CN114325702B - 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置 - Google Patents

基于Shell脚本的雷达图像滑坡InSAR处理方法及装置 Download PDF

Info

Publication number
CN114325702B
CN114325702B CN202111591394.9A CN202111591394A CN114325702B CN 114325702 B CN114325702 B CN 114325702B CN 202111591394 A CN202111591394 A CN 202111591394A CN 114325702 B CN114325702 B CN 114325702B
Authority
CN
China
Prior art keywords
insar
landslide
processing
window
radar image
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
CN202111591394.9A
Other languages
English (en)
Other versions
CN114325702A (zh
Inventor
兰恒星
姚佳明
伍宇明
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.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
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 Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202111591394.9A priority Critical patent/CN114325702B/zh
Publication of CN114325702A publication Critical patent/CN114325702A/zh
Application granted granted Critical
Publication of CN114325702B publication Critical patent/CN114325702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

基于Shell脚本的雷达图像滑坡InSAR处理方法及装置,根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。本发明速度更快,效果更好,操作简单,避免了人为失误、以及处理经验的高需求。

Description

基于Shell脚本的雷达图像滑坡InSAR处理方法及装置
技术领域
本发明涉及InSAR遥感技术领域,具体涉及一种基于Shell脚本的雷达图像滑坡InSAR处理方法及装置。
背景技术
InSAR是一种使用微波探测地表目标的主动式成像传感器,与传统的地面水准测量技术、GPS技术相比,InSAR技术具有全天时、全天候、观测范围大、灵敏性高、高性价比、观测时间可回溯等优势,并能穿透某些地物表面,故在大范围测量地面沉降、地质灾害隐患的变形有大量应用。
目前,InSAR处理软件主要有GAMMA,Doris,SARScape,Stamps等,但其复杂的处理流程、精细的参数设置与调整,对于较短时间接触的从业人员来说很难上手。由此可见,通过经验库中的数据参数的选取,关键参数的计算,智能化、流程化的滑坡InSAR处理流程,对于快速准确地InSAR数据处理,以及后续滑坡地质灾害的识别与防治有重要意义。
现阶段,滑坡InSAR处理存在以下问题:
第一、流程过于繁琐、复杂,命令的学习与了解需要大量的时间,门槛太高,因此无法适用于广大学者使用进行InSAR处理;
第二、参数多,且参数选取不确定性较高。参数的选取是处理流程中的重点部分,有经验的参数选取可以获取较好的处理结果,而使用默认参数往往无法得到理想结果,调参的过程往往很复杂需要很多经验,对于新手很难学习和掌握;
第三、目前的命令并不完善,甚至很多命令处理效果不理想;
第四、InSAR结果往往用于地质灾害、工程建筑方面的识别与监测,数据的处理需要结合地质、工程方面的知识,在参考点、窗口、步骤等关键步骤作为参数选取的依据或侧重点;参数选取不当无法快速识别滑坡灾害变形体、排查地质灾害隐患点。
发明内容
为此,本发明提供一种基于Shell脚本的雷达图像滑坡InSAR处理方法及装置,解决雷达图像滑坡InSAR处理流程中数据处理难度大,数据处理的准确度低及无法有效的识别滑坡地质灾害变形体、排查地质灾害隐患点等问题。
为了实现上述目的,本发明提供如下技术方案:基于Shell脚本的雷达图像滑坡InSAR处理方法,包括以下步骤:
S1、数据下载与提取:根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;
S2、参数提取、赋值和计算:使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;
S3、相位解缠点获取:构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;
S4、滑坡InSAR全流程处理:进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。
作为基于Shell脚本的雷达图像滑坡InSAR处理方法的优选方案,步骤S1中,输入的位置参数包括kml、shp和经纬度数据信息;根据目标区域大小提取需要的数据块;
步骤S1中还包括对下载的数据块文件进行损坏和重复检测。
作为基于Shell脚本的雷达图像滑坡InSAR处理方法的优选方案,步骤S2中,使用rename、sed、cat、echo脚本命令,读取、赋值和插入表操作使命令流参数全程以环境变量的形式存储在计算机中。
作为基于Shell脚本的雷达图像滑坡InSAR处理方法的优选方案,步骤S3具体包括:
S31、提取多影像平均强度,自适应设置窗口大小、步长计算各个窗口的平均强度值;
S32、计算窗口内干涉相位和DEM的统计信息;
S33、根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域;
S34、设置距离参数权重,根据计算出的结果赋予不同的权重因子,统计评估结果最大值对应的窗口,将窗口中的最大强度点作为相位解缠点。
作为基于Shell脚本的雷达图像滑坡InSAR处理方法的优选方案,步骤S32中,计算窗口内干涉相位和DEM的均值、方差、标准差统计信息。
作为基于Shell脚本的雷达图像滑坡InSAR处理方法的优选方案,步骤S33中,根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域,不进行统计计算。
本发明还提供一种基于Shell脚本的雷达图像滑坡InSAR处理装置,包括:
数据下载与提取模块,用于根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;
参数处理模块,用于使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;
相位解缠点获取模块,用于构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;
滑坡InSAR全流程处理模块,用于进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。
作为基于Shell脚本的雷达图像滑坡InSAR处理装置的优选方案,数据下载与提取模块中,输入的位置参数包括kml、shp和经纬度数据信息;根据目标区域大小提取需要的数据块;
数据下载与提取模块中还包括对下载的数据块文件进行损坏和重复检测。
作为基于Shell脚本的雷达图像滑坡InSAR处理装置的优选方案,参数处理模块中,使用rename、sed、cat、echo脚本命令,读取、赋值和插入表操作使命令流参数全程以环境变量的形式存储在计算机中。
作为基于Shell脚本的雷达图像滑坡InSAR处理装置的优选方案,相位解缠点获取模块具体包括:
第一处理子模块:用于提取多影像平均强度,自适应设置窗口大小、步长计算各个窗口的平均强度值;
第二处理子模块:用于计算窗口内干涉相位和DEM的统计信息;
第三处理子模块:用于根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域;
第四处理子模块:用于设置距离参数权重,根据计算出的结果赋予不同的权重因子,统计评估结果最大值对应的窗口,将窗口中的最大强度点作为相位解缠点;
第二处理子模块中,计算窗口内干涉相位和DEM的均值、方差、标准差统计信息;
第三处理子模块中,根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域,不进行统计计算。
本发明具有如下优点:根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。本发明极大降低了数据处理的难度,利用滑坡InSAR处理经验参数库、智能化参数计算程序,提高了数据处理的准确度,并极大降低了处理过程中的错误以及错误参数的输入造成的计算错误,并以此为数据源得以快速识别滑坡灾害变形体、排查地质灾害隐患点;速度更快,效果更好,操作简单,避免了人为失误、以及处理经验的高需求。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例中提供的基于Shell脚本的雷达图像滑坡InSAR处理方法流程示意图;
图2为本发明实施例中提供的基于Shell脚本的雷达图像滑坡InSAR处理方法技术路线示意图;
图3为本发明实施例中提供的基于Shell脚本的雷达图像滑坡InSAR处理装置示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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1
参见图1和图2,本发明实施例1提供一种基于Shell脚本的雷达图像滑坡InSAR处理方法,包括以下步骤:
S1、数据下载与提取:根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;
S2、参数提取、赋值和计算:使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;
S3、相位解缠点获取:构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;
S4、滑坡InSAR全流程处理:进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。
本实施例中,步骤S1中,输入的位置参数包括kml、shp和经纬度数据信息;根据目标区域大小提取需要的数据块;步骤S1中还包括对下载的数据块文件进行损坏和重复检测。
具体的,为实现滑坡InSAR的流程化处理,数据智能下载与提取必不可少,本发明利用Shell语言编写批量下载程序,可以根据输入位置参数,如kml、shp、经纬度等信息,自动查询免费数据进行不间断完整下载,节省了查找数据、手动下载数据的时间与精力。而后根据目标区域大小,程序自动提取需要的数据块进行后续处理。
具体的,基于python和aria2c的脚本建立的批量下载程序,可以根据输入的位置、经纬度、时间、影像轨道号等信息,实现数据自动查询、下载,而且下载中可以断点续传,自动检索文件是否损坏、重复等问题。完整的下载好数据。
具体的,批量下载程序的一个可实现方式如下:
“Pythonhttps://search.asf.alaska.edu/#/?zoom=6.129&center=114.329,30.626&polygon=POLYGON((106.5538%2034.6761,105.6296%2034.1125,106.0113%2033.0243,107.8798%2033.8792,106.5538%2034.6761))&start=2021-06-01T00:00:00Z&end=2021-07-06T23:59:59Z&productTypes=SLC&beamModes=IW&polarizations=HH&flightDirs=Ascending&subtypes=SA&path=33-35&frame=482-490
aria2c--http-user="用户名"--http-passwd="密码"--check-certificate=false--max-concurrent-downloads=2--load-cookies=cookies.txt–Mproducts.meta4–c”。
本实施例中,步骤S2中,使用rename、sed、cat、echo脚本命令,读取、赋值和插入表操作使命令流参数全程以环境变量的形式存储在计算机中。
具体的,当前的命令在处理过程中需要手动修改大量的文件名、尺寸参数、多视参数、影像块数等参数,由此带来的麻烦可以使用Shell语言编写的命令流完全解决。使用rename、sed、cat、echo等脚本命令,读取、赋值、插入表等操作可以使命令大量参数全程以环境变量的形式存储在计算机中,完全无需手动输入和更改参数;基于获取的上述参数变量,而后根据编写的智能化脚本自动计算后续需要的关键技术参数。
具体的,rename的核心代码如下:
“rename-v's/[^29*]+//'*
rename-v's/.SAFE$//g'*
rename-v's/T\w+_\w+T\w+_\w+_\w+_\w+//g'*
rename-v's/t\w+-\w+t\w+-\w+-\w+\w-\w+//g'*/*/*
rename-v's/t\w+-\w+t\w+-\w+-\w+\w-\w+//g'*/*/*/*”。
sed的核心代码如下:
“sed's/.adf.unw/.cc/'cc_tab>cc1_tab
ave_image cc1_tab$mli_row cc_ave 1-1 1 0
rasdt_pwr24 cc_ave rmli/20190107.rmli$mli_row 1 1 0 1 1 3.14 1.0.35 1
geocode_back cc_ave.bmp$mli_row dem/20190107.lt_fine cc_ave.utm.bmp$geo_width$geo_line 0 2
data2geotiff dem/SEG.EQA.dem.par cc_ave.utm.bmp 0cc_ave.utm.tif”。
cat的核心代码如下:
“cat OPOD_num1.tab OPOD_num2.tab OPOD_num3.tab>OPOD_num.tab
#paste OPOD_num1.tab OPOD_num2.tab OPOD_num3.tab>OPOD_num.tab
cat dates dates dates>dates_3
paste dates_3OPOD_num.tab>OPOD_vec_tab
run_all OPOD_vec_tab'OPOD_vec slc/$1.iw$2r.slc.par/mnt/me4084/public/OPOD_dir$3'”。
echo的核心代码如下:
“run_all dates'echo"slc/$1.iw1.slc slc/$1.iw1.slc.par slc/$1.iw1.slc.TOPS.par">slc/$1.swath.tab'
run_all dates'echo"slc/$1.iw2.slc slc/$1.iw2.slc.par slc/$1.iw2.slc.TOPS.par">>slc/$1.swath.tab'
run_all dates'echo"slc/$1.iw3.slc slc/$1.iw3.slc.par slc/$1.iw3.slc.TOPS.par">>slc/$1.swath.tab'
run_all dates'echo"slc/$1.iw1r.slc slc/$1.iw1r.slc.par slc/$1.iw1r.slc.TOPS.par">slc/$1.tab'
run_all dates'echo"slc/$1.iw2r.slc slc/$1.iw2r.slc.parslc/$1.iw2r.slc.TOPS.par">>slc/$1.tab'
run_all dates'echo"slc/$1.iw3r.slc slc/$1.iw3r.slc.par”。
本实施例中,步骤S3具体包括:
S31、提取多影像平均强度,自适应设置窗口大小、步长计算各个窗口的平均强度值;
S32、计算窗口内干涉相位和DEM的统计信息;
S33、根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域;
S34、设置距离参数权重,根据计算出的结果赋予不同的权重因子,统计评估结果最大值对应的窗口,将窗口中的最大强度点作为相位解缠点。
具体的,解缠点的选择往往是变形信息能否从缠绕的干涉相位中正确提取的关键,解缠点的错误选择或者位置不适当都会造成解缠错误,如:分块现象,相位整体偏移,大范围失相干等。为实现相位解缠点的正确、智能化选取,本发明根据滑坡InSAR计算的经验提出了一种智能化、多条件统计评估模型:
1)提取多影像平均强度,自适应设置窗口大小、步长计算各个窗口的平均强度值-mli;2)计算窗口内干涉相位和DEM的均值、方差、标准差等统计信息;3)根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域,不做统计计算;4)设置距离参数权重,图像越靠近中心、目前滑坡区权重因子越大。根据上述计算出的结果,赋予不同的权重因子,最后统计评估结果最大值对应的窗口,窗口中的最大强度点作为相位解缠点用于计算。
本实施例中,统计评估模型根据四个条件建立,根据输入的窗口信息(搜索大小、步长)计算4个因子信息,而后根据判别打分系统以及权重因子,加权得到最后结果来判断出最优解缠点位置。
具体的,4个因子信息包括:
Distance:窗口距离中心或滑坡点的距离,值代表像素;
Diff:窗口内变形量的均值,代表着该区域稳定与否,变形越大分数越低;
Sigma:窗口内变形的浮动大小,越大代表变形分布的越不均匀,分数越低;
Mask:代表该区域是否为雷达阴影、顶底倒置区域,如果是,则赋予0分,不做考虑。
本实施例中,在处理开始仅需要输入少量的参数就可以实现程序的自动处理,如:研究范围、影像时间范围、多视比、时空间基线等,里面所有命令流全部自动化,中间需要调整的参数以智能化脚本和经验值计算,计算效率更高、结果准确度搞、降低人为操作错误产生以及操作门槛的限制。
综上所述,本发明根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。本发明极大降低了数据处理的难度,利用滑坡InSAR处理经验参数库、智能化参数计算程序,提高了数据处理的准确度,并极大降低了处理过程中的错误以及错误参数的输入造成的计算错误,并以此为数据源得以快速识别滑坡灾害变形体、排查地质灾害隐患点;速度更快,效果更好,操作简单,避免了人为失误、以及处理经验的高需求。
实施例2
参见图3,本发明实施例2还提供一种基于Shell脚本的雷达图像滑坡InSAR处理装置,包括:
数据下载与提取模块1,用于根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;
参数处理模块2,用于使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;
相位解缠点获取模块3,用于构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;
滑坡InSAR全流程处理模块4,用于进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。
本实施例中,数据下载与提取模块1中,输入的位置参数包括kml、shp和经纬度数据信息;根据目标区域大小提取需要的数据块;
数据下载与提取模块中还包括对下载的数据块文件进行损坏和重复检测。
本实施例中,参数处理模块2中,使用rename、sed、cat、echo脚本命令,读取、赋值和插入表操作使命令流参数全程以环境变量的形式存储在计算机中。
本实施例中,相位解缠点获取模块3具体包括:
第一处理子模块31:用于提取多影像平均强度,自适应设置窗口大小、步长计算各个窗口的平均强度值;
第二处理子模块32:用于计算窗口内干涉相位和DEM的统计信息;
第三处理子模块33:用于根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域;
第四处理子模块34:用于设置距离参数权重,根据计算出的结果赋予不同的权重因子,统计评估结果最大值对应的窗口,将窗口中的最大强度点作为相位解缠点;
第二处理子模块中32,计算窗口内干涉相位和DEM的均值、方差、标准差统计信息;
第三处理子模块33中,根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域,不进行统计计算。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请实施例1中的方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。
实施例3
本发明实施例3提供一种计算机可读存储介质,所述计算机可读存储介质中存储基于Shell脚本的雷达图像滑坡InSAR处理方法的程序代码,所述程序代码包括用于执行实施例1或其任意可能实现方式的基于Shell脚本的雷达图像滑坡InSAR处理方法的指令。
计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidStateDisk、SSD))等。
实施例4
本发明实施例4提供一种电子设备,所述电子设备包括处理器,所述处理器与存储介质耦合,当所述处理器执行存储介质中的指令时,使得所述电子设备执行实施例1或其任意可能实现方式的基于Shell脚本的雷达图像滑坡InSAR处理方法。
具体的,处理器可以通过硬件来实现也可以通过软件来实现,当通过硬件实现时,该处理器可以是逻辑电路、集成电路等;当通过软件来实现时,该处理器可以是一个通用处理器,通过读取存储器中存储的软件代码来实现,该存储器可以集成在处理器中,可以位于所述处理器之外,独立存在。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。

Claims (9)

1.基于Shell脚本的雷达图像滑坡InSAR处理方法,其特征在于,包括以下步骤:
S1、数据下载与提取:根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;
S2、参数提取、赋值和计算:使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;
S3、相位解缠点获取:构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;具体包括:
S31、提取多影像平均强度,自适应设置窗口大小、步长计算各个窗口的平均强度值;
S32、计算窗口内干涉相位和DEM的统计信息;
S33、根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域;
S34、设置距离参数权重,根据计算出的结果赋予不同的权重因子,统计评估结果最大值对应的窗口,将窗口中的最大强度点作为相位解缠点;
S4、滑坡InSAR全流程处理:进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。
2.根据权利要求1所述的基于Shell脚本的雷达图像滑坡InSAR处理方法,其特征在于,步骤S1中,输入的位置参数包括kml、shp和经纬度数据信息;根据目标区域大小提取需要的数据块;
步骤S1中还包括对下载的数据块文件进行损坏和重复检测。
3.根据权利要求1所述的基于Shell脚本的雷达图像滑坡InSAR处理方法,其特征在于,步骤S2中,使用rename、sed、cat、echo脚本命令,读取、赋值和插入表操作使命令流参数全程以环境变量的形式存储在计算机中。
4.根据权利要求1所述的基于Shell脚本的雷达图像滑坡InSAR处理方法,其特征在于,步骤S32中,计算窗口内干涉相位和DEM的均值、方差、标准差统计信息。
5.根据权利要求1所述的基于Shell脚本的雷达图像滑坡InSAR处理方法,其特征在于,步骤S33中,根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域,不进行统计计算。
6.基于Shell脚本的雷达图像滑坡InSAR处理装置,其特征在于,包括:
数据下载与提取模块,用于根据输入的位置、经纬度、时间和影像轨道号信息,查询和下载雷达图像滑坡InSAR处理所需要的数据块;
参数处理模块,用于使用预设的脚本命令,通过读取、赋值、插入表操作使命令参数全程以环境变量的形式存储在计算机中;
相位解缠点获取模块,用于构建统计评估模型,根据输入的窗口信息计算给定因子信息,根据判别打分系统以及权重因子,加权得到最后结果判断出最优解缠点位置;所述相位解缠点获取模块具体包括:
第一处理子模块:用于提取多影像平均强度,自适应设置窗口大小、步长计算各个窗口的平均强度值;
第二处理子模块:用于计算窗口内干涉相位和DEM的统计信息;
第三处理子模块:用于根据DEM计算坡度信息,根据入射角、方位角计算出雷达阴影、顶底倒置区域;
第四处理子模块:用于设置距离参数权重,根据计算出的结果赋予不同的权重因子,统计评估结果最大值对应的窗口,将窗口中的最大强度点作为相位解缠点;
滑坡InSAR全流程处理模块,用于进行包括研究范围、影像时间范围、视角对比和时空间基线的参数配置,通过预设的脚本和经验值进行滑坡InSAR全流程自动处理。
7.根据权利要求6所述的基于Shell脚本的雷达图像滑坡InSAR处理装置,其特征在于,数据下载与提取模块中,输入的位置参数包括kml、shp和经纬度数据信息;根据目标区域大小提取需要的数据块;
数据下载与提取模块中还包括对下载的数据块文件进行损坏和重复检测。
8.根据权利要求6所述的基于Shell脚本的雷达图像滑坡InSAR处理装置,其特征在于,参数处理模块中,使用rename、sed、cat、echo脚本命令,读取、赋值和插入表操作使命令流参数全程以环境变量的形式存储在计算机中。
9.根据权利要求6所述的基于Shell脚本的雷达图像滑坡InSAR处理装置,其特征在于,所述DEM的统计信息包括均值、方差、标准差统计信息。
CN202111591394.9A 2021-12-23 2021-12-23 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置 Active CN114325702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111591394.9A CN114325702B (zh) 2021-12-23 2021-12-23 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111591394.9A CN114325702B (zh) 2021-12-23 2021-12-23 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置

Publications (2)

Publication Number Publication Date
CN114325702A CN114325702A (zh) 2022-04-12
CN114325702B true CN114325702B (zh) 2022-08-09

Family

ID=81054255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111591394.9A Active CN114325702B (zh) 2021-12-23 2021-12-23 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置

Country Status (1)

Country Link
CN (1) CN114325702B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10852421B1 (en) * 2019-01-24 2020-12-01 Descartes Labs, Inc. Sparse phase unwrapping
CN111257873A (zh) * 2020-01-15 2020-06-09 兰州大学 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法
CN111538006A (zh) * 2020-05-13 2020-08-14 深圳大学 基于动态基线的InSAR数字高程模型构建方法及系统
CN111968230B (zh) * 2020-07-16 2021-05-04 中国自然资源航空物探遥感中心 一种区域性活动滑坡识别与圈定方法、装置和设备
CN111998766B (zh) * 2020-08-31 2021-10-15 同济大学 一种基于时序InSAR技术的地表形变反演方法

Also Published As

Publication number Publication date
CN114325702A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
JP6926335B2 (ja) 深層学習における回転可変物体検出
US20190011263A1 (en) Method and apparatus for determining spacecraft attitude by tracking stars
EP4053718A1 (en) Watermark information embedding method and apparatus
CN111275821B (zh) 一种电力线拟合方法、系统及终端
CN112036463A (zh) 一种基于深度学习的电力设备缺陷检测识别方法
CN110825900A (zh) 特征重构层的训练方法、图像特征的重构方法及相关装置
CN112348737B (zh) 模拟图像生成的方法、电子设备及存储介质
CN106447592A (zh) 每个特征描述符的在线个性化服务
CN111062400A (zh) 目标匹配方法及装置
CN109711381A (zh) 遥感图像的目标识别方法、装置和计算机设备
CN110135413B (zh) 一种字符识别图像的生成方法、电子设备和可读存储介质
CN114325702B (zh) 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置
CN109086737B (zh) 基于卷积神经网络的航运货物监控视频识别方法及系统
CN114227717A (zh) 基于巡检机器人的智能巡检方法、装置、设备及存储介质
CN113673515A (zh) 一种计算机视觉目标检测算法
CN115797291A (zh) 回路端子的识别方法、装置、计算机设备和存储介质
CN111738085A (zh) 实现自动驾驶同时定位与建图的系统构建方法及装置
CN113033510B (zh) 图像变化检测模型的训练和检测方法、设备及存储介质
CN113139540B (zh) 背板检测方法及设备
CN114743150A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN114581758A (zh) 基于EfficientNet网络与深度学习的植物叶部病害识别方法
CN114913246A (zh) 相机标定方法、装置、电子设备及存储介质
CN113379922A (zh) 前景提取方法、装置、存储介质及设备
CN112634348A (zh) 一种基于雷达点云采剥工程量计算方法、装置、服务器
CN114494055B (zh) 基于循环神经网络的鬼成像方法、系统、设备及存储介质

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