CN114910910B - 基于叠掩区域精化的真正射sar影像生成方法 - Google Patents
基于叠掩区域精化的真正射sar影像生成方法 Download PDFInfo
- Publication number
- CN114910910B CN114910910B CN202210828983.2A CN202210828983A CN114910910B CN 114910910 B CN114910910 B CN 114910910B CN 202210828983 A CN202210828983 A CN 202210828983A CN 114910910 B CN114910910 B CN 114910910B
- Authority
- CN
- China
- Prior art keywords
- image
- sar
- sar image
- space
- true
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 25
- 240000004282 Grewia occidentalis Species 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 13
- 230000004807 localization Effects 0.000 claims description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 7
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000000873 masking effect Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 abstract description 13
- 230000003287 optical effect Effects 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 10
- 238000012937 correction Methods 0.000 abstract description 9
- 238000002156 mixing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 229920006068 Minlon® Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000005491 wire drawing Methods 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
- G01S13/9004—SAR image acquisition techniques
- G01S13/9005—SAR image acquisition techniques with optical processing of the SAR signals
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于叠掩区域精化的真正射SAR影像生成方法，涉及SAR遥感影像几何处理技术领域。该方法基于SAR影像像方‑物方反投影迭代过程，在DSM数据的辅助下通过判断高程迭代是否满足收敛条件，区分叠掩区域与非叠掩区域，为SAR影像真正射校正过程提供支撑；针对叠掩区域，以DSM数据作为辅助，通过计算原始SAR影像像方坐标在不同高程面的投影与DSM所构成平面的交点，同时考虑SAR成像原理和光学视觉原理，生成符合光学视觉特性的真正射SAR影像，能够极好的体现建筑物的边缘结构特征，便于后续判读和解译，从而解决传统SAR影像正射校正方法造成的建筑物叠掩区域结构信息混杂和边缘特征不明显的技术问题。
Description
技术领域
本发明涉及合成孔径雷达（Synthetic Aperture Radar，SAR）遥感影像几何处理技术领域，尤其涉及一种基于叠掩区域精化的真正射SAR影像生成方法。
背景技术
SAR遥感影像得益于全天时、全天候、不受天气影响的特点，被广泛应用在各个领域。SAR采用侧视成像方式进行对地探测，在成像过程中通过对距离的测量完成对目标的定位，在实际成像过程中受到地形等多种因素的影响。SAR影像中通常会出现叠掩、阴影和透视收缩等畸变现象，尤其在建筑物区域，叠掩现象的存在使得目标边界不清晰，导致目标信息混杂干扰较多，对于判读和解译带来诸多不便。
如图1所示，在既有建筑物的区域（AB段），受到成像视角的影响，经过投影后在像方会出现斜顶位置较窄的现象（ab段），导致物体成像大小关系与实际情况不一致。在极端条件下，由于建筑物顶端和底端（CF段）返回给卫星接收机的回波距离相同，导致在图像域被压缩，形成叠掩（cd段）；而建筑物背面部分区域（DE段）由于接收不到雷达发射的信号，因此导致图像域无回波信息，从而形成黑色阴影（ef段）。这些现象的存在会造成后向散射系数的变化失真，严重影响了图像质量，极大限制了SAR影像的应用场景。
传统方法在对SAR影像进行正射校正时，主要有两种方法：直接校正法和间接校正法。直接法从像方空间出发，利用SAR影像的定位模型参数，结合DEM数据，直接计算出每个像方点对应的真实地理坐标，再经过灰度值的确定，生成初步的正射影像。然而这时的正射影像存在较多的“空洞”像元，导致单景影像正射校正后存在空白块，影像视觉效果。同时，传统迭代方法计算过程中，对于像方点c的实际位置对应于物方点C’和F两个物方点，导致迭代过程不稳定，从而影响最终的正射效果。
相较而言，间接法则是从物方空间到像方空间的投影过程，一般根据SAR成像时刻所提供的成像模型参数，借助外部DEM数据通过地面物方点坐标向影像进行投影，从而建立一张模拟SAR影像；然后通过模拟SAR影像与真实SAR影像的匹配，从而得到真实SAR影像与地面物方点的转换关系，再通过灰度值的拟合完成真实SAR影像的正射校正。如图1所示，经过这种方法处理的影像在叠掩处通常会出现“拉丝”现象，即在从物方到像方投影的过程中，C’C段和CF段的物方空间点同时对应于cd段的像方空间点。因此借助间接法正射校正完成后的效果类似建筑物CF段倾斜投影在C’C段位置，这与正射校正的实际意义是不符合的，无法实现对遥感影像的倾斜改正。
因此，传统的SAR影像正射校正方法在叠掩区域容易出现“拉丝”现象，同时在正射校正后的SAR影像中存在部分错误点信息，尤其在建筑物区域，叠掩现象的存在使得目标边界不清晰，导致目标信息混杂干扰较多，对于判读和解译带来诸多不便。
发明内容
有鉴于此，本发明提供了一种基于叠掩区域精化的真正射SAR影像生成方法，解决传统SAR影像正射校正方法造成的建筑物叠掩区域结构信息混杂和边缘特征不明显的技术问题。
为达到上述目的，本发明提供的基于叠掩区域精化的真正射SAR影像生成方法，包括：获取原始SAR影像，使用原始SAR影像附带的通用定位模型参数计算物方覆盖范围，筛选相同物方覆盖范围下的DSM数据；根据DSM数据获取控制点，对通用定位模型参数进行校正，生成真正射SAR空白影像；使用校正后的通用定位模型参数，进行叠掩区域与非叠掩区域的分类，更新真正射SAR空白影像的非叠掩区域像素值；针对分类的叠掩区域，计算原始SAR影像在叠掩区域的物方实际位置，更新真正射SAR空白影像的叠掩区域像素值，得到初始正射SAR影像；对初始正射SAR影像进行滤波，生成真正射SAR影像。
进一步地，通用定位模型为有理多项式模型，使用原始SAR影像附带的通用定位模型参数计算物方覆盖范围，筛选相同物方覆盖范围下的DSM数据，包括：根据原始SAR影像的像方四角点坐标，借助有理多项式模型给定的参考高程值，采用有理多项式模型的反变换，计算表征物方覆盖范围的物方四角点坐标；根据物方四角点坐标围成的四边形，筛选覆盖区域包含四边形的DSM数据。
进一步地，对通用定位模型参数进行校正，生成真正射SAR空白影像，包括：根据DSM数据生成模拟SAR影像，从模拟SAR影像提取多个控制点，利用像方仿射变换模型，对通用定位模型参数进行校正；对校正后的通用定位模型参数进行反变换，计算校正后的SAR影像的像方四角点坐标对应的物方四角点坐标，根据物方四角点坐标生成真正射SAR空白影像。
进一步地，使用校正后的通用定位模型参数，进行叠掩区域与非叠掩区域的分类，包括：使用校正后的通用定位模型参数，对原始SAR影像的像方坐标逐一进行反变换，迭代计算单一像方点对应的物方点坐标，若迭代计算的过程收敛，则将该单一像方点归类为非叠掩区域，否则将该单一像方点归类为叠掩区域。
进一步地，针对分类的叠掩区域，计算原始SAR影像在叠掩区域的物方实际位置，更新真正射SAR空白影像的叠掩区域像素值，包括：针对原始SAR影像在叠掩区域下的单一像方坐标，以迭代过程最后一次计算得到的物方坐标为基准，使用校正后的通用定位模型参数，计算预设高程区间内的每个高程值对应的物方坐标，得到物方坐标集合；将物方坐标集合中的物方坐标点的连线与DSM数据构成的高程面进行相交，选择高程值最高的交点，将该交点的物方空间坐标作为单一像方坐标对应的物方实际位置，更新真正射SAR空白影像对应叠掩区域的像方位置的像素值。
进一步地，对初始正射SAR影像进行滤波，包括：构建预设尺寸模板，使用预设尺寸模板对初始正射SAR影像进行滤波，消除空洞像元。
与现有技术相比，本发明提供的基于叠掩区域精化的真正射SAR影像生成方法，至少具有以下有益效果：
（1）以SAR成像原理为理论基础，基于SAR影像像方-物方反投影迭代过程，在DSM的辅助下通过判断高程迭代是否满足收敛条件，能够显著的区分叠掩区域与非叠掩区域，为SAR影像真正射校正过程提供支撑；
（2）针对叠掩区域，以DSM作为辅助，通过计算原始SAR影像像方坐标在不同高程面的投影与DSM所构成平面的交点，同时考虑SAR成像原理和光学视觉原理，生成符合光学视觉特性的真正射SAR影像，能够极好的体现建筑物的边缘结构特征，便于后续判读和解译。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了相关技术由地形引起的SAR影像畸变现象的原理；
图2示意性示出了根据本发明实施例的基于叠掩区域精化的真正射SAR影像生成方法的流程图；
图3示意性示出了根据本发明实施例的DSM数据获取过程的流程图；
图4示意性示出了根据本发明实施例的真正射SAR空白影像生成过程的流程图；
图5示意性示出了根据本发明实施例的叠掩区域分类过程的操作流程图；
图6示意性示出了根据本发明实施例的叠掩区域像素更新的流程图；
图7示意性示出了复杂建筑物SAR影像叠掩区域的原理图；
图8示意性示出了根据本发明实施例的初始正射SAR影像滤波过程的流程图；
图9示意性示出了根据本发明实施例的基于叠掩区域精化的真正射SAR影像生成方法的实际操作流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。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。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。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。
图2示意性示出了根据本发明实施例的基于叠掩区域精化的真正射SAR影像生成方法的流程图。
如图2所示，根据该实施例的基于叠掩区域精化的真正射SAR影像生成方法，可以包括操作S210~操作S250。
在操作S210，获取原始SAR影像，使用原始SAR影像附带的通用定位模型参数计算物方覆盖范围，筛选相同物方覆盖范围下的DSM数据。
通用定位模型在原始SAR影像附带。具体地，对遥感影像而言，该通用定位模型通常为有理多项式模型（Rational Function Model，RFM），可通过原始SAR影像的附带文件中提取。物方覆盖范围可以用物方四角点坐标来表征。
DSM（Digital Surface Model，数字地表模型）数据是指包含了地表建筑物、桥梁和树木等高度的地面高程数据。DSM数据不仅包含了地形的高程信息，还涵盖了除地面以外的其它地表信息的高程。
在操作S220，根据DSM数据获取控制点，对通用定位模型参数进行校正，生成真正射SAR空白影像。
在操作S230，使用校正后的通用定位模型参数，进行叠掩区域与非叠掩区域的分类，更新真正射SAR空白影像的非叠掩区域像素值。
在操作S240，针对分类的叠掩区域，计算原始SAR影像在叠掩区域的物方实际位置，更新真正射SAR空白影像的叠掩区域像素值，得到初始正射SAR影像。
在操作S250，对初始正射SAR影像进行滤波，生成真正射SAR影像。
通过本发明的实施例，经过精化处理后，即可生成最终的真正射SAR影像，该真正射SAR影像，能够更好的体现SAR观测区域的目标结构特性，并实现类似光学影像的呈现效果，为真正射SAR影像的后续应用提供了技术支撑。
图3示意性示出了根据本发明实施例的DSM数据获取过程的流程图。
如图3所示，进一步地，上述操作S210中的使用原始SAR影像附带的通用定位模型参数计算物方覆盖范围，筛选相同物方覆盖范围下的DSM数据，可以包括操作S2101~操作S2102。
在操作S2101，根据原始SAR影像的像方四角点坐标，借助有理多项式模型给定的参考高程值，采用有理多项式模型的反变换，计算表征物方覆盖范围的物方四角点坐标。
假设原始SAR影像的像方四角点坐标分别为(0,0)，(H,0)，(0,W)，(H,W)， W和H分别表示原始SAR影像的宽度和高度。借助RFM模型参数给定的参考高程值H 0 ，采用RFM模型的反变换，可以计算得到该原始SAR影像的覆盖范围的物方四角点的经纬度坐标为(L 0 ,P 0 )，(L 1 ,P 1 )，(L 2 ,P 2 )，(L 3 ,P 3 )。
具体地，RFM模型的相关参数定义如下：
假设原始SAR影像的像方点行列号坐标(r,c)对应的物方点经纬高坐标为(L,P,H)，则需要首先借助尺度参数和平移参数将像方坐标和物方坐标进行归一化处理，公式如下所示：
式中，(x 0 ,y 0 ,X 0 ,Y 0 ,Z 0 )和(x S ,y S ,X S ,Y S ,Z S )分别为尺度参数和平移参数；(x,y)和(X,Y,Z)分别为归一化后的像方坐标和物方坐标。
完成归一化后的像方坐标(x,y)和物方坐标(X,Y,Z)可以用RFM模型的比值系数建立相互之间的关系，如以下公式所示：
其中，P i (X,Y,Z)(i=1,2,3,4)均为一般多项式，分别由RFM模型系数来定义，最高不超过3次，形式如下：
式中，a 0 ,a 1 ,…,a 19 均为RFM模型系数。针对不同的i取值，该P i (X,Y,Z)可以取不同的系数a 0 ,a 1 ,…,a 19 。
由此，基于上述公式，根据像方四角点坐标(0,0)，(H,0)，(0,W)，(H,W)，借助RFM模型参数给定的参考高程值H 0 ，以及RFM模型系数，采用RFM模型的反变换，可以计算该像方四角点对应的物方四角点的经纬度坐标为(L 0 ,P 0 )，(L 1 ,P 1 )，(L 2 ,P 2 )，(L 3 ,P 3 )。
在操作S2102，根据物方四角点坐标围成的四边形，筛选覆盖区域包含四边形的DSM数据。
接着，根据计算得到的物方四角点坐标围成的四边形，获取具有相同覆盖范围的DSM数据，用于后续处理。
图4示意性示出了根据本发明实施例的真正射SAR空白影像生成过程的流程图。
如图4所示，进一步地，上述操作S220中的对通用定位模型参数进行校正，生成真正射SAR空白影像，可以包括操作S2201~操作S2202。
在操作S2201，根据DSM数据生成模拟SAR影像，从模拟SAR影像提取多个控制点，利用像方仿射变换模型，对通用定位模型参数进行校正。
具体地，根据DSM生成模拟SAR影像，从模拟SAR影像提取n个控制点，其物方经纬高
坐标分别为(L i ,P i ,H i )，i=1,2,…,n。借助RFM模型正变换，计算得到对应的像方行列号坐标
为
，i=1,2,…,n。该像方行列号坐标为每个控制点经过RFM模型参数投影后得出
的。
同时，根据控制点所对应的实际物方位置所提取的像方行列号坐标为 (r i ,c i )，i=1,2,…,n。利用像方仿射变换模型对RFM模型参数中存在的定位偏差进行校正，如以下公式所示：
式中，(a i ,b i )(i=0,1,2)均为仿射变换模型系数。
接着，根据以下公式，可以建立如下误差方程：
其中，
表示第i个控制点的实际坐标与经过仿射变换模型校正后投影坐
标的残差，i表示第i个控制点，i=1,2,…,n。
进一步地，该误差方程公式可以按照矩阵的形式进行展开，如以下公式所示：
其中，
中的下标1~n表示第1~第n个控制点的编号。
借助求解的仿射变换模型系数，可以实现原始RFM模型定位误差的校正。
在操作S2202，对校正后的通用定位模型参数进行反变换，计算校正后的SAR影像的像方四角点坐标对应的物方四角点坐标，根据物方四角点坐标生成真正射SAR空白影像。
对校正后的RFM模型参数进行反变换，计算校正后的SAR影像的像方四角点坐标
(0,0)，(H,0)，(0,W)，(H,W)所对应的物方四角点的经纬度坐标
，生成一张覆盖该范围的真正射SAR空白影像，
其影像大小为
。
同时，根据计算得到的物方经纬度范围，可以计算真正射影像的六参数模型系数adf 1 SAR ~adf 6 SAR ，如以下公式所示：
式中，minLon、maxLon、minLat和maxLat均为中间系数，由这些中间系数构建六参数模型系数adf 1 SAR ~adf 6 SAR 。
图5示意性示出了根据本发明实施例的叠掩区域分类过程的操作流程图。
如图5所示，进一步地，上述操作S230中的使用校正后的通用定位模型参数，进行叠掩区域与非叠掩区域的分类，可以包括操作S2301。
在操作S2301，使用校正后的通用定位模型参数，对原始SAR影像的像方坐标逐一进行反变换，迭代计算单一像方点对应的物方点坐标，若迭代计算的过程收敛，则将该单一像方点归类为非叠掩区域，否则将该单一像方点归类为叠掩区域。
使用校正后的RFM模型参数，对原始SAR影像的像方坐标逐一进行反变换，迭代计算单一像方点(r s ,c s )所对应的物方点坐标。
假设第n次迭代和第n+1次迭代所得到的高程值分别为H n 和H n+1 ，迭代次数上限为T 0 ，迭代阈值条件为ε，则当满足|H n+1 -H n |＜ε且n＜T 0 时，判断迭代过程收敛，将该单一像方点归类为非叠掩区域；否则，将该单一像方点归类为叠掩区域。
经过分类后，对非叠掩区域进行真正射处理。当原始SAR影像的单一像方点(r,c)归类为非叠掩区域时，以最后一次迭代结果(L n ,P n ,H n )作为该像方点对应的物方坐标。根据生成的真正射SAR空白影像的六参数信息，可以得到(L n ,P n ,H n )所对应的真正射SAR空白影像的像方坐标(r 0 ,c 0 )，如以下公式所示：
通常，由上述公式计算得到的真正射SAR空白影像的像方坐标为小数值，而访问影像像素点时则只能进行整数访问。因此，再通过最近邻采样的方式，将原始SAR影像的坐标(r s ,c s )处的灰度值I SAR (r s ,c s )与真正射SAR空白影像的坐标(r 0 ,c 0 )处的灰度值O SAR (r 0 ,c 0 )进行映射，如以下公式所示：
其中，int表示向下取整。
通过本发明的实施例，通过判断DSM高程辅助条件下像方-物方放投影迭代计算过程是否收敛，区分SAR影像中的叠掩区域和非叠掩区域，为真正射SAR影像生产过程提供支撑。
接下来，可以对叠掩区域进行真正射处理。
图6示意性示出了根据本发明实施例的叠掩区域像素更新的流程图。
如图6所示，进一步地，上述操作S240中的针对分类的叠掩区域，计算原始SAR影像在叠掩区域的物方实际位置，更新真正射SAR空白影像的叠掩区域像素值，可以包括操作S2401~操作S2402。
在操作S2401，针对原始SAR影像在叠掩区域下的单一像方坐标，以迭代过程最后一次计算得到的物方坐标为基准，使用校正后的通用定位模型参数，计算预设高程区间内的每个高程值对应的物方坐标，得到物方坐标集合。
对叠掩区域进行真正射处理，以迭代过程最后一次计算得到的物方坐标(L n ,P n ,H n )为基准，按照以下公式设置该预设高程区间[H L ,H U ]：
其中，∆H表示以H n 为基准建立的高程空间的取值范围。
在预设高程区间[H L ,H U ]内，利用校正后的RFM模型参数的反变换，计算不同高程条件下，原始SAR影像中的叠掩区域的单一像方坐标(r s ,c s )对应的物方经纬度坐标(L,P,H)，得到该叠掩区域的像方坐标所对应的物方坐标集合{S|s i ∈S,H L ≤H i ≤H U ,s i =(L i ,P i ,H i )}。
在操作S2402，将物方坐标集合中的物方坐标点的连线与DSM数据构成的高程面进行相交，选择高程值最高的交点，将该交点的物方空间坐标作为单一像方坐标对应的物方实际位置，更新真正射SAR空白影像对应叠掩区域的像方位置的像素值。
针对分类出的叠掩区域，按照SAR传感器成像原理，为了清晰的表征建筑物目标结构特性，应该将叠掩处的信息归位于建筑物朝向SAR传感器的墙面上，而与建筑物墙面形成二面角的地面区域，则可视作光学影像中的阴影区域，对建筑物结构特性并未起到实质作用，因此不进行填充。
具体来说，图7示意性示出了复杂建筑物SAR影像叠掩区域的原理图。结合图7所示，对于复杂建筑物来说，叠掩区域单一像方点同时对应于建筑物的A、B、C、D四个点，但是根据光学影像成像与SAR影像成像的几何关系，对于该建筑物进行观测时，光学影像沿虚线方向仅能观测到该建筑物的最高点A处，而B、C、D三点的信息全都被遮盖。
有鉴于此，本发明实施例将物方坐标集合S中的所有物方坐标点进行连线，将该连线与DSM数据所构成的高程面进行相交，选择高程值最高的交点处的物方空间坐标(L T ,P T ,H T )为原始SAR影像的叠掩区域像方空间点(r,c)所对应的物方坐标，该物方坐标也即物方实际位置。
由此，可以建立叠掩区域真正射SAR空白影像与原始SAR影像的像方坐标的对应关系，实现叠掩区域真正射SAR空白影像的更新，完成建筑物叠掩区域的精化，得到初始正射SAR影像。
通过本发明的实施例，在真正射SAR影像的生成过程中，按照目标的实际特性，将叠掩区域归位于建筑物墙面结构部分，而不是与建筑物墙面形成二面角的地面部分，同时参照光学成像原理将该部分地面区域作为光学影像的阴影部分进行处理。
接着，由于受到噪声等因素的影响，经过映射后的初始正射SAR影像会存在部分空洞像元，因此利用滤波算法去除这些空洞像元的影响，使图像更加平滑，与建筑物目标的真实结构更加相似。
图8示意性示出了根据本发明实施例的初始正射SAR影像滤波过程的流程图。
如图8所示，进一步地，上述操作S250中的对初始正射SAR影像进行滤波，可以包括操作S2501。
在操作S2501，构建预设尺寸模板，使用预设尺寸模板对初始正射SAR影像进行滤波，消除空洞像元。
具体地，该预设尺寸模板可以为3×3模板。将该3×3模板在初始正射SAR影像范围内进行遍历，当模板中心所对应的影像灰度值O SAR (x,y)为0时，也即空洞像元，按照以下方式进行滤波处理：
式中，num表示3×3邻域中非零像元的数量；
为滤波处理后的影像灰
度值。
经过精化处理后，即可生成最终的真正射SAR影像，该真正射SAR影像，能够更好的体现SAR观测区域的目标结构特性，并实现类似光学影像的呈现效果，为真正射SAR影像的后续应用提供了技术支撑。
基于上述图2~图8公开内容，图9示意性示出了根据本发明实施例的基于叠掩区域精化的真正射SAR影像生成方法的实际操作流程图。
如图9所示，针对获取到的原始SAR影像，首先根据原始SAR影像附带的通用定位模型参数，计算物方初始覆盖范围，筛选相同覆盖范围下的DSM数据。然后，以DSM数据为控制信息，对原始SAR影像通用定位模型参数进行误差校正，同时生成真正射SAR空白影像。
接着，基于校正后的通用定位模型参数，迭代计算原始SAR影像的像方坐标对应的物方坐标，根据迭代过程是否收敛区分建筑物叠掩区域与非叠掩区域。针对建筑物非叠掩区域，则更新建筑物非叠掩区域真正射SAR影像。针对建筑物叠掩区域，计算原始SAR影像的像方坐标在不同高程面投影所得的物方坐标与DSM高程面的交点，以交点最高处作为建筑物叠掩区域像方坐标的对应位置，并更新建筑物叠掩区域真正射SAR影像。
最后，采用模板滤波方法对真正射SAR影像的空洞像元进行精化，得到精化后的真正射SAR影像。
应当理解，对原始SAR影像的叠掩区域进行判断的方式可以有多种不同的方法，只要采用像方与物方投影迭代计算进行判断的，即属于本发明的保护范围。对叠掩区域与正射影像的像方对应关系的求解可以有多种不同的方法，只要采用不同高程反投影与DSM相交确定叠掩对应位置的方法，即属于本发明的保护范围。
下面通过实际数据的处理示例来验证本发明上述的实施例的方法的处理效果。实验采用高分三号聚束模式SAR影像，DSM数据采用激光雷达获取。其中高分三号SAR影像标称分辨率1米，DSM数据采样间隔为0.5米。
发明人经过实验，获得了所用测试数据的两景SAR影像和DSM数据的整体场景的对比效果图，以及经过真正射方法和传统正射校正方法处理的SAR图像与光学图像的对比效果图。从这些对比效果图可以得到，生成的真正射SAR影像在建筑物区域具有边缘结构信息明显、特征突出的优点，为后续SAR影像的判读和解译提供了有力保障。
综上所述，本发明实施例提供了一种基于叠掩区域精化的真正射SAR影像生成方法，解决了现有SAR影像正射校正方法对于建筑物叠掩区域目标结构信息不明显、信息混杂不清晰的问题，能够更好地恢复建筑物区域的结构特征，处理后的真正射SAR影像具有与光学影像相同的视觉效果，为SAR影像的信息提取和判读提供了有力支撑。
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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。此外，位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于叠掩区域精化的真正射SAR影像生成方法，其特征在于，包括：
获取原始SAR影像，使用所述原始SAR影像附带的通用定位模型参数计算物方覆盖范围，筛选相同物方覆盖范围下的DSM数据；
根据所述DSM数据获取控制点，对所述通用定位模型参数进行校正，生成真正射SAR空白影像；
使用校正后的通用定位模型参数，进行叠掩区域与非叠掩区域的分类，更新所述真正射SAR空白影像的非叠掩区域像素值；
针对分类的叠掩区域，计算所述原始SAR影像在叠掩区域的物方实际位置，更新真正射SAR空白影像的叠掩区域像素值，得到初始正射SAR影像；
对所述初始正射SAR影像进行滤波，生成真正射SAR影像。
2.根据权利要求1所述的方法，其特征在于，所述通用定位模型为有理多项式模型，使用所述原始SAR影像附带的通用定位模型参数计算物方覆盖范围，筛选相同物方覆盖范围下的DSM数据，包括：
根据所述原始SAR影像的像方四角点坐标，借助所述有理多项式模型给定的参考高程值，采用所述有理多项式模型的反变换，计算表征所述物方覆盖范围的物方四角点坐标；
根据所述物方四角点坐标围成的四边形，筛选覆盖区域包含所述四边形的DSM数据。
3.根据权利要求1所述的方法，其特征在于，所述对所述通用定位模型参数进行校正，生成真正射SAR空白影像，包括：
根据所述DSM数据生成模拟SAR影像，从所述模拟SAR影像提取多个控制点，利用像方仿射变换模型，对所述通用定位模型参数进行校正；
对校正后的通用定位模型参数进行反变换，计算校正后的SAR影像的像方四角点坐标对应的物方四角点坐标，根据所述物方四角点坐标生成真正射SAR空白影像。
4.根据权利要求1所述的方法，其特征在于，所述使用校正后的通用定位模型参数，进行叠掩区域与非叠掩区域的分类，包括：
使用校正后的通用定位模型参数，对所述原始SAR影像的像方坐标逐一进行反变换，迭代计算单一像方点对应的物方点坐标，若所述迭代计算的过程收敛，则将该单一像方点归类为非叠掩区域，否则将该单一像方点归类为叠掩区域。
5.根据权利要求1所述的方法，其特征在于，所述针对分类的叠掩区域，计算所述原始SAR影像在叠掩区域的物方实际位置，更新真正射SAR空白影像的叠掩区域像素值，包括：
针对所述原始SAR影像在叠掩区域下的单一像方坐标，以迭代过程最后一次计算得到的物方坐标为基准，使用校正后的通用定位模型参数，计算预设高程区间内的每个高程值对应的物方坐标，得到物方坐标集合；
将所述物方坐标集合中的物方坐标点的连线与所述DSM数据构成的高程面进行相交，选择高程值最高的交点，将该交点的物方空间坐标作为所述单一像方坐标对应的物方实际位置，更新真正射SAR空白影像对应叠掩区域的像方位置的像素值。
6.根据权利要求1所述的方法，其特征在于，对所述初始正射SAR影像进行滤波，包括：
构建预设尺寸模板，使用所述预设尺寸模板对所述初始正射SAR影像进行滤波，消除空洞像元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210828983.2A CN114910910B (zh) | 2022-07-15 | 2022-07-15 | 基于叠掩区域精化的真正射sar影像生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210828983.2A CN114910910B (zh) | 2022-07-15 | 2022-07-15 | 基于叠掩区域精化的真正射sar影像生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114910910A CN114910910A (zh) | 2022-08-16 |
| CN114910910B true CN114910910B (zh) | 2022-09-16 |
Family
ID=82772851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210828983.2A Active CN114910910B (zh) | 2022-07-15 | 2022-07-15 | 基于叠掩区域精化的真正射sar影像生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114910910B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112767454A (zh) * | 2020-12-25 | 2021-05-07 | 中国科学院空天信息创新研究院 | 基于多视角观测sar数据采样分析的叠掩信息补偿方法 |
| CN114463417A (zh) * | 2022-01-07 | 2022-05-10 | 武汉大学 | 一种基于空间几何比值关系的sar影像叠掩区域定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160259044A1 (en) * | 2013-01-04 | 2016-09-08 | National Central University | Three-dimensional positioning method |
-
2022
- 2022-07-15 CN CN202210828983.2A patent/CN114910910B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112767454A (zh) * | 2020-12-25 | 2021-05-07 | 中国科学院空天信息创新研究院 | 基于多视角观测sar数据采样分析的叠掩信息补偿方法 |
| CN114463417A (zh) * | 2022-01-07 | 2022-05-10 | 武汉大学 | 一种基于空间几何比值关系的sar影像叠掩区域定位方法 |
Non-Patent Citations (6)
| Title |
|---|
| Layover Compensation Method for Regional Spaceborne SAR Imagery Without GCPs;Huabin Wang 等;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20211031;第59卷(第10期);8367-8381 * |
| 一种基于InSAR的叠掩区域识别算法;刘宁宁 等;《科学技术与工程》;20110618;第11卷(第17期);3975-3978 * |
| 一种资源三号测绘卫星系统几何校正产品的生产方法;周平 等;《测绘科学》;20150131;第40卷(第1期);22-27 * |
| 利用DEM进行多山地区星载SAR影像的正射校正;徐凌 等;《物探化探计算技术》;20040528;第26卷(第2期);145-148 * |
| 基于RFM模型的叠掩区域定位方法;程前 等;《航天返回与遥感》;20191031;第40卷(第5期);95-105 * |
| 基于有理函数模型的星载SAR影像几何校正;魏晓红 等;《遥感学报》;20120925;第16卷(第5期);1089-1099 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114910910A (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5309522A (en) | Stereoscopic determination of terrain elevation | |
| KR101533182B1 (ko) | 3d 거리 | |
| Lucieer et al. | Existential uncertainty of spatial objects segmented from satellite sensor imagery | |
| CN107341778B (zh) | 基于卫星控制点库和dem的sar影像正射纠正方法 | |
| Ma | Building model reconstruction from LiDAR data and aerial photographs | |
| CN111047698B (zh) | 一种真正射影像采集方法 | |
| CN113971768A (zh) | 一种基于无人机的输电线路违章建筑三维动态检测方法 | |
| CN117036622B (zh) | 融合航拍图像和地面扫描的三维重建方法、装置和设备 | |
| CN112767461A (zh) | 激光点云与序列全景影像自动配准方法 | |
| CN110030968B (zh) | 一种基于星载立体光学影像的地面遮挡物仰角测量方法 | |
| CN114910910B (zh) | 基于叠掩区域精化的真正射sar影像生成方法 | |
| CN115471619A (zh) | 基于立体成像高分辨率卫星影像的城市三维模型构建方法 | |
| CN110738693A (zh) | 一种地基成像雷达多角度图像配准方法 | |
| CN107941241B (zh) | 一种用于航空摄影测量质量评价的分辨率板及其使用方法 | |
| CN117647232B (zh) | 激光高程点转刺到卫星立体影像的方法、装置及设备 | |
| CN111611525B (zh) | 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法 | |
| CN116973946A (zh) | 一种深度学习与鱼眼相机图像分割的导航卫星定位方法 | |
| CN113379648B (zh) | 一种高分七号和资源三号立体影像联合平差方法 | |
| CN105093222A (zh) | 一种sar影像区域网平差连接点自动提取方法 | |
| CN109579796A (zh) | 一种投影后影像的区域网平差方法 | |
| Kurdi et al. | Automated building footprint and 3d building model generation from lidar point cloud data | |
| CN109035312A (zh) | 一种dem辅助的sar图像高精度配准方法 | |
| Rottensteiner | Roof plane segmentation by combining multiple images and point clouds | |
| Zhang et al. | Tests and performance evaluation of DMC images and new methods for their processing | |
| WO2023078540A1 (en) | Alignment of point clouds representing physical objects |
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 |