CN110456347A - 地形测量方法、装置、计算机设备和存储介质 - Google Patents

地形测量方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110456347A
CN110456347A CN201910768073.8A CN201910768073A CN110456347A CN 110456347 A CN110456347 A CN 110456347A CN 201910768073 A CN201910768073 A CN 201910768073A CN 110456347 A CN110456347 A CN 110456347A
Authority
CN
China
Prior art keywords
matrix
target image
spaced phases
pair
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.)
Granted
Application number
CN201910768073.8A
Other languages
English (en)
Other versions
CN110456347B (zh
Inventor
梁鸿俞
张磊
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.)
Shenzhen Yijian Space Technology Co Ltd
Original Assignee
Shenzhen Yijian Space Technology Co Ltd
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 Shenzhen Yijian Space Technology Co Ltd filed Critical Shenzhen Yijian Space Technology Co Ltd
Priority to CN201910768073.8A priority Critical patent/CN110456347B/zh
Publication of CN110456347A publication Critical patent/CN110456347A/zh
Application granted granted Critical
Publication of CN110456347B publication Critical patent/CN110456347B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

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)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种地形测量方法、装置、计算机设备和存储介质。方法包括：从至少两幅候选图像中获取至少一对目标图像；获取每一对目标图像的空间基线；空间基线是卫星在拍摄目标图像时的位置信息的位置差值；将每一对目标图像进行时序转换，得到间隔相位矩阵；间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔；对间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；将第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。上述地形测量方法、装置、计算机设备和存储介质能够提高测量地形误差的精度。

Description

地形测量方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种地形测量方法、装置、计算机设备和存储介质。
背景技术
InSAR(Interferometric Synthetic Aperture Radar，合成孔径干涉雷达)，是一种应用于测绘和遥感的雷达技术。这种测量方法使用两幅或者多幅合成孔径雷达影像图，根据卫星或者飞机接收到的回波的相位差生成地形误差或者地表形变图。InSAR作为一种新型的遥感测绘技术，目前已被广泛应用于大范围厘米级到毫米级的地表形变监测，例如地震、火山和滑坡等。传统InSAR技术使用两景SAR影像做差分干涉从而得到地表形变信息。
然而，传统的对地形形变信息进行测量的方法，存在测量不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高准确性的地形测量方法、装置、计算机设备和存储介质。
一种地形测量方法，所述方法包括：
从至少两幅候选图像中获取至少一对目标图像；
获取每一对目标图像的空间基线；所述空间基线是卫星在拍摄目标图像时的位置信息的位置差值；
将每一对目标图像进行时序转换，得到间隔相位矩阵；所述间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔；
对所述间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；所述第二矩阵中的每个行向量表示一种信号分量，所述信号分量中包括地形误差分量；所述第一矩阵中的每个列向量表示相对贡献因子，所述相对贡献因子用于表示第二矩阵中对应的行向量在所述间隔相位矩阵中的贡献程度；
将所述第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。
在其中一个实施例中，所述从至少两幅候选图像中获取至少一对目标图像，包括：
获取至少两幅候选图像的拍摄时刻；
将所述候选图像的拍摄时刻两两进行比较，得到拍摄时刻差值；
当所述拍摄时刻差值小于所述时长阈值时，将所述拍摄时刻差值对应的两幅候选图像作为一对目标图像；或
获取卫星在拍摄所述候选图像时的位置信息；
将所述候选图像对应的位置信息两两进行比较，得到每一对候选图像的空间基线；
当一对候选图像的空间基线小于距离阈值时，将所述空间基线对应的一对候选图像作为一对目标图像。
在其中一个实施例中，所述将每一对目标图像进行时序转换得到间隔相位矩阵，包括：
将每一对目标图像输入线性转换模型，得到每一对目标图像的间隔相位；所述间隔相位是两幅图像拍摄时刻对应的时间间隔的相位；
将每一对目标图像的间隔相位进行合成得到间隔相位矩阵。
在其中一个实施例中，所述方法还包括：
获取至少两幅参考图像，以及相邻两幅参考图像之间的间隔相位；
根据相邻两幅参考图像之间的间隔相位，得到至少两幅参考图像中任意两幅参考图像的间隔相位；
根据所述至少两幅参考图像，以及任意两幅参考图像的间隔相位构建线性转换模型。
在其中一个实施例中，所述方法包括：
识别每一对目标图像的间隔相位；
根据各个目标图像的拍摄时刻，将所述每一对目标图像的间隔相位进行排序；
当排序后的所述间隔相位存在不相邻时，将所有间隔相位分成至少两个间隔相位子集；每个所述间隔相位子集中的间隔相位相邻；
针对每个所述间隔相位子集，建立每个间隔相位对应的线性转换模型。
在其中一个实施例中，所述对所述间隔相位矩阵进行分解，得到第一矩阵和第二矩阵，包括：
确定所述间隔相位矩阵的每一个列向量所包含的元素的平均值；
将所述间隔相位矩阵中的每一个元素减去所在的列向量的平均值，得到中心化矩阵；
基于所述间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵；
将所述中心化矩阵与所述白化矩阵相乘，得到白化后的间隔相位矩阵；所述白化后的间隔相位矩阵的列向量方差为1；
对所述白化后的间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；
其中，所述地形误差分量的确定方式，包括：
确定所述第一矩阵中的每一个列向量与所有对目标图像的空间基线的相关性；
将所述第一矩阵中相关性的绝对值最大的列向量作为目标列向量，将所述目标列向量对应的第二矩阵中的行向量作为地形误差分量。
在其中一个实施例中，所述将所述第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差，包括：
获取所述每一对目标图像的空间基线与所述目标列向量的线性关系，通过所述线性关系得到所述每一对目标图像的空间基线与所述目标列向量的转换因子；
对所述目标列向量与所述每一对目标图像的空间基线进行假设检验；
当假设检验通过时，将所述转换因子与所述第二矩阵中的地形误差分量对应的行向量进行相乘，得到地形误差图；
当假设检验不通过时，增大特征值数量，执行所述基于所述间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵步骤。
一种地形测量装置，所述装置包括：
目标图像获取模块，用于从至少两幅候选图像中获取至少一对目标图像；
空间基线获取模块，用于获取每一对目标图像的空间基线；所述空间基线是卫星在拍摄目标图像时的位置信息的位置差值；
时序转换模块，用于将每一对目标图像进行时序转换，得到间隔相位矩阵；所述间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔；
分解模块，用于对所述间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；所述第二矩阵中的每个行向量表示一种信号分量，所述信号分量中包括地形误差分量；所述第一矩阵中的每个列向量表示相对贡献因子，所述相对贡献因子用于表示第二矩阵中对应的行向量在所述间隔相位矩阵中的贡献程度；
地形误差获取模块，用于将所述第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述地形测量方法、装置、计算机设备和存储介质，从至少两幅候选图像中获取至少一对目标图像；获取每一对目标图像的空间基线；空间基线是卫星在拍摄目标图像时的位置信息的位置差值；将每一对目标图像进行时序转换，得到间隔相位矩阵；间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔；对间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；第二矩阵中的每个行向量表示一种信号分量，信号分量中包括地形误差分量；第一矩阵中的每个列向量表示相对贡献因子，相对贡献因子用于表示第二矩阵中对应的行向量在间隔相位矩阵中的贡献程度；将第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。利用地形误差在空间上具有恒定相对关系这一特征，从第二矩阵中提取地形误差分量对应的行向量与每一对目标图像的空间基线、第一矩阵中地形误差分量对应的列向量进行运算，可以得到更加准确的地形误差，提高了测量地形误差的精度。
附图说明
图1为一个实施例中地形测量方法的流程示意图；
图2为一个实施例中时序转换的示意图；
图3为一个实施例中间隔相位矩阵分解的示意图；
图4为另一个实施例中地形测量方法的示意图；
图5为一个实施例中地形测量装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种地形测量方法，包括以下步骤：
步骤102，从至少两幅候选图像中获取至少一对目标图像。
候选图像指的是拍摄的地形的图像。候选图像可以是SAR(Synthetic ApertureRadar，合成孔径雷达)图像，SAR图像可以通过卫星、宇宙飞船进行拍摄，可以在飞机上进行拍摄还可以通过雷达进行扫描得到，不限于此。
目标图像指的是从候选图像中获取的图像。目标图像成对存在，即从至少两幅候选图像中获取至少一对目标图像。在一个实施例中，可以获取每一幅候选图像的拍摄时刻，根据每一幅候选图像的拍摄时刻从至少两幅候选图像中获取至少一对目标图像。在另外一个实施例中，可以获取拍摄装置拍摄每一幅候选图像时的空间地理位置，根据每一幅候选图像对应的地理位置从至少两幅候选图像中获取至少一对目标图像。在其他实施例中，还可以通过其他方式从至少两幅候选图像中获取至少一对目标图像，不限于此。
步骤104，获取每一对目标图像的空间基线；空间基线是卫星在拍摄目标图像时的位置信息的位置差值。
可以理解的是，卫星在拍摄每一幅图像时，可以生成卫星所处位置的位置信息。位置信息可以包括经纬度、海拔高度等。位置信息可以存储在目标图像中。每一对目标图像的空间基线指的是两幅图像对应的位置信息的位置差值。通过每一对目标图像的空间基线，可以得到卫星在拍摄每一对目标图像时的位置差值。例如，一对目标图像中包括了目标图像A和目标图像B，卫星在拍摄目标图像A时的位置信息：经纬度为66°33'38"N，海拔高度为1500米；卫星在拍摄目标图像B时的位置信息：经纬度为64°33'38"N，海拔高度为1500米。因此，目标图像A和目标图像B的空间基线为2°。
具体地，获取每一对目标图像中的两幅目标图像各自的位置信息，将每一对目标图像中的两幅目标图像各自的位置信息进行差值运算，得到每一对目标图像的空间距离基线。其中，位置信息指的是卫星在拍摄目标图像时的位置信息。
步骤106，将每一对目标图像进行时序转换，得到间隔相位矩阵；间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔。
间隔相位是两幅图像的拍摄时刻对应的时间间隔的相位。矩阵(Matrix)指的是一个按照长方阵列排列的复数或实数集合。间隔相位矩阵中包含的元素用于表示间隔相位，而间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔。
将每一对目标图像进行时序转换，得到间隔相位矩阵，可以提高运算的效率，并且减少了每一对目标图像对运算参数的影响。
在一个实施例中，将每一对目标图像进行时序转换，也可以得到间隔相位集合。如图2所示，202为若干对目标图像的集合，其中，204为一个点，用于表示一幅目标图像，206为两个点之间的路径，用于表示一对目标图像。则将202若干对目标图像的集合进行时序转换，可以得到间隔相位的集合208。其中，210为一个点，用于表示一幅目标图像，212为两个点之间的路径，用于表示一对目标图像。
步骤108，对间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；第二矩阵中的每个行向量表示一种信号分量，信号分量中包括地形误差分量；第一矩阵中的每个列向量表示相对贡献因子，相对贡献因子用于表示第二矩阵中对应的行向量在间隔相位矩阵中的贡献程度。
可以理解的是，每一对目标图像包含的信号除去地形形变，还由多个独立信号组成，如地形误差、大气延迟、轨道误差、噪声、每一对目标图像的拍摄时刻的差值、每一对目标图像的空间基线等等，不限于此。而间隔相位矩阵中也包含了这些因素，因此将间隔相位矩阵进行分解，得到第一矩阵和第二矩阵。
其中，第二矩阵的每个行向量表示一种信号分量，信号分量即地形误差、大气延迟、轨道误差、噪声、每一对目标图像的拍摄时刻的差值、每一对目标图像的空间基线等。而第一矩阵中的每个列向量表示相对贡献因子，相对贡献因子用于表示第二矩阵中对应的行向量在间隔相位矩阵中的贡献程度。
例如，第一矩阵中的第1列表示的相对贡献因子为0.1，表示第二矩阵的第1行的行向量在间隔相位矩阵中的贡献程度为0.1，即第1行的行向量对应的信号分量在间隔相位矩阵中的贡献程度为0.1。又如，第一矩阵中的第3列表示的相对贡献因子为0.3，表示第二矩阵的第3行的行向量在间隔相位矩阵中的贡献程度为0.3，即第3行的行向量对应的信号分量在间隔相位矩阵中的贡献程度为0.3。
步骤110，将第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。
地形误差指的是测量得到的地形与实际的地形存在的误差。当地形误差比较大时，表示测量得到的地形与实际的地形存在较大的差别；当地形误差比较小时，表示测量得到的地形与实际的地形较相近。
在第二矩阵中，包含了地形误差分量对应的行向量。利用地形误差在空间上具有恒定相对关系这一特征，从第二矩阵中提取地形误差分量对应的行向量与每一对目标图像的空间基线、第一矩阵中地形误差分量对应的列向量进行运算，可以得到更加准确的地形误差。
上述地形测量方法，从至少两幅候选图像中获取至少一对目标图像；获取每一对目标图像的空间基线；空间基线是卫星在拍摄目标图像时的位置信息的位置差值；将每一对目标图像进行时序转换，得到间隔相位矩阵；间隔相位矩阵表示每一对目标图像对应的拍摄时间的间隔；对间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；第二矩阵中的每个行向量表示一种信号分量，信号分量中包括地形误差分量；第一矩阵中的每个列向量表示相对贡献因子，相对贡献因子用于表示第二矩阵中对应的行向量在间隔相位矩阵中的贡献程度；将第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。利用地形误差在空间上具有恒定相对关系这一特征，从第二矩阵中提取地形误差分量对应的行向量与每一对目标图像的空间基线、第一矩阵中地形误差分量对应的列向量进行运算，可以得到更加准确的地形误差，提高了测量地形误差的精度。
在一个实施例中，从至少两幅候选图像中获取至少一对目标图像，包括：获取至少两幅候选图像的属性信息；将候选图像的属性信息两两进行比较，得到差值；当差值小于阈值时，将差值对应的两幅候选图像作为一对目标图像。
候选图像的属性信息可以是候选图像的拍摄时刻、卫星在拍摄候选图像时的位置信息、候选图像的标识、候选图像的数据量，不限于此。
具体地，获取至少两幅候选图像的属性信息后，从至少两幅候选图像中选取两幅候选图像，并将选取的两幅候选图像的属性信息进行比较，得到差值。当比较得到的差值小于阈值时，则将选取的两幅候选图像作为一对目标图像。其中，进行比较的两幅候选图像的属性信息，可以是以下的至少一种：候选图像的拍摄时刻、卫星在拍摄候选图像时的位置信息、候选图像的标识、候选图像的数据量等，具体用于比较的属性信息可以根据用户需要进行设定。
上述地形测量方法，获取至少两幅候选图像的属性信息，将候选图像的属性信息两两进行比较，得到差值，当差值小于阈值时，将差值对应的两幅候选图像作为一对目标图像，可以更加准确地获取每一对目标图像，从而更加准确地测量地形误差。
在一个实施例中，属性信息包括候选图像的拍摄时刻，以及卫星在拍摄候选图像时的位置信息；将候选图像的属性信息两两进行比较，得到差值，包括：将候选图像的拍摄时刻两两进行比较，得到拍摄时刻差值；将候选图像对应的位置信息两两进行比较，得到每一对候选图像的空间基线。阈值包括时长阈值和距离阈值；当差值小于阈值时，将差值对应的两幅候选图像作为一对目标图像，包括：当拍摄时刻差值小于时长阈值时，将拍摄时刻差值对应的两幅候选图像作为一对目标图像；或当一对候选图像的空间基线小于距离阈值时，将空间基线对应的一对候选图像作为一对目标图像。
InSAR是一种相干测量技术，即保证两次雷达回波的噪声水平尽可能一致，当一对目标图像的拍摄时刻差值越小时，则地形特征在两幅目标图像中的变化越小，雷达回波一致性高，噪声水平也较一致；当一对目标图像的空间基线越小时，则雷达回波反射特征一致，噪声水平也一致。
因此，在一个实施例中，可以将拍摄时刻差值小于时长阈值的两幅候选图像作为一对目标图像。在另外一个实施例中，可以将空间基线小于位置阈值的一对候选图像作为一对目标图像。在其他的实施例中，还可以将拍摄时刻差值小于时长阈值，并且空间基线小于位置阈值的两幅候选图像作为一对目标图像。
上述地形测量方法，将拍摄时刻差值对应的两幅候选图像作为一对目标图像，或者将空间基线小于位置阈值的一对候选图像作为目标图像，可以获取噪声水平更一致的目标图像，从而更加准确地测量地形误差。
在一个实施例中，将每一对目标图像进行时序转换得到间隔相位矩阵，包括：将每一对目标图像输入线性转换模型，得到每一对目标图像的间隔相位；间隔相位是两幅图像拍摄时刻对应的时间间隔的相位；将每一对目标图像的间隔相位进行合成得到间隔相位矩阵。
线性转换模型指的是由若干个线性方程组成的模型，其中，每一个线性方程用于表示每一对目标图像与间隔相位的线性关系。线性转换模型可以预先构建，也可以当获取到若干对目标图像和对应的间隔相位时进行构建，不限于此。
在一个实施例中，可以采用最小二乘法求解线性方程。其中，最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
在本实施例中，将每一对目标图像的间隔相位进行合成，可以得到间隔相位矩阵。在另外一个实施例中，可以根据每一对目标图像的间隔相位，生成间隔相位集合。在间隔相位集合中，可以将各个间隔相位按照数值的大小进行排序，也可以从每一对目标图像中获取其中一幅目标图像的拍摄时刻，按照获取的拍摄时刻将对应的间隔相位进行排序，还可以是其他的排序方法，不限于此。
上述地形测量方法，将每一对目标图像输入线性转换模型，得到每一对目标图像的间隔相位，再将每一对目标图像的间隔相位进行合成得到间隔相位矩阵。
在一个实施例中，上述方法还包括：获取至少两幅参考图像，以及相邻两幅参考图像之间的间隔相位；根据相邻两幅参考图像之间的间隔相位，得到至少两幅参考图像中任意两幅参考图像的间隔相位；根据至少两幅参考图像，以及任意两幅参考图像的间隔相位构建线性转换模型。
间隔相位是两幅图像的拍摄时刻对应的时间间隔的相位。可以获取相邻的两幅参考图像之间的间隔相位，再根据相邻两幅参考图像之间的间隔相位，得到至少两幅参考图像中任意两幅参考图像的间隔相位。
具体地，可以预先对至少两幅参考图像进行排列，并获取相邻的两幅参考图像之间的间隔相位。当选取任意两幅参考图像时，获取排列在该两幅参考图像的中间图像的间隔相位，将各个间隔相位进行相加，可以得到任意两幅参考图像的间隔相位。
例如，有N+1幅参考图像，获取相邻的两幅参考图像之间的间隔相位，则存在N个间隔相位。选取任意两幅参考图像，如第1幅参考图像和第4幅参考图像，则第1幅参考图像和第4幅参考图像之间的间隔相位为：第1幅参考图像和第2幅参考图像之间的间隔相位、第2幅参考图像和第3幅参考图像之间的间隔相位和第3幅参考图像和第4幅参考图像之间的间隔相位之和。
利用多个目标图像之间的相互关系以及地形误差的空间模式与其他信号相互独立的特点，减少了在时间域上对目标图像的数量的要求，并且也无需限制目标图像在时间上连续。
在一个实施例中，还可以根据至少两幅候选图像构建线性转换模型，即获取至少两幅候选图像，以及相邻两幅候选图像之间的间隔相位；根据相邻两幅候选图像之间的间隔相位，得到至少两幅候选图像中任意两幅候选图像的间隔相位；根据至少两幅候选图像，以及任意两幅候选图像的间隔相位构建线性转换模型。
可以理解的是，候选图像可以与参考图像相同，也可以与参考图像不同，不限于此。
在一个实施例中，识别每一对目标图像的间隔相位；根据各个目标图像的拍摄时刻，将每一对目标图像的间隔相位进行排序；当排序后的间隔相位存在不相邻时，将所有间隔相位分成至少两个间隔相位子集；每个间隔相位子集中的间隔相位相邻；针对每个间隔相位子集，建立每个间隔相位对应的线性转换模型。
每一对目标图像的间隔相位可以存储在对应的一对目标图像中。识别每一对目标图像的间隔相位，并获取每一对目标图像的间隔相位。
根据各个目标图像的拍摄时刻，可以按照拍摄时刻的顺序，将每一对目标图像的间隔相位进行排序，也可以按照拍摄时刻的倒序，将每一对目标图像的间隔相位进行排序，还可以按照其他的方式进行排序，不限于此。
当排序后的间隔相位不相邻时，即排序后的一对目标图像与另一对目标图像不相邻。例如，排序后的第1个间隔相位对应的一对目标图像时第1幅目标图像和第3幅目标图像，排序后的第2个间隔相位对应的一对目标图像时第5幅目标图像和第7幅目标图像，则第3幅目标图像与第5幅目标图像不相邻，第1个间隔相位与第2个间隔相位也不相邻。
当排序后的间隔相位不相邻时，将所有间隔相位分成至少两个间隔相位子集，即将相邻的间隔相位分在一个间隔相位子集中。针对每个间隔相位子集，构建每个间隔相位对应的线性转换模型。
在一个实施例中，对间隔相位矩阵进行分解，得到第一矩阵和第二矩阵，包括：确定间隔相位矩阵的每一个列向量所包含的元素的平均值；将间隔相位矩阵中的每一个元素减去所在的列向量的平均值，得到中心化矩阵；基于间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵；将中心化矩阵与白化矩阵相乘，得到白化后的间隔相位矩阵；白化后的间隔相位矩阵的列向量方差为1；对白化后的间隔相位矩阵进行分解，得到第一矩阵和第二矩阵。
对间隔相位矩阵中心化，即将间隔相位矩阵中的每一个元素减去所在的列向量的平均值，得到中心化矩阵，可以使间隔相位矩阵中的元素离散化，让数据更平和。
协方差矩阵指的是间隔相位矩阵中的各个元素之间的协方差形成的矩阵。设A是n阶方阵，如果存在数m和非零n维列向量x，使得Ax＝mx成立，则称m是A的一个特征值。特征值分解过程中所保留的特征值个数可以由SVHT(Singular Value Hard Threshold，奇异值硬阈值)方法确定。
对间隔相位矩阵的协方差矩阵进行特征值分解，可以得到白化矩阵。将中心化矩阵与白化矩阵进行相乘，可以得到白化后的间隔相位矩阵。再对白化后的间隔相位矩阵进行分解，得到第一矩阵和第二矩阵。第二矩阵中的每个行向量表示一种信号分量，信号分量中包括地形误差分量；第一矩阵中的每个列向量表示相对贡献因子，相对贡献因子用于表示第二矩阵中对应的行向量在间隔相位矩阵中的贡献程度。
在一个实施例中，可以基于FastICA方法采用定点迭代定权方案对白化后的间隔相位矩阵进行分解，得到第一矩阵和第二矩阵。其中，分解后的第二矩阵的每个行向量所表示的信号分量之间非高斯性最大。非高斯性采用简化的负熵来表示，最终将间隔相位矩阵分解为多个独立的信号分量，可以提高运算效率，并且提高分解精度。采用FastICA首先分离地形误差的空间模式然后再估计地形误差的具体量级，基于面估计而非单点估计的过程降低了受大气延迟误差的影响。其中，空间模式主要指地形误差的位置和相对关系。比如一个城市区域，一栋楼与另一栋楼的相对关系是固定的。
如图3所示，302为间隔相位矩阵，对间隔相位矩阵302进行分解，可以得到第一矩阵304和第二矩阵306。其中，间隔相位矩阵302的每一行表示一个时间间隔，每一列表示一个像素点；第一矩阵304的每一行表示一个时间间隔，每一列表示相对贡献因子；第二矩阵306的每一行表示一种信号分量，信号分量中包括了地形误差分量，每一列表示一个像素点。
在一个实施例中，地形误差分量的确定方式，包括：确定第一矩阵中的每一个列向量与所有对目标图像的空间基线的相关性；将第一矩阵中相关性的绝对值最大的列向量作为目标列向量，将目标列向量对应的第二矩阵中的行向量作为地形误差分量。
相关性指的是第一矩阵中的每一个列向量与所有对目标图像的空间基线的相关性。其中，每一对目标图像的空间基线可以通过最小二乘法计算得到。在一个实施例中，可以根据线性方程计算得到第一矩阵中的每一个列向量与所有目标图像的空间基线的相关性。
将第一矩阵中每一个列向量计算得到的相关性的绝对值进行比较，并获取绝对值最大的列向量作为目标列向量。将目标列向量对应的第二矩阵中的行向量作为地形误差分量。第一矩阵的列向量的数量与第二矩阵的行向量的数量相同。
例如，当目标列向量为第3列时，则将第二矩阵中的第3行的行向量作为地形误差分量；当目标列向量为第7列时，则将第二矩阵中的第7行的行向量作为地形误差分量。
上述地形测量方法，通过确定第一矩阵中的每一个列向量与所有对目标图像的空间基线的相关性，将第一矩阵中相关性的绝对值最大的列向量作为目标列向量，并将目标列向量对应的第二矩阵中的行向量作为地形误差分量，可以更加准确地获取地形误差分量。
在一个实施例中，将第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差，包括：获取每一对目标图像的空间基线与目标列向量的线性关系，通过线性关系得到每一对目标图像的空间基线与目标列向量的转换因子；将转换因子与第二矩阵中的地形误差分量对应的行向量进行相乘，得到地形误差。
在一个实施例中，可以预先建立每一对目标图像的空间基线与目标列向量的线性关系。
在一个实施例中，可以通过最小二乘法获取每一对目标图像的空间基线与目标列向量的转换因子。
具体地，将转换因子与第二矩阵中的地形误差分量对应的行向量进行相乘，可以得到地形误差图，通过地形误差图可以获取地形误差。
在一个实施例中，上述地形测量方法还包括：对目标列向量与每一对目标图像的空间基线进行假设检验；当假设检验通过时，执行将转换因子与第二矩阵中的地形误差分量对应的行向量进行相乘，得到地形误差步骤；当检验不通过时，增大特征值数量，执行基于间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵步骤。
在一个实施例中，可以对目标列向量与每一对目标图像的空间基线进行F假设检验。F假设检验是一种在零假设(null hypothesis,H0)之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。其中，F-分布(F-distribution)是一种连续概率分布。
当假设检验通过时，则将转换因子与第二矩阵中的地形误差分量对应的行向量进行相乘，得到地形误差。当假设检验不通过时，则增大特征值的数量，并返回执行基于间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵步骤。
上述地形测量方法，对目标列向量与每一对目标图像的空间基线进行检验，可以更准确地获取转换因子。
在一个实施例中，如图4所示，获取至少一对目标图像402，将至少一对目标图像进行时序转换，得到间隔相位矩阵404。对间隔相位矩阵404进行中心化和白化，即确定间隔相位矩阵的每一个列向量所包含的元素的平均值；将间隔相位矩阵中的每一个元素减去所在的列向量的平均值，得到中心化矩阵；基于间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵；将中心化矩阵与白化矩阵相乘，得到白化后的间隔相位矩阵；使得白化后的间隔相位矩阵的列向量方差为1，得到白化后的间隔相位矩阵。
执行步骤406，即对白化后的间隔矩阵进行分解，可以是ICA分解，得到第一矩阵和第二矩阵408。获取每一对目标图像的空间基线410。执行步骤412，对地形误差分量进行探测，即确定第一矩阵中每一个列向量与所有对目标图像的空间基线的相关性，将第一矩阵中相关性的绝对值最大的列向量作为目标列向量，目标列向量对应的第二矩阵中的行向量作为地形误差分量。
获取每一对目标图像的空间基线与目标列向量的线性关系，通过线性关系得到每一对目标图像的空间基线与目标列向量的转换因子。在一个实施例中，可以通过最小二乘法得到转换因子。
对目标列向量与每一对目标图像的空间基线进行检验，即执行步骤414，当假设检验通过时，将转换因子与第二矩阵中的地形误差分量对应的行向量进行相乘，得到地形误差416；当假设检验不通过时，增大特征值的数量，返回执行步骤406，即基于间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵步骤。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种地形测量装置500，包括：目标图像获取模块502、空间基线获取模块504、时序转换模块506、分解模块508和地形误差获取模块510，其中：
目标图像获取模块502，用于从至少两幅候选图像中获取至少一对目标图像；
空间基线获取模块504，用于获取每一对目标图像的空间基线；空间基线是卫星在拍摄目标图像时的位置信息的位置差值；
时序转换模块506，用于将每一对目标图像进行时序转换，得到间隔相位矩阵；间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔；
分解模块508，用于对间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；第二矩阵中的每个行向量表示一种信号分量，信号分量中包括地形误差分量；第一矩阵中的每个列向量表示相对贡献因子，相对贡献因子用于表示第二矩阵中对应的行向量在间隔相位矩阵中的贡献程度；
地形误差获取模块510，用于将第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。
上述地形测量装置，从至少两幅候选图像中获取至少一对目标图像；获取每一对目标图像的空间基线；空间基线是卫星在拍摄目标图像时的位置信息的位置差值；将每一对目标图像进行时序转换，得到间隔相位矩阵；间隔相位矩阵表示每一对目标图像对应的拍摄时间的间隔；对间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；第二矩阵中的每个行向量表示一种信号分量，信号分量中包括地形误差分量；第一矩阵中的每个列向量表示相对贡献因子，相对贡献因子用于表示第二矩阵中对应的行向量在间隔相位矩阵中的贡献程度；将第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。利用地形误差在空间上具有恒定相对关系这一特征，从第二矩阵中提取地形误差分量对应的行向量与每一对目标图像的空间基线、第一矩阵中地形误差分量对应的列向量进行运算，可以得到更加准确的地形误差，提高了测量地形误差的精度。
在一个实施例中，上述目标图像获取模块502还用于获取至少两幅候选图像的拍摄时刻；将候选图像的拍摄时刻两两进行比较，得到拍摄时刻差值；当拍摄时刻差值小于时长阈值时，将拍摄时刻差值对应的两幅候选图像作为一对目标图像；或获取卫星在拍摄候选图像时的位置信息；将候选图像对应的位置信息两两进行比较，得到每一对候选图像的空间基线；当一对候选图像的空间基线小于距离阈值时，将空间基线对应的一对候选图像作为一对目标图像。
在一个实施例中，上述时序转换模块506还用于将每一对目标图像输入线性转换模型，得到每一对目标图像的间隔相位；间隔相位是两幅图像拍摄时刻对应的时间间隔的相位；将每一对目标图像的间隔相位进行合成得到间隔相位矩阵。
在一个实施例中，上述地形测量装置500还包括线性转换模型构建模块，用于获取至少两幅参考图像，以及相邻两幅参考图像之间的间隔相位；根据相邻两幅参考图像之间的间隔相位，得到至少两幅参考图像中任意两幅参考图像的间隔相位；根据至少两幅参考图像，以及任意两幅参考图像的间隔相位构建线性转换模型。
在一个实施例中，上述线性转换模型构建模块还用于识别每一对目标图像的间隔相位；根据各个目标图像的拍摄时刻，将每一对目标图像的间隔相位进行排序；当排序后的间隔相位存在不相邻时，将所有间隔相位分成至少两个间隔相位子集；每个间隔相位子集中的间隔相位相邻；针对每个间隔相位子集，建立每个间隔相位对应的线性转换模型。
在一个实施例中，上述分解模块508还用于确定间隔相位矩阵的每一个列向量所包含的元素的平均值；将间隔相位矩阵中的每一个元素减去所在的列向量的平均值，得到中心化矩阵；基于间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵；将中心化矩阵与白化矩阵相乘，得到白化后的间隔相位矩阵；白化后的间隔相位矩阵的列向量方差为1；对白化后的间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；其中，地形误差分量的确定方式，包括：确定第一矩阵中的每一个列向量与所有对目标图像的空间基线的相关性；将第一矩阵中相关性的绝对值最大的列向量作为目标列向量，将目标列向量对应的第二矩阵中的行向量作为地形误差分量。
在一个实施例中，上述地形误差获取模块510还用于获取每一对目标图像的空间基线与目标列向量的线性关系，通过线性关系得到每一对目标图像的空间基线与目标列向量的转换因子；对目标列向量与每一对目标图像的空间基线进行假设检验；当假设检验通过时，将转换因子与第二矩阵中的地形误差分量对应的行向量进行相乘，得到地形误差图；当检验不通过时，增大特征值数量，执行基于间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵步骤。
关于地形测量装置的具体限定可以参见上文中对于地形测量方法的限定，在此不再赘述。上述地形测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种地形测量方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述地形测量方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述地形测量方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种地形测量方法，所述方法包括：
从至少两幅候选图像中获取至少一对目标图像；
获取每一对目标图像的空间基线；所述空间基线是卫星在拍摄目标图像时的位置信息的位置差值；
将每一对目标图像进行时序转换，得到间隔相位矩阵；所述间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔；
对所述间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；所述第二矩阵中的每个行向量表示一种信号分量，所述信号分量中包括地形误差分量；所述第一矩阵中的每个列向量表示相对贡献因子，所述相对贡献因子用于表示第二矩阵中对应的行向量在所述间隔相位矩阵中的贡献程度；
将所述第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。
2.根据权利要求1所述的方法，其特征在于，所述从至少两幅候选图像中获取至少一对目标图像，包括：
获取至少两幅候选图像的拍摄时刻；
将所述候选图像的拍摄时刻两两进行比较，得到拍摄时刻差值；
当所述拍摄时刻差值小于所述时长阈值时，将所述拍摄时刻差值对应的两幅候选图像作为一对目标图像；或
获取卫星在拍摄所述候选图像时的位置信息；
将所述候选图像对应的位置信息两两进行比较，得到每一对候选图像的空间基线；
当一对候选图像的空间基线小于距离阈值时，将所述空间基线对应的一对候选图像作为一对目标图像。
3.根据权利要求1所述的方法，其特征在于，所述将每一对目标图像进行时序转换得到间隔相位矩阵，包括：
将每一对目标图像输入线性转换模型，得到每一对目标图像的间隔相位；所述间隔相位是两幅图像拍摄时刻对应的时间间隔的相位；
将每一对目标图像的间隔相位进行合成得到间隔相位矩阵。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取至少两幅参考图像，以及相邻两幅参考图像之间的间隔相位；
根据相邻两幅参考图像之间的间隔相位，得到至少两幅参考图像中任意两幅参考图像的间隔相位；
根据所述至少两幅参考图像，以及任意两幅参考图像的间隔相位构建线性转换模型。
5.根据权利要求4所述的方法，其特征在于，所述方法包括：
识别每一对目标图像的间隔相位；
根据各个目标图像的拍摄时刻，将所述每一对目标图像的间隔相位进行排序；
当排序后的所述间隔相位存在不相邻时，将所有间隔相位分成至少两个间隔相位子集；每个所述间隔相位子集中的间隔相位相邻；
针对每个所述间隔相位子集，建立每个间隔相位对应的线性转换模型。
6.根据权利要求1所述的方法，其特征在于，所述对所述间隔相位矩阵进行分解，得到第一矩阵和第二矩阵，包括：
确定所述间隔相位矩阵的每一个列向量所包含的元素的平均值；
将所述间隔相位矩阵中的每一个元素减去所在的列向量的平均值，得到中心化矩阵；
基于所述间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵；
将所述中心化矩阵与所述白化矩阵相乘，得到白化后的间隔相位矩阵；所述白化后的间隔相位矩阵的列向量方差为1；
对所述白化后的间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；
其中，所述地形误差分量的确定方式，包括：
确定所述第一矩阵中的每一个列向量与所有对目标图像的空间基线的相关性；
将所述第一矩阵中相关性的绝对值最大的列向量作为目标列向量，将所述目标列向量对应的第二矩阵中的行向量作为地形误差分量。
7.根据权利要求6所述的方法，其特征在于，所述将所述第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差，包括：
获取所述每一对目标图像的空间基线与所述目标列向量的线性关系，通过所述线性关系得到所述每一对目标图像的空间基线与所述目标列向量的转换因子；
对所述目标列向量与所述每一对目标图像的空间基线进行假设检验；
当假设检验通过时，将所述转换因子与所述第二矩阵中的地形误差分量对应的行向量进行相乘，得到地形误差图；
当假设检验不通过时，增大特征值数量，执行所述基于所述间隔相位矩阵的协方差矩阵进行特征值分解，得到白化矩阵步骤。
8.一种地形测量装置，其特征在于，所述装置包括：
目标图像获取模块，用于从至少两幅候选图像中获取至少一对目标图像；
空间基线获取模块，用于获取每一对目标图像的空间基线；所述空间基线是卫星在拍摄目标图像时的位置信息的位置差值；
时序转换模块，用于将每一对目标图像进行时序转换，得到间隔相位矩阵；所述间隔相位矩阵表示每一对目标图像对应的拍摄时间的相位间隔；
分解模块，用于对所述间隔相位矩阵进行分解，得到第一矩阵和第二矩阵；所述第二矩阵中的每个行向量表示一种信号分量，所述信号分量中包括地形误差分量；所述第一矩阵中的每个列向量表示相对贡献因子，所述相对贡献因子用于表示第二矩阵中对应的行向量在所述间隔相位矩阵中的贡献程度；
地形误差获取模块，用于将所述第二矩阵中的地形误差分量对应的行向量、每一对目标图像的空间基线和第一矩阵中地形误差分量对应的列向量进行运算，得到地形误差。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201910768073.8A 2019-08-20 2019-08-20 地形测量方法、装置、计算机设备和存储介质 Active CN110456347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910768073.8A CN110456347B (zh) 2019-08-20 2019-08-20 地形测量方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910768073.8A CN110456347B (zh) 2019-08-20 2019-08-20 地形测量方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110456347A true CN110456347A (zh) 2019-11-15
CN110456347B CN110456347B (zh) 2021-08-10

Family

ID=68487863

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910768073.8A Active CN110456347B (zh) 2019-08-20 2019-08-20 地形测量方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110456347B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116338690A (zh) * 2023-03-28 2023-06-27 中南林业科技大学 一种无模型约束的时序InSAR地形残差与地表形变估计方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100766070B1 (ko) * 2007-06-28 2007-10-12 (주)한성유아이엔지니어링 지피에스를 이용한 지형변화 모니터링 시스템
CN101482616A (zh) * 2008-08-13 2009-07-15 中国科学院电子学研究所 一种地形测量方法
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
CN102680972A (zh) * 2012-06-04 2012-09-19 中国神华能源股份有限公司 地表形变的监测方法和装置及数据处理设备
CN103413296A (zh) * 2013-07-13 2013-11-27 西安电子科技大学 在特征域内对极化sar目标的检测方法
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
CN108008382A (zh) * 2017-10-30 2018-05-08 西安空间无线电技术研究所 一种多基地星载干涉sar系统测量陡峭地形的方法
CN108919266A (zh) * 2018-07-20 2018-11-30 国交空间信息技术（北京）有限公司 一种基于PSInSAR技术的桥梁安全预警方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100766070B1 (ko) * 2007-06-28 2007-10-12 (주)한성유아이엔지니어링 지피에스를 이용한 지형변화 모니터링 시스템
CN101482616A (zh) * 2008-08-13 2009-07-15 中国科学院电子学研究所 一种地形测量方法
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
CN102680972A (zh) * 2012-06-04 2012-09-19 中国神华能源股份有限公司 地表形变的监测方法和装置及数据处理设备
CN103413296A (zh) * 2013-07-13 2013-11-27 西安电子科技大学 在特征域内对极化sar目标的检测方法
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
CN108008382A (zh) * 2017-10-30 2018-05-08 西安空间无线电技术研究所 一种多基地星载干涉sar系统测量陡峭地形的方法
CN108919266A (zh) * 2018-07-20 2018-11-30 国交空间信息技术（北京）有限公司 一种基于PSInSAR技术的桥梁安全预警方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周春霞: "星载SAR干涉测量技术及其在南极冰貌地形研究中的应用", 《中国优秀博硕士学位论文全文数据库（博士）基础科学辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116338690A (zh) * 2023-03-28 2023-06-27 中南林业科技大学 一种无模型约束的时序InSAR地形残差与地表形变估计方法
CN116338690B (zh) * 2023-03-28 2024-01-16 中南林业科技大学 一种无模型约束的时序InSAR地形残差与地表形变估计方法

Also Published As

Publication number Publication date
CN110456347B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
Liu et al. Estimating forest structural attributes using UAV-LiDAR data in Ginkgo plantations
CN102144174B (zh) Sar图像序列中的永久散射体的识别和分析
US7768441B2 (en) Geodesy via GPS and INSAR integration
Monserrat et al. Deformation measurement using terrestrial laser scanning data and least squares 3D surface matching
US20050057391A1 (en) Method to improve interferometric signatures by coherent point scatterers
WO2009055320A2 (en) Method and apparatus for determining parameters for a parametric expression characterizing the phase of an acquired signal
CN106526593A (zh) 基于sar严密成像模型的子像素级角反射器自动定位方法
Wang et al. Interferometric synthetic aperture radar statistical inference in deformation measurement and geophysical inversion: a review
Zhang et al. Reduction of atmospheric effects on InSAR observations through incorporation of GACOS and PCA into small baseline subset InSAR
CN110456347A (zh) 地形测量方法、装置、计算机设备和存储介质
Pham et al. Sparsity optimization method for slow-moving landslides detection in satellite image time-series
Zhan et al. Lake level reconstructed from DEM-based virtual station: Comparison of multisource DEMs with laser altimetry and UAV-LiDAR measurements
Tang et al. Digital elevation data fusion using multiple-point geostatistical simulation
Archambault et al. Unsupervised learning of sea surface height interpolation from multi-variate simulated satellite observations
Zhang et al. Spatio-temporal linking of multiple SAR satellite data from medium and high resolution Radarsat-2 images
Catita et al. InSAR time series analysis of the 9 July 1998 Azores earthquake
Zhou et al. Integrating interferometric SAR data with levelling measurements of land subsidence using geostatistics
Osmanoglu Applications and development of new algorithms for displacement analysis using InSAR time series
Magnard et al. Persistent scatterer interferometry in mountainous areas: Advantages of working in map geometry
Van Leijen et al. Persistent scatterer interferometry: Precision, reliability and integration
CN113777606B (zh) 分布式geo sar三维形变反演多角度选取方法及装置
Huanyin et al. Sensitivity of topography on InSAR data coregistration
Mansour et al. Towards a Symbiosis of Model-Based and Machine Learning Forest Height Estimation based on TanDEM-X InSAR
Zhang LiDAR-Based Change Detection for Earthquake Surface Ruptures
Adeli et al. Very High Resolution Parametric and Non-Parametric Sartomography Methods for Monitoring Urban Areas Structures

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