CN114814839A - 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 - Google Patents

基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 Download PDF

Info

Publication number
CN114814839A
CN114814839A CN202210286542.4A CN202210286542A CN114814839A CN 114814839 A CN114814839 A CN 114814839A CN 202210286542 A CN202210286542 A CN 202210286542A CN 114814839 A CN114814839 A CN 114814839A
Authority
CN
China
Prior art keywords
gradient
stacking
phase
insar
area
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
CN202210286542.4A
Other languages
English (en)
Other versions
CN114814839B (zh
Inventor
张东晓
董杰
张路
廖明生
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 CN202210286542.4A priority Critical patent/CN114814839B/zh
Publication of CN114814839A publication Critical patent/CN114814839A/zh
Application granted granted Critical
Publication of CN114814839B publication Critical patent/CN114814839B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9004SAR image acquisition techniques
    • G01S13/9005SAR image acquisition techniques with optical processing of the SAR signals
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B7/00Measuring arrangements characterised by the use of electric or magnetic techniques
    • G01B7/16Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021SAR image post-processing techniques
    • G01S13/9023SAR image post-processing techniques combined with interferometric techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于InSAR相位梯度堆叠的广域地表形变探测方法及系统,基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,实现过程包括通过卫星拍摄获取覆盖研究区域的多幅SAR影像,选取主影像并配准,获得干涉图;采用外部DEM模拟地形相位并去除后,空间自适应滤波处理获取滤波后的差分干涉图;分别进行像元周围多个方向的梯度计算,获得对应各方向梯度图,分别进行堆叠以增强形变信号;分别将各方向的相位梯度堆叠图进行合并,映射得到最终研究区域梯度堆叠结果。本发明无需相位解缠,直接对缠绕差分干涉图求解相位梯度并在时间维堆叠来探测局部形变信号,一方面避免了相位解缠带来的误差,另一方面有效抑制大气延迟扰动影响,提升形变探测准确度。

Description

基于InSAR相位梯度堆叠的广域地表形变探测方法及系统
技术领域
本发明涉及雷达干涉测量技术领域与地质灾害监测技术领域,提出实现了一种基于InSAR相位梯度堆叠的广域地表形变探测方案。
背景技术
合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术是上世纪90年代发展起来的空间大地测量技术。InSAR技术的优势在于全天时、全天候、高精度、高效率、低成本、可重复观测,特别对于自然条件恶劣以及大区域的数据获取更具优势。因此,InSAR技术为获取大范围的高精度地表形变信息提供了一种全新的技术手段。InSAR技术已被成功应用于火山运动、地震活动、山体滑坡、冰川漂移、区域地面沉降、基础设施安全监测等领域。
然而,常规的差分干涉测量(DInSAR)会受到很多因素的影响,如大气延迟、DEM误差,时间失相干等,使得最终形变测量结果的准确性受到影响。为克服这些不利因素的影响,时序InSAR技术应运而生并在监测各种类型的地表形变中取得了巨大成功。时序InSAR技术是通过分析大量SAR数据,关注高相干目标,有效抑制了常规DInSAR技术中的各种误差的影响,提高了形变测量精度。然而,在一些地形复杂或失相干严重的区域,可能存在InSAR相位解缠困难的问题;并且面对大范围研究区域时,时序InSAR数据处理效率很低;虽然时序InSAR技术能够在一定程度上削弱大气延迟扰动的影响,但普遍存在算法复杂、不具有普适性等特点。所以,时序InSAR在大范围地表形变测量中仍然存在较多问题。
传统的InSAR数据处理中相位解缠是其中一个重要的步骤,例如已有专利文献CN111998766A、CN112051571A、CN113340191A,但是在一些低相干或地表复杂区域往往造成相位数据不连续,给相位解缠工作带来极大的困难,解缠的结果往往带有很大的误差。
发明内容
本发明目的在于提出一种基于InSAR差分干涉相位梯度堆叠进行大范围地表形变探测的方案,基于大气延迟噪声在局部空间尺度上相关和时间上不相关的特点,对差分干涉相位进行空间上差分,在时间上进行堆叠,可以有效降低大气延迟噪声对形变探测的影响。干涉相位梯度堆叠对局部形变信号比较敏感,无需进行相位解缠,可以快速识别大范围区域内的局部形变信号,可用于大范围地质灾害普查。
为实现上述目的,本发明采用的技术方案为一种基于InSAR相位梯度堆叠的广域地表形变探测方法,基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,实现过程包括以下步骤,
步骤一、通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
步骤二、根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
步骤三、对步骤二挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
设差分干涉相位
Figure BDA0003558470790000021
对应的某一方向d梯度为
Figure BDA0003558470790000022
表示如下:
Figure BDA0003558470790000023
其中,
Figure BDA0003558470790000024
为SAR影像经过处理得到的第i幅差分干涉图,m和n分别代表干涉图中像元所在的行列号,
Figure BDA0003558470790000025
为差分干涉图
Figure BDA0003558470790000026
对应的某一方向d的梯度图,s为步长;
步骤四、对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
步骤五、对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
而且,设求取东、西、南、北、东南、东北、西南、西北方向的相位梯度,东、西、南、北、东南、东北、西南、西北方向的相位梯度分别用
Figure BDA0003558470790000027
Figure BDA0003558470790000028
表示。
而且,将各方向梯度图进行堆叠以增强形变信号时,进行包括以下步骤,
对于不同时间基线的梯度图上的沿某一方向d,间隔预设步长的两个像元,其干涉相位梯度堆叠公式如下:
Figure BDA0003558470790000029
上式中,φd为获取的n个不同时间基线差分干涉图对应的沿某一方向间隔预设步长的梯度图叠加的结果,
Figure BDA00035584707900000210
为第i幅差分干涉图对应的沿某一方向d获得的梯度,i=1,2,3,…,n,n为干涉对总数;
然后,对获得的梯度堆叠结果φd采用空间滤波方法进行滤波,获得滤波后的结果用Ψd表示,东、西、南、北、东南、东北、西南、西北方向的相位梯度堆叠的滤波结果分别用Ψe、Ψw、Ψs、Ψn、Ψen、Ψes、Ψwn、Ψws表示。
而且,将获得的空间滤波后的各方向梯度堆叠图进行合并以获取最终的差分干涉相位梯度堆叠信息,其相应公式表示如下:
Figure BDA0003558470790000031
其中,Ψ为合并各个方向干涉相位梯度图的结果,总的方向个数为8。
而且,对获取的研究区域干涉相位梯度的结果值映射到预设的范围后,在相位梯度堆叠图上出现聚集的与周边对比明显的大梯度值即为探测所得的地表形变信息。
另一方面,本发明提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,用于实现如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
而且,用于基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,包括以下模块,
第一模块,用于通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
第二模块,用于根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
第三模块,用于对第二模块挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
设差分干涉相位
Figure BDA0003558470790000032
对应的某一方向d梯度为
Figure BDA0003558470790000033
表示如下:
Figure BDA0003558470790000034
其中,
Figure BDA0003558470790000035
为SAR影像经过处理得到的第i幅差分干涉图,m和n分别代表干涉图中像元所在的行列号,
Figure BDA0003558470790000036
为差分干涉图
Figure BDA0003558470790000037
对应的某一方向d的梯度图,s为步长;
第四模块,用于对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
第五模块,对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
或者,包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
或者,包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
本发明的创新之处在于无需相位解缠,采用InSAR差分干涉相位梯度堆叠的方法识别研究区的形变信号,不仅有效抑制大气延迟噪声的影响,而且可以在大范围的研究区域快速的识别形变信号,从而可以及时的进行地质灾害的普查。
本发明提出的方案没有直接对差分干涉图进行相位解缠及其后续相位叠加或时间序列InSAR分析等过程,而是直接对缠绕的差分干涉图在时域上进行叠加以增强形变信号,有效削弱了大气噪声的影响和避免了在复杂区域进行相位解缠可能带来的误差影响。在大范围的地表形变探测中可以实现对地表形变的位置进行快速的识别,有效的降低了计算的复杂度。所以,可以高效可靠地探测大范围区域内局部形变信号,在滑坡等地质灾害领域具有极大的应用价值。
附图说明
图1为本发明实施例对InSAR差分干涉图进行相位梯度堆叠的技术流程图。
具体实施方式
下面结合实施例,对本发明作进一步描述。以下实施例仅用于更清楚的说明本发明,不能因此限制本发明的保护范围。
参见图1,本发明实施例提供一种基于InSAR相位梯度堆叠的广域地表形变探测方法,包含以下步骤:
步骤一、获取覆盖研究区域的N景SAR影像,选择合适的SAR影像作为主影像,然后与其它SAR影像进行配准并进行重采样,通过设置时空基线阈值,生成若干InSAR干涉图。
本例中,以贵州省西部区域为研究区,范围为东经104度至106度,北纬24度至27度,范围约为250km*250km。研究区属于中国西南部高原山地,境内地势西高东低,大部分属于山地,地势起伏明显,植被茂密,大气噪声较为严重。数据源为覆盖贵州省西部区域的欧洲空间局哨兵1号数据,共获取2017年1月至2020年12月间的100幅左右SAR卫星影像数据。
步骤二、根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,进行空间自适应滤波处理获取滤波后的差分干涉图;
根据时间基线越长,相干性越差的原则出发,优选挑选相干性较好的InSAR差分干涉图作为下一步处理的数据源。针对哨兵数据,采用的干涉组合策略为时间基线小于60天和空间基线小于100米,实施例在数据处理过程中采用的多视比为10:2。利用SAR卫星轨道信息从InSAR干涉图中去除平地相位和利用外部数字高程模型(如SRTM)模拟地形相位以去除InSAR干涉相位中的地形相位,最终获得InSAR差分干涉图。为了平滑差分干涉图中的噪声信息,实施例采用自适应滤波的方法对差分干涉图进行滤波,在平滑噪声的同时也较好的保留了干涉相位的边缘信息。
步骤三、对步骤二挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行东、西、南、北、东南、东北、西南、西北向的梯度计算,获得差分干涉图对应的各方向梯度图;
一个像元周围有8个像元,每个像元代表一个方向,通过大量实验证明,8个方向结果合并在一起效果最好,因此实施例采用这种优选建议方案。
利用步骤二处理得到的差分干涉图
Figure BDA0003558470790000051
通过梯度计算获得差分干涉图所对应的各方向梯度图,
设差分干涉相位
Figure BDA0003558470790000052
对应的某一方向d梯度为
Figure BDA0003558470790000053
表示如下:
Figure BDA0003558470790000054
其中,
Figure BDA0003558470790000055
为SAR卫星影像经过配准、差分等一系列处理得到的第i幅差分干涉图,m和n分别代表干涉图中像元所在的行列号,
Figure BDA0003558470790000056
为差分干涉图
Figure BDA0003558470790000057
对应的某一方向d的梯度图,s为步长;
例如,其中差分干涉相位
Figure BDA0003558470790000058
对应的东向梯度
Figure BDA0003558470790000059
表示如下:
Figure BDA00035584707900000510
其中,
Figure BDA00035584707900000511
为SAR卫星影像经过配准、差分等一系列处理得到的第i幅差分干涉图,m和n分别代表干涉图中像元所在的行列号,
Figure BDA00035584707900000512
为差分干涉图
Figure BDA00035584707900000513
对应的东向的梯度图,s为步长。
同理西、南、北、东南、东北、西南、西北七个方向的相位梯度分别用
Figure BDA00035584707900000514
Figure BDA00035584707900000515
表示。具体实施时,可以根据经验值设置步长取值。
步骤四、对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果。
实施例采用的优选方案是,对获取的差分干涉图对应的各个方向梯度图分别进行时间上的堆叠以增强形变信号;将梯度堆叠结果采用空间滤波的方法进行滤波;将滤波后的各方向计算的梯度堆叠图的结果进行合并,获得研究区域差分干涉相位梯度堆叠图。
对获取的差分干涉图对应的各个方向梯度图分别进行时间上的堆叠以增强形变信号时,实现方式为,
对于不同时间基线的梯度图上的沿某一方向d,间隔预设步长的两个像元,其干涉相位梯度堆叠公式如下:
Figure BDA0003558470790000061
上式中,φd为获取的n个不同时间基线差分干涉图对应的沿某一方向间隔预设步长的梯度图叠加的结果,
Figure BDA0003558470790000062
为第i幅差分干涉图对应的沿某一方向d获得的梯度,i=1,2,3,…,n,n为干涉对总数;
然后,对获得的梯度堆叠结果φd采用空间滤波的方法进行滤波,获得滤波后的结果用Ψd表示。
例如,对于不同时间基线的梯度图上的沿东方向,间隔一定预设步长的两个像元,其干涉相位梯度堆叠公式如下:
Figure BDA0003558470790000063
上式中,φe为获取的n个不同时间基线差分干涉图对应的沿东方向间隔预设步长的梯度图叠加的结果,
Figure BDA0003558470790000064
为第i幅差分干涉图对应的沿东方向获得的梯度,i=1,2,3,…,n,n为干涉对总数。
然后,对获得的梯度堆叠结果φe采用空间滤波的方法进行滤波,获得滤波后的结果用Ψe表示,同理西、南、北、东南、东北、西南、西北七个方向的相位梯度堆叠的滤波结果分别用Ψw、Ψs、Ψn、Ψen、Ψes、Ψwn、Ψws表示。
最后,对进行空间滤波的各方向梯度堆叠图进行合并以获取完整的研究区域差分干涉相位梯度堆叠信息,其公式如下:
Figure BDA0003558470790000065
其中,Ψ为合并各个方向干涉相位梯度图的结果,8为总的方向个数。
需要说明的是,本发明将各个方向的梯度堆叠结果采用均方根的方法来进行各个方向梯度堆叠结果合并。
步骤五、对获取的研究区域梯度结果Ψ映射到预设范围得到最终的研究区域梯度堆叠结果。
考虑到实际实施时,可能涉及多个研究区域,对每个研究区域分别执行以下流程,即分别进行梯度堆叠处理最终获取的结果值范围可能存在差异,因此本发明提出可把区间结果采用映射的方式统一到同一个区间,比如[-5 5]区间上,便于后续的输出、展示等应用。映射采用的方法是线性变换,之前得到的梯度无量纲的,所以可以进行区间映射。
在进行了相位梯度堆叠和滤波处理后,大气信号和随机噪声被有效的抑制。由于采用大量的干涉图进行相位梯度堆叠,使得局部地表形变信号明显的增强,因此在获得的差分干涉相位梯度堆叠图上,明显的局部信号即为采用上述方法获取的地表形变探测信号,得到InSAR差分干涉相位梯度堆叠图后,通过局部放大图可以明显的看出形变信号。因此,对获取的研究区域差分干涉相位梯度的结果值映射到一定的范围得到最终的研究区域差分干涉相位梯度堆叠结果,在相位梯度堆叠图上出现聚集的与周边对比明显的大梯度值即为探测所得的地表形变信息。
至此,本发明基于InSAR差分干涉相位梯度堆叠进行大范围地表形变探测的方法被完成和实现。通过以上流程,无需现有技术中的常规后期处理,即相位解缠(一是计算耗时;二是可能由此引起一些误差),就可以快速准确的探测地表大范围的微小形变区域的位置,对于支持地质灾害的实时自动普查有一定的作用。
具体实施时,本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程,实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备,也应当在本发明的保护范围内。
在一些可能的实施例中,提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,包括以下模块,
第一模块,用于通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
第二模块,用于根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
第三模块,用于对第二模块挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
设差分干涉相位
Figure BDA0003558470790000071
对应的某一方向d梯度为
Figure BDA0003558470790000072
表示如下:
Figure BDA0003558470790000073
其中,
Figure BDA0003558470790000074
为SAR影像经过处理得到的第i幅差分干涉图,m和n分别代表干涉图中像元所在的行列号,
Figure BDA0003558470790000075
为差分干涉图
Figure BDA0003558470790000076
对应的某一方向d的梯度图,s为步长;
第四模块,用于对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
第五模块,对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
在一些可能的实施例中,提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
在一些可能的实施例中,提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
本文中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (9)

1.一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,实现过程包括以下步骤,
步骤一、通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
步骤二、根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
步骤三、对步骤二挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
设差分干涉相位
Figure FDA0003558470780000011
对应的某一方向d梯度为
Figure FDA0003558470780000012
表示如下:
Figure FDA0003558470780000013
其中,
Figure FDA0003558470780000014
为SAR影像经过处理得到的第i幅差分干涉图,m和n分别代表干涉图中像元所在的行列号,
Figure FDA0003558470780000015
为差分干涉图
Figure FDA0003558470780000016
对应的某一方向d的梯度图,s为步长;
步骤四、对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
步骤五、对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
2.根据权利要求1所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:设求取东、西、南、北、东南、东北、西南、西北方向的相位梯度,东、西、南、北、东南、东北、西南、西北方向的相位梯度分别用
Figure FDA0003558470780000017
Figure FDA0003558470780000018
表示。
3.根据权利要求2所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:将各方向梯度图进行堆叠以增强形变信号时,进行包括以下步骤,
对于不同时间基线的梯度图上的沿某一方向d,间隔预设步长的两个像元,其干涉相位梯度堆叠公式如下:
Figure FDA0003558470780000019
上式中,φd为获取的n个不同时间基线差分干涉图对应的沿某一方向间隔预设步长的梯度图叠加的结果,
Figure FDA0003558470780000021
为第i幅差分干涉图对应的沿某一方向d获得的梯度,i=1,2,3,…,n,n为干涉对总数;
然后,对获得的梯度堆叠结果φd采用空间滤波方法进行滤波,获得滤波后的结果用Ψd表示,东、西、南、北、东南、东北、西南、西北方向的相位梯度堆叠的滤波结果分别用Ψe、Ψw、Ψs、Ψn、Ψen、Ψes、Ψwn、Ψws表示。
4.根据权利要求3所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:将获得的空间滤波后的各方向梯度堆叠图进行合并以获取最终的差分干涉相位梯度堆叠信息,其相应公式表示如下:
Figure FDA0003558470780000022
其中,Ψ为合并各个方向干涉相位梯度图的结果,总的方向个数为8。
5.根据权利要求1或2或3或4所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:对获取的研究区域干涉相位梯度的结果值映射到预设的范围后,在相位梯度堆叠图上出现聚集的与周边对比明显的大梯度值即为探测所得的地表形变信息。
6.一种基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:用于实现如权利要求1-5任一项所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
7.根据权利要求6所述基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:用于基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,包括以下模块,
第一模块,用于获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
第二模块,用于根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
第三模块,用于对第二模块挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
设差分干涉相位
Figure FDA0003558470780000023
对应的某一方向d梯度为
Figure FDA0003558470780000024
表示如下:
Figure FDA0003558470780000025
其中,
Figure FDA0003558470780000026
为SAR影像经过处理得到的第i幅差分干涉图,m和n分别代表干涉图中像元所在的行列号,
Figure FDA0003558470780000027
为差分干涉图
Figure FDA0003558470780000028
对应的某一方向d的梯度图,s为步长;
第四模块,用于对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
第五模块,对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
8.根据权利要求6所述基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如权利要求1-5任一项所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
9.根据权利要求6所述基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如权利要求1-5任一项所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
CN202210286542.4A 2022-03-22 2022-03-22 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 Active CN114814839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210286542.4A CN114814839B (zh) 2022-03-22 2022-03-22 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210286542.4A CN114814839B (zh) 2022-03-22 2022-03-22 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统

Publications (2)

Publication Number Publication Date
CN114814839A true CN114814839A (zh) 2022-07-29
CN114814839B CN114814839B (zh) 2024-05-03

Family

ID=82530581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210286542.4A Active CN114814839B (zh) 2022-03-22 2022-03-22 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统

Country Status (1)

Country Link
CN (1) CN114814839B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116148855A (zh) * 2023-04-04 2023-05-23 之江实验室 时序InSAR大气相位去除和形变解算的方法及系统
CN116224327A (zh) * 2023-02-20 2023-06-06 中国矿业大学 一种基于学习网络的矿区大梯度形变区相位解缠方法
CN118294951A (zh) * 2024-05-28 2024-07-05 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) 一种基于雷达和光学影像的生态岸线判别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772342A (zh) * 2017-01-11 2017-05-31 西南石油大学 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法
CN110888130A (zh) * 2019-10-30 2020-03-17 华东师范大学 一种基于升降轨时序InSAR的煤矿区地表形变监测方法
CN111398959A (zh) * 2020-04-07 2020-07-10 中南大学 基于地表应力应变模型的InSAR时序地表形变监测方法
CN111998766A (zh) * 2020-08-31 2020-11-27 同济大学 一种基于时序InSAR技术的地表形变反演方法
CN112946647A (zh) * 2021-02-02 2021-06-11 河海大学 大气误差改正InSAR干涉图堆叠地质灾害普查方法和装置
WO2021227423A1 (zh) * 2020-05-13 2021-11-18 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106772342A (zh) * 2017-01-11 2017-05-31 西南石油大学 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法
CN110888130A (zh) * 2019-10-30 2020-03-17 华东师范大学 一种基于升降轨时序InSAR的煤矿区地表形变监测方法
CN111398959A (zh) * 2020-04-07 2020-07-10 中南大学 基于地表应力应变模型的InSAR时序地表形变监测方法
WO2021227423A1 (zh) * 2020-05-13 2021-11-18 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
CN111998766A (zh) * 2020-08-31 2020-11-27 同济大学 一种基于时序InSAR技术的地表形变反演方法
CN112946647A (zh) * 2021-02-02 2021-06-11 河海大学 大气误差改正InSAR干涉图堆叠地质灾害普查方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YIAN WANG 等: "Refined InSAR tropospheric delay correction for wide-area landslide identification and monitoring", REMOTE SENSING OF ENVIRONMENT 275, 1 April 2022 (2022-04-01) *
李梦华 等: "四川茂县岷江河谷区段滑坡隐患雷达遥感识别与形变监测", 武汉大学学报-信息科学版, vol. 46, no. 1, 31 October 2021 (2021-10-31) *
葛大庆;王艳;郭小方;刘圣伟;范景辉;: "基于相干点目标的多基线D-InSAR技术与地表形变监测", 遥感学报, no. 04, 15 July 2007 (2007-07-15) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116224327A (zh) * 2023-02-20 2023-06-06 中国矿业大学 一种基于学习网络的矿区大梯度形变区相位解缠方法
CN116148855A (zh) * 2023-04-04 2023-05-23 之江实验室 时序InSAR大气相位去除和形变解算的方法及系统
CN118294951A (zh) * 2024-05-28 2024-07-05 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) 一种基于雷达和光学影像的生态岸线判别方法

Also Published As

Publication number Publication date
CN114814839B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
CN114814839A (zh) 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统
Braun Retrieval of digital elevation models from Sentinel-1 radar data–open applications, techniques, and limitations
Casu et al. A quantitative assessment of the SBAS algorithm performance for surface deformation retrieval from DInSAR data
Catalão et al. Merging GPS and atmospherically corrected InSAR data to map 3-D terrain displacement velocity
Kandregula et al. Estimation of regional surface deformation post the 2001 Bhuj earthquake in the Kachchh region, Western India using RADAR interferometry
Lanari et al. The use of IFSAR and classical geodetic techniques for caldera unrest episodes: application to the Campi Flegrei uplift event of 2000
CN102680972A (zh) 地表形变的监测方法和装置及数据处理设备
Kimata et al. Understanding the 2007–2008 eruption of Anak Krakatau Volcano by combining remote sensing technique and seismic data
CN110174673A (zh) 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法
Samsonov et al. Spatio-temporal analysis of ground deformation occurring near Rice Lake, Saskatchewan, and observed by Radarsat-2 DInSAR during 2008–2011
Sam et al. Estimation of dune celerity and sand flux in part of West Rajasthan, Gadra area of the Thar Desert using temporal remote sensing data
CN112946647A (zh) 大气误差改正InSAR干涉图堆叠地质灾害普查方法和装置
CN118191841A (zh) 一种基于相关性分析的地表沉降形变测量校正方法、装置、设备及介质
CN113900069A (zh) 一种基于干涉成像高度计的垂线偏差计算方法及其系统
Stumpf et al. Monitoring of earth surface motion and geomorphologic processes by optical image correlation
Matsuoka et al. Coseismic displacement measurement of the 2010 El Mayor, Mexico earthquake by subpixel correlation from optical satellite images
CN116609779A (zh) 两阶段InSAR多观测处理方法,系统及相关设备
Ulin et al. Application of PS-InSAR method for the land subsidence analysis using StaMPS (case study: Gresik Regency)
CN111580101A (zh) 一种基于外部DEM的InSAR基线误差无控改正方法及装置
Makri et al. Land movements estimation in Amathus archaeological site in Limassol district with In-SAR DIn-SAR methodologies
Wang et al. Application of INSAR technology in geographical situation monitoring
Wang et al. Detecting and assessing the land subsidence in coal mining area using PALSAR data based on D-InSAR technique
Sarti et al. Assessing pre-and post-deformation in the southern Arava Valley segment of the Dead Sea Transform, Israel by differential interferometry
Lira et al. Subsidence and morphologic variations in Mexico city generated by the earthquakes of September 2017
Dimitrov et al. Monitoring of the landslide processes at the" Dalgiya Yar" landslide

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