CN111766577A - 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 - Google Patents
一种基于三阶段算法p波段的输电线路通道树木高度反演方法 Download PDFInfo
- Publication number
- CN111766577A CN111766577A CN202010733150.9A CN202010733150A CN111766577A CN 111766577 A CN111766577 A CN 111766577A CN 202010733150 A CN202010733150 A CN 202010733150A CN 111766577 A CN111766577 A CN 111766577A
- Authority
- CN
- China
- Prior art keywords
- tree
- coefficient
- height
- gamma
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000005540 biological transmission Effects 0.000 title claims abstract description 27
- 230000010287 polarization Effects 0.000 claims abstract description 49
- 230000008033 biological extinction Effects 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000011160 research Methods 0.000 claims abstract description 10
- 238000005314 correlation function Methods 0.000 claims abstract description 5
- 238000012417 linear regression Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000001427 coherent effect Effects 0.000 claims description 12
- 101100243401 Caenorhabditis elegans pept-3 gene Proteins 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000218631 Coniferophyta Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
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
- G01S13/882—Radar or analogous systems specially adapted for specific applications for altimeters
-
- 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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于三阶段算法P波段的输电线路通道树木高度反演方法,该方法通过获取输电线路通道研究区域的两幅SAR图像,并分别对所述两幅SAR图像中的主、辅影像数据进行预处理,通过多个极化通道得到的极化干涉复相干系数;在复平面上对多个极化干涉复相干系数采用TLS方法拟合,得到拟合直线;根据拟合直线与单位圆的交点,以及拟合直线的线性度量,得到地表相位点;建立地表相位点与体散射系数的相关函数,固定消光系数;建立查找表,利用查找表的方法估计输电线路通道树木高度与地体幅度比。本发明方法减少了P波段地面幅度比过大导致的误差,使树木高度反演的准确度得到提高,易于推广应用。
Description
技术领域
本发明属于遥感检测技术在输电线路通道树木检测应用领域,具体涉及一种基于三阶段算法P波段的输电线路通道树木高度反演方法。
背景技术
森林是最大的有机碳存贮库,也是控制陆地生物圈能量传输的一个重要组成部分,而输电线路通道内树木超高则会影响线路的安全运行,所以对输电线路通道内树木高度准确检测就非常重要。然而,目前遥感技术获取树木高度的方法,光学遥感由于电磁波的穿透能力不足而受到制约;传统人工观测手段测量方法虽然能够获取较为准确的树木高度,但范围小、数据更新周期长、费时费力,难以满足对树木高度数据的迫切要求;极化干涉合成孔径雷达技术(PolInsar技术)通过对极化信息和干涉信息进行有效组合,使其成为反演树木高度的有效且具有发展潜力的一种方法。迄今为止,基于PolInsar技术的树木高度反演方法已不断发展且趋于成熟。
目前主要的利用极化干涉数据进行树木高度反演的算法有三类:第一类是S.R.Cloude与K.P.Papathanassiou提出的三阶段反演算法;第二类是Hiroyoshi Yamada等人提出的基于ESPRIT理论进行参数提取的算法;第三类是Thomas Flynn和Mark Tabb等提出的基于样本相关矩阵的最大似然估计算法,其中最常用的是三阶段反演算法。从电磁波频率的角度来说,以往的极化干涉SAR树木高度反演方法已经涉及X、C、L等多个波段,近几年来又引入了对P波段极化干涉SAR的研究。相对于X、C、L波段,P波段电磁波的波长更长。根据极化干涉SAR技术反演树木高度的理论基础,要获取准确的树木高度信息,就需要至少有一种极化方式对应的电磁波能够接近或到达地面。P波段电磁波作为长波段拥有的强穿透力,相比其他波段能获取更多的植被垂直结构信息,同时能有效地降低时间去相干因素的影响。然而,由于三阶段算法对RVoG模型表达式中的地体幅度比做了近似为0的假设,而P波段作为长波段对应的地体幅度比的值相对较大,地体幅度比为0的假设影响了该算法的精度。P波段极化干涉SAR与现有的树木高度反演算法相结合得到的实验结果不太理想,因此如何克服现有技术的不足是目前遥感检测技术树木高度检测领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种基于三阶段算法P波段的输电线路通道树木高度反演方法,该方法通过固定消光系数,筛选复相干系数使其更符合直线分布,利用相关区域的边界点估算去体相干系数,减少p波段地体幅度比大带来的误差,使树木高度反演的准确度得到提高。
为实现上述目的,本发明采用的技术方案如下:
一种基于三阶段算法P波段的输电线路通道树木高度反演方法,包括如下步骤:
S1:获取输电线路通道研究区域的两幅SAR图像,其中一幅作为主影像,另外一幅作为辅影像,之后分别对主、辅影像数据进行预处理,通过多个极化通道得到的极化干涉复相干系数;
S2:在复平面上对多个极化干涉复相干系数采用TLS方法拟合,得到拟合直线;
S3:根据拟合直线与单位圆的交点,以及拟合直线的线性度量,得到地表相位点;
S4:建立地表相位点与体散射系数的相关函数,固定消光系数;
S5:建立查找表,利用查找表的方法估计树木高度与地体幅度比,最终得到树木高度。
进一步,优选的是,所述步骤S1中包括如下步骤:
S101、利用合成孔径雷达卫星获取输电通道研究区域的两幅树木相同轨道模式的SAR图像,选择其中一幅为主影像,另一幅为辅影像;
S102、利用ENVI软件分别所述主、辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理,获取HH、HV、VV、HH+VV、HH-VV、opt1、opt2、opt3、LL、LR、RR极化通道的相干系数。
进一步,优选的是,所述步骤S3中包括如下步骤:
S301、计算得出拟合直线与单位圆的两个交点;
S302、计算拟合直线的线性度量r,表达式为:
其中,N为用于拟合直线的极化干涉复相干系数点个数,χ2是各极化干涉复相干系数点与拟合直线的绝对偏差的加权平均和,Q(x)为Gamma函数;
S303、取两个交点中离HV极化下的相干系数较远的点作为地表相位点;
S304、当r<0.8时,纯体去相干系数γz为
当r≥0.8时,令Aw=λTw,求矩阵束(A,T)的广义特征值分解,得到的最大和最小特征值对应的特征矢量分别为w1和w2,其中,
T=(T11+T22)/2;
w是干涉图像对中的两幅图像对应的散射机制,T11和T22分别是两幅图像的协方差矩阵,Ω12是两幅图像的极化互协方差矩阵;AH表示矩阵A的共轭转置;
相干区域两个边界点为
γ1=(w1 HΩ12w1)/(w1 HTw1);γ2=(w2 HΩ12w2)/(w2 HTw2)
纯体去相干系数为
进一步,优选的是,所述步骤S4中包括如下步骤:
S401、令消光系数σ=0.3dB,建立极化干涉复相干系数与地表相位值的函数关系,表达式为:
进一步,优选的是,所述步骤S5中包括如下步骤:
S501、根据基线估计得到的SAR图像的相关参数计算树木的有效垂直波数kz,表达式为:
其中,Δθ为SAR图像中主、辅影像入射角差,λ为雷达波长,θ为SAR图像中主、辅影像入射角,B⊥为在垂直视向上的分量,R为SAR视向到观测目标之间的距离,α为地形的坡度值;
S502、根据所述有效垂直波数选择不同的地体幅度比μ(wi)和树木高度hv,建立纯去体相干系数γz关于地体幅度比μ(wi)和树木高度hz之间的查找表,表达式为:
S503、选取地体幅度比μ(wi)和树木高度hz这两参数的迭代初始值,然后通过迭代搜索使得复相干系数的估计值γ(μ(wi),hz)与观测值γ之间的代价函数达到最小;二维搜索的迭代终止条件可以表示为:
S504、根据复相干系数的估计值在所述查找表中查找相干系数γ对应的高度值hz,得到树木高度。
进一步,优选的是,地体幅度比迭代初始值选取0dB,树木高度迭代初始值实际树种高度的平均值。
本发明与现有技术相比,其有益效果为:
本发明针对目前三阶段算法在P波段条件下的反演精度并不理想的问题,利用TLS代替最小二乘法,同时考虑自变量与因变量中的误差,可以达到更高的拟合精度,利用Gamma函数作为线性度量自适应地提取法提取地表相位,进而可以反演得到更精确的地表相位精度。同时由于树木高度对消光系数的敏感度不高,利用固定消光系数,而把地体幅度比设为未知数来使得有树木高度反演结果更精准。
附图说明
图1为本发明基于三阶段算法P波段的输电线路通道树木高度反演方法的流程图;
图2为本发明实例得到结果。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
本发明使用的方法既可以在个人计算机、工控机及服务器上以软件的形式安装并执行,也可将方法做成嵌入式芯片以硬件的形式来体现。
一种基于三阶段算法P波段的输电线路通道树木高度反演方法,包括如下步骤:
S1:获取输电线路通道研究区域的两幅SAR图像,其中一幅作为主影像,另外一幅作为辅影像,之后分别对主、辅影像数据进行预处理,通过多个极化通道得到的极化干涉复相干系数;
S2:在复平面上对多个极化干涉复相干系数采用TLS方法拟合,得到拟合直线;
S3:根据拟合直线与单位圆的交点,以及拟合直线的线性度量,得到地表相位点;
S4:建立地表相位点与体散射系数的相关函数,固定消光系数;
S5:建立查找表,利用查找表的方法估计树木高度与地体幅度比,最终得到树木高度。
所述步骤S1中包括如下步骤:
S101、利用合成孔径雷达卫星获取输电通道研究区域的两幅树木相同轨道模式的SAR图像,选择其中一幅为主影像,另一幅为辅影像;
S102、利用ENVI软件分别所述主、辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理,获取HH、HV、VV、HH+VV、HH-VV、opt1、opt2、opt3、LL、LR、RR极化通道的相干系数。
所述步骤S3中包括如下步骤:
S301、计算得出拟合直线与单位圆的两个交点;
S302、计算拟合直线的线性度量r,表达式为:
其中,N为用于拟合直线的极化干涉复相干系数点个数,χ2是各极化干涉复相干系数点与拟合直线的绝对偏差的加权平均和,Q(x)为Gamma函数;
S303、取两个交点中离HV极化下的相干系数较远的点作为地表相位点;
S304、当r<0.8时,纯体去相干系数γz为
当r≥0.8时,令Aw=λTw,求矩阵束(A,T)的广义特征值分解,得到的最大和最小特征值对应的特征矢量分别为w1和w2,其中,
T=(T11+T22)/2;
w是干涉图像对中的两幅图像对应的散射机制,T11和T22分别是两幅图像的协方差矩阵,Ω12是两幅图像的极化互协方差矩阵;AH表示矩阵A的共轭转置;
相干区域两个边界点为
γ1=(w1 HΩ12w1)/(w1 HTw1);γ2=(w2 HΩ12w2)/(w2 HTw2)
纯体去相干系数为
所述步骤S4中包括如下步骤:
S401、令消光系数σ=0.3dB,建立极化干涉复相干系数与地表相位值的函数关系,表达式为:
所述步骤S5中包括如下步骤:
S501、根据基线估计得到的SAR图像的相关参数计算树木的有效垂直波数kz,表达式为:
其中,Δθ为SAR图像中主、辅影像入射角差,λ为雷达波长,θ为SAR图像中主、辅影像入射角,B⊥为在垂直视向上的分量,R为SAR视向到观测目标之间的距离,α为地形的坡度值;
S502、根据所述有效垂直波数选择不同的地体幅度比μ(wi)和树木高度hv,建立纯去体相干系数γz关于地体幅度比μ(wi)和树木高度hz之间的查找表,表达式为:
S503、选取地体幅度比μ(wi)和树木高度hz这两参数的迭代初始值,然后通过迭代搜索使得复相干系数的估计值γ(μ(wi),hz)与观测值γ之间的代价函数达到最小;二维搜索的迭代终止条件可以表示为:
S504、根据复相干系数的估计值在所述查找表中查找相干系数γ对应的高度值hz,得到树木高度。
地体幅度比迭代初始值选取0dB,树木高度迭代初始值实际树种高度的平均值。
应用实例
本实施例中,实验图像采用欧空局BOISAR2008项目P波段数据,实验区位于瑞典北部,测区内的林种主要为针叶林,经纬度为64°14'N,19°48'E,方位向、斜距向分辨率分别为:1.5、0.9m。
S1:获取研究区域的两幅SAR图像,并分别对所述两幅SAR图像中的主、辅影像数据进行预处理,通过多个极化通道得到的极化干涉复相干系数;
S101、利用合成孔径雷达卫星获取输电通道研究区域的两幅树木相同轨道模式的SAR图像,选择其中一幅为主影像,另一幅为辅影像;
S102、利用ENVI软件分别所述主辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理,获取HH、HV、VV、HH+VV、HH-VV、opt1、opt2、opt3、LL、LR、RR极化通道的相干系数。
S2:在复平面上对多个极化干涉复相干系数采用TLS方法拟合,得到拟合直线;
S3:根据拟合直线与单位圆的交点,以及拟合直线的线性度量,得到地表相位点;
S301、计算得出拟合直线与单位圆的两个交点;
S302、计算拟合直线的线性度量r,表达式为:
其中,N为用于拟合直线的极化干涉复相干系数点个数,χ2是各极化干涉复相干系数点与拟合直线的绝对偏差的加权平均和,Q(x)为Gamma函数;
S303、取两个交点中离HV极化下的相干系数较远的点作为地表相位点;
S304、当r<0.8时,纯体去相干系数γz为
当r≥0.8时,令Aw=λTw,求矩阵束(A,T)的广义特征值分解,得到的最大和最小特征值对应的特征矢量分别为w1和w2,其中,
T=(T11+T22)/2;
w是干涉图像对中的两幅图像对应的散射机制,T11和T22分别是两幅图像的协方差矩阵,Ω12是两幅图像的极化互协方差矩阵;AH表示矩阵A的共轭转置;
相干区域两个边界点为
γ1=(w1 HΩ12w1)/(w1 HTw1);γ2=(w2 HΩ12w2)/(w2 HTw2)
纯体去相干系数为
S4:建立地表相位点与体散射系数的相关函数,固定消光系数;
S401、令消光系数σ=0.3dB,建立极化干涉复相干系数与地表相位值的函数关系,表达式为:
S5:建立查找表,利用查找表的方法估计树木高度与地体幅度比,最终得到树木高度。
S501、根据基线估计得到的SAR图像的相关参数计算树木的有效垂直波数kz,表达式为:
其中,Δθ为SAR图像中主、辅影像入射角差,λ为雷达波长,θ为SAR图像中主、辅影像入射角,B⊥为在垂直SAR视向上的分量,R为SAR视向到观测目标之间的距离,α为地形的坡度值;
S502、根据所述有效垂直波数选择不同的地体幅度比μ(wi)和树木高度hv,建立纯去体相干系数γz关于地体幅度比μ(wi)和树木高度hz之间的查找表,表达式为:
S503、选取地体幅度比μ(wi)和树木高度hz这两参数的迭代初始值,本实例中地体幅度比选取0dB,树木高度取20m,然后通过迭代搜索使得复相干系数的估计值γ(μ(wi),hz)与观测值γ之间的代价函数达到最小;二维搜索的迭代终止条件可以表示为:
S504、根据复相干系数的估计值在所述查找表中查找相干系数γ对应的高度值hz,得到树木高度。
本实例实验结果如图2所示,结果表明本方法和LiDAR测量的高度比较接近,明显优于传统三阶段算法与非线性迭代法得到的数据。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于三阶段算法P波段的输电线路通道树木高度反演方法,其特征在于,包括如下步骤:
S1:获取输电线路通道研究区域的两幅SAR图像,其中一幅作为主影像,另外一幅作为辅影像,之后分别对主、辅影像数据进行预处理,通过多个极化通道得到的极化干涉复相干系数;
S2:在复平面上对多个极化干涉复相干系数采用TLS方法拟合,得到拟合直线;
S3:根据拟合直线与单位圆的交点,以及拟合直线的线性度量,得到地表相位点;
S4:建立地表相位点与体散射系数的相关函数,固定消光系数;
S5:建立查找表,利用查找表的方法估计树木高度与地体幅度比,最终得到树木高度。
2.根据权利要求1所述的基于三阶段算法P波段的输电线路通道树木高度反演方法,其特征在于,所述步骤S1中包括如下步骤:
S101、利用合成孔径雷达卫星获取输电通道研究区域的两幅树木相同轨道模式的SAR图像,选择其中一幅为主影像,另一幅为辅影像;
S102、利用ENVI软件分别所述主、辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理,获取HH、HV、VV、HH+VV、HH-VV、opt1、opt2、opt3、LL、LR、RR极化通道的相干系数。
3.根据权利要求1所述的基于三阶段算法P波段的输电线路通道树木高度反演方法,其特征在于,所述步骤S3中包括如下步骤:
S301、计算得出拟合直线与单位圆的两个交点;
S302、计算拟合直线的线性度量r,表达式为:
其中,N为用于拟合直线的极化干涉复相干系数点个数,χ2是各极化干涉复相干系数点与拟合直线的绝对偏差的加权平均和,Q(x)为Gamma函数;
S303、取两个交点中离HV极化下的相干系数较远的点作为地表相位点;
S304、当r<0.8时,纯体去相干系数γz为
当r≥0.8时,令Aw=λTw,求矩阵束(A,T)的广义特征值分解,得到的最大和最小特征值对应的特征矢量分别为w1和w2,其中,
T=(T11+T22)/2;
w是干涉图像对中的两幅图像对应的散射机制,T11和T22分别是两幅图像的协方差矩阵,Ω12是两幅图像的极化互协方差矩阵;AH表示矩阵A的共轭转置;
相干区域两个边界点为
γ1=(w1 HΩ12w1)/(w1 HTw1);γ2=(w2 HΩ12w2)/(w2 HTw2)
纯体去相干系数为
5.根据权利要求4所述的基于三阶段算法P波段的输电线路通道树木高度反演方法,其特征在于,所述步骤S5中包括如下步骤:
S501、根据基线估计得到的SAR图像的相关参数计算树木的有效垂直波数kz,表达式为:
其中,Δθ为SAR图像中主、辅影像入射角差,λ为雷达波长,θ为SAR图像中主、辅影像入射角,B⊥为在垂直视向上的分量,R为SAR视向到观测目标之间的距离,α为地形的坡度值;
S502、根据所述有效垂直波数选择不同的地体幅度比μ(wi)和树木高度hv,建立纯去体相干系数γz关于地体幅度比μ(wi)和树木高度hz之间的查找表,表达式为:
S503、选取地体幅度比μ(wi)和树木高度hz这两参数的迭代初始值,然后通过迭代搜索使得复相干系数的估计值γ(μ(wi),hz)与观测值γ之间的代价函数达到最小;二维搜索的迭代终止条件可以表示为:
S504、根据复相干系数的估计值在所述查找表中查找相干系数γ对应的高度值hz,得到树木高度。
6.根据权利要求5所述的基于三阶段算法P波段的输电线路通道树木高度反演方法,其特征在于,地体幅度比迭代初始值选取0dB,树木高度迭代初始值实际树种高度的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010733150.9A CN111766577B (zh) | 2020-07-27 | 2020-07-27 | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010733150.9A CN111766577B (zh) | 2020-07-27 | 2020-07-27 | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111766577A true CN111766577A (zh) | 2020-10-13 |
CN111766577B CN111766577B (zh) | 2022-02-15 |
Family
ID=72727418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010733150.9A Active CN111766577B (zh) | 2020-07-27 | 2020-07-27 | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111766577B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113945927A (zh) * | 2021-09-17 | 2022-01-18 | 西南林业大学 | 一种通过体散射优化的反演森林冠层高度方法 |
CN113945926A (zh) * | 2021-09-17 | 2022-01-18 | 西南林业大学 | 一种通过低估补偿改进的反演森林冠层高度方法 |
CN116881721A (zh) * | 2023-07-25 | 2023-10-13 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
CN117452432A (zh) * | 2023-12-21 | 2024-01-26 | 西南林业大学 | 一种基于森林穿透补偿的森林冠层高度估测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110021010A (zh) * | 2019-03-12 | 2019-07-16 | 吉利汽车研究院(宁波)有限公司 | 一种表面材料的检验方法 |
CN110244301A (zh) * | 2019-06-27 | 2019-09-17 | 国网四川省电力公司电力科学研究院 | 一种基于sar图像的输电走廊树高提取方法 |
CN110988879A (zh) * | 2019-12-24 | 2020-04-10 | 中南大学 | 一种植被参数反演方法、终端设备及存储介质 |
-
2020
- 2020-07-27 CN CN202010733150.9A patent/CN111766577B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110021010A (zh) * | 2019-03-12 | 2019-07-16 | 吉利汽车研究院(宁波)有限公司 | 一种表面材料的检验方法 |
CN110244301A (zh) * | 2019-06-27 | 2019-09-17 | 国网四川省电力公司电力科学研究院 | 一种基于sar图像的输电走廊树高提取方法 |
CN110988879A (zh) * | 2019-12-24 | 2020-04-10 | 中南大学 | 一种植被参数反演方法、终端设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
PASCALE C: ""The Compact Polarimetry Alternative for Spaceborne SAR at Low Frequency"", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
廖展芒: ""森林地上生物量极化干涉SAR反演方法研究"", 《中国博士学位论文全文数据库 农业科技辑》 * |
张林科: ""森林高度的单基线P波段PolInSAR反演"", 《测绘科学》 * |
王磊: ""P波段极化干涉SAR森林高度反演研究"", 《测绘工程》 * |
许丽颖: ""基于极化干涉SAR反演植被高度的改进三阶段算法"", 《雷达学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113945927A (zh) * | 2021-09-17 | 2022-01-18 | 西南林业大学 | 一种通过体散射优化的反演森林冠层高度方法 |
CN113945926A (zh) * | 2021-09-17 | 2022-01-18 | 西南林业大学 | 一种通过低估补偿改进的反演森林冠层高度方法 |
CN113945927B (zh) * | 2021-09-17 | 2022-09-06 | 西南林业大学 | 一种通过体散射优化的反演森林冠层高度方法 |
CN116881721A (zh) * | 2023-07-25 | 2023-10-13 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
CN116881721B (zh) * | 2023-07-25 | 2024-01-02 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
CN117452432A (zh) * | 2023-12-21 | 2024-01-26 | 西南林业大学 | 一种基于森林穿透补偿的森林冠层高度估测方法 |
CN117452432B (zh) * | 2023-12-21 | 2024-03-15 | 西南林业大学 | 一种基于森林穿透补偿的森林冠层高度估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111766577B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111766577B (zh) | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 | |
Lavalle et al. | Extraction of structural and dynamic properties of forests from polarimetric-interferometric SAR data affected by temporal decorrelation | |
Tanase et al. | Airborne multi-temporal L-band polarimetric SAR data for biomass estimation in semi-arid forests | |
Khati et al. | Potential of space-borne PolInSAR for forest canopy height estimation over India—A case study using fully polarimetric L-, C-, and X-band SAR data | |
CN110703220B (zh) | 一种顾及时间去相干因子的多基线PolInSAR植被参数反演方法 | |
CN110988879B (zh) | 一种植被参数反演方法、终端设备及存储介质 | |
CN106909939B (zh) | 一种结合旋转域极化零角特征的极化sar地物分类方法 | |
CN107991659A (zh) | 基于字典学习的米波雷达低仰角目标测高方法 | |
CN109521182A (zh) | 一种基于二分量分解模型的PolSAR土壤含水量反演方法 | |
Chen et al. | Multi-temporal PolSAR crops classification using polarimetric-feature-driven deep convolutional neural network | |
Yang et al. | Tropical forest height retrieval based on P-band multibaseline SAR data | |
CN103941245A (zh) | 简缩极化干涉数据的Freeman-Durden目标分解方法 | |
US8798359B2 (en) | Systems and methods for image sharpening | |
CN113075660A (zh) | 基于极化合成孔径雷达sar反演海面风浪参数的方法及装置 | |
CN110378896B (zh) | 基于极化相干性的TomoSAR植被病虫害监测方法及装置 | |
Mao et al. | Retrieval of boreal forest heights using an improved random volume over ground (RVoG) model based on repeat-pass spaceborne polarimetric SAR interferometry: the case study of Saihanba, China | |
CN108872989B (zh) | 一种基于最大周期图的PS-InSAR精确搜索方法 | |
Alberga et al. | Potential of coherent decompositions in SAR polarimetry and interferometry | |
CN110297241B (zh) | 一种用于图像处理的上下文协方差矩阵构建方法 | |
Mancini et al. | Automating nearshore bathymetry extraction from wave motion in satellite optical imagery | |
Bhogapurapu et al. | Soil permittivity estimation over croplands using full and compact polarimetric SAR data | |
Huang et al. | Maximum a posteriori inversion for forest height estimation using spaceborne polarimetric SAR interferometry | |
CN110399832B (zh) | 基于相干性的TomoSAR植被病虫害监测方法及装置 | |
Du et al. | The impact of vertical wavenumber on forest height inversion by PolInSAR | |
CN106815837B (zh) | 基于超复数的极化sar图像多通道联合匹配方法 |
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 |