CN112147610B - 一种融合拓扑分析技术的InSAR干涉图降采样方法 - Google Patents

一种融合拓扑分析技术的InSAR干涉图降采样方法 Download PDF

Info

Publication number
CN112147610B
CN112147610B CN202011039785.5A CN202011039785A CN112147610B CN 112147610 B CN112147610 B CN 112147610B CN 202011039785 A CN202011039785 A CN 202011039785A CN 112147610 B CN112147610 B CN 112147610B
Authority
CN
China
Prior art keywords
pixels
pixel block
sampling
block
interferogram
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
CN202011039785.5A
Other languages
English (en)
Other versions
CN112147610A (zh
Inventor
江国焰
许才军
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202011039785.5A priority Critical patent/CN112147610B/zh
Publication of CN112147610A publication Critical patent/CN112147610A/zh
Application granted granted Critical
Publication of CN112147610B publication Critical patent/CN112147610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

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)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明属于图像压缩技术领域，公开了一种融合拓扑分析技术的InSAR干涉图降采样方法。在InSAR干涉图的降采样过程中，根据地震震源区信息，在干涉图空间覆盖范围内设置近场和远场两个区域；并利用GIS拓扑分析技术识别干涉图中像素所在的区域；对于两个区域内的干涉图降采样分别采用两套不同的参数。本发明解决了现有技术中传统的四叉树采样方法在干涉图远场区域经常出现过采样的问题，避免冗余数据的产生，有效降低数据量，提高数据压缩效率。

Description

一种融合拓扑分析技术的InSAR干涉图降采样方法
技术领域
本发明涉及图像压缩技术领域，尤其涉及一种融合拓扑分析技术的InSAR干涉图降采样方法。
背景技术
合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar，InSAR)是近几十年迅速发展起来的一种能够精确测定地表三维信息和高程变化信息的微波遥感新技术。它具有高分辨率、高覆盖和不受区域环境与气候约束的特征，能较好地解决传统地表形变观测中三维空间上由于人工布设观测点获取的形变信息量不足和恶劣区域信息采集困难等问题，故可获取更多的形变信号和揭示更多的地球物理现象，为地球物理反演研究提供一种全新的途径，因此InSAR被众多学者认为是一种极具潜力的空间对地观测新技术。然而，由于InSAR获取的是基于像素的连续面状形变数据，其包含的数据量较大，含有成千上万数以百万计的数据点，且这些数据在空间上高度相关，为了降低观测数据之间的空间相关性，减少参与反演的数据个数，提高反演的效率，压缩InSAR干涉图数据量，是InSAR数据后处理的重要任务之一。
目前广泛使用的方法是四叉树采样。该算法将影像均分为4个像素块，分别计算各个像素块内所有像元值的方差，并将其与预先设定的方差阈值进行比较，若某个像素块的方差超过阈值，则需要将该像素块进一步均为为4个新的更小的像素块；重复上述过程直到收敛，即各个像素块的方差均小于给定的阈值；最后计算分解后得到的各个像素块内所有像元的均值，并将其重新赋给该像素块内的所有元素。该方法弥补了均匀采样的不足，可在保持形变基本特征信息的同时，对数据量进行有效的压缩。然而，该方法也存在缺陷，即在噪声比较大或距震中较远的区域容易出现过采样的现象。因为只要某一区域内的形变梯度较大，该方法就会提高采样率，进而导致过采样情况的出现。
发明内容
本发明通过提供一种融合拓扑分析技术的InSAR干涉图降采样方法，解决了现有技术中传统的四叉树采样方法在远场过采样的问题。
本发明提供一种融合拓扑分析技术的InSAR干涉图降采样方法，根据地震震源区信息，在干涉图的空间覆盖范围内设置近场区域和远场区域；利用GIS拓扑分析技术识别干涉图中像素所在的区域；对于所述近场区域内的干涉图降采样采用第一采样参数，对于所述远场区域内的干涉图降采样采用第二采样参数。
优选的，所述融合拓扑分析技术的InSAR干涉图降采样方法包括以下步骤：
步骤1、导入InSAR干涉图，根据地震震源区信息将所述InSAR干涉图划分为近场区域、远场区域；
步骤2、添加0值像素扩充所述InSAR干涉图，使扩充后的InSAR干涉图的横向和纵向像素个数相同；
步骤3、将所述扩充后的InSAR干涉图分成大小相等的4个像素块，计算每个像素块内非0像素个数和所有像素块的均方差；
步骤4、利用GIS拓扑分析技术判断每个像素块的中心坐标是否位于所述近场区域内；若位于所述近场区域内，则采用第一采样参数进行降采样；否则，采用第二采样参数进行降采样；
步骤5、重复步骤3-步骤4，直至收敛；
步骤6、计算分解后得到的每个像素块内所有像素的均值，并将其重新赋给该像素块内的每个像素。
优选的，所述步骤1中，将所述InSAR干涉图导入至图形界面，在图形界面上绘制闭合曲线，将位于闭合曲线内的区域作为所述近场区域，将位于闭合曲线外的区域作为所述远场区域。
优选的，所述步骤2中，对所述InSAR干涉图进行扩充，使扩充后的InSAR干涉图在横向和纵向的像素个数均为2n，n为正整数，扩充后保持干涉图像素的空间坐标不变。
优选的，所述步骤4中，所述第一采样参数包括第一最大分块、第一最小分块、方差最大阈值、方差最小阈值、过滤因子；所述第二采样参数包括第二最大分块、第二最小分块、方差最大阈值、方差最小阈值、过滤因子。
优选的，所述步骤4中，若像素块的中心坐标位于近场区域，则采用如下方法进行降采样：
(a1)判断像素块的大小，若像素块的大小大于所述第一最大分块，则继续分解；若像素块的大小小于所述第一最小分块，则不再分解；
(b1)若像素块的大小位于所述第一最大分块和所述第一最小分块之间，则对像素块的非0像素个数做进一步判断；
(c1)若全部为非0像素，则不再分解；
(d1)若非0像素个数与总像素个数的比值大于所述过滤因子，则进一步将像素块的均方差与所述方差最大阈值进行比较；若像素块的均方差大于所述方差最大阈值，则继续分解；否则，不再分解；
(e1)若非0像素个数与总像素个数的比值小于所述过滤因子，则进一步将像素块的均方差与所述方差最小阈值进行比较；若像素块的均方差大于所述方差最小阈值，则继续分解；否则，不再分解；
若像素块的中心坐标位于远场区域，则采用如下方法进行降采样：
(a2)判断像素块的大小，若像素块的大小大于所述第二最大分块，则继续分解；若像素块的大小小于所述第二最小分块，则不再分解；
(b2)若像素块的大小位于所述第二最大分块和所述第二最小分块之间，则对像素块的非0像素个数做进一步判断；
(c2)若全部为非0像素，则不再分解；
(d2)若非0像素个数与总像素个数的比值大于所述过滤因子，则进一步将像素块的均方差与所述方差最大阈值进行比较；若像素块的均方差大于所述方差最大阈值，则继续分解；否则，不再分解；
(e2)若非0像素个数与总像素个数的比值小于所述过滤因子，则进一步将像素块的均方差与所述方差最小阈值进行比较；若像素块的均方差大于所述方差最小阈值，则继续分解；否则，不再分解。
优选的，所述第一最大分块为i*i个像素、所述第一最小分块j*j个像素；所述第二最大分块为h*h个像素，所述第二最小分块为k*k个像素；其中，i>j，h>k，且均为正整数。
本发明中提供的一个或多个技术方案，至少具有下列技术效果或优点：
本发明融合了GIS拓扑分析技术，对近场和远场区域内的干涉图分别采样两套不同的参数进行采样采样，避免了在远场出现过采样，减少了冗余数据的产生，进一步提高了数据压缩效率。
附图说明
图1为本发明实施例1提供的一种融合拓扑分析技术的InSAR干涉图降采样方法的流程示意图；
图2为本发明实施例2中InSAR干涉图降采样结果对比图；其中，图2(a)为原始InSAR干涉图，图2(b)为采用本发明提供的一种融合拓扑分析技术的InSAR干涉图降采样方法得到的结果；图2(c)为采用传统的四叉树采样方法得到的结果；
图3为本发明实施例3中InSAR干涉图降采样结果对比图；其中，图3(a)为原始InSAR干涉图，图3(b)为采用本发明提供的一种融合拓扑分析技术的InSAR干涉图降采样方法得到的结果；图3(c)为采用传统的四叉树采样方法得到的结果；
图4为本发明实施例4中InSAR干涉图降采样结果对比图；其中，图4(a)为原始InSAR干涉图，图4(b)为采用本发明提供的一种融合拓扑分析技术的InSAR干涉图降采样方法得到的结果；图4(c)为采用传统的四叉树采样方法得到的结果。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1：
实施例1提供了一种融合拓扑分析技术的InSAR干涉图降采样方法，根据地震震源区信息，在干涉图的空间覆盖范围内设置近场区域和远场区域；利用GIS拓扑分析技术识别干涉图中像素所在的区域；对于近场区域内的干涉图降采样采用第一采样参数，对于远场区域内的干涉图降采样采用第二采样参数。
本发明主要包括GIS拓扑分析、设定参数、分区域采样三个部分。
所述GIS拓扑分析是指判断待划分像素块是否属于近场区域。GIS拓扑分析是一种确定地理信息空间中点、线、面位置关系的技术，融入GIS拓扑分析技术后，本发明所提出的采样方法可以根据用户设定的近场区域，用不同的标准对近场和远场进行降采样，进而改进远场地区过采样的缺点，提高数据的压缩效率，显著增加近场(震源区)的数据权重，最终提高数据反演的可靠度。其中，近场区域可由用户在图形界面勾绘而出，即用户可以在图形界面(InSAR干涉图上)勾画闭合曲线，并存为图形元素，该闭合曲线包围的范围为所述近场区域。通过判断像素块的中心点是否在所述近场区域，从而判断该像素块是否属于近场区域。
所述设定参数是指设定最大分块、最小分块，方差最大阈值、方差最小阈值，过滤因子(像素块内的非0像素个数/总像素个数)。最大分块指像素块所能划分到的最小程度，最小分块是指像素块所能存在的最大程度，都以像素为单位。过滤因子指一个像素块中有值的像素个数除以总像素个数的值。以上所述参数的大小根据采样需要自行调整。
所述分区域采样是指对所述近场和远场设置不同的参数，按照不同的标准采样。近场处设置的分块大小较小，密集采样，远场处设置的分块大小较大，稀疏采样。即支持用户设定震源区(近场)的范围，近场之外的区域是远场，在近远场按照不同的标准降采样。
具体的，实施例1提供的一种融合拓扑分析技术的InSAR干涉图降采样方法，如图1所示，包括以下步骤：
步骤1、导入InSAR干涉图，根据地震震源区信息将InSAR干涉图划分为近场区域、远场区域。
具体的，将所述InSAR干涉图(影像)导入至图形界面，在图形界面上绘制闭合曲线，即用户根据已知的震源区范围(即较大的形变集中区)绘制闭合曲线，将位于闭合曲线内的区域作为所述近场区域，将位于闭合曲线外的区域作为所述远场区域。
步骤2、添加0值像素扩充所述InSAR干涉图，使扩充后的InSAR干涉图的横向和纵向像素个数相同。
具体的，对所述InSAR干涉图进行扩充，扩充后保持干涉图的像素空间坐标不变，扩充后干涉图在横向和纵向的像素个数均为2n，n为正整数。即依据传统四叉树方法，通过添加零值像素扩充影像的大小；扩充后保持原影像的像素空间坐标不变；此外，扩充后2D影像在横向和纵向的像素个数应相同，均为2n。其中,n为正整数，其数值根据原影像的横向和纵向像素个数确定。先比较两个方向上的像素个数得到最大值，然后根据最大值确定n值。2n应大于且最接近最大的像素个数。
步骤3、将扩充后的InSAR干涉图分成大小相等的4个像素块，计算每个像素块内非0像素个数和所有像素块的均方差。
步骤4、利用GIS拓扑分析技术判断每个像素块的中心坐标是否位于所述近场区域内；若位于所述近场区域内，则采用第一采样参数进行降采样；否则，采用第二采样参数进行降采样。
在本申请中，所述GIS拓扑分析技术是指判断近场区域对应的闭合边界与像素块的中心点之间是否存在空间包含关系，对于近场、远场像素块分别设置两组不同的参数。
具体的，所述第一采样参数包括第一最大分块、第一最小分块、方差最大阈值、方差最小阈值、过滤因子；所述第二采样参数包括第二最大分块、第二最小分块、方差最大阈值、方差最小阈值、过滤因子。
若像素块的中心坐标位于近场区域内，则采用如下方法进行降采样：判断像素块的大小，若像素块的大小大于所述第一最大分块，则继续分解；若像素块的大小小于所述第一最小分块，则不再分解。若像素块的大小位于所述第一最大分块和所述第一最小分块之间，则对像素块的非0像素个数做进一步判断。若全部为非0像素，则不再分解。若非0像素个数与总像素个数的比值大于所述过滤因子，则进一步将像素块的均方差与所述方差最大阈值进行比较；若像素块的均方差大于所述方差最大阈值，则继续分解；否则，不再分解。若非0像素个数与总像素个数的比值小于所述过滤因子，则进一步将像素块的均方差与所述方差最小阈值进行比较；若像素块的均方差大于所述方差最小阈值，则继续分解；否则，不再分解。
若像素块的中心坐标位于远场区域，则采用如下方法进行降采样：判断像素块的大小，若像素块的大小大于所述第二最大分块，则继续分解；若像素块的大小小于所述第二最小分块，则不再分解。若像素块的大小位于所述第二最大分块和所述第二最小分块之间，则对像素块的非0像素个数做进一步判断。若全部为非0像素，则不再分解。若非0像素个数与总像素个数的比值大于所述过滤因子，则进一步将像素块的均方差与所述方差最大阈值进行比较；若像素块的均方差大于所述方差最大阈值，则继续分解；否则，不再分解。若非0像素个数与总像素个数的比值小于所述过滤因子，则进一步将像素块的均方差与所述方差最小阈值进行比较；若像素块的均方差大于所述方差最小阈值，则继续分解；否则，不再分解。
其中，所述第一最大分块为i*i个像素、所述第一最小分块j*j个像素；所述第二最大分块为h*h个像素，所述第二最小分块为k*k个像素；其中，i>j，h>k，且均为正整数。
步骤5、重复步骤3-步骤4直至收敛。
步骤6、计算分解后得到的每个像素块内所有像素的均值，并将其重新赋给该像素块内的每个像素。
实施例2：
以2017年1月27日发生在我国的某地震InSAR形变监测干涉图为例，该干涉图采用欧空局哨兵雷达卫星的两幅升轨(轨道号为T055)数据进行差分干涉处理得到。
1)首先导入影像到界面，再根据已知信息人工绘制闭合曲线，作为近场范围。将该闭合曲线存为图形元素“123”。
2)点击“影像压缩-四叉树”功能，设置近场最大分块为16*16个像素，最小分块为4*4个像素；远场最大分块为64*64个像素，最小分块为16*16个像素；设置方差最小阈值为0.001，最大阈值为0.07；设置过滤因子(有值的像素/分块的总像素)为0.5；设置主要形变区域为“123”。
在输出栏选择“影像数据”、“点位数据”的保存路径，点击“压缩”按钮，即可使得程序执行技术方案中的步骤，最后可在相应路径找到按步骤2)所示采样标准压缩后的影像和点位数据。成图结果如附图2所示。
具体的，图2(a)为原始InSAR干涉图，图2(b)为采用本发明提供的一种融合拓扑分析技术的InSAR干涉图降采样方法得到的结果；图2(c)为采用传统的四叉树采样方法得到的结果。从图2中可以看出，图2(c)虽然形变细节信息保留地较好，但由于没有范围限制，其在远场区域仍有许多小像素块，例如图2(c)中矩形框圈出的区域采样就较为密集，增加了许多无效数据量；图2(b)中，由于闭合曲线圈定了近场范围，其在闭合曲线内仍然密集采样，但在曲线外都是较为均匀的大像素块，有效避免了图2(c)中局部地区过采样现象的发生，起到了降低了数据量的作用。
实施例3：
以2018年12月16日发生在我国的某地震InSAR形变监测干涉图为例，该干涉图采用欧空局哨兵雷达卫星的两幅升轨(轨道号为T128)数据进行差分干涉处理得到。
1)首先导入影像到界面，再根据已知信息人工绘制闭合曲线，作为近场范围。将该闭合曲线存为图形元素“123”。
2)点击“影像压缩-四叉树”功能，设置近场最大分块为32*32个像素，最小分块为4*4个像素；远场最大分块为128*128个像素，最小分块为16*16个像素；设置方差最小阈值为0.01，最大阈值为0.073；设置过滤因子(有值的像素/分块的总像素)为0.5；设置主要形变区域为“123”。
3)在输出栏选择“影像数据”、“点位数据”的保存路径，点击“压缩”按钮，即可使得程序执行技术方案中的步骤，最后可在相应路径找到按步骤2)所示采样标准压缩后的影像和点位数据。成图结果如附图3所示。
具体的，图3(a)为原始InSAR干涉图，图3(b)为采用本发明提供的一种融合拓扑分析技术的InSAR干涉图降采样方法得到的结果；图3(c)为采用传统的四叉树采样方法得到的结果。可以看到，由于没有限制，图3(c)在远场区域仍有很密集的像素块，例如矩形框圈出来的部分，这些不必要的采样加大了数据量，而且也不利于降低数据的空间相关性。图3(b)由本发明所述方法得到，可以明显看到闭合曲线内和曲线外像素块尺寸的不同，这样分区域采样，避免了图3(c)中局部地区过采样现象的发生，有效地起到了降低数据量的作用。
实施例4：
以2019年1月7日发生在我国的某地震InSAR形变监测干涉图为例，该干涉图采用欧空局哨兵雷达卫星的两幅降轨(轨道号为T164)数据进行差分干涉处理得到。
1)首先导入影像到界面，再根据已知信息人工绘制闭合曲线，作为近场范围。将该闭合曲线存为图形元素“123”。
2)点击“影像压缩-四叉树”功能，设置近场最大分块为16*16个像素，最小分块为4*4个像素；远场最大分块为128*128个像素，最小分块为16*16个像素；设置方差最小阈值为0.001，最大阈值为0.07；设置过滤因子(有值的像素/分块的总像素)为0.5；设置主要形变区域为“123”。
3)在输出栏选择“影像数据”、“点位数据”的保存路径，点击“压缩”按钮，即可使得程序执行技术方案中的步骤，最后可在相应路径找到按步骤2)所示采样标准压缩后的影像和点位数据。成图结果如附图4所示。
具体的，图4(a)为原始InSAR干涉图，图4(b)为采用本发明提供的一种融合拓扑分析技术的InSAR干涉图降采样方法得到的结果；图4(c)为采用传统的四叉树采样方法得到的结果。可以看到，由于没有限制，图4(c)在矩形圈出的部分处仍有很密集的采样，这些不必要的采样加大了数据量，而且也不利于降低数据的空间相关性。图4(b)由本发明所述方法得到，可以明显看到闭合曲线外都是较为均一的大像素块，不存在图4(c)中局部地区过采样的现象，降低了数据量。
综上，本发明提供的一种融合拓扑分析技术的InSAR干涉图降采样方法，用于InSAR干涉图的降采样中，支持用户设置近场(震源区)范围，并通过GIS拓扑分析技术分析像素块所处的位置(在近场范围或是在远场范围)。对位于近场和远场内的数据分别采用不同的采样标准。本方法既继承了传统四叉树方法能有效降低数据量、降低数据的空间相关性、保留形变的细节信息等优点，又改进了传统四叉树方法在远场范围内形变梯度较大的区域过采样的缺点，减少了冗余数据的产生，有效提高了数据压缩率，显著增加了近场(震源区)的数据权重。
本发明实施例提供的一种融合拓扑分析技术的InSAR干涉图降采样方法至少包括如下技术效果：
(1)本发明融合了GIS拓扑分析技术，在近场和远场按不同标准采样，避免了近场和远场一视同仁从而在远场过采样的缺点，减少了冗余数据的产生，提高了数据压缩效率。
(2)将方法可视化为图形界面，支持用户手动设置近场范围，用户可以直接在InSAR干涉图上勾画，操作更为简便直观。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种融合拓扑分析技术的InSAR干涉图降采样方法，其特征在于，根据地震震源区信息，在干涉图的空间覆盖范围内设置近场区域和远场区域；利用GIS拓扑分析技术识别干涉图中像素所在的区域；对于所述近场区域内的干涉图降采样采用第一采样参数，对于所述远场区域内的干涉图降采样采用第二采样参数；
包括以下步骤：
步骤1、导入InSAR干涉图，根据地震震源区信息将所述InSAR干涉图划分为近场区域、远场区域；
步骤2、添加0值像素扩充所述InSAR干涉图，使扩充后的InSAR干涉图的横向和纵向像素个数相同；
步骤3、将所述扩充后的InSAR干涉图分成大小相等的4个像素块，计算每个像素块内非0像素的个数和所有像素值的均方差；
步骤4、利用GIS拓扑分析技术判断每个像素块的中心坐标是否位于所述近场区域内；若位于所述近场区域内，则采用第一采样参数进行降采样；否则，采用第二采样参数进行降采样；
所述第一采样参数包括第一最大分块、第一最小分块、方差最大阈值、方差最小阈值、过滤因子；所述第二采样参数包括第二最大分块、第二最小分块、方差最大阈值、方差最小阈值、过滤因子；
若像素块的中心坐标位于近场区域内，则采用如下方法进行降采样：
(a1)判断像素块的大小，若像素块的大小大于所述第一最大分块，则继续分解；若像素块的大小小于所述第一最小分块，则不再分解；
(b1)若像素块的大小位于所述第一最大分块和所述第一最小分块之间，则对像素块的非0像素个数做进一步判断；
(c1)若全部为非0像素，则不再分解；
(d1)若非0像素个数与总像素个数的比值大于所述过滤因子，则进一步将像素块的均方差与所述方差最大阈值进行比较；若像素块的均方差大于所述方差最大阈值，则继续分解；否则，不再分解；
(e1)若非0像素个数与总像素个数的比值小于所述过滤因子，则进一步将像素块的均方差与所述方差最小阈值进行比较；若像素块的均方差大于所述方差最小阈值，则继续分解；否则，不再分解；
若像素块的中心坐标位于远场区域，则采用如下方法进行降采样：
(a2)判断像素块的大小，若像素块的大小大于所述第二最大分块，则继续分解；若像素块的大小小于所述第二最小分块，则不再分解；
(b2)若像素块的大小位于所述第二最大分块和所述第二最小分块之间，则对像素块的非0像素个数做进一步判断；
(c2)若全部为非0像素，则不再分解；
(d2)若非0像素个数与总像素个数的比值大于所述过滤因子，则进一步将像素块的均方差与所述方差最大阈值进行比较；若像素块的均方差大于所述方差最大阈值，则继续分解；否则，不再分解；
(e2)若非0像素个数与总像素个数的比值小于所述过滤因子，则进一步将像素块的均方差与所述方差最小阈值进行比较；若像素块的均方差大于所述方差最小阈值，则继续分解；否则，不再分解；
步骤5、重复步骤3-步骤4，直至收敛；
步骤6、计算分解后得到的每个像素块内所有像素的均值，并将其重新赋给该像素块内的每个像素。
2.根据权利要求1所述的融合拓扑分析技术的InSAR干涉图降采样方法，其特征在于，所述步骤1中，将所述InSAR干涉图导入至图形界面，在图形界面上绘制闭合曲线，将位于闭合曲线内的区域作为所述近场区域，将位于闭合曲线外的区域作为所述远场区域。
3.根据权利要求1所述的融合拓扑分析技术的InSAR干涉图降采样方法，其特征在于，所述步骤2中，对所述InSAR干涉图进行扩充，使扩充后的InSAR干涉图在横向和纵向的像素个数均为2n，n为正整数，扩充后保持干涉图像素的空间坐标不变。
4.根据权利要求1所述的融合拓扑分析技术的InSAR干涉图降采样方法，其特征在于，所述第一最大分块为i*i个像素、所述第一最小分块j*j个像素；所述第二最大分块为h*h个像素，所述第二最小分块为k*k个像素；其中，i>j,h>k，且均为正整数。
CN202011039785.5A 2020-09-28 2020-09-28 一种融合拓扑分析技术的InSAR干涉图降采样方法 Active CN112147610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011039785.5A CN112147610B (zh) 2020-09-28 2020-09-28 一种融合拓扑分析技术的InSAR干涉图降采样方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011039785.5A CN112147610B (zh) 2020-09-28 2020-09-28 一种融合拓扑分析技术的InSAR干涉图降采样方法

Publications (2)

Publication Number Publication Date
CN112147610A CN112147610A (zh) 2020-12-29
CN112147610B true CN112147610B (zh) 2022-08-05

Family

ID=73895705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011039785.5A Active CN112147610B (zh) 2020-09-28 2020-09-28 一种融合拓扑分析技术的InSAR干涉图降采样方法

Country Status (1)

Country Link
CN (1) CN112147610B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6011625A (en) * 1998-07-08 2000-01-04 Lockheed Martin Corporation Method for phase unwrapping in imaging systems
CN105444730A (zh) * 2015-11-12 2016-03-30 中国矿业大学 多源数据监测矿区形变的时空特性及越界开采识别方法
CN105676222A (zh) * 2015-10-30 2016-06-15 中国人民解放军空军工程大学 一种合成孔径雷达数据自适应压缩与快速重构方法
CN106093875A (zh) * 2016-06-23 2016-11-09 中国科学院电子学研究所 基于基追踪去噪的近场宽带rcs数据采集与压缩方法
CN106526590A (zh) * 2016-11-04 2017-03-22 山东科技大学 一种融合多源sar影像工矿区三维地表形变监测及解算方法
CN108303735A (zh) * 2018-01-30 2018-07-20 单新建 基于最优参数设置的子带干涉测量的地震形变获取方法
CN108663017A (zh) * 2018-08-13 2018-10-16 伟志股份公司 一种监测城市地铁沿线地表沉降的方法
CN109444879A (zh) * 2018-10-19 2019-03-08 西南交通大学 一种DInSAR近断层同震形变场提取方法
CN110333508A (zh) * 2019-07-19 2019-10-15 中南大学 一种基于多源sar数据附加对数约束的同震震后时空滑动分布联合反演方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6911931B2 (en) * 2002-10-24 2005-06-28 The Regents Of The University Of California Using dynamic interferometric synthetic aperature radar (InSAR) to image fast-moving surface waves

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6011625A (en) * 1998-07-08 2000-01-04 Lockheed Martin Corporation Method for phase unwrapping in imaging systems
CN105676222A (zh) * 2015-10-30 2016-06-15 中国人民解放军空军工程大学 一种合成孔径雷达数据自适应压缩与快速重构方法
CN105444730A (zh) * 2015-11-12 2016-03-30 中国矿业大学 多源数据监测矿区形变的时空特性及越界开采识别方法
CN106093875A (zh) * 2016-06-23 2016-11-09 中国科学院电子学研究所 基于基追踪去噪的近场宽带rcs数据采集与压缩方法
CN106526590A (zh) * 2016-11-04 2017-03-22 山东科技大学 一种融合多源sar影像工矿区三维地表形变监测及解算方法
CN108303735A (zh) * 2018-01-30 2018-07-20 单新建 基于最优参数设置的子带干涉测量的地震形变获取方法
CN108663017A (zh) * 2018-08-13 2018-10-16 伟志股份公司 一种监测城市地铁沿线地表沉降的方法
CN109444879A (zh) * 2018-10-19 2019-03-08 西南交通大学 一种DInSAR近断层同震形变场提取方法
CN110333508A (zh) * 2019-07-19 2019-10-15 中南大学 一种基于多源sar数据附加对数约束的同震震后时空滑动分布联合反演方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
2017年九寨沟M_S7.0地震InSAR同震形变场与断层滑动分布反演;王家庆等;《华北地震科学》;20180507(第02期);全文 *
基于InSAR形变观测反演2015年皮山M_S6.5地震滑动分布;李宁等;《地震》;20170415(第02期);全文 *
联合Envisat和ALOS卫星影像确定L′Aquila地震震源机制;温扬茂 等;《地球物理学报》;20120131;第55卷(第1期);第53-65页 *

Also Published As

Publication number Publication date
CN112147610A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
US20220406584A1 (en) Techniques for mass spectrometry peak list computation using parallel processing
CN109300190B (zh) 三维数据的处理方法、装置、设备和存储介质
CN111222474A (zh) 一种任意尺度的高分辨率图像小目标检测方法
US20040102906A1 (en) Image processing of mass spectrometry data for using at multiple resolutions
Wang et al. Point cloud simplification algorithm based on the feature of adaptive curvature entropy
CN108198143B (zh) 一种去LoD层级约束的三维地形裂缝消除方法
CN111090712A (zh) 一种数据处理方法、装置、设备及计算机存储介质
CN116883606A (zh) 基于激光点云的三维模型构建方法及系统
CN103093431A (zh) 基于pca字典和结构先验信息的压缩感知重构方法
CN112147610B (zh) 一种融合拓扑分析技术的InSAR干涉图降采样方法
CN106910215A (zh) 一种基于分数阶梯度插值的超分辨率方法
CN113281749A (zh) 一种顾及同质性的时序InSAR高相干点选取方法
CN116542991A (zh) 一种用于裂缝图像分割的网络架构及其训练方法和分割方法
CN103310461B (zh) 基于块卡尔曼滤波的图像边缘提取方法
CN110706275A (zh) 一种基于卫星测高重力数据的局部重力异常提取方法
CN111583268B (zh) 点云虚拟选择与裁切方法、装置及设备
CN112802042A (zh) 二维岩心数字化图像颗粒分割方法、装置及可读存储介质
CN107464272A (zh) 基于关键点的中心扩散式气象传真图等值线的插值方法
CN110176029B (zh) 基于层级稀疏表示的图像复原与匹配一体化方法及系统
CN106951918A (zh) 一种用于冷冻电镜分析的单颗粒图像聚类方法
CN112365608B (zh) 一种球面小波变换方法及装置
CN106709873B (zh) 一种基于三次样条插值和迭代更新的超分辨率方法
CN109856673B (zh) 一种基于优势频率迭代加权的高分辨Radon变换数据分离技术
CN113205564A (zh) 一种sar智能目标边缘重构方法
CN111830560A (zh) 一种基于降秩算法的地震数据重建方法

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