CN109509219B - 基于最小生成树的InSAR时序影像集合的配准方法 - Google Patents
基于最小生成树的InSAR时序影像集合的配准方法 Download PDFInfo
- Publication number
- CN109509219B CN109509219B CN201811625996.XA CN201811625996A CN109509219B CN 109509219 B CN109509219 B CN 109509219B CN 201811625996 A CN201811625996 A CN 201811625996A CN 109509219 B CN109509219 B CN 109509219B
- Authority
- CN
- China
- Prior art keywords
- registration
- spanning tree
- minimum spanning
- coherence
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于最小生成树的InSAR时序影像集合的配准方法,首先,对原始SAR图像数据序列进行预处理,获得粗配准的影像集;在影像脉冲波束的重叠区域处进行精确的相干性估计,利用增强谱分集方法计算最小生成树所有干涉对的配准偏移量组成平差观测矩阵;根据最小生成树设计平差参数矩阵;利用迭代重加权最小二乘进行平差解算配准偏移量;根据配准偏移量校正粗配准达到精配准目的。本发明通过最小生成树算法、精确相干性估计及增强谱分集方法提升TOPS时序影像集中干涉对的相干性,减小了相干性损失对配准偏移量估计造成的影响,在提升配准精度的同时加快了解算速度,为后续的时序InSAR分析提供了良好的基础。
Description
技术领域
本发明属于SAR(Synthetic Aperture Radar,合成孔径雷达)数据处理技术领域,具体涉及一种基于最小生成树的InSAR时序影像集合的配准方法。
背景技术
近些年,随着新型星载合成孔径雷达干涉测量技术SAR传感器的相续发射,采用TOPS(Terrain Observation by Progressive Scans)作为默认成像模式的哨兵卫星被广泛应用于监测地表形变。然而TOPS模式受粗配准的精度限制,方位向的频谱混叠会导致重叠观测区域出现相位跳变。为使重叠区域干涉相位差小于3°从而避免干涉图出现相位跳变,精配准要求达到约0.001像元精度。目前常采用的精配准方法为谱分集与增强谱分集,增强谱分集采用约7kHZ的多普勒中心频率差进行方位向配准偏移的估计,精度较谱分集提高了约1.8倍。增强谱分集方法的核心思想是采用主辅影像重叠区域的干涉相位差进行方位向配准偏移的估计,在计算重叠区域的干涉相位差时,只采用高于相干性阈值的像元。在此方法中进行相干性估计时忽略了地形相位对相干性造成的影响,且在存在方位向配准偏移的情况下,直接利用低估的相干性进行像元的选取,容易纳入粗差点使得偏移计算过程中出现离群值。延伸至时序影像配准,受时间去相干与噪声的影响,低相干性像对的选点精度降低,配准偏移值的估计存在偏差。为减小相干性对ESD(增强谱分集)的影响,应避免利用单主影像方式进行影像精配准。在此背景下,小基线集式的时序影像配准方式减小了时间去相干对增强谱分集的影响,也增强了增强谱分集计算偏移值的鲁棒性,但该方法仍存在两个方面的问题:(1)多像对造成了配准效率的下降;(2)干涉对噪声特征各异,导致方位向配准偏移量的估计精度受限于低相干性区域。
发明内容
发明目的:本发明的目的在于提供一种基于最小生成树的InSAR时序影像集合的配准方法,使影像集合方位向配准精度到达0.001像元以减少时序分析过程中的配准误差。
技术方案:本发明所述的一种基于最小生成树的InSAR时序影像集合的配准方法,包括以下步骤:
(1)对原始N幅SAR图像数据序列进行几何配准,获得单视复数影像序列;
(2)在单视复数影像序列基础上进行同质点的选取,获得同质区域;
(3)进行N(N-1)/2幅干涉图的精确相干性估计;
(4)计算出所有干涉图的平均相干性作为路径长度集合,利用最小生成树算法生成最优配准集合;
(5)进行增强谱分集计算方位向残余配准量序列,增强谱分集的过程中,利用3)计算出的精确相干性进行相干点的筛选;
(6)在最小生成树图论的基础上生成设计矩阵,将配准残余序列作为观测矩阵,并结合迭代重加权最小二乘进行平差解算得到准确的偏移量;
(7)根据步骤(6)中准确的方位向配准偏移量进行所有影像的配准校正。
步骤(1)所述的几何配准采用数字高程模型与卫星精密轨道进行粗配准。
步骤(2)所述的同质区域是采用Baumgartner-weiB-Schindler非参数检验进行同质像元的选取获得。
步骤(3)所述的精确相干性估计通过以下公式实现:
步骤(4)所述的利用最小生成树算法生成最优配准几何通过以下公式实现:
其中,fovl为上下波束的多普勒质心频率差,τ为方位向时间间隔,采用干涉相位差的标准差来表示,γ为计算出平均相干性,N为计算相干性时窗口中独立像元个数,忽略相邻波束之间干涉相位协方差方位向配准偏移量中误差σΔx简化为
有益效果:与现有技术相比,本发明的有益效果:1、在InSAR时序图像的基础上,利用BWS非参数检验方法将每个空间像素的空间相似邻域像素挑选出来进行精确的相干性估计,避免了增强谱分集过程中选取误差点;2、在生成配准集合过程中使用最小生成树算法,将干涉图的平均相干性作为最小生成树长度的参数,使得生成的最小生成树保证配准集合的相干性最大化;3、利用迭代重加权最小二乘计算出精确至0.001像元精度的方位向偏移值,实现InSAR时序影像的精配准。
附图说明
图1为本发明的流程图;
图2为本发明利用最小生成树算法生成的最优配准集合图;
图3为NESD方法精配准迭代100次残余值的箱式图;
图4为本发明精配准迭代100次残余值的箱式图;
图5为NESD计算出的偏移值进行精配准后的结果图;
图6为本发明计算出的偏移值进行精配准后的结果图;
图7为采用NESD后干涉图波束重叠区域的残余配准偏移值;
图8为采用本发明后干涉图波束重叠区域的残余配准偏移值。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1为本发明的流程图,一种基于最小生成树的InSAR时序影像集合的配准方法,具体步骤如下:
(1)对原始SAR图像数据序列进行预处理,采用复数取模的平方获得单视SAR强度图像序列。
(2)对预处理后的单视SAR强度图像序列进行粗配准,得到统一参考系统的单视SAR强度图像序列。
为了定性和定量分析本发明方法的有效性,数据采用C波段欧空局Sentinel-1A雷达卫星单极化数据,图像入射角度为34°,空间分辨率为5m×20m(距离向×方位向)。
(3)在粗配准后的单视SAR强度图像基础下,利用Baumgartner-weiB-Schindler(BWS)非参数假设检验获得窗口中相同质地的点。
(4)利用同质点进行相干性估计的过程具体:对于干涉对中主辅影像对应的影像对应的雷达脉冲S1和S2,根据以下相干性估计器进行估计:
(5)采用最小生成树算法中的Prim算法,将配准标准差σΔx的平方作为路径长度进行最优配准集的搜索:
其中,fovl代表上下波束的多普勒质心频率差,τ为方位向时间间隔,通常采用干涉相位差的标准差来表示,γ为计算出平均相干性,N为计算相干性时窗口中独立像元个数,由于雷达波束重叠区域干涉相位的噪声部分互不相关,忽略相邻波束之间干涉相位协方差方位向配准偏移量中误差σΔx简化为生成的最优配准集如图2所示。
(6)结合最优配准集及相干性进行精配准,精配准过程中利用相干性选取稳定的相干点计算残余配准偏移值。为了定性定量分析配准精度,利用迭代重加权最小二乘得出的时序偏移值结果,在前一次精配准影像上不断迭代获取残余配准偏移值。选取相干性大于0.4的点进行配准偏移量的估计,为表示残余配准偏移量的离散程度,图3、图4分别为NESD和本发明100次精配准迭代结果得到的箱式图,为了突出结果的精度,结合目前时序配准精度最高的NESD方法进行了比较。
从图3、图4可以看出,与NESD方法相比本发明的时序影像配准偏移值的收敛情况较好,能够维持在0.001像素之内。
图5至图8为NESD与本发明精配准后的结果,图5为NESD计算出的偏移值进行精配准后的结果,在雷达波束边缘位置仍存在“跳变”相位,代表精配准效果不理想,图7为NESD后干涉图波束重叠区域的残余配准偏移值,仍存在整体偏移。图6为本发明计算出的偏移值进行精配准后的结果,已无“跳变”相位存在,图8为采用本发明后干涉图波束重叠区域的残余配准偏移值,已不存在整体偏移。
迭代重加权最小二乘过程中平差设计矩阵由迪杰斯特拉算法生成的最优配准集合确定。为简化描述,统一选取首幅影像1作为基准点,仅针对后续影像2、3阐述矩阵生成过程。
(7)根据步骤6中准确的方位向配准偏移量Δx进行所有影像的配准校正,校正过程:利用phase=complex(cos(2πfovlΔx),sin(2πfovlΔx))生成的补偿复数影像经傅里叶变换后与经傅里叶变换后的初始影像共轭相乘,最终通过逆傅里叶变换获得精配准后的最终结果。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (3)
1.一种基于最小生成树的InSAR时序影像集合的配准方法,其特征在于,包括以下步骤:
(1)对原始N幅SAR图像数据序列进行几何配准,获得单视复数影像序列;
(2)在单视复数影像序列基础上进行同质点的选取,获得同质区域;
(3)进行N(N-1)/2幅干涉图的精确相干性估计;
(4)计算出所有干涉图的平均相干性作为路径长度集合,利用最小生成树算法生成最优配准集合;
(5)进行增强谱分集计算方位向残余配准量序列,增强谱分集的过程中,利用3)计算出的精确相干性进行相干点的筛选;
(6)在最小生成树图论的基础上生成设计矩阵,将配准残余序列作为观测矩阵,并结合迭代重加权最小二乘进行平差解算得到准确的偏移量;
(7)根据步骤(6)中准确的方位向配准偏移量进行所有影像的配准校正;
步骤(3)所述的精确相干性估计通过以下公式实现:
步骤(4)所述的利用最小生成树算法生成最优配准几何通过以下公式实现:
2.根据权利要求1所述的基于最小生成树的InSAR时序影像集合的配准方法,其特征在于,步骤(1)所述的几何配准采用数字高程模型与卫星精密轨道进行粗配准。
3.根据权利要求1所述的基于最小生成树的InSAR时序影像集合的配准方法,其特征在于,步骤(2)所述的同质区域是采用Baumgartner-weiB-Schindler非参数检验进行同质像元的选取获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625996.XA CN109509219B (zh) | 2018-12-28 | 2018-12-28 | 基于最小生成树的InSAR时序影像集合的配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811625996.XA CN109509219B (zh) | 2018-12-28 | 2018-12-28 | 基于最小生成树的InSAR时序影像集合的配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109509219A CN109509219A (zh) | 2019-03-22 |
CN109509219B true CN109509219B (zh) | 2022-08-26 |
Family
ID=65756806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811625996.XA Active CN109509219B (zh) | 2018-12-28 | 2018-12-28 | 基于最小生成树的InSAR时序影像集合的配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109509219B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261839B (zh) * | 2019-07-04 | 2023-02-28 | 河海大学 | 一种基于双倍样本的增强谱分集方位向偏移量估计方法 |
CN111366925B (zh) * | 2020-03-27 | 2022-11-22 | 长安大学 | 一种sar偏移量二维形变时序计算方法及系统 |
CN112068136A (zh) * | 2020-09-14 | 2020-12-11 | 广东省核工业地质局测绘院 | 一种基于幅度偏移量的方位向形变监测方法 |
CN115267781B (zh) * | 2022-09-28 | 2022-12-16 | 中山大学 | 一种基于多视SAR数据集的InSAR相干性估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126809A (zh) * | 2007-09-20 | 2008-02-20 | 西安电子科技大学 | 基于相关加权的干涉合成孔径雷达干涉相位估计方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
CN108051810A (zh) * | 2017-12-01 | 2018-05-18 | 南京市测绘勘察研究院股份有限公司 | 一种InSAR分布式散射体相位优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8279500B2 (en) * | 2011-01-27 | 2012-10-02 | Seiko Epson Corporation | System and method for integrated pair-wise registration of images using image based information and sensor coordinate and error information |
-
2018
- 2018-12-28 CN CN201811625996.XA patent/CN109509219B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126809A (zh) * | 2007-09-20 | 2008-02-20 | 西安电子科技大学 | 基于相关加权的干涉合成孔径雷达干涉相位估计方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
CN108051810A (zh) * | 2017-12-01 | 2018-05-18 | 南京市测绘勘察研究院股份有限公司 | 一种InSAR分布式散射体相位优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109509219A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509219B (zh) | 基于最小生成树的InSAR时序影像集合的配准方法 | |
De Macedo et al. | An autofocus approach for residual motion errors with application to airborne repeat-pass SAR interferometry | |
CN105974414B (zh) | 基于二维自聚焦的高分辨聚束sar自聚焦成像方法 | |
Reigber et al. | Refined estimation of time-varying baseline errors in airborne SAR interferometry | |
CN109696675B (zh) | 基于迪杰斯特拉算法的InSAR时序影像集合配准方法 | |
Jung et al. | An improvement of the performance of multiple-aperture SAR interferometry (MAI) | |
CN111896955B (zh) | 一种船载sar交轨干涉处理方法 | |
CN109633648B (zh) | 一种基于似然估计的多基线相位估计装置及方法 | |
CN107102333B (zh) | 一种星载InSAR长短基线融合解缠方法 | |
CN106093939B (zh) | 一种基于相位差统计模型的InSAR图像相位解缠方法 | |
CN111856459B (zh) | 一种改进的DEM最大似然约束多基线InSAR相位解缠方法 | |
CN110018476B (zh) | 时间差分基线集时序干涉sar处理方法 | |
CN108663678B (zh) | 基于混合整数优化模型的多基线InSAR相位解缠算法 | |
CN113030964B (zh) | 基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法 | |
CN114114181B (zh) | 基于轨道误差相位基的星载sar干涉基线矫正方法 | |
CN110703252B (zh) | 干涉合成孔径雷达阴影区域数字高程模型修正方法 | |
Li et al. | Nonhomogeneous clutter suppression based on terrain elevation interferometric phase compensation in multi-satellite formation systems | |
CN104459634A (zh) | UWB InSAR干涉相位真值计算方法 | |
Schweisshelm et al. | An adaptive filtering approach for the new tandem-x change dem | |
CN115546264A (zh) | 一种星载InSAR图像精细配准与立体测量方法 | |
Pepe | The correction of phase unwrapping errors in sequences of multi-temporal differential SAR interferograms | |
Sosnovsky | Method for Increasing of the Phase Unwrapping Efficiency by Filtering the Residual Phase Image | |
Wang et al. | An accelerate FFBP algorithm of bistatic forward-looking SAR based on azimuth equidistant coordinates | |
CN114609635B (zh) | 一种基于视频合成孔径雷达的干涉测量方法 | |
CN113589282B (zh) | 一种基于图像域变换的星载干涉成像高度计去平地效应方法 |
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 |