CN115097450A - 跨轨道高分三号sar偏移量大梯度滑坡形变估计方法 - Google Patents
跨轨道高分三号sar偏移量大梯度滑坡形变估计方法 Download PDFInfo
- Publication number
- CN115097450A CN115097450A CN202210734612.8A CN202210734612A CN115097450A CN 115097450 A CN115097450 A CN 115097450A CN 202210734612 A CN202210734612 A CN 202210734612A CN 115097450 A CN115097450 A CN 115097450A
- Authority
- CN
- China
- Prior art keywords
- images
- offset
- image
- track
- sar
- 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.)
- Pending
Links
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
- G01S13/904—SAR modes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
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)
- Image Processing (AREA)
Abstract
本发明公开了一种跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法,属于地表形变监测技术领域,能够解决现有SAR数据进行形变监测时,容易受到大的地形起伏和入射角差异的影响,从而导致滑坡监测难度较大的问题。所述方法包括:获取待监测区域滑坡前不同轨道上的SAR影像,并确定轨道内的主影像、轨道内的从影像、轨道间的主影像和轨道间的从影像;根据待监测区域的DEM数据和所有主影像,对所有对应的从影像进行正射校正和配准;将主影像和所有从影像组成多个偏移对,并根据多个偏移对获取待监测区域距离向和方位向的二维偏移量;根据待监测区域不同时间地表的二维偏移量,计算待监测区域的二维形变速率和时间序列。本发明用于地表大梯度滑坡监测。
Description
技术领域
本发明涉及一种跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法,属于地表形变监测技术领域。
背景技术
基于SAR数据的遥感技术广泛应用于诸如地震、滑坡、火山、地裂缝等地质灾害的调查、监测及预警工作中。目前,SAR技术主要有两大类,即基于相位的SAR干涉测量和基于强度的偏移量跟踪,这两类均能很好地应用于各类地质灾害的调查研究中。
基于相位的SAR干涉测量方法会受到数据相干性的限制,且很难监测大梯度形变。基于强度信息的SAR偏移量跟踪技术利用两个SAR影像之间强度信息基于互相关技术估计距离向和方位向的偏移量,可以监测大梯度形变。但是,使用基于强度的方法研究滑坡运动过程,会受到巨大地形起伏引起的误差影响。此外,在形变监测过程中,同一地区存在多个轨道观测到的SAR影像,而目前SAR偏移量估计仅使用同一轨道的SAR影像数据,跨轨道的SAR影像之间的偏移量估计使用很少,这会导致在同一轨道SAR影像数据不足时有些技术无法开展。另外,在使用不同轨道的SAR数据进行形变监测时,容易受到大的地形起伏和入射角差异的影响,从而导致滑坡监测难度较大。
发明内容
本发明提供了一种跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法,能够解决现有SAR数据进行形变监测时,容易受到大的地形起伏和入射角差异的影响,从而导致滑坡监测难度较大的问题。
本发明提供了一种跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法,所述方法包括:
S1、获取待监测区域滑坡前不同轨道上的SAR影像,并确定每个轨道上其中一幅SAR影像作为轨道内的主影像,将其余SAR影像作为轨道内的从影像,并从所有轨道内的主影像中确定一幅作为轨道间的主影像,从不同轨道中确定预设数量的从影像作为轨道间的从影像;
S2、获取所述待监测区域的DEM数据,并根据所述DEM数据和所有主影像,对所有对应的从影像进行正射校正和配准;
S3、将所述主影像和所有从影像组成多个偏移对,并根据多个所述偏移对获取待监测区域不同时间地表的距离向和方位向的二维偏移量;
S4、在预设地理坐标系下,根据所述待监测区域不同时间地表的二维偏移量,计算所述待监测区域的二维形变速率和时间序列。
可选的,所述S1具体包括:
S11、获取待监测区域滑坡前不同轨道上的SAR影像,并将所有SAR影像处理为单视复数影像;
S12、根据每个轨道上的所有单视复数影像的时间基线、垂直基线以及多普勒中心频率变化,从每个轨道上的所有单视复数影像中确定一幅影像作为轨道内的主影像,将其余单视复数影像作为轨道内的从影像;
S13、从所有轨道内的主影像中确定一幅作为轨道间的主影像,从不同轨道中确定预设数量的从影像作为轨道间的从影像。
可选的,所述S2具体包括:
S21、获取所述待监测区域的DEM数据,并将所述DEM数据配准到每个轨道的所述主影像上;
S22、根据斜距-多普勒方程的成像几何结构和配准后的DEM数据,建立每个所述主影像和对应的每个从影像之间的校正变换关系;
S23、根据所述校正变换关系,对所有从影像进行正射校正和配准。
可选的,所述S22具体为:
根据斜距-多普勒方程的成像几何结构和配准后的DEM数据,建立每个所述主影像和对应的每个从影像之间的初始变换关系;
对应的,所述S23具体包括:
S231、根据所述初始变换关系,将所述主影像重采样到对应的从影像上;
S232、估计所述主影像与对应的从影像之间的第一偏移量;
S233、根据所述第一偏移量更新所述初始变换关系,得到更新后变换关系;
S234、根据所述更新后变换关系,将所述从影像重采样到对应的主影像上,得到校正后的从影像。
可选的,在所述S234之后,所述S23还包括:
S235、估计所述主影像与对应的校正后的从影像之间的第二偏移量,并去除所述第二偏移量中的残差偏移量,得到第三偏移量;
S236、根据所述第三偏移量更新所述更新后变换关系,得到二次更新变换关系;
S237、根据所述二次更新变换关系,将所述从影像重采样到对应的主影像上,得到再次校正的从影像。
可选的,所述S3具体包括:
S31、根据预设时间基线阈值,将所有主影像和所有从影像组成多个偏移对;
S32、对所有偏移对进行偏移量计算,获取待监测区域不同时间地表的距离向和方位向的二维偏移量。
可选的,所述预设时间基线阈值包括第一时间基线阈值和第二时间基线阈值;
所述S31具体为:
将同一轨道中的影像按照所述第一时间基线阈值组成偏移对,将不同轨道中的影像按照所述第二时间基线阈值组成偏移对。
可选的,所述S32具体为:
利用像素偏移量跟踪方法对所有偏移对进行计算,得到待监测区域不同时间地表的距离向和方位向的二维偏移量。
可选的,所述S4具体为:
在预设地理坐标系下,利用奇异值分解法对所述待监测区域不同时间地表的二维偏移量进行计算,获得所述待监测区域的二维形变速率和时间序列。
可选的,所述像素偏移量跟踪方法中的搜索窗口选用像素在64至128之间的可变窗口。
可选的,所述S4具体包括:
根据第一公式计算所述待监测区域的距离向或方位向形变速率;
所述第一公式为:v=VS+UTδL;
其中,[U,S,V]=SVD(A);
v表示在距离向或方位向形变速率;U和V分别是维数为M×M和N×N的正交矩阵,D=diag(σ1,σ2,…,σN-L+1),σi为矩阵A的奇异值,L为独立子集的个数;δLT=[δL1,δL2,…,δLM]代表M个偏移对的距离向偏移量或方位向偏移量;t表示SAR影像采集时间。
可选的,所述S4具体包括:
根据第二公式计算所述待监测区域的距离向或方位向时间序列;
其中,LP(P=2,3,…,N+1)表示在不同时期距离向或方位向时间序列。
本发明能产生的有益效果包括:
本发明提供的跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法,能够充分利用研究区域不同轨道的SAR数据监测大梯度的形变,提供不间断的时间序列形变,克服地形起伏对偏移量跟踪得到的形变量的影响,特别是地形起伏和入射角偏差对跨轨道SAR影像的影响。在纠正地形起伏和入射角偏差后,二维偏移量可以直接转化为滑坡的二维形变,能够准确地得到滑坡地表形变速率和时间序列,为滑坡地表二维形变计算提供了新的改进思路,此工作对于滑坡监测具有重要意义。
附图说明
图1为本发明实施例提供的跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法流程图;
图2为本发明实施例提供的地表形变反演高质量偏移对时空基线分布图;
图3为本发明实施例提供的跨轨道高分三号影像白格滑坡2018年9月6日至2018年10月5日地表形变图;
图4为本发明实施例提供的跨轨道高分三号影像白格滑坡2017年9月至2018年10月地表形变速率图;
图5为本发明实施例提供的跨轨道高分三号影像白格滑坡2017年9月至2018年10月P1至P4点地表形变时间序列图。
具体实施方式
下面结合实施例详述本发明,但本发明并不局限于这些实施例。
本发明实施例提供了一种跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法,如图1所示,所述方法包括:
S1、获取待监测区域滑坡前不同轨道上的SAR影像,确定每个轨道上其中一幅SAR影像作为轨道内的主影像,将其余SAR影像作为轨道内的从影像,并从所有轨道内的主影像中确定一幅作为轨道间的主影像,从不同轨道中确定预设数量的从影像作为轨道间的从影像。
具体包括:
S11、获取待监测区域滑坡前不同轨道上的SAR影像,并将所有SAR影像处理为单视复数影像;
S12、根据每个轨道上的所有单视复数影像的时间基线、垂直基线以及多普勒中心频率变化,从每个轨道上的所有单视复数影像中确定一幅影像作为轨道内的主影像,将其余单视复数影像作为轨道内的从影像;
S13、从所有轨道内的主影像中确定一幅作为轨道间的主影像,从不同轨道中确定预设数量的从影像作为轨道间的从影像。
其中,预设数量为预先设置的数值,本领域技术人员可以根据实际情况进行设定,本发明实施例对此不做限定。
在实际应用中,可以对于来自同一轨道的单视复数影像,考虑时间基线、垂直基线和多普勒中心频率的变化,分别确定来自同一轨道数据集内的主影像。为了连接不同轨道的SAR影像,设置其中一个轨道的主影像作为不同轨道影像集之间的主影像。
示例的,获取到了两个轨道上的SAR影像,第一轨道中有10幅SAR影像,第二轨道中有3幅SAR影像;将所有SAR影像处理为单视复数影像后,考虑时间基线、垂直基线和多普勒中心频率的变化,从第一轨道的10幅单视复数影像中挑选一幅作为第一轨道的主影像(即轨道内的主影像),其余9幅单视复数影像作为第一轨道的从影像(即轨道内的从影像);从第二轨道的5幅单视复数影像中挑选一幅作为第二轨道的主影像(即轨道内的主影像),其余4幅单视复数影像作为第二轨道的从影像(即轨道内的从影像)。
然后从各个轨道上设备飞行的稳定性、采集的图像的分辨率等方面考虑,挑选其中一个轨道的主影像作为轨道间的主影像,假设综合考虑后将第二轨道的主影像作为轨道间的主影像,那么可以挑选第一轨道中按时间排序的最后几幅(3幅、4幅或5幅等)影像作为轨道间的从影像,在后续完成同一轨道内的主影像和从影像的正射校正和配准后,还需进行轨道间的主影像和从影像之间的正射校正和配准,即第一轨道中最后几幅影像以第一轨道的主影像和第二轨道的主影像分别作为配准用主影像,进行了两次正射校正和配准。
S2、获取待监测区域的DEM数据,并根据DEM数据和所有主影像,对所有对应的从影像进行正射校正和配准。
具体包括:
S21、获取待监测区域的DEM数据,并将DEM数据配准到每个轨道的主影像上;
其中,DEM数据可以为该地区的SRTM DEM数据。
S22、根据斜距-多普勒方程的成像几何结构和配准后的DEM数据,建立每个主影像和对应的每个从影像之间的校正变换关系。
具体的,根据斜距-多普勒方程的成像几何结构和配准后的DEM数据,建立每个主影像和对应的每个从影像之间的初始变换关系。
S23、根据所述校正变换关系,对所有从影像进行正射校正和配准。
对应的,S23具体包括:
S231、根据初始变换关系,将主影像重采样到对应的从影像上,使其获得与从影像相同的几何结构;
S232、估计主影像与对应的从影像之间的第一偏移量;
S233、根据第一偏移量更新初始变换关系,得到更新后变换关系;
S234、根据更新后变换关系,将从影像重采样到对应的主影像上,使从影像获得与主影像相同的几何结构,进而得到校正后的从影像。
进一步的,在S234之后,S23还包括:
S235、估计主影像与对应的校正后的从影像之间的第二偏移量,并去除第二偏移量中的残差偏移量,得到第三偏移量;
S236、根据第三偏移量更新更新后变换关系,得到二次更新变换关系;
S237、根据二次更新变换关系,将从影像重采样到对应的主影像上,得到再次校正的从影像。这样即可得到精确校正后的所有影像。
S3、将主影像和所有从影像组成多个偏移对,并根据多个偏移对获取待监测区域不同时间地表的距离向和方位向的二维偏移量。
具体包括:
S31、根据预设时间基线阈值,将主影像和所有从影像组成多个偏移对。
其中,预设时间基线阈值包括第一时间基线阈值和第二时间基线阈值;第一时间基线阈值可以小于或等于第二时间基线阈值,也可以大于第二时间基线阈值,本发明实施例对于两者之间的大小关系不做限定;第一时间基线阈值和第二时间基线阈值均为预先设置的阈值,本领域技术人员可以根据实际情况进行设定,本发明实施例对此不做限定。
S31具体为:
将同一轨道中的影像按照第一时间基线阈值组成偏移对,将不同轨道中的影像按照第二时间基线阈值组成偏移对。
需要说明的是,在组成偏移对的过程中,只设置时间基线的阈值,而不限制空间基线。对于同一轨道中的影像,可以设置一个较小的时间基线阈值来组成偏移对;而对于不同轨道中的影像,可以设置一个较大的时间基线阈值来组成偏移对,或者也可以直接在不同的两个轨道的数据集中,选择一个轨道最后面几个影像和另一个轨道最前面几个影像直接连接组成偏移对。
示例的,有两个轨道的影像,第一轨道的第一时间基线阈值与第二轨道的第一时间基线阈值可以相同,也可以不同,本发明实施例对此不做限定。
在实际应用中,当设置第一时间基线阈值的时候,可以根据SAR影像的像素大小,测量精度等因素来计算得到最小时间基线阈值,并将该最小时间基线阈值作为第一时间基线阈值。当影像的数量较少时,可以全组合来实现偏移对组合;示例的,北斗卫星的重返周期是29天,所以第一时间基线阈值可以是29的倍数。
S32、对所有偏移对进行偏移量计算,获取待监测区域不同时间地表的距离向和方位向的二维偏移量。
具体的,可以利用像素偏移量跟踪方法对所有偏移对进行计算,得到待监测区域不同时间地表的距离向和方位向的二维偏移量。
SAR偏移量跟踪方法的具体思路是:在偏移对中,选定其中一景作为主影像,将另一景从影像配准重采样到该主影像,使主影像和从影像具有相同的空间几何结构;利用SAR强度信息对两景SAR影像进行粗配准,计算主、从影像之间的初始偏移量,然后在粗配准的基础上,选取自适应的窗口大小,具体的,可选取64到128个像素不等的搜索窗口并计算主从影像之间的归一化互相关系数ρ(x,y),如下式所示,
式中,x和y为主影像坐标,xs和ys为两个方向上的偏移量,m和n为窗口大小,fm和fs分别为主影像幅度和从影像幅度。
当互相关系数ρ(x,y)达到最大时便可获得精确的子像素级的偏移量,最终获得地表的距离向偏移量和方位向偏移量。
S4、在预设地理坐标系下,根据待监测区域不同时间地表的二维偏移量,计算待监测区域的二维形变速率和时间序列。
具体的:在预设地理坐标系下,利用奇异值分解法对待监测区域不同时间地表的二维偏移量进行计算,获得待监测区域的二维形变速率和时间序列。
二维形变速率和时间序列反演的具体思路是:利用步骤S4得到的所有偏移对的二维形变结果,根据下式反演滑坡的二维形变速率和运动的时间序列,设使用的不同轨道的影像n+1景,共生成M个偏移对。
以距离向形变速率和时间序列求解为例,式中使用不同轨道的n+1景影像,共生成M个偏移对,δLT=[δL1,δL2,…,δLM]代表M个偏移对的距离向偏移量,其中 和分别表示一个偏移对的主影像和从影像,vk表示在距离向的形变速率。上式可以简化为:
Av=δL;
其中,A是维数为M×N的系数矩阵。未知的形变速率向量v可以通过奇异值(SVD)分解来得到,具体如下式所示:
[U,S,V]=SVD(A)
v=VS+UTδL;
其中,U和V分别是维数为M×M和N×N的正交矩阵,其中,D=diag(σ1,σ2,…,σN-L+1),σi为矩阵A的奇异值,L为独立子集的个数。由于本实施例只有一个偏移量数据集,因此,根据上式的估计等价于最小二乘意义上的估计。
根据所得的距离向形变速率v,通过在时间域上积分反演得到距离向时间序列,具体如下式所示:
其中LP(P=2,3,…,N+1)表示在不同时期距离向时间序列。
方位向形变速率和时间序列求解与距离向过程基本一致。
本发明还提供一具体实施例,该实施例选择位于我国金沙江流域的白格滑坡。金沙江是长江的上游,流经中国西部的青海、西藏、四川和云南四省。2018年10月11日,西藏东部江达县白格村附近的金沙江左岸发生了重大滑坡事件。大量破碎物质冲进金沙江,形成堰塞湖,一天后开始自然排水,11月3日,第一次滑坡失稳体再次崩塌,再次形成大量破碎物质堵塞金沙江。
实验选用的SAR数据为2017年9月6日至2018年10月5日覆盖金沙江流域白格滑坡的11景高分三号SAR卫星数据,来自两个不同的轨道,其中第一个轨道SAR数据9景,第二个轨道SAR数据2景,所用SAR数据具体参数如表1所示。利用改进的SAR偏移量技术对该滑坡进行大梯度滑坡变形时序解算。
表1 所用SAR数据具体参数
首先,选取轨道1(Orbit 1)2018年1月29日获取的SAR影像作为主影像,其余影像作为从影像,并将所有从影像正射校正及精确配准至所选择的主影像几何关系。其次,基于精确配准的SAR影像通过设置时间基线(空间基线不做任何限制)阈值方式进行偏移对的组合,并基于组合的偏移对进行像素偏移量互相关计算。最后,基于计算的所有对偏移量值,选取高质量的偏移对进行地表形变速率及时间序列反演。
图2所示为本发明所选取的用于地表形变反演的高质量偏移对时空基线分布图。共选取22个高质量的偏移对,其中20个偏移对来自轨道1(Orbit1)SAR影像,其余2个偏移对来自轨道2(Orbit 2)SAR影像。同轨道SAR偏移对最大空间基线达到1762m,跨轨道SAR偏移对最大空间基线达到75633m。
图3所示为本发明提出方法计算获得的跨轨道高分三号SAR影像白格滑坡2018年9月6日至2018年10月5日地表形变。传统及现有SAR偏移量计算方法无法进行跨轨道高分三号影像之间的配准,进而无法进行偏移量地表形变反演计算。从图2中可以看到,本发明所提方法精确获得了跨轨道高分三号影像白格滑坡2018年9月至2018年10月地表形变,其最大累积形变超过20m。
图4所示为本发明提出方法计算获得的跨轨道高分三号影像白格滑坡2017年9月至2018年10月地表形变速率。从图中可以看到,本发明所提方法采用跨轨道高分三号影像精确反演了白格滑坡地表形变速率,而传统方法无法利用跨轨道高分三号影像反演地表形变速率。
图5所示为本发明提出方法计算获得的跨轨道高分三号影像白格滑坡2017年9月至2018年10月地表形变时间序列。本发明所提方法采用跨轨道高分三号影像精确反演了白格滑坡发生前地表形变时间演化特征,并成功捕获到该滑坡发生前地表形变加速过程,而传统方法无法利用跨轨道高分三号影像反演地表形变时间序列。
本发明能够充分利用研究区域不同轨道的SAR数据监测大梯度的形变,提供不间断的时间序列形变,克服地形起伏对偏移量跟踪得到的形变量的影响,特别是地形起伏和入射角偏差对跨轨道SAR影像的影响。在纠正地形起伏和入射角偏差后,二维偏移量可以直接转化为滑坡的二维形变,能够准确地得到滑坡地表形变速率和时间序列,为滑坡地表二维形变计算提供了新的改进思路,此工作对于滑坡监测具有重要意义。
以上所述,仅是本申请的几个实施例,并非对本申请做任何形式的限制,虽然本申请以较佳实施例揭示如上,然而并非用以限制本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案的范围内,利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例,均属于技术方案范围内。
Claims (10)
1.一种跨轨道高分三号SAR偏移量大梯度滑坡形变估计方法,其特征在于,所述方法包括:
S1、获取待监测区域滑坡前不同轨道上的SAR影像,确定每个轨道上其中一幅SAR影像作为轨道内的主影像,将其余SAR影像作为轨道内的从影像,并从所有轨道内的主影像中确定一幅作为轨道间的主影像,从不同轨道中确定预设数量的从影像作为轨道间的从影像;
S2、获取所述待监测区域的DEM数据,并根据所述DEM数据和所有主影像,对所有对应的从影像进行正射校正和配准;
S3、将所述主影像和所有从影像组成多个偏移对,并根据多个所述偏移对获取待监测区域不同时间地表的距离向和方位向的二维偏移量;
S4、在预设地理坐标系下,根据所述待监测区域不同时间地表的二维偏移量,计算所述待监测区域的二维形变速率和时间序列。
2.根据权利要求1所述的方法,其特征在于,所述S1具体包括:
S11、获取待监测区域滑坡前不同轨道上的SAR影像,并将所有SAR影像处理为单视复数影像;
S12、根据每个轨道上的所有单视复数影像的时间基线、垂直基线以及多普勒中心频率变化,从每个轨道上的所有单视复数影像中确定一幅影像作为轨道内的主影像,将其余单视复数影像作为轨道内的从影像;
S13、从所有轨道内的主影像中确定一幅作为轨道间的主影像,从不同轨道中确定预设数量的从影像作为轨道间的从影像。
3.根据权利要求1所述的方法,其特征在于,所述S2具体包括:
S21、获取所述待监测区域的DEM数据,并将所述DEM数据配准到每个轨道的所述主影像上;
S22、根据斜距-多普勒方程的成像几何结构和配准后的DEM数据,建立每个所述主影像和对应的每个从影像之间的校正变换关系;
S23、根据所述校正变换关系,对所有从影像进行正射校正和配准。
4.根据权利要求3所述的方法,其特征在于,所述S22具体为:
根据斜距-多普勒方程的成像几何结构和配准后的DEM数据,建立每个所述主影像和对应的每个从影像之间的初始变换关系;
对应的,所述S23具体包括:
S231、根据所述初始变换关系,将所述主影像重采样到对应的从影像上;
S232、估计所述主影像与对应的从影像之间的第一偏移量;
S233、根据所述第一偏移量更新所述初始变换关系,得到更新后变换关系;
S234、根据所述更新后变换关系,将所述从影像重采样到对应的主影像上,得到校正后的从影像。
5.根据权利要求4所述的方法,其特征在于,在所述S234之后,所述S23还包括:
S235、估计所述主影像与对应的校正后的从影像之间的第二偏移量,并去除所述第二偏移量中的残差偏移量,得到第三偏移量;
S236、根据所述第三偏移量更新所述更新后变换关系,得到二次更新变换关系;
S237、根据所述二次更新变换关系,将所述从影像重采样到对应的主影像上,得到再次校正的从影像。
6.根据权利要求1所述的方法,其特征在于,所述S3具体包括:
S31、根据预设时间基线阈值,将所有主影像和所有从影像组成多个偏移对;
S32、对所有偏移对进行偏移量计算,获取待监测区域不同时间地表的距离向和方位向的二维偏移量。
7.根据权利要求6所述的方法,其特征在于,所述预设时间基线阈值包括第一时间基线阈值和第二时间基线阈值;
所述S31具体为:
将同一轨道中的影像按照所述第一时间基线阈值组成偏移对,将不同轨道中的影像按照所述第二时间基线阈值组成偏移对。
8.根据权利要求6所述的方法,其特征在于,所述S32具体为:
利用像素偏移量跟踪方法对所有偏移对进行计算,得到待监测区域不同时间地表的距离向和方位向的二维偏移量。
9.根据权利要求1所述的方法,其特征在于,所述S4具体为:
在预设地理坐标系下,利用奇异值分解法对所述待监测区域不同时间地表的二维偏移量进行计算,获得所述待监测区域的二维形变速率和时间序列。
10.根据权利要求8所述的方法,其特征在于,所述像素偏移量跟踪方法中的搜索窗口选用像素在64至128之间的可变窗口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210734612.8A CN115097450A (zh) | 2022-06-27 | 2022-06-27 | 跨轨道高分三号sar偏移量大梯度滑坡形变估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210734612.8A CN115097450A (zh) | 2022-06-27 | 2022-06-27 | 跨轨道高分三号sar偏移量大梯度滑坡形变估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115097450A true CN115097450A (zh) | 2022-09-23 |
Family
ID=83293576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210734612.8A Pending CN115097450A (zh) | 2022-06-27 | 2022-06-27 | 跨轨道高分三号sar偏移量大梯度滑坡形变估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097450A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115712118A (zh) * | 2022-11-07 | 2023-02-24 | 江苏省水利科学研究院 | 一种像素偏移量追踪监测及校正方法 |
CN117031425A (zh) * | 2023-06-26 | 2023-11-10 | 昆明理工大学 | 基于星载sar的大梯度滑坡失稳时间预测方法及系统 |
-
2022
- 2022-06-27 CN CN202210734612.8A patent/CN115097450A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115712118A (zh) * | 2022-11-07 | 2023-02-24 | 江苏省水利科学研究院 | 一种像素偏移量追踪监测及校正方法 |
CN115712118B (zh) * | 2022-11-07 | 2023-08-11 | 江苏省水利科学研究院 | 一种像素偏移量追踪监测及校正方法 |
CN117031425A (zh) * | 2023-06-26 | 2023-11-10 | 昆明理工大学 | 基于星载sar的大梯度滑坡失稳时间预测方法及系统 |
CN117031425B (zh) * | 2023-06-26 | 2024-06-07 | 昆明理工大学 | 基于星载sar的大梯度滑坡失稳时间预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110058237B (zh) | 面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法 | |
WO2021227423A1 (zh) | 基于动态基线的InSAR数字高程模型构建方法及系统 | |
CN106526590B (zh) | 一种融合多源sar影像工矿区三维地表形变监测及解算方法 | |
Catalão et al. | Merging GPS and atmospherically corrected InSAR data to map 3-D terrain displacement velocity | |
CN112986993B (zh) | 一种基于空间约束的InSAR形变监测方法 | |
Li et al. | 3-D shoreline extraction from IKONOS satellite imagery | |
CN115097450A (zh) | 跨轨道高分三号sar偏移量大梯度滑坡形变估计方法 | |
CN105929398B (zh) | 结合外控点的InSAR高精度高分辨率DEM获取方法 | |
Hu et al. | Kalman-filter-based approach for multisensor, multitrack, and multitemporal InSAR | |
JP6421395B2 (ja) | Sar図からの立体地形図形成方法 | |
Baldi et al. | Monitoring the morphological evolution of the Sciara del Fuoco during the 2002–2003 Stromboli eruption using multi-temporal photogrammetry | |
CN113960595A (zh) | 一种地表形变监测方法及系统 | |
CN103454636B (zh) | 基于多像素协方差矩阵的差分干涉相位估计方法 | |
CN112233232B (zh) | 一种基于单轨InSAR观测的三维地壳形变转换方法 | |
CN115201825B (zh) | 一种InSAR震间形变监测中的大气延迟校正方法 | |
CN109471104B (zh) | 一种从两平行轨道sar数据中获取地表三维移动量的方法 | |
CN112068136A (zh) | 一种基于幅度偏移量的方位向形变监测方法 | |
CN109239710B (zh) | 雷达高程信息的获取方法及装置、计算机可读存储介质 | |
CN116381680A (zh) | 一种基于时序雷达干涉测量技术的城市地表形变监测方法 | |
CN113189551A (zh) | 基于场景DEM的GB-InSAR重轨误差补偿方法 | |
Wang et al. | Long-term continuously updated deformation time series from multisensor InSAR in Xi'an, China from 2007 to 2021 | |
CN112685819A (zh) | 一种用于大坝及滑坡变形gb-sar监测的数据后处理方法及系统 | |
CN113238228B (zh) | 基于水准约束的三维地表形变获取方法、系统及装置 | |
Zhang et al. | Reduction of atmospheric effects on InSAR observations through incorporation of GACOS and PCA into small baseline subset InSAR | |
Mao et al. | Estimation and compensation of ionospheric phase delay for multi-aperture InSAR: An azimuth split-spectrum interferometry approach |
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 |