地区,且利用了轨道参数进行计算,因此估计出的基线精度也不高。
发明内容
本发明的目的在于克服现有技术的不足,提出一种进一步提高基线估计精度的基于SRTM DEM的干涉基线估计方法
本发明是一种基于SRTM DEM的干涉基线估计方法,其特征在于,包括有如下步骤:
(1)轨道拟合的预处理:获取两幅干涉SAR图像及轨迹,用拉格朗日插值拟合的方法对两幅干涉SAR图像的实时轨道进行拟合,去除实时轨道中误差较大的位置点。
(2)将SRTM DEM反定位到斜平面获取高程值:通过卫星轨道以及参数文件中提供的参数信息,利用反定位的方法获得SRTM DEM在斜平面(SAR成像的平面)上高程值,对地距坐标系下每个外部DEM上的点而言,根据聚焦多普勒中心得到其在斜平面上的方位向位置,根据距离向间隔以及最小斜距确定在斜平面上的距离向位置。
(3)获取干涉SAR图像对在斜平面的高程值:利用两幅SAR图像干涉处理得到的解缠相位信息进行相位-高程转换,以得到干涉图像在斜平面的高程值。
(4)获取SRTM DEM高程与干涉SAR高程的高程误差:将斜平面上SRTM DEM的高程与两幅SAR图像干涉处理得到的斜平面高程作差,得到斜平面上的高程误差,观察高程误差的变化趋势,分析基线变化规律。
(5)得到场景中的线性变化平行基线分量误差:根据参数文件中提供的波长、斜距等参数信息,求出场景中的模糊高度;利用获得的高程误差、模糊高度、基线误差之间的关系,获得场景中随着方位向线性变化的平行基线分量误差。
(6)对方位向的每一位置建立坐标系进行轨道校正:根据平行基线分量误差,对方位向的每一个位置都建立坐标系进行实时轨道误差校正,得到精度较高的轨道参数。
(7)DEM重建:利用校正之后的轨道信息,对DEM进行重建,并将DEM与SRTM DEM进行对比,观察用干涉SAR图像生成的DEM的精度,从而验证基线估计结果。
本发明能够较为精确地计算干涉处理中的基线参数,完成较高精度的DEM重建,可用于InSAR等信号的处理。
本发明与现有的技术相比具有以下优点:
第一,本发明中包含轨道拟合的基线估计预处理操作,该步骤可以有效减少轨道上某些不准确的位置信息,有利于后续准确地估计基线误差,进而获取准确的基线参数。
第二,本发明利用反定位的方法获得SRTM DEM在斜平面的高程值,不同于一般的利用迭代公式的方法正向定位获取斜平面的高程值,减小计算量。
第三,本发明中利用SRTM DEM信息,没有直接采用卫星轨道信息,在非精密轨道的条件下,估计的基线参数受轨道影响较小,更加准确。
第四,本发明中估计的基线误差是一个线性变化量,传统方法估计的基线误差是个常数,这就使得本发明中估计的基线更加准确。
第五,本发明不同于利用场景中心的坐标系作为参考进行校正,对方位向的每一个位置都建立坐标系进行实时轨道误差校正,得到的轨道参数精度更高。
附图说明
图1为本发明的实现流程图;
图2为采用卫星轨道状态矢量、干涉图自身信息、本发明SRTM DEM方法进行基线误差校正之后的基线误差曲线;
图3为利用卫星轨道状态矢量法估计基线后生成的DEM与外部参考DEM的对比图;
图4为利用干涉图自身信息法估计基线后生成的DEM与外部参考DEM的对比图;
图5为利用本发明估计基线后生成的DEM与外部参考DEM的对比图。
具体实施方式
下面结合附图对本发明详细说明:
实施例1
在雷达进行干涉处理时常用的是卫星轨道状态矢量方法,虽然最简单、最常用,但是受轨道影响较大,特别在实时轨道条件下,无法保证基线估计的准确性。基于干涉图自身信息法估计基线只适用于地势平坦的区域,在地震等特殊条件下估计误差较大。在实际应用中,需要快速准确地获取某些自然灾害条件下的地形信息,本发明正是针对这种需求展开了研究,经过探讨与实验提出了一种基于SRTM DEM的干涉基线估计方法。参见图1,包括有如下步骤:
(1)轨道拟合的预处理:根据不同的参数文件格式,获取两幅SAR图像及轨迹数据,包括卫星轨道位置、速度信息,对轨道进行拉格朗日插值,以去除轨道参数中误差较大的位置点。
(2)将SRTM DEM反定位到斜平面获取高程值:通过卫星轨道以及参数文件中提供的参数信息,利用反定位的方法获得SRTM DEM在斜平面上高程值;对地距坐标系下每个外部DEM上的点而言,根据聚焦多普勒中心得到其在斜平面上的方位向位置,根据距离向间隔以及最小斜距确定在斜平面上的距离向位置。SRTM DEM是美国“奋进”号航天飞机搭载的SRTM系统获取的雷达影像数据,经过处理制成了数字地形高程模型。
(3)获取干涉SAR图像对在斜平面的高程值:利用两幅SAR图像干涉处理得到的解缠相位信息进行相位-高程转换,以得到干涉图像在斜平面的高程值。
(4)获取SRTM DEM高程与干涉SAR高程的高程误差:将斜平面上SRTM DEM的高程与两幅SAR图像干涉处理得到的斜平面高程作差,得到斜平面上的高程误差,绘制方位向和距离向的误差曲线,观察高程误差的变化趋势,分析基线变化规律。
(5)得到场景中的线性变化平行基线分量误差:根据参数文件中提供的波长、斜距等参数信息,求出场景中的模糊高度;利用获得的高程误差、模糊高度、基线误差之间的关系,获得场景中随着方位向线性变化的平行基线分量误差。
(6)对方位向的每一位置建立坐标系进行轨道校正:根据平行基线分量误差,对方位向的每一个位置都建立坐标系进行实时轨道误差校正,得到精度较高的轨道参数。
(7)DEM重建:利用校正之后的轨道信息,对DEM进行重建,并将DEM与SRTM DEM进行对比,观察用干涉SAR图像生成的DEM的精度,从而验证基线估计结果。
本发明的思路是在轨道状态矢量法和干涉图自身信息法基线估计精度都不高的情况下设计出的提高基线估计精度的方法,通过轨道拟合预处理,反定位获取SRTM DEM的高程值,获取线性变化平行基线分量误差,对方位向的每一位置建立坐标系进行轨道校正等步骤提高基线估计的精度,实践也证明,本发明提高了基线估计的精度。
实施例2
基于SRTM DEM的干涉基线估计方法的技术方案同实施例1,步骤(1)中所述的用拉格朗日插值法对轨道拟合,包括有如下步骤:
(1a)获取轨道信息:根据不同参数文件的格式,读取两幅干涉SAR图像的轨道参数,包括卫星轨道位置、速度信息。
(1b)对轨道进行拉格朗日插值拟合:拉格朗日插值拟合多项式表示形式如下:
其中,xj代表自变量,即要拟合的卫星状态矢量的位置,yj代表拟合点对应的值,lj(x)是拉格朗日插值基函数。
如果不进行插值处理,卫星轨道数据中的奇异值会影响到数据的精度,造成整体数据误差加大,本发明经过轨道拟合的基线估计预处理操作之后,有效减少轨道上某些不准确的位置信息,有利于后续准确地估计基线误差,可以获取准确的基线参数。
实施例3
基于SRTM DEM的干涉基线估计方法的技术方案同实施例1-2。步骤(2)中利用反定位的方法获得SRTM DEM在斜平面上高程值,包括有如下步骤:
(2a)坐标转换:SRTM DEM提供地平面纬度,经度和高程的三维坐标,而斜距平面中每个点的信息通常在WGS84(World Geodetic System-1984 Coordinate System)坐标系中实现。特别是,为了在斜距平面上找到SRTM DEM的相应位置,必须对坐标进行变换,转换关系如下显示:
X,Y,Z代表WGS84坐标系中的坐标,B表示北纬,L表示经度,H是高度,N是曲率半径,a是半长轴,e2代表第一偏心率,经过转换后,获得SRTM DEM每个位置上对应的WGS84坐标。
(2b)SRTM DEM插值:一般来说,SRTM DEM获得的斜平面高程矩阵远小于GF-3图像的大小。在反向定位后得到更精确的高程值,应该对SRTM DEM生成的高程矩阵进行插值。根据SRTM DEM本身提供的经度方向和纬度方向的点数、间隔等信息,将高程矩阵插值成2×Na×2×Nr,Na和Nr分别是方位向和距离向像素数目,大小根据GF-3图像的大小决定。
(2c)获取斜平面高程值:通过聚焦多普勒中心可以得到SRTM DEM在斜平面的方位向位置,利用参数文件中提供的距离向采样间隔和斜距信息,获取SRTM DEM在斜平面上的距离向位置;最后,对高程矩阵中不准确的点进行插值,获得完整的高程值。
经过反定位处理之后,可以获取斜平面上SRTM DEM的高程信息,这是对基线误差校正建模的基础,同时,受轨道误差影响较小,使得估计的基线更加准确。本发明利用反定位的方法获得SRTM DEM在斜平面的高程值,不同于一般的利用迭代公式的方法正向定位获取斜平面的高程值,减小计算量。
实施例4
基于SRTM DEM的干涉基线估计方法的技术方案同实施例1-3。步骤(3)中利用两幅SAR图像干涉处理得到干涉图像在斜平面的高程值,包括如下步骤:
(3a)获取斜平面高程的定位方程:主天线到地面的斜距方程
辅天线到地面的斜距方程
主天线的多普勒方程
其中,S1为主星天线相位中心、S2为辅星天线相位中心,P表示地面目标,λ为波长,为主星速度矢量,为地面目标点的速度矢量,fdc1为主星成像多普勒中心频率。上述方程又可写成:
(x1-x)2+(y1-y)2+(z1-z)2=R1 2
(x2-x)2+(y2-y)2+(z2-z)2=R2 2
其中,(x1,y1,z1)为S1点的坐标,(x2,y2,z2)为S2点的坐标,(x,y,z)为P点的坐标,(Vx,Vy,Vz)为主天线速度分量。
(3b)上式中的主天线斜距R1和辅天线斜距R2存在如下关系:
R2=R1+ΔR
式中ΔR是斜距差,斜距差是根据相位解出来的,斜距和相位的关系如下:
其中,λ为载波波长,φ'是解缠相位,是通过两幅SAR图像干涉处理解缠得到的。
(3c)求得斜平面上每个坐标点P的坐标(x,y,z),然后根据几何变换关系就得斜平面上每个点的高程值。
通过目标点定位方法获得的干涉SAR图像的斜平面高程值,可用于后续基线误差估计的处理。
实施例5
基于SRTM DEM的干涉基线估计方法的技术方案同实施例1-4。步骤(4)中获取斜平面高程误差,包括有如下步骤:
(4a)将SRTM DEM和干涉SAR数据在斜平面上的高程作差。
(4b)绘制方位向和距离向的误差曲线,观察高程误差变化。
基线误差会引起方位向的调制误差和距离向的斜坡误差,方位向的高程误差变化直接反映基线误差变化,而距离向的高程误差变化反映基线误差大小。
实施例6
基于SRTM DEM的干涉基线估计方法的技术方案同实施例1-5,步骤(5)得到场景中的线性变化平行基线分量误差,包括有如下步骤:
(5a)模糊高度是一个描述由相位变化引起高程变化的参数,根据参数文件提供的波长等基本参数信息,通过以下公式得到模糊高度:
其中:λ是雷达波长,R是雷达到目标的斜距,θ是下视角,B⊥是垂直有效基线。
(5b)高程误差Δh、平行基线误差ΔB||、模糊高度hamb之间有如下关系:
由于模糊高度是沿距离向变化的,因此由上述公式得到的基线误差也是线性变化的,传统方法中基线估计误差是个常数,本发明用线性变化的基线误差来校正基线比用常数误差来校正基线更加精确。
实施例7
基于SRTM DEM的干涉基线估计方法的技术方案同实施例1-6,步骤(6)对方位向的每一位置建立坐标系进行轨道校正,包括有如下步骤:
(6a)得到轨道误差分量:基线误差的根源在于轨道误差,计算出基线误差之后得到对应的轨道误差分量,即将基线误差沿着轨道状态矢量的三个坐标方向进行分解,得到每个方向的误差分量。
(6b)轨道校正:将原始轨道根据该轨道误差分量进行校正,获得校正后的轨道速度和位置信息。
正确的轨道是进行干涉处理的必要条件,本发明通过基线误差对基线进行校正,进而对轨道进行修正,为DEM反演提供较为精确的卫星状态矢量参数。
实施例8
基于SRTM DEM的干涉基线估计方法的技术方案同实施例1-7。步骤(7)DEM重建,包括有如下步骤:
(7a)目标定位:目标定位方法同如实施例4所述的获取干涉SAR图像在斜平面的高程值。
(7b)地理编码:如实施例8(7a)所述的定位结果是在斜距域上的,还需要经过地理编码处理,将相位到高程转换得到的斜平面高程投影到地平面上,才能得到最终的DEM产品;由像点坐标(x,y)和高程值h计算相应地面点平面坐标(X,Y)的具体步骤如下:
7b1)初值设定。给定地面点平面坐标初值为(X0,Y0),将几何构象模型表达为关于地面点平面坐标的线性化方程组形式,即
C·ΔG-L=0
式中,C为系数矩阵;ΔG为改正量向量;L为几何构像模型中函数F1(x,y,X,Y,Z)和F2(x,y,X,Y,Z)的初值向量。
7b2)误差方程,设误差向量权阵为P,则可以得到误差方程式为:
V=C·ΔG-L·P
7b3)法化求解平面坐标改正量,若取权阵P为单位阵,则对应的法方程式为:
CTCΔG-CTL=0
将上述方程进行变化可求得地面点平面坐标改正量向量ΔG为:
ΔG=(CTC)-1CTL
修正地面点的平面坐标(X,Y),即:
7b4)限差判断,以修正后的平面坐标作为初值,重复以上步骤,直至ΔX<TX,ΔY<TY。其中,TX和TY分别为给定的阈值。
(7c)结果对比:将DEM重建结果与SRTM DEM进行对比,观察精度。将干涉生成的DEM与SRTM DEM在Surfer软件中进行比对,观察不同方向的高程误差。
本发明中因为利用SRTM DEM信息,没有直接采用卫星轨道信息,在非精密轨道的条件下,估计的基线参数受轨道影响较小,更加准确。
下面给出一个更加详尽的例子,对本发明进一步说明:
实施例9
基于SRTM DEM的干涉基线估计方法同实施例1-8,下面结合附图1,以InSAR信号处理中基线误差校正和DEM重建为例,对本发明做进一步的描述。这里称本发明提出的基线估计方法为SRTM DEM算法。
参照附图1,具体实施步骤如下:
步骤1,将干涉SAR复图像的轨道从相应的参数文件中读出,并用拉格朗日插值的方法进行轨道拟合。此操作是基线估计的预处理操作,用于去除轨道上误差较大的位置和非线性基线误差分量。
步骤2,基线误差校正。
表I是GF-3系统在2017年2月17日和2017年3月18日在中国河北录取的两幅SAR图像的基本参数信息。
表I中国河北地区的GF-3数据基本参数信息
(1)获取SRTM DEM在斜平面的高程。
(1a)根据GF-3参数文件(.xml文件)中提供的经纬度范围,然后在Global Mapper中找到相应参考DEM并输出.grd文件,该文件中平均分布了422×828的DEM参考点,每个参考点都有对应的经纬度和高程信息。将每个点的经纬度高程坐标按照如下转换关系转换成WGS84下所需要的X,Y,Z坐标。
(1b)将坐标转换之后的外部DEM参考点矩阵插值成2×9311×14827×2的矩阵大小,此操作是为了尽可能让外部DEM参考点在后续反定位处理过程中都定位到斜平面上。
(1c)读取.xml参数文件中的轨道速度和位置信息,根据场景开始和结束时间对轨道进行截取,然后将截取之后的轨道插值成9311×14827的矩阵,与图像大小一一对应。然后,遍历(1b)中外部DEM参考点矩阵的每个点,根据聚焦多普勒中心的位置和插值后轨道的信息获取每个点在斜平面上的方位向位置,再利用距离向采样间隔和最近斜距的参数信息确定外部DEM参考点矩阵的斜平面距离向位置。每次确定位置之后,在该位置上存储对应的高程信息。
(2)获取干涉SAR图像处理得到的斜平面高程信息。
(2a)主天线到地面的斜距方程
辅天线到地面的斜距方程
主天线的多普勒方程
其中,R1主天线到地面的斜距,R2为辅天线到地面的斜距,S1为主星天线相位中心、S2为辅星天线相位中心,P表示地面目标,λ为波长,为主星速度矢量,为地面目标点的速度矢量,fdc1为主星成像多普勒中心频率。上述方程又可写成:
(x1-x)2+(y1-y)2+(z1-z)2=R1 2
(x2-x)2+(y2-y)2+(z2-z)2=R2 2
其中,(x1,y1,z1)为S1点的坐标,(x2,y2,z2)为S2点的坐标,(x,y,z)为P点的坐标,(Vx,Vy,Vz)为主天线速度分量。
(2b)上式中的R2和R1存在如下关系:
R2=R1+ΔR
式中ΔR是斜距差,斜距差是根据相位解出来的,斜距和相位的关系如下:
其中,λ为载波波长,φ'是解缠相位,是通过两幅SAR图像干涉处理解缠得到的。
(2c)求得斜平面上每个坐标点P的坐标(x,y,z),然后根据几何变换关系就得斜平面上每个点的高程值。
经过变换后,得到干涉SAR图像的斜平面高程。该高程矩阵的大小是9311×14827。
(3)对斜平面上两个高程矩阵作差,对每一行的做平均,可以得到场景中距离向的高程误差曲线;对每一列做平均,可以得到方位向的高程误差曲线。
(4)根据高程误差得到基线误差变化规律。利用如下公式可以得到基线误差:
(5)根据基线误差校正基线,进而校正轨道,为后续DEM重建做准备。
(6)利用校正之后的轨道信息进行DEM重建,将DEM重建的结果与参考DEM进行比对,以验证基线估计的准确性。
本发明不同于利用场景中心的坐标系作为参考进行校正,对方位向的每一个位置都建立坐标系进行实时轨道误差校正,得到的轨道参数精度更高。
下面结合实验结果对本发明的技术效果再做说明:
实施例10
基于SRTM DEM的干涉基线估计方法同实施例1-9,以下用InSAR处理过程中基线误差校正和DEM重建结果来验证本发明提出的方法可以提高DEM反演精度。
基线的精度将直接影响DEM重建的精度,因此可以通过DEM重建后的结果来验证基线估计的结果。图2显示了不同方法进行基线误差校正后的基线误差结果,蓝色点代表轨道状态矢量基线估计法的误差,红色点代表干涉图信息基线估计法的误差,黄色点代表轨道状态矢量基线估计法的误差。通过图2可以看出,轨道法的精度最差,不能完全校正基线误差分量,依然存在线性误差;干涉图信息法比轨道法精度高,误差校正后,依然存在少许的基线误差;SRTM DEM法进行基线误差校正之后,得到的基线误差曲线在零附近,这就意味着本发明提出的方法可以较准确地校正基线误差。图3~图5显示了利用轨道状态矢量法,干涉图信息法,SRTM DEM法进行基线校正之后的DEM重建结果以及与参考DEM的对比图。图3(a)是参考DEM图,图3(b)是用轨道状态矢量方法进行基线校正后生成的DEM图,左边红圈内是纬度方向的调制误差,右边红圈内是经度方向的斜坡误差,通过对比发现图3(b)的两个方向上均存在较大误差;图4(a)是参考DEM图,图4(b)是用干涉图法进行基线校正后生成的DEM图,红圈内是经度方向的斜坡误差,通过对比看出图4(b)在纬度方向地形基本吻合,经度方向依然存在斜坡误差;图5(a)是参考DEM图,图5(b)是用本发明提出的方法进行基线校正后生成的DEM图,对比发现图5(b)在经度和纬度两个方向上都没有调制误差和斜坡误差,进一步体现本发明在提高基线估计精度和DEM产品精度上的优越性。
简而言之,本发明公开的一种基于SRTM DEM的干涉基线估计方法,主要解决了InSAR等时序信号处理中实时轨道生成DEM精度差的问题。实现步骤是:用拉格朗日插值拟合的方法对两幅干涉SAR图像的实时轨道进行拟合;利用反定位的方法获取斜平面上SRTMDEM的高程值;利用两幅SAR图像干涉处理得到的解缠相位信息进行相位-高程转换,以得到干涉图像在斜平面的高程值;将斜平面上SRTM DEM的高程与两幅SAR图像干涉处理得到的斜平面高程作差,得到斜平面上的高程误差;利用模糊高度、高程误差、基线误差之间的关系,获得场景中基线误差;根据基线误差,校正实时轨道误差;利用校正之后的轨道信息,对DEM进行重建,并将DEM与SRTM DEM进行对比,观察用干涉SAR图像生成的DEM的精度,从而验证基线估计结果。本发明明显缓解实时轨道进行DEM重建时精度损失的问题,有效观测地形地貌,可用于InSAR等信号处理。
Claims (5)
1.一种基于SRTM DEM的干涉基线估计方法,其特征在于,包括有如下步骤:
(1)轨道拟合的预处理:获取两幅干涉SAR图像及轨迹,用拉格朗日插值拟合的方法对两幅干涉SAR图像的实时轨道进行拟合,去除实时轨道中误差较大的位置点;
(2)将SRTM DEM反定位到斜平面获取高程值:通过卫星轨道以及参数文件中提供的参数信息,利用反定位的方法获得SRTM DEM在斜平面上高程值;对地距坐标系下每个外部DEM上的点而言,根据聚焦多普勒中心得到其在斜平面上的方位向位置,根据距离向间隔以及最小斜距确定在斜平面上的距离向位置;
(3)获取干涉SAR图像对在斜平面的高程值:利用两幅SAR图像干涉处理得到的解缠相位信息进行相位-高程转换,以得到干涉图像在斜平面的高程值;
(4)获取SRTM DEM高程与干涉SAR高程的高程误差:将斜平面上SRTM DEM的高程与两幅SAR图像干涉处理得到的斜平面高程作差,得到斜平面上的高程误差,观察高程误差的变化趋势,分析干涉基线变化规律;
(5)得到场景中的线性变化平行基线分量误差:根据参数文件中提供的波长、斜距等参数信息,求出场景中的模糊高度;利用获得的高程误差、模糊高度、基线误差之间的关系,获得场景中随着方位向线性变化的平行基线分量误差;
(6)对方位向的每一位置建立坐标系进行轨道校正:根据平行基线分量误差,对方位向的每一个位置都建立坐标系进行实时轨道误差校正,得到精度较高的轨道参数;
(7)DEM重建:利用校正之后的轨道信息,对DEM进行重建,并将DEM与SRTM DEM进行对比,观察用干涉SAR图像生成的DEM的精度,验证干涉基线估计结果。
2.根据权利要求1所述的基于SRTM DEM的干涉基线估计方法,其特征在于:步骤(1)中所述的轨道拟合预处理,包括有如下步骤:
(1a)获取轨道信息:根据不同参数文件的格式,读取两幅干涉SAR图像的轨道参数,包括卫星轨道位置、速度信息;
(1b)对轨道进行拉格朗日插值拟合:拉格朗日插值拟合多项式表示形式如下:
其中,xj代表自变量,即要拟合的卫星状态矢量的位置,yj代表拟合点对应的值,lj(x)是拉格朗日插值基函数。
3.根据权利要求1所述的基于SRTM DEM的干涉基线估计方法,其特征在于:步骤(2)中由SRTM DEM反定位到斜平面获取高程值,包括有如下步骤:
(2a)坐标转换:SRTM DEM提供地平面纬度,经度和高程的三维坐标,而斜距平面中每个点的信息通常在WGS84坐标系中实现,对坐标进行变换,转换关系如下显示:
X,Y,Z代表WGS84坐标系中的坐标,B表示北纬,L表示经度,H是高度,N是曲率半径,a是半长轴,e2代表第一偏心率,经过转换后,获得SRTM DEM每个位置上对应的WGS84坐标;
(2b)SRTM DEM插值:对SRTM DEM生成的高程矩阵进行插值;
(2c)获取斜平面高程值:通过聚焦多普勒中心可以得到SRTM DEM在斜平面的方位向位置,利用参数文件中提供的距离向采样间隔和斜距信息,获取SRTM DEM在斜平面上的距离向位置;最后,对高程矩阵中不准确的点进行插值,获得完整的高程值。
4.根据权利要求1所述的基于SRTM DEM的干涉基线估计方法,其特征在于:步骤(5)得到场景中的线性变化平行基线分量误差,包括有如下步骤:
(5a)计算模糊高度:根据参数文件提供的波长等基本参数信息,通过以下公式得到模糊高度:
其中:λ是雷达波长,R是雷达到目标的斜距,θ是下视角,B⊥是垂直有效基线;
(5b)得到基线误差:高程误差Δh、平行基线误差ΔB||、模糊高度hamb之间有如下关系:
至此,获得场景中的基线误差。
5.根据权利要求1所述的基于SRTM DEM的干涉基线估计方法,其特征在于:步骤(6)对方位向的每一位置建立坐标系进行轨道校正,包括有如下步骤:
(6a)得到轨道误差分量:基线误差的根源在于轨道误差,计算出基线误差之后得到对应的轨道误差分量,即将基线误差沿着轨道状态矢量的三个坐标方向进行分解,得到每个方向的误差分量;
(6b)轨道校正:将原始轨道根据该轨道误差分量进行校正,获得校正后的轨道速度和位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810982762.4A CN109242872A (zh) | 2018-08-27 | 2018-08-27 | 基于srtm dem的干涉基线估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810982762.4A CN109242872A (zh) | 2018-08-27 | 2018-08-27 | 基于srtm dem的干涉基线估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109242872A true CN109242872A (zh) | 2019-01-18 |
Family
ID=65069260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810982762.4A Pending CN109242872A (zh) | 2018-08-27 | 2018-08-27 | 基于srtm dem的干涉基线估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242872A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946682A (zh) * | 2019-04-03 | 2019-06-28 | 西安电子科技大学 | 基于ICESat/GLAS的GF3数据基线估计方法 |
CN110648399A (zh) * | 2019-09-24 | 2020-01-03 | 国电联合动力技术有限公司 | 基于Surfer软件的风电场地形实体建模方法及装置 |
CN111580101A (zh) * | 2020-04-14 | 2020-08-25 | 中国测绘科学研究院 | 一种基于外部DEM的InSAR基线误差无控改正方法及装置 |
CN111681299A (zh) * | 2020-06-16 | 2020-09-18 | 中国科学院空天信息创新研究院 | 基于InSAR解缠相位生成数字表面模型的方法及装置 |
CN111696207A (zh) * | 2020-05-28 | 2020-09-22 | 电子科技大学 | 一种基于引导滤波的多基线dem融合方法 |
CN111856464A (zh) * | 2020-07-30 | 2020-10-30 | 武汉大学 | 一种基于单控制点信息的车载sar的dem提取方法 |
CN112596055A (zh) * | 2020-12-08 | 2021-04-02 | 中国地质大学(武汉) | 一种改正InSAR DEM残余系统误差的方法 |
CN113189551A (zh) * | 2021-03-16 | 2021-07-30 | 北京理工大学 | 基于场景DEM的GB-InSAR重轨误差补偿方法 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6677885B1 (en) * | 2003-01-02 | 2004-01-13 | Raytheon Company | Method for mitigating atmospheric propagation error in multiple pass interferometric synthetic aperture radar |
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 |
CN105929398A (zh) * | 2016-04-20 | 2016-09-07 | 中国电力工程顾问集团中南电力设计院有限公司 | 结合外控点的InSAR高精度高分辨率DEM获取方法 |
CN106707280A (zh) * | 2015-11-17 | 2017-05-24 | 上海机电工程研究所 | 基于配准和曲线拟合的合成孔径雷达有效基线估计方法 |
CN108061891A (zh) * | 2017-12-04 | 2018-05-22 | 上海无线电设备研究所 | 一种无控制点的干涉sar基线矢量估计方法 |
-
2018
- 2018-08-27 CN CN201810982762.4A patent/CN109242872A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6677885B1 (en) * | 2003-01-02 | 2004-01-13 | Raytheon Company | Method for mitigating atmospheric propagation error in multiple pass interferometric synthetic aperture radar |
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 |
CN106707280A (zh) * | 2015-11-17 | 2017-05-24 | 上海机电工程研究所 | 基于配准和曲线拟合的合成孔径雷达有效基线估计方法 |
CN105929398A (zh) * | 2016-04-20 | 2016-09-07 | 中国电力工程顾问集团中南电力设计院有限公司 | 结合外控点的InSAR高精度高分辨率DEM获取方法 |
CN108061891A (zh) * | 2017-12-04 | 2018-05-22 | 上海无线电设备研究所 | 一种无控制点的干涉sar基线矢量估计方法 |
Non-Patent Citations (1)
Title |
---|
HUAN LU等: "InSAR Baseline Estimation for Gaofen-3 Real-Time DEM Generation", 《SENSORS》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946682A (zh) * | 2019-04-03 | 2019-06-28 | 西安电子科技大学 | 基于ICESat/GLAS的GF3数据基线估计方法 |
CN109946682B (zh) * | 2019-04-03 | 2022-12-02 | 西安电子科技大学 | 基于ICESat/GLAS的GF3数据基线估计方法 |
CN110648399A (zh) * | 2019-09-24 | 2020-01-03 | 国电联合动力技术有限公司 | 基于Surfer软件的风电场地形实体建模方法及装置 |
CN111580101A (zh) * | 2020-04-14 | 2020-08-25 | 中国测绘科学研究院 | 一种基于外部DEM的InSAR基线误差无控改正方法及装置 |
CN111696207A (zh) * | 2020-05-28 | 2020-09-22 | 电子科技大学 | 一种基于引导滤波的多基线dem融合方法 |
CN111696207B (zh) * | 2020-05-28 | 2022-10-11 | 电子科技大学 | 一种基于引导滤波的多基线dem融合方法 |
CN111681299A (zh) * | 2020-06-16 | 2020-09-18 | 中国科学院空天信息创新研究院 | 基于InSAR解缠相位生成数字表面模型的方法及装置 |
CN111681299B (zh) * | 2020-06-16 | 2024-03-15 | 中国科学院空天信息创新研究院 | 基于InSAR解缠相位生成数字表面模型的方法及装置 |
CN111856464B (zh) * | 2020-07-30 | 2021-11-26 | 武汉大学 | 一种基于单控制点信息的车载sar的dem提取方法 |
CN111856464A (zh) * | 2020-07-30 | 2020-10-30 | 武汉大学 | 一种基于单控制点信息的车载sar的dem提取方法 |
CN112596055A (zh) * | 2020-12-08 | 2021-04-02 | 中国地质大学(武汉) | 一种改正InSAR DEM残余系统误差的方法 |
CN112596055B (zh) * | 2020-12-08 | 2023-04-25 | 中国地质大学(武汉) | 一种改正InSAR DEM残余系统误差的方法 |
CN113189551A (zh) * | 2021-03-16 | 2021-07-30 | 北京理工大学 | 基于场景DEM的GB-InSAR重轨误差补偿方法 |
CN113189551B (zh) * | 2021-03-16 | 2023-05-05 | 北京理工大学 | 基于场景DEM的GB-InSAR重轨误差补偿方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242872A (zh) | 基于srtm dem的干涉基线估计方法 | |
CN109934920B (zh) | 基于低成本设备的高精度三维点云地图构建方法 | |
CN107102333B (zh) | 一种星载InSAR长短基线融合解缠方法 | |
CN101241011B (zh) | 激光雷达平台上高精度定位、定姿的装置和方法 | |
CN103487809B (zh) | 一种基于BP算法和时变基线的机载InSAR数据处理方法 | |
US11908152B2 (en) | Acceleration method of depth estimation for multiband stereo cameras | |
US20140191894A1 (en) | Three-dimensional positioning method | |
CN106960174A (zh) | 高分影像激光雷达高程控制点提取及其辅助定位方法 | |
CN102410831B (zh) | 多条带扫描成像模型的设计及定位方法 | |
CN109212522B (zh) | 一种基于双基星载sar的高精度dem反演方法及装置 | |
CN104657981A (zh) | 一种移动机器人运动中三维激光测距数据动态补偿方法 | |
CN114526745A (zh) | 一种紧耦合激光雷达和惯性里程计的建图方法及系统 | |
CN109100719B (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
CN110827403B (zh) | 一种矿山三维点云地图的构建方法及装置 | |
CN101876701A (zh) | 一种侧视雷达遥感影像定位方法 | |
CN112882030B (zh) | InSAR成像干涉一体化处理方法 | |
CN103093459A (zh) | 利用机载LiDAR点云数据辅助影像匹配的方法 | |
CN116625354B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及系统 | |
CN109239710B (zh) | 雷达高程信息的获取方法及装置、计算机可读存储介质 | |
CN109631863A (zh) | 一种空地结合的潮间带一体化测绘方法 | |
CN108562900A (zh) | 一种基于高程校正的sar图像几何配准方法 | |
CN110986888A (zh) | 一种航空摄影一体化方法 | |
Wang et al. | Large-scale orthorectification of GF-3 SAR images without ground control points for China’s land area | |
CN111829514A (zh) | 一种适用于车辆底盘集成控制的路面工况预瞄方法 | |
CN115063465A (zh) | 一种基于激光雷达的无人车行驶路况建模方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190118 |
|
WD01 | Invention patent application deemed withdrawn after publication |