CN114236544A - 一种基于几何匹配的升降轨星载sar三维成像方法及装置 - Google Patents
一种基于几何匹配的升降轨星载sar三维成像方法及装置 Download PDFInfo
- Publication number
- CN114236544A CN114236544A CN202210164276.8A CN202210164276A CN114236544A CN 114236544 A CN114236544 A CN 114236544A CN 202210164276 A CN202210164276 A CN 202210164276A CN 114236544 A CN114236544 A CN 114236544A
- Authority
- CN
- China
- Prior art keywords
- image
- rail
- ascending
- descending
- matching
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 78
- 230000001174 ascending effect Effects 0.000 claims abstract description 126
- 238000004590 computer program Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000003709 image segmentation Methods 0.000 claims abstract description 20
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 32
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G01S13/89—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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种基于几何匹配的升降轨星载SAR三维成像方法，包括：获取SAR升轨图像和降轨图像；根据升轨图像和降轨图像对应的成像几何，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子；将升轨图像和降轨图像分别进行特征提取、图像分割、二值化及形态学处理，分别得到升轨图像的轮廓特征和降轨图像的轮廓特征；将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量；根据尺度因子及特征偏移量，得到地物目标的三维成像图。本公开还提供了一种基于升降轨几何匹配的星载SAR三维成像装置、电子设备、存储介质及计算机程序产品。
Description
技术领域
本公开涉及合成孔径雷达成像技术领域，具体涉及一种基于几何匹配的升降轨星载SAR三维成像方法、装置、电子设备、存储介质及程序产品。
背景技术
合成孔径雷达（Synthetic aperture radar，SAR）以其全天时、全天候的特点，在对地观测数据的获取中得到了广泛的应用。卫星等航天器搭载的星载SAR具有全球成像能力。它在全球军事侦察、环境遥感、自然灾害监测、行星探测等方面发挥了不可替代的作用。星载SAR采用常规模式，从单侧角度获取SAR图像只能获得目标的有限角度的信息。然而，实际场景中目标的后向散射特性是各向异性的，目标的散射特性随方位角的变化而变化。星载升降轨影像可提供多方位角度的图像，有较为广泛的应用。其中利用升降轨星载SAR图像进行地形提取是一个研究热点。星载升降轨观测几何得到的SAR图像视差明显，基高比大，因此求得的地物的目标点高程精度高。
现有技术中提取地形高程的方法基本上可以分为两类：干涉法和立体像对法。干涉法是利用重轨图像的相位信息提取高程信息，对实验环境和天气的要求很高，而且获得重轨图像周期性较长，不能及时获得观测区域的地形信息。与干涉法相比，立体像对法利用了SAR图像的幅度信息，它最早应用于20世纪50年代，近年来由于高分辨率SAR卫星图像的出现而迅速发展。传统的立体像对技术是通过构建立体视觉模型来计算高度，找到目标点在两幅图像中的同名点求解高度。
然而，由于升降轨获得的星载SAR图像颜色差异较大，同时在升轨图像中阴影在地物目标的一边，在降轨图像中则出现在另一侧，难以实现对单点实现同名点的匹配。目前尚未出现利用升降轨星载SAR图像实现对观测区域地形提取的方法。
发明内容
为解决现有技术中存在的问题，本公开实施例提供的一种基于几何匹配的升降轨星载SAR三维成像方法、装置、电子设备、存储介质及程序产品，旨在解决升降轨图像中亮度及形变差异较大，难以进行单点的同名点匹配等技术问题。
本公开的第一个方面提供了一种基于几何匹配的升降轨星载SAR三维成像方法，包括：获取星载SAR的升轨图像和降轨图像；根据升轨图像和降轨图像分别对应的成像几何，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子；其中，尺度因子表征第一场景中心点与第二场景中心点间的偏移量与地物目标高度间的关系；将升轨图像和降轨图像分别进行特征提取及图像分割处理，得到图像分割后的升轨图像和降轨图像；对图像分割后的升轨图像和降轨图像进行二值化及形态学处理，分别得到升轨图像的轮廓特征和降轨图像的轮廓特征；将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量；根据尺度因子及特征偏移量，得到地物目标的三维成像图。
进一步地，将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量，包括：提取升轨图像的轮廓特征与降轨图像的轮廓特征中部分轮廓特征的最小外接矩形；将升轨图像或降轨图像作为参考图像，则将另一幅图中的每个最小外接矩形与参考图像进行特征匹配；根据特征匹配结果，得到升轨图像与降轨图像的特征偏移量。
进一步地，根据特征匹配结果，得到升轨图像与降轨图像的特征偏移量，包括：将每个最小外接矩形与参考图像中的最小外接矩形进行一一匹配计算对应的互相关系数，并选取最大的互相关系数所对应的参考图像中的最小外接矩形作为匹配矩形；计算每个最小外接矩形与其匹配矩形间的特征偏移量，得到升轨图像与降轨图像的特征偏移量。
进一步地，根据升轨图像和降轨图像分别对应的成像几何，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子，包括：在星载SAR升降轨的成像几何中，，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子。
进一步地，对升轨图像和降轨图像分别进行特征提取，包括：利用图像矩对升轨图像和降轨图像分别进行特征提取。
进一步地，尺度因子
满足以下关系：
其中，
与
分别表示升轨星载SAR成像几何和降轨星载SAR成像几何的入射角，
分别表示升轨星载SAR成像几何和降轨星载SAR成像几何的方位角。
进一步地，互相关系数
满足以下关系：
其中，n表示每个最小外接矩形中的像素点个数，n取值为0、1、2、3、…，
与
分别
表示升轨图像与降轨图像的幅度信息，
与
分别表示升轨图像与降轨图像的平均幅度信
息。
本公开的第二个方面提供了一种基于几何匹配的升降轨星载SAR三维成像装置，包括：图像获取模块，用于获取星载SAR的升轨图像和降轨图像；尺度因子获取模块，用于根据升轨图像和降轨图像分别对应的成像几何，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子；其中，尺度因子表征第一场景中心点与第二场景中心点间的偏移量与地物目标高度间的关系；图像特征处理模块，用于将升轨图像和降轨图像分别进行特征提取及图像分割处理，得到图像分割后的升轨图像和降轨图像；图像轮廓提取模块，用于对图像分割后的升轨图像和降轨图像进行二值化及形态学处理，分别得到升轨图像的轮廓特征和降轨图像的轮廓特征；图像特征匹配模块，用于将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量；三维成像模块，用于根据尺度因子及特征偏移量，得到地物目标的三维成像图。
本公开的第三个方面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，实现本公开的第一个方面提供的基于几何匹配的升降轨星载SAR三维成像方法。
本公开的第四个方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现本公开的第一个方面提供的基于几何匹配的升降轨星载SAR三维成像方法。
本公开的第五个方面提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本公开的第一个方面提供的基于几何匹配的升降轨星载SAR三维成像方法。
本公开提供的一种基于几何匹配的升降轨星载SAR三维成像方法、装置、电子设备、存储介质及程序产品，该方法基于几何匹配的升降轨星载SAR地形提取方法，利用小区域由于某些特征在升降轨图像中会存在整体的偏移变化，保留形状特征，可以实现在方位角差异较大的情况下，进行形状匹配，避免了单点难以匹配的问题，提高了高程提取的精度。同时，该方法利用升降轨图像提取的地形特征，相对于传统的干涉法，其具备实验周期更短、对实验条件也要求较低，具有广泛的应用价值。
附图说明
为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：
图1示意性示出了根据本公开一实施例的基于几何匹配的升降轨星载SAR三维成像方法的流程图；
图2示意性示出了根据本公开一实施例的升轨图像与降轨图像的特征偏移量的流程图；
图3示意性示出了根据本公开一实施例的基于几何匹配的升降轨星载SAR三维成像装置的方框图；
图4示意性示出了根据本公开一实施例的适于实现上文描述的方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。
附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件（包括固件、微代码等）的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
本公开实施例提供一种基于几何匹配的升降轨星载SAR三维成像方法，包括：获取SAR升轨图像和降轨图像；根据星载升轨和降轨的成像几何，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子；其中，尺度因子表征第一场景中心点与第二场景中心点间的偏移量与地物目标高度间的关系；将升轨图像和降轨图像分别进行特征提取及图像分割处理，得到图像分割后的升轨图像和降轨图像；对图像分割后的升轨图像和降轨图像进行二值化及形态学处理，分别得到升轨图像的轮廓特征和降轨图像的轮廓特征；将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量；根据尺度因子及特征偏移量，得到地物目标的三维成像图。
本公开的实施例提供的一种基于几何匹配的升降轨星载SAR三维成像方法，该方法基于几何匹配的升降轨星载SAR地形提取方法，利用小区域由于某些特征在升降轨图像中会存在整体的偏移变化，保留形状特征，可以实现在方位角差异较大的情况下，进行形状匹配，避免了单点难以匹配的问题，提高了高程提取的精度。同时，该方法利用升降轨图像提取的地形特征，相对于传统的干涉法，其具备实验周期更短、对实验条件也要求较低，具有广泛的应用价值。
图1示意性示出了根据本公开实施例的基于几何匹配的升降轨星载SAR三维成像方法的流程图。如图1所示，该方法包括：步骤S101~S106。
在操作S101，获取星载SAR的升轨图像和降轨图像。
本公开的实施例中，在星载SAR由南向北运行时采集升轨下包括地物目标的回波数据；同理，在星载SAR由北向南运行时采集降轨下包括该地物目标的回波数据。其中，该地物目标可以为位于地面上的任何物体，如：湖泊、草地、建筑物等。
具体地，可以采用后向投影算法（Back Projection Algorithm，BPA）等对降轨和升轨下采集的回波数据进行成像处理，分别得到星载SAR的升轨图像和降轨图像。
在操作S102，根据升轨图像和降轨图像分别对应的成像几何，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子。其中，尺度因子表征第一场景中心点与第二场景中心点间的偏移量与地物目标高度间的关系。
本公开的实施例中，根据步骤S101中得到升轨图像和降轨图像，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子，其中，第一场景中心点表示升轨图像中场景对应的中心单点，第二场景中心点表示降轨图像中场景对应的中心单点。需说明的是，升轨图像中的场景与降轨图像中的场景实际为相同的场景，该俩场景在不同的状态拍摄下存在目标位置整体偏移。
具体地，可以在星载SAR升降轨的成像几何中，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子，即在升轨和降轨两个不同状态方位角度下，根据成像点之间的偏移量与地物目标高度之间的关系得到尺度因子。
本公开的实施例中，选取图像的场景中心点来计算尺度因子，由于场景中心点的尺度因子在整个场景范围内空变性较小，其可适用到全场景中，进而提高三维图形还原的精确度。
在操作S103，将升轨图像和降轨图像分别进行特征提取及图像分割处理，得到图像分割后的升轨图像和降轨图像。
本公开的实施例中，为方便后续特征轮廓提取以及特征匹配，可以利用图像矩对升轨图像和降轨图像分别进行特征提取，再进行图像分割处理，得到图像分割后的升轨图像和降轨图像，进而提高图像处理的效率。
在操作S104，对图像分割后的升轨图像和降轨图像进行二值化及形态学处理，分别得到升轨图像的轮廓特征和降轨图像的轮廓特征。
本公开的实施例中，将步骤S103中得到的图像分割后的升轨图像和降轨图像进行二值化及形态学处理，得到升轨图像的轮廓特征和降轨图像的轮廓特征，得到的轮廓特征方便用于后续进行特征匹配，避免单点难以一一匹配的问题。
在操作S105，将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量。
本公开的实施例中，将升轨图像的轮廓特征与降轨图像的轮廓特征一一进行特征匹配，具体通过计算互相关系数得到每个轮廓特征的匹配结果，然后根据匹配结果分别计算相匹配的轮廓特征的特征偏移量，进而得到升轨图像与降轨图像的特征偏移量。
在操作S106，根据尺度因子及特征偏移量，得到地物目标的三维成像图。
本公开的实施例中，根据步骤S102中得到的尺度因子及步骤S105中得到的特征偏移量，计算可得到地物目标所对应区域的高程，该高程即为地物目标的三维高度，进而根据采集到的二维图像和高程还原地物目标的三维图像。
根据本公开的实施例，如图2所示，步骤S105中将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量，具体包括：
在操作S201，提取升轨图像的轮廓特征与降轨图像的轮廓特征中部分轮廓特征的最小外接矩形。
本公开的实施例中，通过采用Opencv算法中最小外接矩形，提取升轨图像的轮廓特征与降轨图像的轮廓特征中部分轮廓特征的最小外接矩形，以用于进行特征匹配。
在操作S202，将升轨图像或降轨图像作为参考图像，则将另一幅图中的每个最小外接矩形与参考图像进行特征匹配。
本公开的实施例中，举例而言，若将升轨图像作为参考图像，则将降轨图像中的每个最小外接矩形与升轨图像进行特征匹配，得到相应的特征匹配结果。反之亦然，若将降轨图像作为参考图像，则将升轨图像中的每个最小外接矩形与降轨图像进行特征匹配，得到相应的特征匹配结果。
在操作S203，根据特征匹配结果，得到升轨图像与降轨图像的特征偏移量。
本公开的实施例中，根据特征匹配结果，得到升轨图像与降轨图像的特征偏移量具体包括：将每个最小外接矩形与参考图像中的最小外接矩形进行一一匹配计算对应的互相关系数，并选取最大的互相关系数所对应的参考图像中的最小外接矩形作为匹配矩形；计算每个最小外接矩形与其匹配矩形间的特征偏移量，得到升轨图像与降轨图像的特征偏移量。
沿用上述实施例，若将升轨图像作为参考图像，则将降轨图像中的每个最小外接矩形与升轨图像中的最小外接矩形进行一一匹配计算对应的互相关系数，将最大互相关系数所对应的升轨图像中的最小外接矩形作为降轨图像中各最小外接矩形的匹配矩形，然后计算各最小外接矩形与其匹配矩形间的特征偏移量，进而得到升轨图像与降轨图像的特征偏移量。反之，将降轨图像作为参考图像同理，此处不再详细赘述。
本公开的实施例中，步骤S102中根据升轨图像和降轨图像，得到升轨图像中第一
场景中心点与降轨图像中第二场景中心点的尺度因子 
满足以下关系：
其中，
与
分别表示升轨星载SAR成像几何和降轨星载SAR成像几何的入射角，
分别表示升轨星载SAR成像几何和降轨星载SAR成像几何的方位角。
进一步地，各最小外接矩形间的互相关系数
满足以下关系：
其中，n表示每个最小外接矩形中的像素点个数，n取值为0、1、2、3、…，
与
分别
表示升轨图像与降轨图像的幅度信息，
与
分别表示升轨图像与降轨图像的平均幅度信
息。
最后，根据互相关系数
得到的升轨图像与降轨图像的特征偏移量
，再结合尺
度因子
可以得到地物目标的高程H满足以下关系：
本公开的实施例中，根据尺度因子
及特征偏移量
，计算可得到地物目标
所对应区域的高程H，该高程即为地物目标的三维高度，进而根据采集到的二维图像和高程
还原地物目标的三维图像。
本公开提供的基于几何匹配的升降轨星载SAR三维成像方法，该方法基于几何匹配的升降轨星载SAR地形提取方法，利用小区域由于某些特征在升降轨图像中会存在整体的偏移变化，保留形状特征，可以实现在方位角差异较大的情况下，进行形状匹配，避免了单点难以匹配的问题，提高了高程提取的精度。同时，该方法利用升降轨图像提取的地形特征，相对于传统的干涉法，其具备实验周期更短、对实验条件也要求较低，具有广泛的应用价值。
图3示意性示出了根据本公开实施例的基于几何匹配的升降轨星载SAR三维成像装置的方框图。
如图3所示，该基于几何匹配的升降轨星载SAR三维成像装置300包括：图像获取模块310、尺度因子获取模块320、图像特征处理模块330、图像轮廓提取模块340、图像特征匹配模块350及三维成像模块360。该装置300可以用于实现参考图1所描述的基于几何匹配的升降轨星载SAR三维成像方法。
图像获取模块310，用于获取SAR升轨图像和降轨图像。根据本公开的实施例，该图像获取模块310例如可以用于执行上文参考图1所描述的S101步骤，在此不再赘述。
尺度因子获取模块320，用于根据升轨图像和降轨图像分别对应的成像几何，得到升轨图像中第一场景中心点与降轨图像中第二场景中心点的尺度因子；其中，尺度因子表征第一场景中心点与第二场景中心点间的偏移量与地物目标高度间的关系。根据本公开的实施例，该尺度因子获取模块320例如可以用于执行上文参考图1所描述的S102步骤，在此不再赘述。
图像特征处理模块330，用于将升轨图像和降轨图像分别进行特征提取及图像分割处理，得到图像分割后的升轨图像和降轨图像。根据本公开的实施例，该图像特征处理模块330例如可以用于执行上文参考图1所描述的S103步骤，在此不再赘述。
图像轮廓提取模块340，用于对图像分割后的升轨图像和降轨图像进行二值化及形态学处理，分别得到升轨图像的轮廓特征和降轨图像的轮廓特征。根据本公开的实施例，该图像轮廓提取模块340例如可以用于执行上文参考图1所描述的S104步骤，在此不再赘述。
图像特征匹配模块350，用于将升轨图像的轮廓特征与降轨图像的轮廓特征进行特征匹配，得到升轨图像与降轨图像的特征偏移量。根据本公开的实施例，该图像特征匹配模块350例如可以用于执行上文参考图1所描述的S105步骤，在此不再赘述。
三维成像模块360，用于根据尺度因子及特征偏移量，得到地物目标的三维成像图。根据本公开的实施例，该三维成像模块360例如可以用于执行上文参考图1所描述的S106步骤，在此不再赘述。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上装置、基板上的装置、封装上的装置、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，图像获取模块310、尺度因子获取模块320、图像特征处理模块330、图像轮廓提取模块340、图像特征匹配模块350及三维成像模块360中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，图像获取模块310、尺度因子获取模块320、图像特征处理模块330、图像轮廓提取模块340、图像特征匹配模块350及三维成像模块360中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上装置、基板上的装置、封装上的装置、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，图像获取模块310、尺度因子获取模块320、图像特征处理模块330、图像轮廓提取模块340、图像特征匹配模块350及三维成像模块360中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图4示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的方框图。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，本实施例中所描述的电子设备400，包括：处理器401，其可以根据存储在只读存储器（ROM）402中的程序或者从存储部分408加载到随机访问存储器（RAM）403中的程序而执行各种适当的动作和处理。处理器401例如可以包括通用微处理器（例如CPU）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC）），等等。处理器401还可以包括用于缓存用途的板载存储器。处理器401可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 403中，存储有电子设备400操作所需的各种程序和数据。处理器 401、ROM402以及RAM 403通过总线404彼此相连。处理器401通过执行ROM 402和/或RAM 403中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 402和RAM 403以外的一个或多个存储器中。处理器401也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备400还可以包括输入/输出（I/O）接口1005，输入/输出（I/O）接口405也连接至总线404。电子设备400还可以包括连接至I/O接口405的以下部件中的一项或多项：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被处理器401执行时，执行本公开实施例的装置中限定的上述功能。根据本公开的实施例，上文描述的装置、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/装置中所包含的；也可以是单独存在，而未装配入该设备/装置/装置中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的基于几何匹配的升降轨星载SAR三维成像方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 402和/或RAM 403和/或ROM 402和RAM 403以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机装置中运行时，该程序代码用于使计算机装置实现本公开实施例所提供的基于几何匹配的升降轨星载SAR三维成像方法。
在该计算机程序被处理器401执行时执行本公开实施例的装置/装置中限定的上述功能。根据本公开的实施例，上文描述的装置、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分409被下载和安装，和/或从可拆卸介质411被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被处理器401执行时，执行本公开实施例的装置中限定的上述功能。根据本公开的实施例，上文描述的装置、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
需要说明的是，在本公开各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来。
附图中的流程图和框图，图示了按照本公开各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。
Claims (10)
1.一种基于几何匹配的升降轨星载SAR三维成像方法，其特征在于，包括：
获取星载SAR的升轨图像和降轨图像；
根据所述升轨图像和所述降轨图像分别对应的成像几何，得到所述升轨图像中第一场景中心点与所述降轨图像中第二场景中心点的尺度因子；其中，所述尺度因子表征所述第一场景中心点与所述第二场景中心点间的偏移量与地物目标高度间的关系；
将所述升轨图像和所述降轨图像分别进行特征提取及图像分割处理，得到图像分割后的所述升轨图像和所述降轨图像；
对图像分割后的所述升轨图像和所述降轨图像进行二值化及形态学处理，分别得到所述升轨图像的轮廓特征和所述降轨图像的轮廓特征；
将所述升轨图像的轮廓特征与所述降轨图像的轮廓特征进行特征匹配，得到所述升轨图像与所述降轨图像的特征偏移量；
根据所述尺度因子及所述特征偏移量，得到所述地物目标的三维成像图。
2.根据权利要求1所述的基于几何匹配的升降轨星载SAR三维成像方法，其特征在于，所述将所述升轨图像的轮廓特征与所述降轨图像的轮廓特征进行特征匹配，得到所述升轨图像与所述降轨图像的特征偏移量，包括：
提取所述升轨图像的轮廓特征与所述降轨图像的轮廓特征中部分轮廓特征的最小外接矩形；
将所述升轨图像或所述降轨图像作为参考图像，则将另一幅图中的每个最小外接矩形与参考图像进行特征匹配；
根据特征匹配结果，得到所述升轨图像与所述降轨图像的特征偏移量。
3.根据权利要求2所述的基于几何匹配的升降轨星载SAR三维成像方法，其特征在于，所述根据特征匹配结果，得到所述升轨图像与所述降轨图像的特征偏移量，包括：
将所述每个最小外接矩形与参考图像中的最小外接矩形进行一一匹配计算对应的互相关系数，并选取最大的互相关系数所对应的所述参考图像中的最小外接矩形作为匹配矩形；
计算所述每个最小外接矩形与其匹配矩形间的特征偏移量，得到所述升轨图像与所述降轨图像的特征偏移量。
4.根据权利要求1所述的基于几何匹配的升降轨星载SAR三维成像方法，其特征在于，所述根据所述升轨图像和所述降轨图像分别对应的成像几何，得到所述升轨图像中第一场景中心点与所述降轨图像中第二场景中心点的尺度因子，包括：
在星载SAR升降轨的成像几何中，得到所述升轨图像中第一场景中心点与所述降轨图像中第二场景中心点的尺度因子。
5.根据权利要求1所述的基于几何匹配的升降轨星载SAR三维成像方法，其特征在于，所述对所述升轨图像和所述降轨图像分别进行特征提取，包括：
利用图像矩对所述升轨图像和所述降轨图像分别进行特征提取。
6.根据权利要求3所述的基于几何匹配的升降轨星载SAR三维成像方法，其特征在于，
所述尺度因子
满足以下关系：
其中，
与
分别表示升轨星载SAR成像几何和降轨星载SAR成像几何的入射角，
分别表示升轨星载SAR成像几何和降轨星载SAR成像几何方位角。
7.根据权利要求3所述的基于几何匹配的升降轨星载SAR三维成像方法，其特征在于，
所述互相关系数
满足以下关系：
其中，n表示每个最小外接矩形中的像素点个数，n取值为0、1、2、3、…，
与
分别表示
所述升轨图像与所述降轨图像的幅度信息，
与
分别表示所述升轨图像与所述降轨图像
的平均幅度信息。
8.一种基于几何匹配的升降轨星载SAR三维成像装置，其特征在于，包括：
图像获取模块，用于获取星载SAR的升轨图像和降轨图像；
尺度因子获取模块，用于根据所述升轨图像和所述降轨图像分别对应的成像几何，得到所述升轨图像中第一场景中心点与所述降轨图像中第二场景中心点的尺度因子；其中，所述尺度因子表征所述第一场景中心点与所述第二场景中心点间的偏移量与地物目标高度间的关系；
图像特征处理模块，用于将所述升轨图像和所述降轨图像分别进行特征提取及图像分割处理，得到图像分割后的所述升轨图像和所述降轨图像；
图像轮廓提取模块，用于对图像分割后的所述升轨图像和所述降轨图像进行二值化及形态学处理，分别得到所述升轨图像的轮廓特征和所述降轨图像的轮廓特征；
图像特征匹配模块，用于将所述升轨图像的轮廓特征与所述降轨图像的轮廓特征进行特征匹配，得到所述升轨图像与所述降轨图像的特征偏移量；
三维成像模块，用于根据所述尺度因子及所述特征偏移量，得到所述地物目标的三维成像图。
9.一种电子设备，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，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1至8中任一项所述的基于几何匹配的升降轨星载SAR三维成像方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至8中任一项所述的基于几何匹配的升降轨星载SAR三维成像方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164276.8A CN114236544B (zh) | 2022-02-23 | 2022-02-23 | 一种基于几何匹配的升降轨星载sar三维成像方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164276.8A CN114236544B (zh) | 2022-02-23 | 2022-02-23 | 一种基于几何匹配的升降轨星载sar三维成像方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114236544A true CN114236544A (zh) | 2022-03-25 |
| CN114236544B CN114236544B (zh) | 2022-05-13 |
Family
ID=80747726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210164276.8A Active CN114236544B (zh) | 2022-02-23 | 2022-02-23 | 一种基于几何匹配的升降轨星载sar三维成像方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114236544B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
| US7786925B1 (en) * | 2009-05-13 | 2010-08-31 | Lockheed Martin Corporation | Determination of the outline of an elevated object |
| CN105043417A (zh) * | 2015-07-31 | 2015-11-11 | 上海卫星工程研究所 | 多目标连续成像偏流角补偿方法 |
| CN109212522A (zh) * | 2018-05-28 | 2019-01-15 | 中国科学院电子学研究所 | 一种获取数字地图的方法和装置 |
| CN111142119A (zh) * | 2020-01-10 | 2020-05-12 | 中国地质大学（北京） | 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法 |
| CN113674391A (zh) * | 2021-04-29 | 2021-11-19 | 航天东方红卫星有限公司 | 一种升降轨成像双星地物表观辐亮度差异计算方法 |
| CN114049570A (zh) * | 2022-01-13 | 2022-02-15 | 山东大学 | 基于神经网络的星载遥感水汽空间反演方法及系统 |
-
2022
- 2022-02-23 CN CN202210164276.8A patent/CN114236544B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
| US7786925B1 (en) * | 2009-05-13 | 2010-08-31 | Lockheed Martin Corporation | Determination of the outline of an elevated object |
| CN105043417A (zh) * | 2015-07-31 | 2015-11-11 | 上海卫星工程研究所 | 多目标连续成像偏流角补偿方法 |
| CN109212522A (zh) * | 2018-05-28 | 2019-01-15 | 中国科学院电子学研究所 | 一种获取数字地图的方法和装置 |
| CN111142119A (zh) * | 2020-01-10 | 2020-05-12 | 中国地质大学（北京） | 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法 |
| CN113674391A (zh) * | 2021-04-29 | 2021-11-19 | 航天东方红卫星有限公司 | 一种升降轨成像双星地物表观辐亮度差异计算方法 |
| CN114049570A (zh) * | 2022-01-13 | 2022-02-15 | 山东大学 | 基于神经网络的星载遥感水汽空间反演方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114236544B (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7983474B2 (en) | Geospatial modeling system and related method using multiple sources of geographic information | |
| Liu et al. | Extraction of tsunami-flooded areas and damaged buildings in the 2011 Tohoku-oki earthquake from TerraSAR-X intensity images | |
| US11747498B1 (en) | Method, system, device and medium for landslide identification based on full polarimetric SAR | |
| CN108765488B (zh) | 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 | |
| Wang et al. | Research on crack monitoring at the trailing edge of landslides based on image processing | |
| Bruno et al. | A combined approach of field data and earth observation for coastal risk assessment | |
| US11157735B2 (en) | Cloud detection in aerial imagery | |
| Zhang et al. | Satellite SAR geocoding with refined RPC model | |
| Balz et al. | Direct stereo radargrammetric processing using massively parallel processing | |
| CN116295457B (zh) | 一种基于二维语义地图的车辆视觉定位方法及系统 | |
| Markiewicz et al. | Geometrical matching of SAR and optical images utilizing ASIFT features for SAR-based navigation aided systems | |
| CN107463944B (zh) | 一种利用多时相高分辨率sar图像的道路信息提取方法 | |
| CN114240805B (zh) | 一种多角度sar动态成像检测方法及装置 | |
| Chen et al. | Leveraging Chinese GaoFen-7 imagery for high-resolution building height estimation in multiple cities | |
| Qian et al. | A highly robust polarization orientation method based on antisymmetry of skylight polarization pattern | |
| Feng et al. | Automatic selection of permanent scatterers-based GCPs for refinement and reflattening in InSAR DEM generation | |
| Recla et al. | From Relative to Absolute Heights in SAR-based Single-Image Height Prediction | |
| Gabrlik et al. | Towards automatic UAS-based snow-field monitoring for microclimate research | |
| Ren et al. | Automated SAR reference image preparation for navigation | |
| CN114236544B (zh) | 一种基于几何匹配的升降轨星载sar三维成像方法及装置 | |
| WO2023179032A1 (zh) | 图像处理方法及装置、电子设备、存储介质、计算机程序、计算机程序产品 | |
| CN117031456A (zh) | 基于车库中的雷达检测的交通工具定位 | |
| CN113724229A (zh) | 高程差的确定方法、装置及电子设备 | |
| He et al. | An integrated use of topography with RSI in gully mapping, Shandong Peninsula, China | |
| Aksu et al. | 3D scene reconstruction from multi-sensor EO-SAR data |
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 |