CN109975803B - 自动选择图像内形变参考点的方法及预处理装置 - Google Patents
自动选择图像内形变参考点的方法及预处理装置 Download PDFInfo
- Publication number
- CN109975803B CN109975803B CN201711470822.6A CN201711470822A CN109975803B CN 109975803 B CN109975803 B CN 109975803B CN 201711470822 A CN201711470822 A CN 201711470822A CN 109975803 B CN109975803 B CN 109975803B
- Authority
- CN
- China
- Prior art keywords
- point
- parameter
- deformation
- coherent scattering
- points
- 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
- 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
- G01S13/9094—Theoretical aspects
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)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种自动选择图像内形变参考点的方法及形变结果获取预处理装置,其中该方法包括:获取相同地表区域不同时间的多幅图像,确定多个相干散射点;依据所述相干散射点,确定所述多个相干散射点的以下至少一参数:密度参数、中心偏移程度参数、幅度的稳定性和形变高程综合稳定性参数;综合所述至少一参数得到相干散射点的质量评价参数;以及选取质量评价参数高于设定阈值的相干散射点作为待选参考点,或者选取质量评价参数最高的相干散射点作为参考点。
Description
技术领域
本发明涉及图像处理领域,进一步涉及选择自动选择图像内形变参考点方法,以及依赖该方法的一种形变结果获取预处理装置。
背景技术
时序干涉合成孔径雷达(Time Series Synthetic Aperture RadarInterferometry,TSInSAR)技术主要利用星载遥感合成孔径雷达(Synthetic ApertureRadar,SAR)图像进行地表形变监测,能够有效监测微小形变值,具有监测范围大、效率高、成本低、精度高达毫米级等优点,在城市沉降监测、山体滑坡监测、地震形变、矿区沉降、冰川漂移等领域有广泛应用。
选择参考点是TSInSAR处理步骤中的重要一步。在相位解缠、形变解算、高程误差解算等过程中,由于相位的模糊,只能求得相对的参数量值,可理解为最终获取的形变结果都是相对于该参考点的,所以选择一个稳定的参考点至关重要。若选择参考点质量太差甚至错误的话,会引入不必要的误差,对最终结果有很大影响,可能得到精度很低的形变结果,甚至完全错误的结果。图1和图2对比了选择采用正确的参考点(如图1所示)与错误的参考点(如图2所示)进行求解的结果,图1中,根据标示的参考点,得出机场附近的形变图,其中机场跑道形变小于3毫米/年,符合国际通航标准,航站楼形变较大,达到20毫米/年;图2中,根据标示的参考点,得出机场附件的形变图,其中机场跑道沉降每年达到20mm,而且有跳变,显然不合理,可以看到错误的参考点使得最终形变结果完全错误。
发明内容
(一)要解决的技术问题
有鉴于此,本发明的目的在于提供一种自动选择图像形变参考点方法以及形变结果获取装置,以至少部分解决以上所述的技术问题。
(二)技术方案
根据本发明的一方面,提供一种自动图像选择形变参考点的方法,包括:
获取相同地表区域的不同时间的多幅图像,确定多个相干散射点;
依据所述相干散射点,确定所述多个相干散射点的以下至少一参数:密度参数、中心偏移程度参数、幅度的稳定性和形变高程综合稳定性参数;
综合所述至少一参数得到相干散射点的质量评价参数;
选取质量评价参数高于设定阈值的相干散射点作为待选参考点,或者选取质量评价参数最高的相干散射点作为参考点。
在进一步的实施方式中,所述密度参数的确定方式包括:依据选择的相干散射点{P1,P2,,...,PN},确定每一个点对应的坐标为{X1,X2,,...,XN};依据下式逐点确定设定窗口内相干散射点X的密度参数fd(X):
其中IW(X)是示性函数,表示若点X在窗口W内其值为1,否则为0,NW表示设定窗口的大小。
在进一步的实施方式中,所述中心偏移程度参数的确定方式包括:依据下式逐点确定相干散射点的中心偏移程度参数fc(X):
其中,Nx和Ny表示图像的大小,x,y分别为相干散射点的横坐标和纵坐标。
在进一步的实施方式中,所述幅度的稳定性的确定方式包括:设定在不同时间的有M幅图像;同一个相干散射点在不同时间的散射特性表现有一定的波动特性,逐点确定幅度的稳定性fp(X):
其中,Ampi(X)表示相干散射点在第i幅影像上的幅度。
在进一步的实施方式中,所述形变高程综合稳定性参数的确定方式包括:依据下式逐点确定形变高程综合稳定性fs(X):
其中,NW表示设定窗口的大小,其中IW(X)是示性函数,表示若相干散射点X在窗口W内其值为1,否则为0;Δv和Δε表示两点之间的形变速率和高程误差值;γXXi表示当前相干散射点与附近任一相干散射点两个点在时间和空间基线上关于形变速率与高程误差的拟合程度,又叫相干性系数,作为加权系数,γXXi用如下公式表示:
在进一步的实施方式中,综合所述至少一参数得到相干散射点的质量评价参数包括:
依据综合密度参数fd(X)、中心偏移程度参数fc(X)、幅度的稳定性参数fp(X)和形变高程综合稳定性参数fs(X),根据以下公式确定质量评价参数qpX;
qpX=F(fd(X),fc(X),fp(X),fs(X)) (6)
其中,函数F()的形式为线性叠加模型:
qpX=α1fd(X)+α2fc(X)+β1fp(X)+β2fs(X) (7)
其中α1、α2、β1、β2为经验参数,满足:
α1+α2+β1+β2=1 (8)
在进一步的实施方式中,所述图像为星载遥感SAR图像。
在进一步的实施方式中,依据选取的参考点获取相同地表区域的不同时间的形变结果图。
在进一步的实施方式中,所述至少一参数为:密度参数、中心偏移程度参数、幅度的稳定性和形变高程综合稳定性。
根据本发明的另一方面,提供一种形变结果获取预处理装置,包括:存储器,用于存储指令和相同地表区域的不同时间的多幅图像;处理器,用于执行所述指令,在执行指令时实施以上任一所述方法。
(三)有益效果
本发明可以完全依赖于形变结果获取装置进行参考点选取,实现自动化,不需要人工干预,大大提高了效率;
本发明的参考点选取办法,综合了各种CS点参数,结果准确可靠;
根据本发明的参考点选取办法,几个参数都是逐点计算,方便用现在的各种并行算法和硬件进行优化加速;
本发明的参考点选取办法,最终的质量评价参数是几个参数的线性叠加,便于移植、扩展和调试。
附图说明
图1为采用正确参考点得到的形变结果。
图2为采用错误参考点得到的形变结果。
图3为获取相干散射点密度参数示意图。
图4为本发明实施例中心偏移程度参数的相关二维升余弦函数示意图。
图5为本发明实施例选择参考点获取方法流程图。
图6为本发明实施例的选择参考点的结果。
图7用本发明实施例选择出的参考点求解的形变结果图。
图8为本发明实施例的一种形变结果获取预处理装置。
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明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
根据本发明的基本构思,为解决现有的选择参考点方法的缺点,提出了一种自动选择参考点的方法。
这里根据实际应用我们列举出选择参考点的准则:(1)参考点尽量在CS点密集的地方;(2)参考点尽量在场景中心;(3)参考点的质量高,具有稳定的散射特性;(4)参考点是稳定的,其形变在整个时间序列上约等于零,高程误差也为零。为了方便自动化分析我们需要把上述准则转换为数学描述语言:相对应的即获取以下的密度参数、中心偏移程度参数、幅度的稳定性和形变高程综合稳定性;其中密度参数越高,表示处于CS点越密集的地方;
参见图5所示,图5为本发明实施例选择参考点方法流程图。本发明实施例提供一种选择图像内形变参考点的方法,包括:
获取相同地表区域的不同时间的多幅图像,确定多个相干散射点;
依据所述相干散射点(CS点),确定所述多个相干散射点的以下至少一参数:密度参数、中心偏移程度参数、幅度的稳定性参数和形变高程综合稳定性参数;
综合所述至少一参数得到相干散射点的质量评价参数;
选取质量评价参数高于设定阈值的相干散射点作为待选参考点,或者选取质量评价参数最高的相干散射点作为参考点。
对于步骤:获取相同地表区域的不同时间的多幅图像,确定多个相干散射点。不同时间可以是间隔非等距离或等距离的时间段,该图像可以是星载遥感合成孔径雷达图像。
在一些实施例中,相干散射点的获取方式可以为振幅离差法,或者其他现有技术已知的相干散射点获取方法,本发明并不以此为限。
对于步骤:依据所述相干散射点,确定所述多个相干散射点的至少一参数,以下将结合附图进一步说明各参数的获取方式(应当说明的是,下述参数的获取并不含先后关系,本领域技术人员可根据以下所述,按任意顺序选择性获取各参数):
第一、密度参数的获取:
设根据振幅离差法选择的参考点为{P1,P2,,...,PN},每一个点对应的坐标为{X1,X2,,...,XN},我们定义fd(X)表示CS点X的密度参数:
其中IW(X)是示性函数,表示若点X在窗口W内其值为1,否则为0,NW表示该窗口的大小。如图3所示,我们定义了一个宽度是5的窗口,圆圈表示像素点,圈内的数字表示CS点的标号,空圈表示该像素不是CS点。由此我们可以计算标号为60的点的密度参数值:
第二、中心偏移程度参数的获取:
定义fc(X)表示CS点X的中心偏移程度参数:
其中,Nx和Ny表示图像的大小,中心偏移程度参数随像素位置成二维升余弦函数变化,其示意图如图4所示。
第三、幅度的稳定性获取方式:
设在整个时间序列上有M幅影像,同一个CS点在不同时间的散射特性表现有一定的波动特性,定义其幅度的稳定性fp(X)为:
其中,Ampi(X)表示CS点X在第i幅影像上的幅度,显然,对于稳定性越好的点,其幅度的稳定性的值越接近1,当完全表现为随机波动即非常不稳定的情况下其值接近于0。第四、形变高程综合稳定性的获取方式:
定义CS点的形变高程综合稳定性fs(X)为:
其中,γ表示两个点在时间和空间基线上关于形变速率与高程误差的拟合程度,又叫相干性系数,作为加权系数,Δv和Δε表示两点之间的形变速率和高程误差值,表示X点与窗口内第Xi的二次差分相位,其中,表示垂直基线,Ti表示时间基线,λ表示传输信号波长,R表示卫星天线到PS点的距离。
最后,综合各种参数得到最终的CS点的质量评价参数qPX,用此参数作为选择参考点的依据。
qPX=F(fd(X),fc(X),fp(X),fs(X)) (6)
函数F()的可选形式不唯一,可以选择一个线性叠加模型,但本发明不限于,以下的实施例采用该模型:
qPX=α1fd(X)+α2fc(X)+β1fp(X)+β2fs(X) (7)
参数α1、α2、β1、β2是根据每组数据不同而估计的经验参数,满足:
α1+α2+β1+β2=1 (8)
由于存在多个CS点,可依据以下算法步骤获取各点的相应参数:
1)逐点循环,根据定义的窗口大小计算每一个CS点X的密度参数值fd(X)。
2)逐点循环,计算每一个CS点X的中心偏移程度参数值fc(X)。
3)逐点循环,计算每一个CS点X的幅度稳定性fp(X)。
4)逐点循环,计算每一个CS点X的形变高程综合稳定性fs(X)。
对干步骤:综合所述至少一参数得到相干散射点的质量评价参数:可以综合上面四个参数得到最终的CS点的质量评价参数qpX。依据该参数对CS点进行降续排序,CS点的qpX值越大,越是可靠的参考点。将最终的参考点信息以可视化的形式输出。
对于步骤:选取质量评价参数高于设定阈值的相干散射点作为待选参考点,或者选取质量评价参数最高的相干散射点作为参考点。该步骤中,可以输出多个待选参考点,供用户结合其它参考因素综合决策最终的参考点;或者直接输出质量评价参数最高的相干散射点作为参考点。
以下将结合以具体实施例进一步说明选择图像参考点的方法:
选取的数据是巴塞罗那机场区域从2008年7月4日到2009年11月22日共24幅影像,经过前面配准、CS点选择、去平地及地形、滤波、基线估计等操作后,下一步就是要为后面形变解算和高程误差校正选择参考点。
图6为本发明实施例的选择参考点的结果运行结果输出多个高质量的参考点供用户选择,选择其中一个参考点为参考求得最终形变结果为图7所示。
显然,该方法选出的参考点是非常可靠的,并且用时仅为3分钟左右,而人工选择至少要一天,可见该方法极大提高效率,避免人为的不确定性,避免了重复工作量,结果可靠性得到最大限度提升,提升了TSInSAR技术自动化工程化程度。
如图8所示,本发明实施例还提供一种形变结果获取预处理装置,包括:
存储器,用于存储指令和相同地表区域的不同时间的多幅图像;
处理器,用于执行所述指令,在执行指令时实施以上实施例所述选择图像内形变参考点的方法。这里的装置实体上可以为一处理终端(包括但不限于服务器、个人计算机、手机或者平板电脑)。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种自动选择图像内形变参考点的方法,其特征在于包括:
获取相同地表区域的不同时间的多幅图像,确定多个相干散射点;
依据所述相干散射点,确定所述多个相干散射点的以下至少一参数:密度参数、中心偏移程度参数、幅度的稳定性和形变高程综合稳定性参数;
综合所述至少一参数得到相干散射点的质量评价参数;
选取质量评价参数高于设定阈值的相干散射点作为待选参考点,或者选取质量评价参数最高的相干散射点作为参考点;
其中,所述密度参数的确定方式包括:
依据选择的相干散射点{P1,P2,...,PN},确定每一个点对应的坐标为{X1,X2,...,XN};
依据下式逐点确定设定窗口内相干散射点X的密度参数fd(X):
其中IW(X)是示性函数,表示若点X在窗口W内其值为1,否则为0,NW表示设定窗口的大小;
其中,所述中心偏移程度参数的确定方式包括:
依据下式逐点确定相干散射点的中心偏移程度参数fc(X):
其中,Nx和Ny表示图像的大小,x,y分别为相干散射点的横坐标和纵坐标;
其中,所述幅度的稳定性的确定方式包括:
设定在不同时间的有M幅图像;
同一个相干散射点在不同时间的散射特性表现有一定的波动特性,逐点确定幅度的稳定性fp(X):
其中,Ampi(X)表示相干散射点在第i幅影像上的幅度;
其中,所述形变高程综合稳定性参数的确定方式包括:
依据下式逐点确定形变高程综合稳定性fs(X):
其中,NW表示设定窗口的大小,其中IW(X)是示性函数,表示若相干散射点X在窗口W内其值为1,否则为0;Δv和Δε表示两点之间的形变速率和高程误差值;表示当前相干散射点与附近任一相干散射点两个点在时间和空间基线上关于形变速率与高程误差的拟合程度,又叫相干性系数,作为加权系数,用如下公式表示:
其中,综合所述至少一参数得到相干散射点的质量评价参数包括:
依据综合密度参数fd(X)、中心偏移程度参数fc(X)、幅度的稳定性参数fp(x)和形变高程综合稳定性参数fs(X);
且根据以下公式确定质量评价参数qpx;
qpX=F(fd(X),fc(X),fp(X),fs(X)) (6)
其中,函数F()的形式为线性叠加模型:
qpX=α1fd(X)+α2fc(X)+β1fp(X)+β2fs(X) (7)
其中α1、α2、β1、β2为经验参数,满足:
α1+α2+β1+β2=1 (8)。
2.根据权利要求1所述的方法,其特征在于,所述图像为星载遥感SAR图像。
3.根据权利要求1所述的方法,其特征在于还包括:依据选取的参考点获取相同地表区域的不同时间的形变结果图。
4.根据权利要求1所述的方法,其特征在于,所述至少一参数为:密度参数、中心偏移程度参数、幅度的稳定性和形变高程综合稳定性。
5.一种形变结果获取预处理装置,其特征在于包括:
存储器,用于存储指令和相同地表区域的不同时间的多幅图像;
处理器,用于执行所述指令,在执行指令时实施权利要求1-4任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711470822.6A CN109975803B (zh) | 2017-12-28 | 2017-12-28 | 自动选择图像内形变参考点的方法及预处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711470822.6A CN109975803B (zh) | 2017-12-28 | 2017-12-28 | 自动选择图像内形变参考点的方法及预处理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109975803A CN109975803A (zh) | 2019-07-05 |
CN109975803B true CN109975803B (zh) | 2023-02-03 |
Family
ID=67075601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711470822.6A Active CN109975803B (zh) | 2017-12-28 | 2017-12-28 | 自动选择图像内形变参考点的方法及预处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109975803B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003286083A1 (en) * | 2003-07-19 | 2005-02-04 | Gamma Remote Sensing Research And Consulting Ag | Method to improve interferometric signatures by coherent point scatterers |
JP2007533993A (ja) * | 2004-04-21 | 2007-11-22 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 扇ビーム干渉性散乱コンピュータ断層撮影 |
WO2012042298A1 (en) * | 2010-09-29 | 2012-04-05 | Institut National D'optique | Wavefront compensation in optical synthetic aperture imaging processors |
CN102608584B (zh) * | 2012-03-19 | 2014-04-16 | 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 |
CN106772342B (zh) * | 2017-01-11 | 2020-02-07 | 西南石油大学 | 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法 |
-
2017
- 2017-12-28 CN CN201711470822.6A patent/CN109975803B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109975803A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
James et al. | Optimising UAV topographic surveys processed with structure-from-motion: Ground control quality, quantity and bundle adjustment | |
Piermattei et al. | Use of terrestrial photogrammetry based on structure‐from‐motion for mass balance estimation of a small glacier in the Italian alps | |
Ferraz et al. | Lidar detection of individual tree size in tropical forests | |
James et al. | 3‐D uncertainty‐based topographic change detection with structure‐from‐motion photogrammetry: precision maps for ground control and directly georeferenced surveys | |
Woodget et al. | Subaerial gravel size measurement using topographic data derived from a UAV‐SfM approach | |
Nouwakpo et al. | Assessing the performance of structure‐from‐motion photogrammetry and terrestrial LiDAR for reconstructing soil surface microtopography of naturally vegetated plots | |
Wang et al. | A region-growing approach for automatic outcrop fracture extraction from a three-dimensional point cloud | |
US9082008B2 (en) | System and methods for feature selection and matching | |
JP6696083B2 (ja) | 領域変位算出システム、領域変位算出方法、及び領域変位算出プログラム | |
US20150199556A1 (en) | Method of using image warping for geo-registration feature matching in vision-aided positioning | |
JP2014523572A (ja) | 地図データの生成 | |
Báčová et al. | A GIS method for volumetric assessments of erosion rills from digital surface models | |
Konrad et al. | Localization in digital maps for road course estimation using grid maps | |
CN114755661A (zh) | 一种移动激光扫描系统参数标定方法及标定装置 | |
US20080270031A1 (en) | Geospatial modeling system providing data thinning of geospatial data points and related methods | |
KR101092250B1 (ko) | 레인지 영상으로부터의 객체 분할 장치 및 방법 | |
Mirko et al. | Assessing the Impact of the Number of GCPS on the Accuracy of Photogrammetric Mapping from UAV Imagery | |
Zahs et al. | Multi‐temporal 3D point cloud‐based quantification and analysis of geomorphological activity at an alpine rock glacier using airborne and terrestrial LiDAR | |
Betz-Nutz et al. | Development of the morphodynamics on Little Ice Age lateral moraines in 10 glacier forefields of the Eastern Alps since the 1950s | |
CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
CN109975803B (zh) | 自动选择图像内形变参考点的方法及预处理装置 | |
RU2683626C1 (ru) | Способ идентификации опорных точек на космических изображениях местности при их трансформировании | |
Smith et al. | The Cookie Cutter: a method for obtaining a quantitative 3D description of glacial bedforms | |
Höhle | The assessment of the absolute planimetric accuracy of airborne laserscanning | |
CN116310901A (zh) | 一种基于低空遥感的泥石流物源动态运移识别方法 |
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 |