CN115343709B - 一种适用于分布式星载sar系统的地形反演方法 - Google Patents
一种适用于分布式星载sar系统的地形反演方法 Download PDFInfo
- Publication number
- CN115343709B CN115343709B CN202210707559.2A CN202210707559A CN115343709B CN 115343709 B CN115343709 B CN 115343709B CN 202210707559 A CN202210707559 A CN 202210707559A CN 115343709 B CN115343709 B CN 115343709B
- Authority
- CN
- China
- Prior art keywords
- elevation
- pixel
- interference image
- interference
- terrain
- 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 39
- 239000002245 particle Substances 0.000 claims abstract description 45
- 238000001914 filtration Methods 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims description 43
- 238000012876 topography Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 238000004804 winding Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
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
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种适用于分布式星载SAR系统的地形反演方法,该方法可以融合低分辨率的地形信息和分布式星载SAR系统得到的高分辨率干涉图,使用粒子滤波的方法对地形进行反演,进而得到高分辨率较高精度的地形反演结果。本发明基于粒子滤波的思想,将外部低分辨率DEM和分布式星载SAR获得的多幅高分辨率干涉图进行融合。针对分布式星载SAR高时空采样率的特点,提出了粒子滤波思想框架下空时联合处理的全向融合滤波方法,仿真结果表明此方法可以在各种失相关严重、大气噪声非平稳的情况下有效提高反演地形分辨率和精度。
Description
技术领域
本发明涉及合成孔径雷达技术领域,具体涉及一种适用于分布式星载SAR系统的地形反演方法。
背景技术
数字高程模型(DEM)作为一种重要的地理信息产品,在地质学、气象学等研究领域发挥着重要作用。随着观测技术的发展,DEM逐渐向高精度、高分辨率方向发展。传统的光学遥感受到天气影响,无法实现大范围成像。而合成孔径雷达(SAR)可实现对观测对象全天时、全天候的连续观测,其中分布式星载合成孔径雷达将卫星编队和星载SAR技术相结合,具有更高时空采样率和更高精度。
干涉合成孔径雷达(InSAR)是获得DEM的重要遥感方式。然而,一方面,使用InSAR技术进行反演时,各种相位相干将严重影响地形相位的计算,如重轨干涉中,对流层引入的干涉相位误差可产生高达4rad的影响,且大气对重轨InSAR的影响具有非平稳非高斯的特点,建模及补偿困难。另一方面,干涉处理中的解缠算法通常受到相位连续性假设的约束;但在地形陡峭或坡度较大地区,实际干涉相位不再满足相位连续性假设,解缠算法会产生较大的误差。
考虑到当前较低分辨率的数字高程数据已经实现全球覆盖,而分布式星载SAR系统使获得高分辨率干涉图成为可能,因此可以结合已经存在的低分辨率DEM和高分辨率分布式星载SAR干涉图实现地形的高分辨率高精度反演。然而不同干涉图对应的噪声特征不同,噪声本身具有时空非平稳特点,在含有严重非平稳噪声的情况下反演地形仍然困难。
因此,目前亟需一种地形反演方法,可以融合较低分辨率的数字高程数据和分布式星载SAR系统获得的高分辨干涉图,得到较高分辨率的地形反演结果。
发明内容
有鉴于此,本发明提供了一种适用于分布式星载SAR系统的地形反演方法,能够融合低分辨数字高程数据和高分辨率干涉图,使用粒子滤波的方法对地形进行反演,进而得到高分辨率较高精度的地形反演结果。
为实现上述发明目的,本发明的技术方案为:
一种适用于分布式星载SAR系统的地形反演方法,具体步骤包括:
步骤一、获取待反演地形的干涉图像和低分辨数字高程数据。
步骤二、计算干涉图像中每个像元的波数;在干涉图像上设定第一个目标点的初步高程估计值,将相邻的下一个像元作为目标点。
步骤三、在目标点处划分一个设定大小的窗口;构建像元的状态方程和量测方程,同时对整个窗口的像元进行粒子滤波,得到目标点的高程估计值。
其中,状态方程中的状态变量为相邻两个像元的待估计高程值;根据状态方程,得到像元的初步高程估计值;建立量测方程,代入初步高程估计值,得到对应的干涉相位预测值。
根据量测变量、已完成初步高程估计的像元和目标之间的高程差、干涉图像的量测噪声和波数构建量测方程;其中,量测方程中的量测变量为已完成高程估计的像元和目标的缠绕相位之差。
对整个窗口粒子滤波,得到目标位置的高程估计值;将下一个相邻像元作为目标点,重复步骤三,直至所有像元完成高程估计,进而得到高程反演图像。
进一步的,步骤一的具体方法为:
利用分布式星载SAR系统对待反演地形进行至少一次的重轨干涉,获取待反演地形的干涉图像;从SRTM数据库中获取低分辨数字高程数据,其中的每个像元对应一个高程值和投影序号。
进一步的,进而得到高程反演图像,具体方法为:
步骤四、根据所有像元的高程估计值,得到高程图像;得到每幅干涉图像的所有高程图像后,取四次滤波得到的高程图像的平均值作为这幅干涉图像的高程反演图像。
步骤五、根据低分辨数字高程数据的投影序号,将高程反演图像投影回干涉图像上,对干涉图像地形反演后得到数字高程数据。
执行步骤五时,对于干涉图像上空缺的像元位置,利用空缺位置窗口内的高程估计值和梯度值得到其对应的高分辨数字高程数据,投影回干涉图像。
进一步的,步骤二的具体方法为:
针对每幅干涉图像上的每个像元,计算像元到卫星主轨道孔径中心的垂直基线和卫星主轨道中心到目标点的斜距,根据斜距计算得到入射角;根据垂直基线、斜距和入射角,得到每个像元的波数;波数的公式为:
其中,βn(k,l)为第n幅干涉图像上,像元(k,l)的波数;λ为雷达波长,θ(k,l)为像元(k,l)的入射角,R(k,l)为像元(k,l)的斜距,Bn(k,l)为第n幅干涉图像上,像元(k,l)到卫星主轨道孔径中心的垂直基线;其中,n=[1,N],N为干涉图像总数;k=1,2,...,L,l=1,2,...,L,L为干涉图像边长。
进一步的,步骤三的具体方法为:
状态方程的公式为:
其中,x(k,l)为像元(k,l)的初步高程估计值,x(k,l-1)为像元(k,l)的初步高程估计值,w(k,l)为像元(k,l)的过程噪声,f(k,l)为像元(K,l)的状态转移函数;为低分辨数字高程数据Xref上,像元(k,l)和像元(k,l-1)之间的高程差。
进一步的,量测方程的公式为:
其中,y(k,l)为像元(k,l)的干涉相位预测值,m为窗口中已完成初步高程估计的像元个数;dxm(k,l)为窗口内第m个已完成初步高程估计的像元和目标之间的高程差;为第N幅干涉图像上,第m个已完成初步高程估计的像元(k,l)的量测噪声。
进一步的,在执行步骤三时,同时计算滤波粒子权重,当滤波粒子权重退化到使有效粒子数大于总粒子数的时,进行重新采样;滤波粒子权重的公式为:
其中,为第i个粒子在像元(k,l)的滤波粒子权重;/>为量测估计值;y(k,l)为根据干涉图像直接得到的实际量测值;σh为量测函数系数。
有益效果:
1、本发明提供一种适用于分布式星载SAR系统的地形反演方法,该方法可以融合低分辨数字高程数据和高分辨率干涉图,建立状态方程对像元的高程值进行初步估计,然后建立量测方程得到干涉相位预测值,使用粒子滤波的方法,用干涉相位预测值矫正初步高程估计值,提高数字高程数据的分辨率;最后根据像元对应的高程估计值对地形进行反演,进而得到高分辨率较高精度的地形反演结果。本发明基于粒子滤波的思想,将外部低分辨数字高程数据和分布式星载SAR获得的多幅高分辨率干涉图进行融合,针对分布式星载SAR高时空采样率的特点,提出了粒子滤波思想框架下空时联合处理的全向融合滤波方法,可以在失相关严重、大气噪声非平稳的情况下,有效地提高反演地形分辨率和精度。
2、本发明方法采用四次滤波后的平均值作为高程反演结果,提高反演地形的精度。
3、本发明在地形反演时,对于干涉图像上空缺的像元位置,利用空缺位置窗口内的高程估计值和梯度值得到其对应的高分辨数字高程数据,投影回干涉图像,提高反演精度。
4、本发明在进行滤波时,同时计算滤波粒子权重,当滤波粒子权重退化严重时,进行重新采样,保证滤波的有效性。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
如图1所示,本发明提供了一种适用于分布式星载SAR系统的地形反演方法,具体包括如下步骤:
步骤一、利用分布式星载SAR系统对待反演地形进行至少一次的重轨干涉,获取待反演地形的干涉图像(干涉图像为去平地的干涉图像),数量记为N,图像大小记为L×L,干涉图范围记为[smin,smax]。
从SRTM数据库,获取待反演地形的低分辨数字高程数据(分辨率在30m-90m之间),记为Xref,获取低分辨数字高程数据相对于待反演地形的投影序号。
获取卫星主轨道孔径中心时刻SAR的坐标和速度v;获取各干涉图像对应的辅轨道孔径中心时刻SAR坐标/>其中,n=1,2,…,N。
步骤二、计算每个像元的波数。针对第n幅干涉图像上的每个像元P(k,l),k,l=1,2,…,L,计算像元到卫星主辅轨道孔径中心的垂直基线Bn(k,l)和卫星主轨道中心到目标点的斜距R(k,l),根据斜距计算得到入射角θ(k,l);根据垂直基线、斜距和入射角,得到每个像元的波数。其中:
利用斜距向量计算入射角,公式为:
其中,为第(k,l)个像元位置处的法向量。
最后计算各幅干涉图中每个像元的波数:
其中,βn(k,l)为第n幅干涉图像上,像元(k,l)的波数;λ为雷达波长,θ(k,l)为像元(k,l)的入射角,R(k,l)为像元(k,l)的斜距,Bn(k,l)为第n幅干涉图像上,像元(k,l)到卫星主轨道孔径中心的垂直基线;其中,n=[1,N],N为干涉图像总数;k=1,2,...,L,l=1,2,...,L,L为干涉图像边长。
步骤三、在干涉图像上设定第一个目标点的初步高程估计值,将相邻的下一个像元作为目标点,并在目标点处划分一个设定大小的窗口;构建像元的状态方程和量测方程,同时对整个窗口的像元进行粒子滤波,求解出目标点的高程估计值。
根据低分辨数字高程数据,得到相邻的两个像元的高程差,根据高程差、过程噪声和状态变量构建相邻像元的状态方程;其中,状态变量x(k,l)为相邻两个像元的待估计高程值;根据状态方程,得到像元的初步高程估计值。
由第(k,l-1)到第(k,l)的状态方程为:
其中,x(k,l)为像元(k,l)的初步高程估计值,x(k,l-1)为像元(k,l)的初步高程估计值,w(k,l)为像元(k,l)的过程噪声,f(k,l)为像元(k,l)的状态转移函数;为低分辨数字高程数据Xref上,像元(k,l)和像元(k,l-1)之间的高程差。
由于Xref中各高程值为常数值,因此状态x(k,l)只和x(k,l-1)的值相关,状态方程满足一阶马尔可夫条件。
在目标点周围划分窗口,窗口大小记为M×M,根据窗口中已完成高程估计的像元的缠绕相位和目标位置(k,l)的缠绕相位/>得到量测变量;根据得到的量测变量构建量测方程,根据得到的量测变量、已完成初步高程估计的像元位置和目标位置的高程差、量测噪声和波数构建量测方程;根据状态方程,得到已完成高程估计的像元和目标位置的高程差。
目标位置周围M×M窗口内共m个已完成估计的像元。其中在第n幅干涉图内,第j个已完成估计的像元缠绕相位记为则第n幅干涉图的量测变量为/>其中,/> (·)2π表示取[-π,π]区间的主值相位。
像元(k,l)位置处的量测变量窗口内全部干涉图的全部已估计差分相位组成,记为共N×m个元素。则最终(k,l)处的量测方程表示为y(k,l)=h(k,l)(x(k,l),u(k,l)),具体展开为:
其中,y(k,l)为像元(k,l)的干涉相位预测值,m为窗口中已完成初步高程估计的像元个数;dxm(k,l)为窗口内第m个已完成初步高程估计的像元和目标的高程差;为第N幅干涉图像上,第m个已完成初步高程估计的像元(k,l)的量测噪声。
对整个窗口粒子滤波,得到目标位置的高程估计值;将下一个相邻像元作为目标位置,重复步骤一、二和三,直至所有像元完成高程估计。具体为:
以第一次滤波为例:
初始化每行第1列高程值,根据状态方程和量测方程逐行进行滤波估计,得到整幅图像的估计结果粒子滤波的具体步骤如下所示。
考虑(k,l)处的系统状态x(k,l)和量测数据y(k,l),f(k,l)和h(k,l)分别为状态转移函数和量测函数。假设像元(k,l-1)处的概率密度函数为p(x(k,l-1)|y(k,0):(k,l-1))。
在预测阶段,根据先验概率密度函数生成一组采样粒子其中Np为粒子数目。围绕干涉图中(k,l)位置M×M的窗口,利用量测方程计算已完成估计位置到目标位置的差分相位主值,形成量测估计值/>并根据干涉图像直接得到的实际量测值y(k,l)。
在执行步骤三时,同时结合重要性函数计算滤波粒子权重,当滤波粒子权重退化严重时,进行重新采样。当滤波粒子权重退化到使有效粒子数大于总粒子数的时,进行重新采样。重要性函数计算权值如下:
归一化粒子权值:
有效粒子数Neff定义为:
其中,为第i个粒子在像元(k,l)的滤波粒子权重,Np为粒子总数,var(·)为(·)的方差。
最终估计(k,l)处粒子状态为:
其中,为量测估计值;y(k,l)为根据干涉图像直接得到的实际量测值;σh为量测函数系数。
步骤四、经过四次滤波估计,取平均值得到高程反演结果,具体方法为:
得到每幅干涉图像的所有高程图像后,取四次滤波得到的高程图像的平均值作为这幅干涉图像的高程反演图像。
四次估计结果为和/>最终结果为所有方向平均值:
步骤五、根据低分辨数字高程数据的投影序号,将高程反演图像投影回干涉图像上,对干涉图像地形反演后得到数字高程数据;对于干涉图像上空缺的像元位置,利用空缺位置窗口内的高程估计值和梯度值得到其对应的高分辨数字高程数据,投影回干涉图像。
在本发明实例中,分布式星载SAR卫星轨道根数主星轨道根数如表1所示。假设分布式星载SAR系统中有11颗位于相同轨道面的卫星,其分布平近点角均匀分布在[327.5°,327.6°]之间。SAR成像的场景中心位于东经89.5°、南纬29.5°。干涉得到的每幅干涉图大小为201像素×201像素,像素间隔为5m。卫星每天的孔径中心时刻为其恰好经过赤道上空的时刻。仿真使用的平台参数见表1。
表1仿真平台参数表
首先按照步骤一,计算获取卫星速度和坐标、场景坐标等信息(这里我们通过软件Satellite Tool Kit,设置卫星和目标位置后获取);然后获取11幅干涉图,其中对流层相位误差的标准差为0.5rad、1.5rad、2.5rad、3.5rad的四部分组成。地区对应的低分辨图像由真值图进行窗口平均得到,即参考DEM低分辨图像分辨率为85m,同时获得地理坐标系到场景的投影坐标
执行步骤二,计算每幅干涉图中每个像元所对应的波数值。
执行步骤三,构造状态变量和状态方程。
执行步骤四,构造量测变量和量测方程。选择窗口大小M=3。
执行步骤五,进行单方向粒子滤波。
执行步骤六,进行其余三个方向粒子滤波。对四个方向的估计值分辨求平均得到最终高程估计结果。
执行步骤七,地理编码得到最终DEM估计。
使用本方法得到的场景能够从噪声严重的干涉图中有效反演出场景的地形轮廓和细节;相比于参考DEM,分辨率能得到有效提升。地理编码前后均方根误差在11m左右。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种适用于分布式星载SAR系统的地形反演方法,其特征在于,具体步骤包括:
步骤一、获取待反演地形的干涉图像和低分辨数字高程数据;
步骤二、计算干涉图像中每个像元的波数;在干涉图像上设定第一个目标点的初步高程估计值,将相邻的下一个像元作为目标点;
步骤三、在目标点处划分一个设定大小的窗口;构建像元的状态方程和量测方程,同时对整个窗口的像元进行粒子滤波,得到目标点的高程估计值;
其中,状态方程中的状态变量为相邻两个像元的待估计高程值;根据状态方程,得到像元的初步高程估计值;建立量测方程,代入初步高程估计值,得到对应的干涉相位预测值;
根据量测变量、已完成初步高程估计的像元和目标之间的高程差、干涉图像的量测噪声和波数构建量测方程;其中,量测方程中的量测变量为已完成高程估计的像元和目标的缠绕相位之差;
对整个窗口粒子滤波,得到目标位置的高程估计值;将下一个相邻像元作为目标点,重复步骤三,直至所有像元完成高程估计,进而得到高程反演图像。
2.如权利要求1所述的方法,其特征在于,所述步骤一的具体方法为:
利用分布式星载SAR系统对待反演地形进行至少一次的重轨干涉,获取待反演地形的干涉图像;从SRTM数据库中获取低分辨数字高程数据,其中的每个像元对应一个高程值和投影序号。
3.如权利要求2所述的方法,其特征在于,所述进而得到高程反演图像,具体方法为:
步骤四、根据所有像元的高程估计值,得到高程图像;得到每幅干涉图像的所有高程图像后,取四次滤波得到的高程图像的平均值作为这幅干涉图像的高程反演图像;
步骤五、根据低分辨数字高程数据的投影序号,将高程反演图像投影回干涉图像上,对干涉图像地形反演后得到数字高程数据;
执行步骤五时,对于干涉图像上空缺的像元位置,利用空缺位置窗口内的高程估计值和梯度值得到其对应的高分辨数字高程数据,投影回干涉图像。
4.如权利要求1所述的方法,其特征在于,所述步骤二的具体方法为:
针对每幅干涉图像上的每个像元,计算像元到卫星主轨道孔径中心的垂直基线和卫星主轨道中心到目标点的斜距,根据斜距计算得到入射角;根据垂直基线、斜距和入射角,得到每个像元的波数;所述波数的公式为:
其中,βn(k,l)为第n幅干涉图像上,像元(k,l)的波数;λ为雷达波长,θ(k,l)为像元(k,l)的入射角,R(k,l)为像元(k,l)的斜距,Bn(k,l)为第n幅干涉图像上,像元(k,l)到卫星主轨道孔径中心的垂直基线;其中,n=[1,N],N为干涉图像总数;k=1,2,...,L,l=1,2,...,L,L为干涉图像边长。
5.如权利要求1所述的方法,其特征在于,所述步骤三的具体方法为:
状态方程的公式为:
其中,x(k,l)为像元(k,l)的初步高程估计值,x(k,l-1)为像元(k,l)的初步高程估计值,w(k,l)为像元(k,l)的过程噪声,f(k,l)为像元(k,l)的状态转移函数;为低分辨数字高程数据Xref上,像元(k,l)和像元(k,l-1)之间的高程差。
6.如权利要求4或5所述的方法,其特征在于,所述量测方程的公式为:
其中,y(k,l)为像元(k,l)的干涉相位预测值,m为窗口中已完成初步高程估计的像元个数;dxm(k,l)为窗口内第m个已完成初步高程估计的像元和目标之间的高程差;为第N幅干涉图像上,第m个已完成初步高程估计的像元(k,l)的量测噪声。
7.如权利要求1所述的方法,其特征在于,在执行步骤三时,同时计算滤波粒子权重,当滤波粒子权重退化到使有效粒子数大于总粒子数的时,进行重新采样;滤波粒子权重的公式为:
其中,为第i个粒子在像元(k,l)的滤波粒子权重;/>为量测估计值;y(k,l)为根据干涉图像直接得到的实际量测值;σh为量测函数系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210707559.2A CN115343709B (zh) | 2022-06-21 | 2022-06-21 | 一种适用于分布式星载sar系统的地形反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210707559.2A CN115343709B (zh) | 2022-06-21 | 2022-06-21 | 一种适用于分布式星载sar系统的地形反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115343709A CN115343709A (zh) | 2022-11-15 |
CN115343709B true CN115343709B (zh) | 2024-05-03 |
Family
ID=83947811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210707559.2A Active CN115343709B (zh) | 2022-06-21 | 2022-06-21 | 一种适用于分布式星载sar系统的地形反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115343709B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115616575B (zh) * | 2022-11-28 | 2023-03-21 | 中国科学院空天信息创新研究院 | 一种星载sar立体测量辅助的干涉相位图解缠绕方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123464A (zh) * | 2014-07-23 | 2014-10-29 | 中国国土资源航空物探遥感中心 | 一种高分辨率InSAR时序分析反演地物高程与地面沉降量的方法 |
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 |
KR20190043478A (ko) * | 2017-10-18 | 2019-04-26 | 서울대학교산학협력단 | 고해상도 수치 표고 모델 생성 시스템 및 방법 |
CN112711021A (zh) * | 2020-12-08 | 2021-04-27 | 中国自然资源航空物探遥感中心 | 一种多分辨率InSAR交互干涉时序分析方法 |
-
2022
- 2022-06-21 CN CN202210707559.2A patent/CN115343709B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123464A (zh) * | 2014-07-23 | 2014-10-29 | 中国国土资源航空物探遥感中心 | 一种高分辨率InSAR时序分析反演地物高程与地面沉降量的方法 |
KR20190043478A (ko) * | 2017-10-18 | 2019-04-26 | 서울대학교산학협력단 | 고해상도 수치 표고 모델 생성 시스템 및 방법 |
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 |
CN112711021A (zh) * | 2020-12-08 | 2021-04-27 | 中国自然资源航空物探遥感中心 | 一种多分辨率InSAR交互干涉时序分析方法 |
Non-Patent Citations (1)
Title |
---|
星载高分辨聚束模式SAR数据干涉处理;巩春和;;甘肃科技;20141030(20);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115343709A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107102333B (zh) | 一种星载InSAR长短基线融合解缠方法 | |
Wolfe et al. | Achieving sub-pixel geolocation accuracy in support of MODIS land science | |
Wu et al. | Integration of Chang'E-2 imagery and LRO laser altimeter data with a combined block adjustment for precision lunar topographic modeling | |
CN108594224B (zh) | 融合不同平台和轨道sar数据的三维时序形变监测方法 | |
CN109212522B (zh) | 一种基于双基星载sar的高精度dem反演方法及装置 | |
CN112050725A (zh) | 一种融合InSAR和GPS的地表形变监测方法 | |
CN111856459B (zh) | 一种改进的DEM最大似然约束多基线InSAR相位解缠方法 | |
CA2572556A1 (en) | Method and apparatus for determining a location associated with an image | |
CN105929398A (zh) | 结合外控点的InSAR高精度高分辨率DEM获取方法 | |
Li et al. | A new analytical method for estimating Antarctic ice flow in the 1960s from historical optical satellite imagery | |
CN102866393B (zh) | 一种基于pos与dem数据的sar多普勒参数估计方法 | |
CN113514829B (zh) | 面向InSAR的初始DSM的区域网平差方法 | |
Cao et al. | Bundle adjustment of satellite images based on an equivalent geometric sensor model with digital elevation model | |
CN111273293A (zh) | 一种顾及地形起伏的InSAR残余运动误差估计方法及装置 | |
CN112711021B (zh) | 一种多分辨率InSAR交互干涉时序分析方法 | |
CN115343709B (zh) | 一种适用于分布式星载sar系统的地形反演方法 | |
Cumming | A spatially selective approach to Doppler estimation for frame-based satellite SAR processing | |
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 | |
CN113238228B (zh) | 基于水准约束的三维地表形变获取方法、系统及装置 | |
Yan et al. | Topographic reconstruction of the “Tianwen-1” landing area on the Mars using high resolution imaging camera images | |
CN112711022B (zh) | 一种GNSS层析技术辅助的InSAR大气延迟改正方法 | |
CN109946682B (zh) | 基于ICESat/GLAS的GF3数据基线估计方法 | |
Nikolakopoulos et al. | Preliminary results of using Sentinel-1 SAR data for DSM generation | |
CN116299453A (zh) | 星载sar非沿迹模式干涉高程测量方法 | |
Bräutigam et al. | TanDEM-X global DEM quality status and acquisition completion |
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 |