CN114140594A - 一种基于RSSI和InSAR联合的地形建模方法 - Google Patents

一种基于RSSI和InSAR联合的地形建模方法 Download PDF

Info

Publication number
CN114140594A
CN114140594A CN202111481566.7A CN202111481566A CN114140594A CN 114140594 A CN114140594 A CN 114140594A CN 202111481566 A CN202111481566 A CN 202111481566A CN 114140594 A CN114140594 A CN 114140594A
Authority
CN
China
Prior art keywords
phase
terrain
rssi
insar
slc
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
CN202111481566.7A
Other languages
English (en)
Other versions
CN114140594B (zh
Inventor
刘国祥
毛文飞
张瑞
王晓文
向卫
葛大庆
刘斌
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.)
Southwest Jiaotong University
China Aero Geophysical Survey and Remote Sensing Center for Natural Resources
Original Assignee
Southwest Jiaotong University
China Aero Geophysical Survey and Remote Sensing Center for Natural Resources
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 Southwest Jiaotong University, China Aero Geophysical Survey and Remote Sensing Center for Natural Resources filed Critical Southwest Jiaotong University
Priority to CN202111481566.7A priority Critical patent/CN114140594B/zh
Publication of CN114140594A publication Critical patent/CN114140594A/zh
Application granted granted Critical
Publication of CN114140594B publication Critical patent/CN114140594B/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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G06T7/10—Segmentation; Edge detection
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Computer Graphics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于InSAR地形建模技术领域，一种基于RSSI和InSAR联合的地形建模方法，包括以下步骤：步骤1：对全带宽主从SLC影像进行配准，获得精确的偏移多项式；步骤2：利用距离向分谱法获取地形相位；步骤3：利用常规合成孔径雷达干涉获取缠绕的地形相位，用合成孔径雷达干涉获取的缠绕的地形相位减去步骤2中获取的地形相位，得到缠绕的残余相位，解缠残余相位，将解缠得到的残余相位加到步骤2中获取的地形相位中，得到最终的地形相位，将最终得到的地形相位转成数字高程。本发明基于RSSI和InSAR联合的大梯度地形建模方法摆脱了相位连续性假设，并弥补采用RSSI方法导致数据分辨率损失的问题。

Description

一种基于RSSI和InSAR联合的地形建模方法
技术领域
本发明属于InSAR地形建模技术领域，具体涉及一种基于RSSI和InSAR联合的地形建模方法。
背景技术
在InSAR地形建模领域，面临的主要问题是相位解缠；为此，国内外已开展了大量的研究，并取得了丰硕的成果。总的来讲，对于相位解缠的方法主要分为以下几类：
1.传统的单基线相位解缠方法，主要包括支切法和最小费用流；
2.优化参数法，如最小范围法；
3.多基线解缠法，如短基线辅助长基线的两步法；
4.多频法，如RSSI方法；
对于上述解缠方法的特点分析如下：
1.传统的单基线相位解缠方法成功的前提是相邻像素间的相位梯度绝对值小于等于π，即相位连续性假设；实际上，相位连续性假设并非总是成立的，特别是在形变梯度或地形梯度较大的区域，采用相位连续性假设基本不成立；
2.优化参数法可以利用全局相位进行解算，但仍难以摆脱相位连续性假设，特别是在地形起伏较大的区域；
3.多基线解缠方法能够较好的克服相位连续性假设的问题，但该方法要么鲁棒性较差，要么由于所需要的数量多而大大降低解算效率；
4.多频法主要关注的是RSSI方法，该方法通过两次差分获得双差分干涉结果，极大的稀疏了地形相位的条纹密度，从而无需考虑解缠问题，但该方法由于对距离向带宽进行了分割，因此分辨率和信噪比显著降低。此外，由于高低频子带的中心频率之差远小于全带宽数据的中心频率，故其鲁棒性差。
发明内容
本发明公开了一种基于RSSI和InSAR联合的地形建模方法，在保证空间分辨率的情况下，克服相位解缠的问题。
为解决上述技术问题，本发明采用的技术方案如下：
一种基于RSSI和InSAR联合的地形建模方法，包括以下步骤：
步骤1：对全带宽的主/从SLC影像进行配准，获得精确的偏移多项式，为后续子带SLC配准做准备；
步骤2：利用距离向分谱法获取地形相位，用于作为先验信息，克服大梯度地形区域的安装解缠难题；
步骤3：利用常规合成孔径雷达干涉的方法获取缠绕的地形相位，用所述缠绕的地形相位减去步骤2中获取的地形相位，得到缠绕的残余相位，解缠所述残余相位，并将解缠得到的残余相位加到步骤2获取的地形相位中，得到最终的地形相位，将最终得到的地形相位转换成数字高程模型，即DEM。
本发明基于RSSI和InSAR联合的大梯度地形建模方法不仅能够摆脱相位连续性假设，也能弥补RSSI方法分割距离向频谱以及鲁棒性差引起的数据分辨率损失。
优选的，所述步骤1包括以下步骤：
步骤1.1：通过像素匹配技术对主/从SAR影像进行粗配准；
步骤1.2：利用SAR影像的强度信息，通过像素偏移技术进行配准，得到精配准偏移多项式；
步骤1.3：根据地面与雷达之间的几何关系，利用像素偏移技术进行迭代，更新步骤1.2所得到的精配准偏移多项式。
优选的，所述步骤2包括以下步骤：
步骤2.1：利用带通滤波将全带宽的主/从SLC影响分成中心频率不同的四个子带SLC；四个子带SLC包括两个高频子带和两个低频子带；
步骤2.2：利用步骤1中获得的偏移多项式对各子带SLC进行配准，将从影像子带SLC重采样至主影像的几何框架；
步骤2.3：对配准后的子带SLC进行干涉处理，获得高频和低频子带干涉相位；
步骤2.4：分别移除高频和低频子带干涉相位中的参考椭球相位，获得高频地形相位和低频地形相位；
步骤2.5：将步骤2.4中得到的低频地形相位从高频地形相位中减去；得到双差分干涉相位，并将该双差分干涉相位转成地形高程；
步骤2.6：将步骤2.5中的地形高程转换成雷达中心频率下的地形相位。
优选的，所述步骤3包括以下步骤：
步骤3.1：将配准后的全带宽的SLC影像进行干涉，获得常规合成孔径雷达干涉图；
步骤3.2：移除常规合成孔径雷达干涉图中的参考椭球相位，得到地形相位；
步骤3.3：将步骤2中提取的地形相位从步骤3.2中得到的地形相位中移除，得到残余相位；
步骤3.4：对残余相位进行解缠，将解缠的残余相位与步骤3.2中得到的地形相位相加，获得最终的地形相位，将最终得到的地形相位转成数字高程模型。
所述RSSI的英文全称为：Range Split-Spectrum Interferometry；中文全称为：距离向分谱法。
所述InSAR的英文全称为：Interferometric Synthetic Aperture Radar；中文全称为：合成孔径雷达干涉。
SLC影像即单视复数影像。
SAR影像即雷达传感器获取的影像。
综上所述，由于采用了上述技术方案，本发明的有益效果是：本发明基于RSSI和InSAR联合的大梯度地形建模方法不仅能够摆脱相位连续性假设，也能弥补RSSI方法分割距离向频谱以及鲁棒性差引起的数据分辨率损失；本发明基于RSSI和InSAR联合的大梯度地形建模方法，获得高空间分辨率以及高精度的DEM。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为本发明的流程框图。
图2为基于模拟数据对本发明进行验证的结果示意图；其中，（a）为模拟的地形高程；（b）为（a）中高程对应的地形相位；（c）为（b）中地形相位的缠绕相位；（d）至（f）分别为常规InSAR、RSSI以及本发明的地形相位；（g）至（i）分别为（d）至（f）与（b）之间的残余误差。
图3为利用真实数据对本发明进行验证的结果示意图；其中，（a）为真实地形高程；(b) 为 (a) 中高程对应的地形相位； (c) 为 (b) 中地形相位的缠绕相位； (d) 至 (f)分别为常规InSAR、RSSI以及本发明的地形相位；(g) 至 (i) 分别为 (d) 至 (f) 与 (b)之间的残余误差。
图4是对本发明的结果评估与统计，其中，(a) 为真实地形高程对应的地形相位，(b) 至 (d) 分别为常规InSAR、 RSSI以及本发明获得的地形相位与真实地形相位间残差的统计直方图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1所示，本发明的一种基于RSSI和InSAR联合的地形建模方法，包括以下步骤：
一种基于RSSI和InSAR联合的地形建模方法，包括以下步骤：
步骤1：对全带宽的主/从SLC影像进行配准，获得精确的偏移多项式，为后续子带SLC配准做准备；
所述步骤1包括以下步骤：
步骤1.1：通过像素匹配技术对主/从SAR影像进行粗配准；
步骤1.2：利用SAR影像的强度信息，通过像素偏移技术进行配准，得到精配准偏移多项式；
步骤1.3：根据地面与雷达之间的几何关系，利用像素偏移技术进行迭代，更新步骤1.2所得到的精配准偏移多项式。
步骤2：利用距离向分谱法获取地形相位，用于作为先验信息，克服大梯度地形区域的安装解缠难题；
所述步骤2包括以下步骤：
步骤2.1：利用带通滤波将全带宽的主/从SLC影响分成中心频率不同的四个子带SLC；四个子带SLC包括两个高频子带和两个低频子带；
步骤2.2：利用步骤1中获得的偏移多项式对各子带SLC进行配准，将从影像子带SLC重采样至主影像的几何框架；
步骤2.3：对配准后的子带SLC进行干涉处理，获得高频和低频子带干涉相位；
步骤2.4：分别移除高频和低频子带干涉相位中的参考椭球相位，获得高频地形相位
Figure DEST_PATH_IMAGE001
和低频地形相位
Figure DEST_PATH_IMAGE002
：
Figure DEST_PATH_IMAGE003
；
式中：c为光在真空中的传播速度；R为雷达天线至地面目标的斜距；高低频子带的中心频率分别为
Figure DEST_PATH_IMAGE004
和
Figure DEST_PATH_IMAGE005
；
步骤2.5：将步骤2.4中得到的低频地形相位从高频地形相位中减去；得到双差分干涉相位，并将其转成地形高程：
Figure DEST_PATH_IMAGE006
；
步骤2.6：将步骤2.5中得到的地形高程转成雷达中心频率f 0下的地形相位
Figure DEST_PATH_IMAGE007
：
Figure DEST_PATH_IMAGE008
；
步骤3：用常规合成孔径雷达干涉获取的缠绕的地形相位减去步骤2中获取的地形相位，得到缠绕的残余相位，解缠残余相位，并将解缠得到的残余相位加到步骤2中获取的地形相位中，得到最终的地形相位，将最终得到的地形相位转成数字高程模型，即DEM。
所述步骤3包括以下步骤：
步骤3.1：将配准后的全带宽SLC影像进行干涉，获得常规合成孔径雷达干涉图；
步骤3.2：移除常规合成孔径雷达干涉图中的参考椭球相位，得到地形相位
Figure DEST_PATH_IMAGE009
：
Figure DEST_PATH_IMAGE010
；
步骤3.3：将步骤2中提取的地形相位从步骤3.2中得到的地形相位中移除，得到残余相位
Figure DEST_PATH_IMAGE011
，如下式所示，
Figure DEST_PATH_IMAGE012
；
步骤3.4：利用最小费用流方法对残余相位进行解缠，将解缠的残余相位与步骤3.2中得到的地形相位相加，获得最终的地形相位，将最终得到的地形相位转成数字高程模型：
Figure DEST_PATH_IMAGE013
。
为了验证本发明的效果，采用模拟数据和真实数据进行实验，并将本发明所得出的结果与常规InSAR以及RSSI方法的结果进行对比，实验结果参见附图2到3（彩图参见其他证明文件的图A到图B）。
从模拟数据结果来看，RSSI方法(参见附图2的c部分，彩图参见其他证明文件中的图A中的c部分)和提出方法提取的地形相位(参见附图2的d部分，彩图参见其他证明文件中的图A的d部分)与模拟(参见附图2中的b部分，彩图参见其他证明文件中的图A的b部分)的结果基本相当，与模拟结果的均方根误差分别为1.5792 rad 和0.3827 rad，而常规InSAR的结果(参见附图2中的c部分，彩图参见其他证明文件中的图A的c部分)与模拟结果相差较大，均方根误差超过80 rad。显然，从模拟实验看，本发明的DEM重构精度显著高于常规InSAR和RSSI方法。
为了进一步验证本发明所采用的方法，本发明还利用聚束模式的TerraSAR-X数据进行测试，结果见附图3（彩图参见其他证明文件中的图B）。由图3可知，常规InSAR提取的地形相位(参见附图3的c部分，彩图参见其他证明文件中的图B的c部分)在细节上与真实地形相位(参见附图3的b部分，彩图参见其他证明文件中的图B的b部分)较为符合，但在数值上存在较大差异，特别是在地形起伏大的区域，两者的均方根误差达6.60 rad。反观RSSI方法的结果，总体上与真实结果接近，两者的均方根误差为2.74 rad，但分辨率率显著低于真实数据，诸多局部区域的地形信息丢失。对比上述两种方法，通过本发明获得的地形相位与真实数据最为接近，两者的均方根误差仅为2.22 rad，且很多细节的地形信息清晰可见。由此可知本发明能有效地保证结果的空间分辨率和精度。
为了了解误差的分布情况，从而说明本发明的鲁棒性和精度，本发明将地形起伏较大区域(参见附图4的a部分；彩图参见其他证明文件：图C的a部分中的A1区域)与平坦区域(参见附图4的a部分；彩图参见其他证明文件：图C的a部分中的A2区域)的残差分开统计，其统计直方图如附图4所示。结果表明，常规InSAR (参见本发明附图4中的b部分；彩图参见其他证明文件：图C的b部分的绿色直方图)、RSSI(参见本发明附图4中的c部分，彩图参见其他证明文件：图C的c部分绿色直方图)以及提出方法(参见本发明附图4中的d部分；彩图参见其他证明文件：图C的d部分绿色直方图)在平坦地区的均方根误差分别为1.97 rad、2.28rad以及1.25 rad，提出方法略高于常规InSAR，但低于RSSI方法。而在A1区域，RSSI方法与提出方法的结果接近，均方根误差分别为3.64 rad和3.66rad，但显著低于常规InSAR的11.95 rad。这充分说明了本发明既克服了地形起伏较大区域的解缠问题，也保证了结果的精度。
综上所述，与常规InSAR和RSSI方法相比，本发明能够较好的克服相位连续性假设，可克服地形梯度较大的区域的相位解缠问题；同时，利用细节信息更丰富的InSAR结果弥补RSSI方法损失的空间分辨率，从而保证了DEM结果的精度和空间分辨率。
以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，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。

Claims (5)

1.一种基于RSSI和InSAR联合的地形建模方法，其特征在于，包括以下步骤：
步骤1：对全带宽的主/从SLC影像进行配准，获得精确的偏移多项式；
步骤2：利用距离向分谱法获取地形相位；
步骤3：用常规合成孔径雷达干涉的方法获取缠绕的地形相位，用所述缠绕的地形相位减去步骤2中获取的地形相位，得到缠绕的残余相位，解缠所述残余相位，并将解缠得到的残余相位加到步骤2获取的地形相位中，得到最终的地形相位，将最终得到的地形相位转换成数字高程模型。
2.根据权利要求1所述的一种基于RSSI和InSAR联合的地形建模方法，其特征在于，所述步骤1包括以下步骤：
步骤1.1：通过像素匹配技术对主/从SAR影像进行粗配准；
步骤1.2：利用SAR影像的强度信息，通过像素偏移技术进行配准，得到精配准偏移多项式；
步骤1.3：根据地面与雷达之间的几何关系，利用像素偏移技术进行迭代，更新步骤1.2所得到的精配准偏移多项式。
3.根据权利要求1所述的一种基于RSSI和InSAR联合的地形建模方法，其特征在于，所述步骤2包括以下步骤：
步骤2.1：利用带通滤波将全带宽的主/从SLC影响分成中心频率不同的四个子带SLC；四个子带SLC包括两个高频子带和两个低频子带；
步骤2.2：利用步骤1中获得的偏移多项式对各子带SLC进行配准，将从影像子带SLC重采样至主影像的几何框架；
步骤2.3：对配准后的子带SLC进行干涉处理，获得高频和低频子带干涉相位；
步骤2.4：分别移除高频和低频子带干涉相位中的参考椭球相位，获得高频地形相位和低频地形相位；
步骤2.5：将步骤2.4中得到的低频地形相位从高频地形相位中减去；得到双差分干涉相位，并将该双差分干涉相位转成地形高程；
步骤2.6：将步骤2.5中的地形高程转换成雷达中心频率下的地形相位。
4.根据权利要求1所述的一种基于RSSI和InSAR联合的地形建模方法，其特征在于，所述步骤3包括以下步骤：
步骤3.1：将配准后的全带宽的SLC影像进行干涉，获得常规合成孔径雷达干涉图；
步骤3.2：移除常规合成孔径雷达干涉图中的参考椭球相位，得到地形相位；
步骤3.3：将步骤2中提取的地形相位从步骤3.2中得到的地形相位中移除，得到残余相位；
步骤3.4：对残余相位进行解缠，将解缠的残余相位与步骤3.2中得到的地形相位相加，获得最终的地形相位，将最终得到的地形相位转成数字高程模型。
5.根据权利要求4所述的一种基于RSSI和InSAR联合的地形建模方法，其特征在于，步骤3.4中利用最小费用流方法对所述残余相位进行解缠。
CN202111481566.7A 2021-12-07 2021-12-07 一种基于RSSI和InSAR联合的地形建模方法 Active CN114140594B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111481566.7A CN114140594B (zh) 2021-12-07 2021-12-07 一种基于RSSI和InSAR联合的地形建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111481566.7A CN114140594B (zh) 2021-12-07 2021-12-07 一种基于RSSI和InSAR联合的地形建模方法

Publications (2)

Publication Number Publication Date
CN114140594A true CN114140594A (zh) 2022-03-04
CN114140594B CN114140594B (zh) 2022-07-22

Family

ID=80384600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111481566.7A Active CN114140594B (zh) 2021-12-07 2021-12-07 一种基于RSSI和InSAR联合的地形建模方法

Country Status (1)

Country Link
CN (1) CN114140594B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050027450A1 (en) * 2003-08-01 2005-02-03 Cox Geoffrey F. Altitude aiding in a satellite positioning system
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
CN103728604A (zh) * 2013-11-19 2014-04-16 中国国土资源航空物探遥感中心 一种宽带合成孔径雷达子带干涉数据处理方法
CN111239735A (zh) * 2020-02-28 2020-06-05 西南交通大学 一种基于低频sar影像的方位向形变场电离层校正方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050027450A1 (en) * 2003-08-01 2005-02-03 Cox Geoffrey F. Altitude aiding in a satellite positioning system
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
CN103728604A (zh) * 2013-11-19 2014-04-16 中国国土资源航空物探遥感中心 一种宽带合成孔径雷达子带干涉数据处理方法
CN111239735A (zh) * 2020-02-28 2020-06-05 西南交通大学 一种基于低频sar影像的方位向形变场电离层校正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
罗小军: ""利用 ERS-1/2 串接雷达干涉建立高山地区"", 《遥 感 技 术 与 应 用》 *
赵玲: ""不同TEC分布模式对星载SAＲ立体定位"", 《测绘科学技术学报》 *

Also Published As

Publication number Publication date
CN114140594B (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
WO2016086699A1 (zh) 一种结合局部频率估计的小波域InSAR干涉相位滤波方法
CN108594222B (zh) 一种双频干涉合成孔径雷达的高程重建方法和装置
CN107193005B (zh) 一种无损卡尔曼滤波与粒子滤波相结合的相位展开算法
Liu et al. A cluster-analysis-based noise-robust phase-unwrapping algorithm for multibaseline interferograms
CN113624122A (zh) 融合GNSS数据与InSAR技术的桥梁变形监测方法
CN109859219B (zh) 结合相位与光谱的高分遥感影像分割方法
CN111239736B (zh) 基于单基线的地表高程校正方法、装置、设备及存储介质
ITMI20090535A1 (it) Procedimento per l'identificazione di pixel statisticamente omogenei in immagini sar acquisite sulla stessa area.
CN111856459B (zh) 一种改进的DEM最大似然约束多基线InSAR相位解缠方法
CN111562575B (zh) 一种用于地面沉降的监测方法
CN115951350A (zh) 永久散射体点提取方法、装置、设备及介质
CN114140594B (zh) 一种基于RSSI和InSAR联合的地形建模方法
Lachaise et al. The new Tandem-X change DEM: Specifications and interferometric processing
TW200921558A (en) Geospatial modeling system providing void inpainting based upon selectable inpainting functions and related methods
CN110940638A (zh) 一种高光谱图像亚像元级水体边界探测方法及探测系统
CN108415017B (zh) 复杂目标雷达散射特性稀疏表征的一维增广状态空间方法
CN103226194A (zh) 一种基于经验模式分解的InSAR干涉相位滤波方法
CN116430384A (zh) 一种基于多主影像处理的层析sar三维成像方法
CN111562579B (zh) 基于整数规划模型的MIMO InSAR相位解缠方法
Martone et al. A method for generating forest/non-forest maps from TanDEM-X interferometric data
TW200921557A (en) Geospatial modeling system providing wavelet decomposition and inpainting features and related methods
CN112034457B (zh) 基于干涉条纹方向的多基线高程干涉相位估计方法
CN115616575B (zh) 一种星载sar立体测量辅助的干涉相位图解缠绕方法
Zhu et al. A new method based on spatial dimension correlation and fast Fourier transform for SNR estimation in remote sensing images
Li et al. Non-fuzzy interferometric phase estimation method based on deep learning

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