CN112017224B - Sar数据区域网平差处理方法和系统 - Google Patents

Sar数据区域网平差处理方法和系统 Download PDF

Info

Publication number
CN112017224B
CN112017224B CN202011114730.6A CN202011114730A CN112017224B CN 112017224 B CN112017224 B CN 112017224B CN 202011114730 A CN202011114730 A CN 202011114730A CN 112017224 B CN112017224 B CN 112017224B
Authority
CN
China
Prior art keywords
sar
amplitude map
target area
map
lookup table
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
Application number
CN202011114730.6A
Other languages
English (en)
Other versions
CN112017224A (zh
Inventor
王宇翔
路聚峰
沈均平
刘东升
刘毅
任芳
付姣
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.)
Aerospace Hongtu Information Technology Co Ltd
Original Assignee
Aerospace Hongtu Information 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 Aerospace Hongtu Information Technology Co Ltd filed Critical Aerospace Hongtu Information Technology Co Ltd
Priority to CN202011114730.6A priority Critical patent/CN112017224B/zh
Publication of CN112017224A publication Critical patent/CN112017224A/zh
Application granted granted Critical
Publication of CN112017224B publication Critical patent/CN112017224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种SAR数据区域网平差处理方法和系统，包括：获取目标区域的DEM数据和目标区域的SAR原始幅度图；基于DEM数据和SAR原始幅度图，对目标区域进行SAR图像反演，得到SAR模拟幅度图；基于SAR模拟幅度图，计算SAR模拟幅度图与SAR原始幅度图之间的坐标转换参数；基于坐标转换参数，对查找表进行优化，得到精化查找表；查找表为表征SAR原始幅度图在雷达坐标系与地理坐标系之间的映射关系的数据结构；基于精化查找表对目标区域进行区域网平差处理。本发明解决了现有技术中地形复杂区域SAR影像控制点获取难题，提高了SAR影像区域网平差的自动化程度，满足大范围SAR影像DOM产品业务化生产需求。

Description

SAR数据区域网平差处理方法和系统
技术领域
本发明涉及摄影测量与遥感技术领域，尤其是涉及一种SAR数据区域网平差处理方法和系统。
背景技术
专利“一种星载合成孔径雷达影像的区域网平面平差方法”（申请号：CN201910048589.5），采用RPC模型替代原有的R-D模型，实现了各类影像类型的统一处理；同时利用区域网平差技术对合成孔径雷达（Synthetic Aperture Radar，SAR）影像的几何定位不一致进行补偿，使得最终成果影像之间重叠区域的接边精度和与地理参考之间的绝对定位精度都能够满足精度要求。
专利“一种SAR影像几何定位参数校正方法及系统”（申请号：CN201811631916.1）涉及一种合成孔径雷达影像几何定位参数校正方法，该方法针对大区域多景SAR影像高精度几何定位的问题，利用其中一景SAR影像几何成像信息和数字高程模型（DigitalElevation Model，DEM）数据生成SAR地形纹理图，通过特征点提取与匹配提取几何定位参数校正参考点，根据SAR影像几何定位模型建立几何定位参数校正模型，利用校正参考点解算该影像几何定位参数校正值，最后利用该校正值对其他SAR影像几何定位参数进行校正，从而提高整个区域SAR影像几何定位精度，实现无控制点条件下的大范围高精度SAR影像几何处理。
上述SAR影像平差方法，主要用于解决常规SAR影像的联合定位问题，未提及地形复杂区域的SAR影像控制点自动选取方法。目前大多SAR DOM生产采用人工选择控制点的方式，由于SAR影像斑点噪声的存在，加上由于斜视成像导致的叠掩、阴影等问题，人工选点非常困难，自动化程度低，作业时间长，无法满足生产需求。若采用自动选择控制点，由于无法获取准确的轨道状态量信息，仍存在SAR数据区域网平差处理过程的初始定位精度低的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种SAR数据区域网平差处理方法和系统，以解决了现有技术中存在的对SAR数据区域网平差处理过程中人工选择控制点的耗时、耗力以及初始定位精度低的技术问题。
第一方面，本发明实施例提供了一种SAR数据区域网平差处理方法，包括：获取目标区域的DEM数据和所述目标区域的SAR原始幅度图；基于所述DEM数据和所述SAR原始幅度图，对所述目标区域进行SAR图像反演，得到SAR模拟幅度图；基于所述SAR模拟幅度图，计算所述SAR模拟幅度图与所述SAR原始幅度图之间的坐标转换参数；基于所述坐标转换参数，对查找表进行优化，得到精化查找表；所述查找表为表征所述SAR原始幅度图在雷达坐标系与地理坐标系之间的映射关系的数据结构；基于所述精化查找表对所述目标区域进行区域网平差处理。
进一步地，基于所述DEM数据，对所述目标区域进行SAR图像反演，得到SAR模拟幅度图，包括：计算所述DEM数据与所述SAR原始幅度图之间的几何对应关系；基于所述几何对应关系，计算所述DEM数据中的每个像元对应到所述SAR原始幅度图中像元的灰度值；基于所述灰度值，确定所述目标区域的SAR模拟幅度图。
进一步地，计算所述DEM数据与所述SAR原始幅度图之间的几何对应关系，包括：计算目标雷达天线距离地面像元的斜距长度；所述目标雷达天线为获取所述DEM数据的雷达天线；计算所述目标雷达天线的多普勒中心频率；基于所述斜距长度和所述多普勒中心频率，确定所述DEM数据与所述SAR原始幅度图之间的几何对应关系。
进一步地，基于所述精化查找表对所述目标区域进行区域网平差处理，包括：基于所述精化查找表，确定所述目标区域的SAR初始几何定位；获取所述目标区域的光学基准底图；基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行控制点匹配操作，得到控制点组；基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行连接点匹配操作，得到连接点组；基于所述控制点组和所述连接点组，对所述目标区域进行区域网平差处理。
第二方面，本发明实施例还提供了一种SAR数据区域网平差处理系统，包括：获取模块，反演模块，计算模块，配准模块和处理模块，其中，所述获取模块，用于获取目标区域的DEM数据和所述目标区域的SAR原始幅度图；所述反演模块，用于基于所述DEM数据和所述SAR原始幅度图，对所述目标区域进行SAR图像反演，得到SAR模拟幅度图；所述计算模块，用于基于所述SAR模拟幅度图，计算所述SAR模拟幅度图与所述SAR原始幅度图之间的坐标转换参数；所述配准模块，用于基于所述坐标转换参数，对查找表进行优化，得到精化查找表；所述查找表为表征所述SAR原始幅度图在雷达坐标系与地理坐标系之间的映射关系的数据结构；所述处理模块，用于基于所述精化查找表对所述目标区域进行区域网平差处理。
进一步地，所述反演模块还包括：第一计算单元，第二计算单元和确定单元，其中，所述第一计算单元，用于计算所述DEM数据与所述SAR原始幅度图之间的几何对应关系；所述第二计算单元，用于基于所述几何对应关系，计算所述DEM数据中的每个像元对应到所述SAR原始幅度图中像元的灰度值；所述确定单元，用于基于所述灰度值，确定所述目标区域的SAR模拟幅度图。
进一步地，所述第一计算单元还用于：计算目标雷达天线距离地面像元的斜距长度；所述目标雷达天线为获取所述DEM数据的雷达天线；计算所述目标雷达天线的多普勒中心频率；基于所述斜距长度和所述多普勒中心频率，确定所述DEM数据与所述SAR原始幅度图之间的几何对应关系。
进一步地，所述处理模块，还用于：基于所述精化查找表，确定所述目标区域的SAR初始几何定位；获取所述目标区域的光学基准底图；基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行控制点匹配操作，得到控制点组；基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行连接点匹配操作，得到连接点组；基于所述控制点组和所述连接点组，对所述目标区域进行区域网平差处理。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
第四方面，本发明实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面所述方法。
本发明实施例提供了一种SAR数据区域网平差处理方法和系统，通过借助外部DEM数据生成充分反映表面地形特点的SAR模拟幅度图，并采用影像匹配的方法自动获取模拟影像与真实影像之间同名点的坐标转换参数，最终可以通过坐标转换参数对查找表进行优化，以优化SAR数据的初始几何定位结果，并利用异源匹配技术，实现控制点及连接点的自动化获取，解决了现有技术中地形复杂区域SAR影像控制点获取难题，提高了SAR影像区域网平差的自动化程度，满足大范围SAR影像DOM产品业务化生产需求。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种SAR数据区域网平差处理方法的流程图；
图2为本发明实施例提供的一种连接点匹配方法的流程图；
图3为本发明实施例提供的一种未进行轨道校正的控制点的匹配情况示意图；
图4为利用本发明实施例提供的方法进行控制点匹配情况示意图；
图5为本发明实施例提供的一种平差后几何校正结果示意图；
图6为本发明实施例提供的另一种SAR数据区域网平差处理方法的流程图；
图7为本发明实施例提供的一种SAR数据区域网平差处理系统的示意图；
图8为本发明实施例提供的一种反演模块的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
图1是根据本发明实施例提供的一种SAR数据区域网平差处理方法的流程图。如图1所示，该方法具体包括如下步骤：
步骤S102，获取目标区域的DEM数据和目标区域的SAR原始幅度图。
可选地，SAR原始幅度图可以由对目标区域的SAR数据进行多视及幅度提取得到。
步骤S104，基于DEM数据和SAR原始幅度图，对目标区域进行SAR图像反演，得到SAR模拟幅度图。
步骤S106，基于SAR模拟幅度图，计算SAR模拟幅度图与SAR原始幅度图之间的坐标转换参数。
步骤S108，基于坐标转换参数，对查找表进行优化，得到精化查找表；查找表为表征SAR原始幅度图在雷达坐标系与地理坐标系之间的映射关系的数据结构。
步骤S110，基于精化查找表对目标区域进行区域网平差处理。
本发明实施例提供了一种SAR数据区域网平差处理方法，该方法通过借助外部DEM数据生成充分反映表面地形特点的SAR模拟幅度图，并采用影像匹配的方法自动获取模拟影像与真实影像之间同名点的坐标转换参数，最终可以通过坐标转换参数对查找表进行优化，以优化SAR数据的初始几何定位结果，解决了现有技术中存在的对SAR数据区域网平差处理过程中人工选择控制点的耗时、耗力以及初始定位精度低的技术问题。
可选地，步骤S104还包括如下步骤：
步骤S1041，计算DEM数据与SAR原始幅度图之间的几何对应关系。
具体地，计算目标雷达天线距离地面像元的斜距长度；目标雷达天线为获取DEM数据的雷达天线；计算目标雷达天线的多普勒中心频率；基于斜距长度和多普勒中心频率，确定DEM数据与SAR原始幅度图之间的几何对应关系。
步骤S1042，基于几何对应关系，计算DEM数据中的每个像元对应到SAR原始幅度图中像元的灰度值。
步骤S1043，基于灰度值，确定目标区域的SAR模拟幅度图。
在本发明实施例中，采用非相干模拟的方法进行SAR图像反演，以DEM数据和传感器飞行轨道为输入参数，基于距离方程和多普勒方程建立几何构像模型建立辐射模型。对SAR图像进行反演的过程包括几何模拟和灰度模拟。
具体地，几何模拟指对DEM数据的格网单元，按照SAR影像的构像几何，将它映射到SAR影像平面中。SAR影像的构像几何关系主要由以下距离方程和多普勒方程确定：
R=|R S -R T | （1）
Figure 368400DEST_PATH_IMAGE001
（2）
其中，R表示雷达天线距地面像元的斜距长度，f D为多普勒中心频率,R T 为地面像元在地心惯性系中的位置向量,地面像元的速度向量为
Figure 190863DEST_PATH_IMAGE002
为地球自转角速度向量，R S 和V S 为雷达载机在地心惯性系中的位置和速度向量。
几何模拟的解算过程与地理编码过程类似，利用已知的几个离散点上的平台状态信息建立平台轨道的空间模型，对目标区域DEM数据中的每一像元，根据多普勒频率方程（2）式可以算出此点被成像的时间。解算思路是：多普勒频率一方面可以在头文件中找到，另一方面，由（2）式算得，而（2）式每一个变量都是由时间唯一确定，二者联立，即可解算成像时间。由此时间，一方面可以确定此像元的斜距长度，即距离向坐标；另一方面，可以确定此时刻与雷达开始摄影时刻的时间差，即方位向坐标。在模拟影像的几何位置确定后，需要在此点上赋灰度值，这是灰度模拟所要解决的问题。
在本发明实施例中，SAR灰度模拟主要是对地面后向散射强度进行模拟，根据SAR波束中心矢量与地面目标点所在平面的法线矢量得到局部入射角，然后利用经验模型计算灰度，后向散射模型如下：
Figure 457896DEST_PATH_IMAGE003
（3）
上式中I为局部入射角，σ为后向散射系数。
在本发明实施例中，在SAR模拟影像（即SAR模拟幅度图）和待校正SAR影像（即SAR原始幅度图）之间自动选择控制点，利用控制点建立两者之间的坐标转换关系，这个转换关系反映了所用的轨道数据与真实的轨道数据之间的差异，利用坐标差异即可修正SAR轨道，进而利用修正后的SAR轨道信息获取高精度几何定位成果。
具体地，步骤S106中的坐标转换参数可以通过如下过程得到：由于SAR模拟影像和待校正SAR图像在结构和纹理特征上基本一致，可以把他们的坐标转换关系认为是平移、旋转和缩放的组合，即仿射变换。假设待校正SAR图像坐标为（i，j），对应的SAR模拟图像的坐标为（is，js），坐标转换关系如下：
Figure 594479DEST_PATH_IMAGE004
（4）
（4）式中，θ为旋转因子，a0，b0为平移因子，ρ为缩放因子（由于SAR模拟图像与待校正SAR图像大小和采样间隔一致，因此这里可以设ρ≈1），令a1=cosθ，b1=sinθ，则（4）式可以改写为：
Figure 263358DEST_PATH_IMAGE005
（5）
对于n个控制点
Figure 256722DEST_PATH_IMAGE006
，令
Figure 948734DEST_PATH_IMAGE007
则可构造误差方程：
Figure 685746DEST_PATH_IMAGE008
（6）
根据最小二乘法即可得到坐标转换参数为：
Figure 209131DEST_PATH_IMAGE009
（7）
根据坐标转换参数将待校正SAR图像配准到SAR模拟影像中，然后再将待校正SAR图像转换到DEM坐标空间中。
可选地，步骤S110还包括如下步骤：
步骤S1101，基于精化查找表，确定目标区域的SAR初始几何定位。
步骤S1102，获取目标区域的光学基准底图。
步骤S1103，基于SAR初始几何定位和光学基准底图，对目标区域进行控制点匹配操作，得到控制点组。
步骤S1104，基于SAR初始几何定位和光学基准底图，对目标区域进行连接点匹配操作，得到连接点组。
步骤S1105，基于控制点组和连接点组，对目标区域进行区域网平差处理。
SAR区域网平差涉及控制点和加密点，其中控制点的地理坐标已知，加密点的地理坐标待求解，它们对应像点的影像坐标通过在影像上量测获得。控制点的数量和分布直接影响区域网平差的精度。采用人工量测的方式，不仅费时费力，而且无法满足数据实时处理的要求。因此，在本发明实施例中采用相位一致性的光学与SAR影像自动匹配。
影像的几何结构可以通过梯度信息进行表达，但梯度对于影像间的辐射变化较为敏感。相比而言，相位一致性特征具有更好的光照和对比度不变性．这一性质可以使它更好适应于影像间的辐射变化。目前虽然相位一致性模型已经应用于多传感器遥感影像的配准，但这些方法只使用了相位一致性的强度信息，忽略了该模型的方向信息，其配准性能还不够稳健。
可选地，本发明实施例综合利用相位一致性的强度和方向信息，构建一种表示影像几何结构特征的描述符—相位一致性方向直方图（histogram of orientated phasecongruency，HOPC），并利用HOPC描述符间的欧式距离建立一种描述影像间几何结构相似性的匹配测度(名为HOPCn)。具体的匹配流程如下：
（1）根据卫星传感器自身的姿态和定位参数，利用其严格成像模型对影像进行粗纠正，消除影像间显著的全局变形(如尺度，旋转等差异)，使影像间仅存在少量的平移差异；
（2）采用分块的Harris算子，在参考影像上提取分布均匀的特征点。首先将影像划分为10×10互不重叠的格网区域，在每个格网内计算每个像素点的Harris特征值，并进行排序，然后选择Harris特征值较大的3个点作为特征点，总共得到300个特征点；
（3）然后在输入影像上确定一定大小(40×40像素)的搜索区域，利用HOPCn作为相似性测度，并采用双向匹配的策略进行同名点识别；
（4）根据所获得的同名点建立投影变换模型，并计算同名点的残差和和均方根误差(Root Mean SquareError，RMSE)，同时迭代地删除残差较大的同名点，直到RMSE小给定的阈值(1个像素)；
（5）为了消除地形起伏所引起的局部形变，采用分段线性模型对影像进行配准。
影像间的连接点，即不同影像之间重叠区域内的同名点，用于将整个测区影像连接起来，其坐标量测精度直接决定加密结果的质量。因此，保证连接点的量测精度和可靠性是十分重要的。
可选地，本发明实施例对目标区域进行连接点匹配的过程，针对SAR影像特殊的成像机理、拍摄角度、拍摄轨道等问题，采用一种基于shift算子和CRA测度的多源影像匹配方法。基本思想是利用特征对旋转保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性的优良特性，仅在最高层金字塔影像上进行匹配，进而估计出影像的近似几何关系，如影像间的旋转角度和几何变形系数。然后，采用为相似性测度进行金字塔影像匹配，匹配之前，对匹配窗口影像进行相应的旋转补偿和几何变形补偿。融入金字塔影像匹配策略，在每层匹配完成后，采用合适的方法剔除存在的错误匹配点，最终获得满意的匹配结果。具体地，匹配流程如图2所示。
SAR影像区域网平差将区域网内多景SAR影像联合处理，解算模型定向参数和模型公共点（加密点）地面坐标。基本思想是对区域网内的SAR影像，利用同名点将相邻影像连接起来，联合区域网内所有影像定位模型，建立区域网平差模型，将各影像上的控制点、影像连接点的像点坐标和地理坐标、各影像的定向参数等观测值联合，按最小二乘原理平差，解求连接点地理坐标和各影像定向参数。处理主要包括：
（1）提取目标区域的区域网SAR影像的成像参数，利用已知传感器状态矢量点拟合传感器轨迹；
（2）给出各模型定向参数初始值，并计算加密点地理坐标的初始值；
（3）对于控制点和加密点在各影像上对应的像点，依据影像定位模型，列出误差方程式，建立区域网平差误差方程；
（4）建立整个区域的改化法方程，进行矩阵运算求解各模型定向参数；
（5）利用解求的模型定向参数代入定位模型，解求加密点的地理坐标，将新求解的定向参数和地理坐标代替初始值进行迭代解算，直到收敛，输出定向参数和加密点地理坐标。
（6）最后利用大区域所有影像的定向参数进行区域影像的正射纠正。
本发明实施例提供了一种SAR数据区域网平差处理方法，该方法利用SAR影像模拟技术、幅度配准技术、SAR轨道改正技术、多模态匹配技术等，解决了地形复杂区域的SAR影像控制点获取难题，提高了SAR影像联合平差的自动化程度，实现了大范围SAR数据的高精度联合应用，解决了现有技术中存在的对SAR数据区域网平差处理过程中人工选择控制点的耗时、耗力以及初始定位精度低的技术问题。下面以两景ALOS-2数据为例，对本发明实施例提供的方法所能产生的技术效果进行说明。数据情况如表1所示：
表1 实验数据说明
数据类型 数据说明
SAR数据 原始SAR数据：湖北重庆交界山区的2景数据ALOS-2数据，HH模式。数据分辨率情况：斜距分辨率：1.430422m；方位向分辨率：1.825469m。 数据处理：对上述数据进行了3*2（方位向*距离向）的多视和幅度信息提取。
光学基准影像 GoogleEarth影像数据，数据的分辨率：2米。坐标：WGX-84
DEM数据 分辨率为30米，地理坐标
控制点匹配情况对比如图3和图4所示，平差后几何校正的结果如图5所示。
精度验证方法：
（1）在待检查影像上利用相应算法自动生成检查点，然后基于异源匹配算法在相应的光学基准上找到对应的同名点。
（2）基于匹配出来的同名点，人工进行修正，然后进行多项式拟合，计算得到SAR数据坐标（x,y）和地理坐标（X,Y）之间的多项式拟合系数。根据多项式拟合系数，以及同名点的地理坐标（X,Y），计算同名点的SAR数据坐标（x1,y1），求取匹配出来的同名点的SAR数据坐标（x,y）和（x1,y1）指点的误差值，得到精度验证结果。
本次验证的数据情况：SAR影像地理编码成果影像为地理坐标系、分辨率为5米；光学基；准影像为地理坐标、分辨率为2米；异源匹配中用的DEM数据为SRTM DEM，正常高系统，30米分辨率，用于辅助SAR影像进行地理编码处理。最终的验证结果如下：共设置64个检查点，最终误差为5.82米。
综上可知，本方面实施例提供的方法可解决地形复杂区域的SAR影像控制点获取难题，最终可实现大范围SAR数据的自动化、高精度平差的技术效果。
实施例二：
图6是根据本发明实施例提供的另一种SAR数据区域网平差处理方法的流程图。如图6所示，该方法包括：
通过借助外部DEM，利用初始轨道信息采用模拟仿真技术，生成充分反映表面地形特点的SAR模拟影像；具体地，将原始SAR数据进行数据导入，多视及幅度提取，得到SAR幅度图，通过地理编码得到查找表，然后通过外部DEM数据的反演，得到SAR模拟幅度图；
然后采用影像匹配的方法自动获取模拟影像与真实影像之间同名点的坐标差值，优化SAR数据的初始几何定位结果；具体地，通过对SAR模拟幅度图进行坐标转换，得到雷达坐标系下的SAR模拟幅度图，然后对查找表进行幅度配准，得到精化查找表，再对SAR幅度图进行坐标转换，得到高精度SAR定位数据；
最后基于光学基准数据和高精度SAR定位数据开展自动化的控制点匹配、连接点匹配、航带平差、几何精校正、影像拼接，得到最终的SAR DOM数据，实现地形复杂区域大范围SAR影像的高精度、自动化几何定位。
该方法通过SAR影像模拟仿真技术、幅度配准技术、SAR轨道改正技术、多模态匹配技术等，获取匹配点高精度地理坐标，并将获取到的匹配点作为区域网平差控制点、连接点，无需人工参与选点，实现从数据准备、数据处理到DOM生成的全自动化流程处理。解决了地形复杂区域SAR影像控制点获取难题，提高了SAR影像区域网平差的自动化程度，满足大范围SAR影像DOM产品业务化生产需求。
本发明实施例提供的方法具有数据处理快速、成果获取准确的特点，能满足复杂区域大范围SAR数据平差处理的高精度和高效率需求，可应用于森林资源调查、沙漠化的调查、地质灾害地区的监测、现代通讯网的规划、军事目标探测等领域。
实施例三：
图7是根据本发明实施例提供的一种SAR数据区域网平差处理系统的示意图。如图7所示，该系统包括：获取模块10，反演模块20，计算模块30，配准模块40和处理模块50。
具体地，获取模块10，用于获取目标区域的DEM数据和目标区域的SAR原始幅度图。
反演模块20，用于基于DEM数据和SAR原始幅度图，对目标区域进行SAR图像反演，得到SAR模拟幅度图。
计算模块30，用于基于SAR模拟幅度图，计算SAR模拟幅度图与SAR原始幅度图之间的坐标转换参数。
配准模块40，用于基于坐标转换参数，对查找表进行配准，得到精化查找表；查找表为表征SAR原始幅度图在雷达坐标系与地理坐标系之间的映射关系的数据结构。
处理模块50，用于基于精化查找表对目标区域进行区域网平差处理。
本发明实施例提供了一种SAR数据区域网平差处理系统，该系统通过借助外部DEM数据生成充分反映表面地形特点的SAR模拟幅度图，并采用影像匹配的方法自动获取模拟影像与真实影像之间同名点的坐标转换参数，最终可以通过坐标转换参数对查找表进行优化，以优化SAR数据的初始几何定位结果，解决了现有技术中存在的对SAR数据区域网平差处理过程中人工选择控制点的耗时、耗力以及初始定位精度低的技术问题。
可选地，图8是根据本发明实施例提供的一种反演模块的示意图。如图8所示，反演模块20还包括：第一计算单元21，第二计算单元22和确定单元23。
具体地，第一计算单元21，用于计算DEM数据与SAR原始幅度图之间的几何对应关系。
第二计算单元22，用于基于几何对应关系，计算DEM数据中的每个像元对应到SAR原始幅度图中像元的灰度值。
确定单元23，用于基于灰度值，确定目标区域的SAR模拟幅度图。
可选地，第一计算单元21还用于：计算目标雷达天线距离地面像元的斜距长度；目标雷达天线为获取DEM数据的雷达天线；计算目标雷达天线的多普勒中心频率；基于斜距长度和多普勒中心频率，确定DEM数据与SAR原始幅度图之间的几何对应关系。
可选地，处理模块50，还用于：基于精化查找表，确定目标区域的SAR初始几何定位；获取目标区域的光学基准底图；基于SAR初始几何定位和光学基准底图，对目标区域进行控制点匹配操作，得到控制点组；基于SAR初始几何定位和光学基准底图，对目标区域进行连接点匹配操作，得到连接点组；基于控制点组和连接点组，对目标区域进行区域网平差处理。
本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例一中的方法的步骤。
本发明实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述实施例一中的方法。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种SAR数据区域网平差处理方法，其特征在于，包括：
获取目标区域的DEM数据和所述目标区域的SAR原始幅度图；
基于所述DEM数据和所述SAR原始幅度图，对所述目标区域进行SAR图像反演，得到SAR模拟幅度图；
基于所述SAR模拟幅度图，计算所述SAR模拟幅度图与所述SAR原始幅度图之间的坐标转换参数；
基于所述坐标转换参数，对查找表进行优化，得到精化查找表；所述查找表为表征所述SAR原始幅度图在雷达坐标系与地理坐标系之间的映射关系的数据结构；
基于所述精化查找表对所述目标区域进行区域网平差处理；
基于所述DEM数据和所述SAR原始幅度图，对所述目标区域进行SAR图像反演，得到SAR模拟幅度图，包括：
计算所述DEM数据与所述SAR原始幅度图之间的几何对应关系；
基于所述几何对应关系，计算所述DEM数据中的每个像元对应到所述SAR原始幅度图中像元的灰度值；
基于所述灰度值，确定所述目标区域的SAR模拟幅度图；
计算所述DEM数据与所述SAR原始幅度图之间的几何对应关系，包括：
计算目标雷达天线距离地面像元的斜距长度；所述目标雷达天线为获取所述DEM数据的雷达天线；
计算所述目标雷达天线的多普勒中心频率；
基于所述斜距长度和所述多普勒中心频率，确定所述DEM数据与所述SAR原始幅度图之间的几何对应关系。
2.根据权利要求1所述的方法，其特征在于，基于所述精化查找表对所述目标区域进行区域网平差处理，包括：
基于所述精化查找表，确定所述目标区域的SAR初始几何定位；
获取所述目标区域的光学基准底图；
基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行控制点匹配操作，得到控制点组；
基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行连接点匹配操作，得到连接点组；
基于所述控制点组和所述连接点组，对所述目标区域进行区域网平差处理。
3.一种SAR数据区域网平差处理系统，其特征在于，包括：获取模块，反演模块，计算模块，配准模块和处理模块，其中，
所述获取模块，用于获取目标区域的DEM数据和所述目标区域的SAR原始幅度图；
所述反演模块，用于基于所述DEM数据和所述SAR原始幅度图，对所述目标区域进行SAR图像反演，得到SAR模拟幅度图；
所述计算模块，用于基于所述SAR模拟幅度图，计算所述SAR模拟幅度图与所述SAR原始幅度图之间的坐标转换参数；
所述配准模块，用于基于所述坐标转换参数，对查找表进行优化，得到精化查找表；所述查找表为表征所述SAR原始幅度图在雷达坐标系与地理坐标系之间的映射关系的数据结构；
所述处理模块，用于基于所述精化查找表对所述目标区域进行区域网平差处理；
所述反演模块还包括：第一计算单元，第二计算单元和确定单元，其中，
所述第一计算单元，用于计算所述DEM数据与所述SAR原始幅度图之间的几何对应关系；
所述第二计算单元，用于基于所述几何对应关系，计算所述DEM数据中的每个像元对应到所述SAR原始幅度图中像元的灰度值；
所述确定单元，用于基于所述灰度值，确定所述目标区域的SAR模拟幅度图；
所述第一计算单元还用于：
计算目标雷达天线距离地面像元的斜距长度；所述目标雷达天线为获取所述DEM数据的雷达天线；
计算所述目标雷达天线的多普勒中心频率；
基于所述斜距长度和所述多普勒中心频率，确定所述DEM数据与所述SAR原始幅度图之间的几何对应关系。
4.根据权利要求3所述的系统，其特征在于，所述处理模块，还用于：
基于所述精化查找表，确定所述目标区域的SAR初始几何定位；
获取所述目标区域的光学基准底图；
基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行控制点匹配操作，得到控制点组；
基于所述SAR初始几何定位和所述光学基准底图，对所述目标区域进行连接点匹配操作，得到连接点组；
基于所述控制点组和所述连接点组，对所述目标区域进行区域网平差处理。
5.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至2任一项所述的方法的步骤。
6.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1-2任一项所述方法。
CN202011114730.6A 2020-10-19 2020-10-19 Sar数据区域网平差处理方法和系统 Active CN112017224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011114730.6A CN112017224B (zh) 2020-10-19 2020-10-19 Sar数据区域网平差处理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011114730.6A CN112017224B (zh) 2020-10-19 2020-10-19 Sar数据区域网平差处理方法和系统

Publications (2)

Publication Number Publication Date
CN112017224A CN112017224A (zh) 2020-12-01
CN112017224B true CN112017224B (zh) 2021-01-29

Family

ID=73527324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011114730.6A Active CN112017224B (zh) 2020-10-19 2020-10-19 Sar数据区域网平差处理方法和系统

Country Status (1)

Country Link
CN (1) CN112017224B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112686893B (zh) * 2021-03-11 2021-07-13 航天宏图信息技术股份有限公司 一种卫星影像区域网平差方法及装置
CN113255740B (zh) * 2021-05-07 2024-04-19 北京市遥感信息研究所 一种多源遥感影像平差定位精度分析方法
CN113658190B (zh) * 2021-06-29 2022-06-14 桂林理工大学 张量投票的面特征航带平差方法
CN113514829B (zh) * 2021-07-12 2024-06-25 自然资源部国土卫星遥感应用中心 面向InSAR的初始DSM的区域网平差方法
CN113535878B (zh) * 2021-07-23 2022-09-27 石家庄铁道大学 基于三维地质建模的选线方法、装置、终端及存储介质
CN113671455A (zh) * 2021-09-07 2021-11-19 辽宁工程技术大学 一种中高轨道sar卫星几何定位精度仿真分析方法
CN114562982B (zh) * 2022-03-09 2023-09-26 北京市遥感信息研究所 一种光学和sar异源卫星影像联合平差的定权方法和装置
CN115189962B (zh) * 2022-07-25 2024-02-13 中国测绘科学研究院 一种基于sm4算法的地理数据逐点传输方法及系统
CN115201779B (zh) * 2022-09-14 2022-11-18 中大智能科技股份有限公司 获取雷达的成像原点空间位置和基线水平方位角的方法
CN115932823B (zh) * 2023-01-09 2023-05-12 中国人民解放军国防科技大学 基于异源区域特征匹配的飞行器对地面目标定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103869296A (zh) * 2014-01-26 2014-06-18 中国测绘科学研究院 一种基于成像面表征的极化sar地形辐射校正和几何纠正方法
CN108562900A (zh) * 2018-05-04 2018-09-21 中国人民解放军国防科技大学 一种基于高程校正的sar图像几何配准方法
CN109709551A (zh) * 2019-01-18 2019-05-03 武汉大学 一种星载合成孔径雷达影像的区域网平面平差方法
CN111738135A (zh) * 2020-06-18 2020-10-02 中国林业科学研究院资源信息研究所 一种顾及斜距和地理坐标映射偏差的sar影像特征提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103869296A (zh) * 2014-01-26 2014-06-18 中国测绘科学研究院 一种基于成像面表征的极化sar地形辐射校正和几何纠正方法
CN108562900A (zh) * 2018-05-04 2018-09-21 中国人民解放军国防科技大学 一种基于高程校正的sar图像几何配准方法
CN109709551A (zh) * 2019-01-18 2019-05-03 武汉大学 一种星载合成孔径雷达影像的区域网平面平差方法
CN111738135A (zh) * 2020-06-18 2020-10-02 中国林业科学研究院资源信息研究所 一种顾及斜距和地理坐标映射偏差的sar影像特征提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘智 等."基于DEM的SAR图像模拟".《测绘科学技术学报》.2008,第25卷(第5期),第317至320页. *

Also Published As

Publication number Publication date
CN112017224A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN112017224B (zh) Sar数据区域网平差处理方法和系统
CN109903352B (zh) 一种卫星遥感影像大区域无缝正射影像制作方法
KR101965965B1 (ko) 위성영상과 제공 rpc로부터 제작된 수치표고모델의 자동 오차보정 방법
CN108830889B (zh) 基于全局几何约束的遥感影像与基准影像的匹配方法
CN107144293A (zh) 一种视频卫星面阵相机的几何定标方法
CN109597074B (zh) 一种sar影像几何定位参数校正方法及系统
US11551366B2 (en) System and methods for correcting terrain elevations under forest canopy
Tong et al. Detection and estimation of along-track attitude jitter from Ziyuan-3 three-line-array images based on back-projection residuals
CN108562900B (zh) 一种基于高程校正的sar图像几何配准方法
CN105571598B (zh) 一种卫星激光高度计足印相机姿态的测定方法
Yang et al. Relative geometric refinement of patch images without use of ground control points for the geostationary optical satellite GaoFen4
CN109029379B (zh) 一种高精度小基高比立体测绘方法
Ren et al. Automated SAR reference image preparation for navigation
CN107941201B (zh) 光线同姿约束的零交会光学卫星影像联合平差方法及系统
CN109324326B (zh) 一种无控制点测绘sar基线标定方法
CN109696155B (zh) 光线共面约束的弱交会光学卫星影像联合平差方法及系统
CN116310901A (zh) 一种基于低空遥感的泥石流物源动态运移识别方法
Oh et al. Automated RPCs Bias Compensation for KOMPSAT Imagery Using Orthoimage GCP Chips in Korea
JP2003141507A (ja) ランドサットｔｍ画像の精密幾何補正方法及び衛星画像の精密幾何補正方法
CN109579796A (zh) 一种投影后影像的区域网平差方法
Radhadevi et al. New era of Cartosat satellites for large scale mapping
Liu et al. Adaptive re-weighted block adjustment for multi-coverage satellite stereo images without ground control points
CN107705267B (zh) 基于控制矢量的光学卫星影像几何校正方法
Zhuo et al. A target localization method for UAV image sequences based on DEM matching
CN112767454A (zh) 基于多视角观测sar数据采样分析的叠掩信息补偿方法

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