CN113505764B - 顾及局部入射角的高山峡谷区sar几何畸变识别方法 - Google Patents

Abstract

本发明公开了顾及局部入射角的高山峡谷区SAR几何畸变识别方法，其目的是解决传统方法中，识别几何畸变存在遗漏和未能精细识别各类几何畸变的问题，从而能够精确定量识别出各类几何畸变，可以更加全面精细定量识别出包括：透视收缩、主动叠掩、被动叠掩、主动阴影与被动阴影这五类常见的SAR几何畸变；从而进一步推动InSAR技术在地质灾害隐患早期识别与监测领域的应用与发展。

Description

顾及局部入射角的高山峡谷区SAR几何畸变识别方法

技术领域

本发明属于技术行业的形变监测领域，具体涉及顾及局部入射角的高山峡谷区SAR几何畸变识别方法。

背景技术

我国山地丘陵区约占国土面积的65％，地质条件复杂，构造活动频繁，导致地质灾害频发。据灾后调查发现：致灾难性后果的地质灾害70%以上都不在已知的地质灾害隐患点范围内，因此对地质灾害隐患点进行早期识别与监测是最为有效的防灾减灾措施。但是，许多地质灾害隐患点，人不易至甚至人不能至，具备高位、隐蔽性的特点，导致传统的方法无法派上用场。

合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar, InSAR）技术是近三十年来迅速发展起来的一种基于星载传感器对地观测的大地测量技术。该技术具备全大范围、高精度、全天时与全天候的形变监测能力。随着SAR（合成孔径雷达）影像的时间分辨率与空间分辨率的不断提升、多源多时相的SAR影像可供选择与InSAR时序算法的不断发展与进步，InSAR技术在地质灾害隐患早期识别与监测领域正在开展广泛的应用，该技术可以有效地弥补传统的方法的不足。

但是，在开展地质灾害隐患InSAR早期识别与监测时，由于SAR卫星侧视成像的特征，导致在地形变化复杂的区域（例如我国西部高山峡谷区），会存在严重几何畸变问题，将会对于地质灾害隐患的识别与监测造成严重影响。现有的几何畸变识别方法根据其特点可以归纳为：（1）通过SAR卫星的参数信息与观测目标在SAR系统的成像时间来识别几何畸变。（2）利用SAR影像成像时斜距与地距的比值来识别几何畸变。（3）根据卫星局部入射角与观测地物坡度坡向的关系来识别几何畸变。（4）利用山体阴影模型等空间分析方法，来模拟估算几何畸变。但是目前SAR几何畸变识别方法存在的主要问题有：（1）对于SAR影像几何畸变的类型划分较为混乱，并未精细定量识别考虑各类几何畸变情况（2）现有的方法无法识别所有类型的几何畸变，存在识别遗漏的问题。（3）现有方法未考虑影像局部入射角变化。

发明内容

针对现有技术中的上述不足，本发明提供的顾及局部入射角的高山峡谷区SAR几何畸变识别方法解决了传统识别几何畸变存在遗漏，未能精细识别各类几何畸变的问题。

为了达到上述发明目的，本发明采用的技术方案为：顾及局部入射角的高山峡谷区SAR几何畸变识别方法，包括以下步骤：

S1、收集覆盖目标区域的SAR数据和DEM数据，提取出SAR卫星参数信息和地形参数信息，并计算SAR卫星的局部入射角；

S2、根据局部入射角和地形参数信息，利用LSM几何畸变算法识别目标区域的SAR影像中的几何畸变区域；

S3、根据SAR卫星参数信息和地形参数信息，利用顾及局部入射角的R指数算法识别SAR影像中的几何畸变区域和高适应性区域；

S4、通过融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，得到SAR影像的各类几何畸变区域，完成高山峡谷区SAR几何畸变识别。

进一步地：所述步骤S1具体为：

收集覆盖目标区域的SAR数据和DEM数据，根据SAR数据提取出SAR卫星参数信息，包括卫星飞行方向与正北方向的夹角ε、雷达卫星距离地心高度R _H 、雷达卫星星下点处大地高R _h 、近斜距L ₁ 和斜距分辨率p _r ；

根据SAR卫星参数信息，得到SAR卫星的局部入射角；

根据DEM数据提取出地形参数数据，包括坡向α和坡度β。

上述进一步方案的有益效果为：本发明通过收集覆盖目标区域的SAR数据，可以获取各轨道数据的飞行方位角，可以计算出逐像元的视线向的卫星的局部入射角；根据DEM数据可以获取目标区域的坡度与坡向信息。

进一步地：根据SAR卫星参数信息，得到SAR卫星的局部入射角具体为：

根据SAR卫星参数信息，通过下式计算出逐像元的视线向的SAR卫星的局部入射角，

式中，i为第i列像素，θ为SAR影像的第i列像素视线向的卫星的局部入射角。

上述进一步方案的有益效果为：通过计算SAR影像逐像元的卫星的局部入射角，可用于LSM算法识别SAR影像区域的几何畸变。

进一步地：所述步骤S2中的几何畸变区域的种类包括主动叠掩、被动叠掩、主动阴影和被动阴影；

所述步骤S2具体为：

根据SAR卫星与观测地物构成的几何关系，通过LSM几何畸变算法识别目标区域的SAR影像的几何畸变，当观测地物面向卫星视线方向且坡度β大于卫星的局部入射角θ时，识别SAR影像区域为主动叠掩的几何畸变区域，并识别受主动叠掩影响的SAR影像区域为被动叠掩的几何畸变区域；

当观测地物背向卫星视线方向且

时，识别SAR影像区域为主动阴影的几何畸变区域，并识别受主动阴影影响的SAR影像区域为被动阴影的几何畸变区域。

上述进一步方案的有益效果为：利用Kropatsch and Strobl提出的LSM几何畸变算法，根据SAR卫星与观测地物构成的几何关系，利用可视性的原理可以识别出SAR影像的几何畸变。

进一步地：所述步骤S3中的几何畸变区域的种类包括主动叠掩和透视收缩；

所述步骤S3包括以下分步骤：

S31、根据SAR卫星参数信息和地形参数信息，通过顾及局部入射角的R指数算法计算SAR影像区域的各像元的R指数；

S32、根据R指数识别SAR影像中的主动叠掩几何畸变区域、透视收缩几何畸变区域和高适用性区域。

上述进一步方案的有益效果为：本发明在顾及局部入射角的情况下，利用R指数的方法识别SAR影像的几何畸变区域。

进一步地：所述步骤S31中顾及局部入射角的R指数算法的表达式具体为：

式中，R为R指数，A为坡向校正系数，对于升轨SAR影像，A=α + ε +180；对于降轨SAR影像，A=α–ε。

上述进一步方案的有益效果为：R指数的值越高，代表越高的适用性，即SAR影像的几何畸变影响程度越低。

进一步地：所述步骤S32中，通过R指数识别SAR影像中的主动叠掩几何畸变区域、透视收缩几何畸变区域和高适用性区域，其中R指数与各类几何畸变区域的对应情况表达式具体为：

式中，T为识别SAR影像区域的结果。

上述进一步方案的有益效果为：可以依据R指数值将SAR影像各区域识别为主动叠掩、透视收缩的几何畸变区域和高适用性区域。

进一步地：所述步骤S4具体为：

通过下式融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，得到SAR影像的各类几何畸变区域，完成高山峡谷区SAR几何畸变识别；

式中，XKR _ij 为融合LSM几何畸变算法和顾及局部入射角的R指数算法得到的第j行i列像素的几何畸变分析结果；XR _ij 为R指数的几何畸变分析方法得到的第j行i列像素的几何畸变分析结果；XK _ij 为LSM的几何畸变分析方法得到的第j行i列像素的几何畸变分析结果。

上述进一步方案的有益效果为：利用融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，可以全面精确定量识别出透视收缩、主动叠掩、被动叠掩、主动阴影与被动阴影这五类常见的SAR几何畸变。

本发明的有益效果为：

（1）本发明的顾及局部入射角的高山峡谷区SAR几何畸变识别方法可以解决传统识别方法的缺陷，解决了LSM算法的几何畸变分析方法无法识别透视收缩几何畸变区域与高适用性区域，还解决了R指数算法中无法识别被动叠掩、主动阴影与被动阴影这三类被动几何畸变，并且并未考虑影像像元局部入射角的变化的问题。

（2）本发明的技术方案可以更加全面精细定量识别出包括：透视收缩、主动叠掩、被动叠掩、主动阴影与被动阴影这五类常见的SAR几何畸变，从而进一步推动InSAR技术在地质灾害隐患早期识别与监测领域的应用与发展。

附图说明

图1为顾及局部入射角的高山峡谷区SAR几何畸变识别方法的流程图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，在本发明的一个实施例中，顾及局部入射角的高山峡谷区SAR几何畸变识别方法，包括以下步骤：

S1、收集覆盖目标区域的SAR数据和DEM数据，提取出SAR卫星参数信息和地形参数信息，并计算SAR卫星的局部入射角；

S2、根据局部入射角和地形参数信息，利用LSM几何畸变算法识别目标区域的SAR影像中的几何畸变区域；

S3、根据SAR卫星参数信息和地形参数信息，利用顾及局部入射角的R指数算法识别SAR影像中的几何畸变区域和高适应性区域；

S4、通过融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，得到SAR影像的各类几何畸变区域，完成高山峡谷区SAR几何畸变识别。

所述步骤S1具体为：

收集覆盖目标区域的SAR数据和DEM数据，根据SAR数据提取出SAR卫星参数信息，包括卫星飞行方向与正北方向的夹角ε、雷达卫星距离地心高度R _H 、雷达卫星星下点处大地高R _h 、近斜距L ₁ 和斜距分辨率p _r ；

根据SAR卫星参数信息，得到SAR卫星的局部入射角；

根据DEM数据提取出地形参数数据，包括坡向α和坡度β。

本发明通过收集覆盖目标区域的SAR数据，可以获取各轨道数据的飞行方位角，可以计算出逐像元的视线向的卫星的局部入射角；根据DEM数据可以获取目标区域的坡度与坡向信息。

根据SAR卫星参数信息，得到SAR卫星的局部入射角具体为：

根据SAR卫星参数信息，通过下式计算出逐像元的视线向的SAR卫星的局部入射角，

式中，i为第i列像素，θ为SAR影像的第i列像素视线向的卫星的局部入射角。

通过计算SAR影像逐像元的卫星的局部入射角，可用于LSM算法识别SAR影像区域的几何畸变。

所述步骤S2中的几何畸变区域的种类包括主动叠掩、被动叠掩、主动阴影和被动阴影；

所述步骤S2具体为：

根据SAR卫星与观测地物构成的几何关系，通过LSM几何畸变算法识别目标区域的SAR影像的几何畸变，当观测地物面向卫星视线方向且坡度β大于卫星的局部入射角θ时，识别SAR影像区域为主动叠掩的几何畸变区域，并识别受主动叠掩影响的SAR影像区域为被动叠掩的几何畸变区域；

当观测地物背向卫星视线方向且

时，识别SAR影像区域为主动阴影的几何畸变区域，并识别受主动阴影影响的SAR影像区域为被动阴影的几何畸变区域。

利用Kropatsch and Strobl提出的LSM几何畸变算法，根据SAR卫星与观测地物构成的几何关系，利用可视性的原理可以识别出SAR影像的几何畸变。

所述步骤S3中的几何畸变区域的种类包括主动叠掩和透视收缩；

所述步骤S3包括以下分步骤：

S31、根据SAR卫星参数信息和地形参数信息，通过顾及局部入射角的R指数算法计算SAR影像区域的各像元的R指数；

S32、根据R指数识别SAR影像中的主动叠掩几何畸变区域、透视收缩几何畸变区域和高适用性区域。

所述步骤S31中顾及局部入射角的R指数算法的表达式具体为：

式中，R为R指数，A为坡向校正系数，对于升轨SAR影像，A=α + ε +180；对于降轨SAR影像，A=α–ε。

所述步骤S32中，通过R指数识别SAR影像中的主动叠掩几何畸变区域、透视收缩几何畸变区域和高适用性区域，其中R指数与各类几何畸变区域的对应情况表达式具体为：

式中，T为识别SAR影像区域的结果。

本发明在顾及局部入射角的情况下，利用R指数的方法识别SAR影像的几何畸变区域。R指数的值越高，代表越高的适用性，即SAR影像的几何畸变影响程度越低，可以依据R指数值将SAR影像各区域识别为主动叠掩和透视收缩的几何畸变区域以及高适用性区域。

所述步骤S4具体为：

通过下式融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，得到SAR影像的各类几何畸变区域，完成高山峡谷区SAR几何畸变识别；

式中，XKR _ij 为融合LSM几何畸变算法和顾及局部入射角的R指数算法得到的第j行i列像素的几何畸变分析结果；XR _ij 为R指数的几何畸变分析方法得到的第j行i列像素的几何畸变分析结果；XK _ij 为LSM的几何畸变分析方法得到的第j行i列像素的几何畸变分析结果。

利用融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，可以全面精确定量识别出透视收缩、主动叠掩、被动叠掩、主动阴影与被动阴影这五类常见的SAR几何畸变，精细识别出了不同亚类几何畸变，探明了各轨道数据的各类几何畸变的空间分布情况。

本发明的实施过程为：收集覆盖目标区域的SAR数据，获取了Sentinal-1卫星升降轨SAR数据和30m空间分辨率的ALOS WORLD 3D DEM数据。根据Sentinal-1卫星升降轨数据的参数信息，得到各轨道数据的飞行方位角，并计算影像逐像元的卫星的局部入射角θ；然后根据DEM数据，提取的目标区域的坡度β与坡向α的信息。

利用Kropatsch and Strobl提出的LSM几何畸变算法，根据卫星的局部入射角θ与观测地物构成的几何关系，计算每个目标点的成像时间，从而识别SAR几何畸变，当观测地物面向卫星视线方向且坡度β大于卫星的局部入射角θ时，识别SAR影像区域为主动叠掩的几何畸变区域，并识别受主动叠掩影响的SAR影像区域为被动叠掩的几何畸变区域；当观测地物背向卫星视线方向且

时，识别SAR影像区域为主动阴影的几何畸变区域，并识别受主动阴影影响的SAR影像区域为被动阴影的几何畸变区域。

利用顾及局部入射角的R指数算法将SAR卫星参数信息和地形参数信息转化为R指数，根据R指数识别SAR影像各区域的主动叠掩、透视收缩的几何畸变区域和高适用性区域。最后融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，将SAR影像各区域识别为主动叠掩、被动叠掩、主动阴影、被动阴影和透视收缩的几何畸变区域以及高适用性区域，完成高山峡谷区SAR几何畸变识别。

本发明的有益效果为：本发明的顾及局部入射角的高山峡谷区SAR几何畸变识别方法可以解决传统识别方法的缺陷，以及未能精细识别各类几何畸变的问题，从而能够精确定量识别出各类几何畸变。解决了LSM算法的几何畸变分析方法无法识别透视收缩几何畸变区域与高适用性区域，还解决了R指数算法中无法识别被动叠掩、主动阴影与被动阴影这三类被动几何畸变，并且并未考虑影像像元局部入射角的变化的问题。

本发明的技术方案可以解决传统方法中无法全面精确地识别出各类几何畸变与未考虑局部入射角变化的问题，可以更加全面精细定量识别出包括：透视收缩、主动叠掩、被动叠掩、主动阴影与被动阴影这五类常见的SAR几何畸变。有助于InSAR结果精准解译分析，从而进一步推动InSAR技术在地质灾害隐患早期识别与监测领域的应用与发展。

在本发明的描述中，需要理解的是，术语“中心”、“厚度”、“上”、“下”、“水平”、“顶”、“底”、“内”、“外”、“径向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明的技术特征的数量。因此，限定由“第一”、“第二”、“第三”的特征可以明示或隐含地包括一个或者更多个该特征。

Claims (6)

1.顾及局部入射角的高山峡谷区SAR几何畸变识别方法，其特征在于，包括以下步骤：

S1、收集覆盖目标区域的SAR数据和DEM数据，提取出SAR卫星参数信息和地形参数信息，并计算SAR卫星的局部入射角；

S2、根据局部入射角和地形参数信息，利用LSM几何畸变算法识别目标区域的SAR影像中的几何畸变区域；

S3、根据SAR卫星参数信息和地形参数信息，利用顾及局部入射角的R指数算法识别SAR影像中的几何畸变区域和高适应性区域；

S4、通过融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，得到SAR影像的各类几何畸变区域，完成高山峡谷区SAR几何畸变识别；

所述步骤S1具体为：

收集覆盖目标区域的SAR数据和DEM数据，根据SAR数据提取出SAR卫星参数信息，包括卫星飞行方向与正北方向的夹角ε、雷达卫星距离地心高度R _H 、雷达卫星星下点处大地高R _h 、近斜距L ₁ 和斜距分辨率p _r ；

根据SAR卫星参数信息，得到SAR卫星的局部入射角；

根据DEM数据提取出地形参数数据，包括坡向α和坡度β；

所述步骤S2中的几何畸变区域的种类包括主动叠掩、被动叠掩、主动阴影和被动阴影；

所述步骤S4具体为：

通过下式融合LSM几何畸变算法和顾及局部入射角的R指数算法的识别结果，得到SAR影像的各类几何畸变区域，完成高山峡谷区SAR几何畸变识别；

式中，XKR _ij 为融合LSM几何畸变算法和顾及局部入射角的R指数算法得到的第j行i列像素的几何畸变分析结果；XR _ij 为R指数的几何畸变分析方法得到的第j行i列像素的几何畸变分析结果；XK _ij 为LSM的几何畸变分析方法得到的第j行i列像素的几何畸变分析结果。

2.根据权利要求1所述的顾及局部入射角的高山峡谷区SAR几何畸变识别方法，其特征在于，根据SAR卫星参数信息，得到SAR卫星的局部入射角具体为：

根据SAR卫星参数信息，通过下式计算出逐像元的视线向的SAR卫星的局部入射角，

式中，i为第i列像素，θ为SAR影像的第i列像素视线向的卫星的局部入射角。

3.根据权利要求2所述的顾及局部入射角的高山峡谷区SAR几何畸变识别方法，其特征在于，所述步骤S2具体为：

根据SAR卫星与观测地物构成的几何关系，通过LSM几何畸变算法识别目标区域的SAR影像的几何畸变，当观测地物面向卫星视线方向且坡度β大于卫星的局部入射角θ时，识别SAR影像区域为主动叠掩的几何畸变区域，并识别受主动叠掩影响的SAR影像区域为被动叠掩的几何畸变区域；

当观测地物背向卫星视线方向且

时，识别SAR影像区域为主动阴影的几何畸变区域，并识别受主动阴影影响的SAR影像区域为被动阴影的几何畸变区域。

4.根据权利要求1所述的顾及局部入射角的高山峡谷区SAR几何畸变识别方法，其特征在于，所述步骤S3中的几何畸变区域的种类包括主动叠掩和透视收缩；

所述步骤S3包括以下分步骤：

S31、根据SAR卫星参数信息和地形参数信息，通过顾及局部入射角的R指数算法计算SAR影像区域的各像元的R指数；

S32、根据R指数识别SAR影像中的主动叠掩几何畸变区域、透视收缩几何畸变区域和高适用性区域。

5.根据权利要求4所述的顾及局部入射角的高山峡谷区SAR几何畸变识别方法，其特征在于，所述步骤S31中顾及局部入射角的R指数算法的表达式具体为：

式中，R为R指数，A为坡向校正系数，对于升轨SAR影像，A=α + ε +180；对于降轨SAR影像，A=α – ε。

6.根据权利要求4所述的顾及局部入射角的高山峡谷区SAR几何畸变识别方法，其特征在于，所述步骤S32中，通过R指数识别SAR影像中的主动叠掩几何畸变区域、透视收缩几何畸变区域和高适用性区域，其中R指数与各类几何畸变区域的对应情况表达式具体为：

式中，T为识别SAR影像区域的结果。

Images