CN115511925A - 基于管道通信机制的StaMPS并行优化处理方法及产品 - Google Patents
基于管道通信机制的StaMPS并行优化处理方法及产品 Download PDFInfo
- Publication number
- CN115511925A CN115511925A CN202211172068.9A CN202211172068A CN115511925A CN 115511925 A CN115511925 A CN 115511925A CN 202211172068 A CN202211172068 A CN 202211172068A CN 115511925 A CN115511925 A CN 115511925A
- Authority
- CN
- China
- Prior art keywords
- data
- stamps
- processing
- phase
- communication mechanism
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 44
- 230000007246 mechanism Effects 0.000 title claims abstract description 43
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000004590 computer program Methods 0.000 claims abstract description 31
- 238000011160 research Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000004804 winding Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000005305 interferometry Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
本发明实施例提供了一种基于管道通信机制的StaMPS并行优化处理方法、装置、电子设备、存储介质及计算机程序产品。本发明实施例中,在对InSAR数据进行预处理后,可以得到多个干涉图分块数据,再对多个分块数据并行进行处理,并将处理后的分块数据进行合并,再对合并后的数据进行处理,得到研究区的年平均变形速率。从而,本发明实施例中可以充分利用,计算机的计算资源,对多个分块数据并行进行处理,支持处理海量的InSAR数据,提高处理效率,降低处理过程中的时间成本。
Description
技术领域
本发明实施例涉及信息处理技术领域,尤其涉及一种基于管道通信机制的StaMPS并行优化处理方法、装置、电子设备、存储介质及计算机程序产品。
背景技术
凭借着全天候、全天时、大范围、高精度、非接触的优势,合成孔径雷达干涉测量技术(InSAR)已经广泛地应用于地震、地面沉降、冰川、地裂缝、滑坡等地质灾害的调查与监测中。
InSAR技术在地质灾害领域中最早的应用场景是对单体滑坡的监测。在1996年,法国学者Fruneau等利用ESR-1雷达卫星数据,基于差分合成孔径雷达干涉测量技术(D-InSAR,Differential InSAR)对法国阿尔卑斯地区的“La Clapiere”滑坡的变形量进行监测,取得了良好成效。然而D-InSAR技术获得的地表变形监测结果精度以及可靠性容易受到时间、空间失相干以及大气噪声等方面的严重影响,且无法获取研究区地表形变在时间维度上的演变情况。针对上述D-InSAR技术在实际应用中存在的不足或局限性,许多学者在其基础上提出了多种时间序列InSAR分析方法,目前最具有代表性的方法主要包括永久散射体技术(Persistent Scatter InSAR,PS-InSAR)、小基线集技术(Small Baselines InSAR,SBAS-InSAR)、斯坦福永久散射体技术(Stanford Method for Persistent Scatterers,StaMPS)。其中StaMPS方法凭借着:(1)无需研究区的先验变形信息;(2)选择点目标时能够考虑相位稳定性和空间相关性;(3)开源免费等优势,在众多时序InSAR处理算法中脱颖而出。
虽然InSAR技术已成为对地观测领域中重要手段之一,但是在实际应用中也一直受到数据处理效率的制约。同时,随着多波段SAR卫星的发射及SAR数据历史存档的不断丰富,这更对InSAR的处理效率提出了巨大挑战。初期的InSAR处理由于数据量较小、计算机性能较低等因素,StaMPS方法进行InSAR处理的标准流程是逐步进行的。然而在现今计算力充足、海量SAR数据的情况下,传统的逐步处理思想不仅会造成计算资源的浪费,而且会造成处理过程中巨大、难以接受的时间成本。
因此,目前亟需一种新的InSAR数据处理方法。
发明内容
为了克服传统监测手段以及预测方法的不足,本发明实施例提供一种基于管道通信机制的StaMPS并行优化处理方法、装置、电子设备、存储介质及计算机程序产品,以提高InSAR数据处理的效率。
本发明实施例第一方面提供了一种基于管道通信机制的StaMPS并行优化处理方法,所述方法包括:
对InSAR数据进行处理,将干涉图分成指定数量个大小相同的块,并获得PS候选点集;
对所述多个分块数据进行并行处理,获得最终的PS点;
对处理后的多个分块数据进行合并,得到合并数据;
对所述合并数据进行处理,求解年平均形变速率。
可选地,所述方法还包括:
创建命名管道,并写入指定的N个令牌;
对所述多个分块数据并行进行处理,包括:
将所述N个令牌分别分配给N个分块数据;
分配到令牌的分块数据在所述命名管道中并行进行处理;
每个分块数据在处理完成后归还令牌。
可选地,对InSAR数据进行处理,得到多个干涉图分块数据,包括:
获取覆盖研究区长时间序列的SAR影像以及精密轨道数据;
确定主影像;
基于所述主影像,对所述SAR影像进行配准;
基于配准后的SAR影像,生成干涉图;
基于振幅离差法提取PS候选点集;
将所有的干涉图分成指定数量个大小相同的块。
可选地,对每个分配到令牌的分块数据并行执行以下步骤:
估计该分块数据的相位噪声;
计算各候选点的相位稳定性,选取相位稳定性高的PS候选点;
剔除仅在部分干涉图中相位稳定的PS候选点,以及受临近PS点影响而表示为PS点特征的候选点。
可选地,对处理后的多个分块数据进行合并,包括:
针对空间不相关视角误差,对选定像素的包裹相位进行校正;在空间不相关视角误差估计完后,将处理后的多个分块数据进行合并。
可选地,对所述合并数据进行处理,求解年平均形变速率,包括:
对带有误差成分的PS点缠绕相位进行解缠,得到原始解缠相位;
计算空间相关视角误差,估计主大气和轨道误差相位;
将所述空间相关视角误差和主大气和轨道误差相位从所述原始解缠相位中剔除,并重新解缠直到解缠无明显误差干扰,得到最终形变相位;
基于所述最终形变相位,获得时间序列形变量,通过最小二乘法求解年平均形变速率。
本发明实施例第二方面提供一种基于管道通信机制的StaMPS并行优化处理装置,所述装置包括:
第一处理模块,用于对InSAR数据进行处理,将干涉图分成指定数量个大小相同的块,并获得PS候选点集;
第二处理模块,用于对所述多个分块数据进行并行处理,获得最终的PS点;
合并模块,用于对处理后的多个分块数据进行合并,得到合并数据;
第三处理模块,用于对所述合并数据进行处理,求解年平均形变速率。
可选地,所述装置还包括:
创建模块,用于创建命名管道,并写入指定的N个令牌;
第二处理模块,具体用于:
将所述N个令牌分别分配给N个分块数据;
分配到令牌的分块数据在所述命名管道中并行进行处理;
每个分块数据在处理完成后归还令牌。
可选地,第一处理模块,具体用于:
获取覆盖研究区长时间序列的SAR影像以及精密轨道数据;
确定主影像;
基于所述主影像,对所述SAR影像进行配准;
基于配准后的SAR影像,生成干涉图;
基于振幅离差法提取PS候选点集;
将所有的干涉图分成指定数量个大小相同的块。
可选地,对每个分配到令牌的分块数据并行执行以下步骤:
估计该分块数据的相位噪声;
计算各候选点的相位稳定性,选取相位稳定性高的PS候选点;
剔除仅在部分干涉图中相位稳定的PS候选点,以及受临近PS点影响而表示为PS点特征的候选点。
可选地,合并模块,具体用于:
针对空间不相关视角误差,对选定像素的包裹相位进行校正;在空间不相关视角误差估计完后,将处理后的多个分块数据进行合并。
可选地,第三处理模块,具体用于:
对带有误差成分的PS点缠绕相位进行解缠,得到原始解缠相位;
计算空间相关视角误差,估计主大气和轨道误差相位;
将所述空间相关视角误差和主大气和轨道误差相位从所述原始解缠相位中剔除,并重新解缠直到解缠无明显误差干扰,得到最终形变相位;
基于所述最终形变相位,获得时间序列形变量,通过最小二乘法求解年平均形变速率。
本发明实施例第三方面提供一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现如本发明第一方面所述的基于管道通信机制的StaMPS并行优化处理方法。
本发明实施例第四方面提供一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现如本发明第一方面所述的基于管道通信机制的StaMPS并行优化处理方法。
本发明实施例第五方面提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本发明第一方面所述的基于管道通信机制的StaMPS并行优化处理方法。
本发明实施例中,在对InSAR数据进行预处理后,可以得到多个干涉图分块数据,再对多个分块数据并行进行处理,并将处理后的分块数据进行合并,再对合并后的数据进行处理,得到研究区的年平均变形速率。从而,本发明实施例中可以充分利用,计算机的计算资源,对多个分块数据并行进行处理,支持处理海量的InSAR数据,提高处理效率,降低处理过程中的时间成本。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种基于管道通信机制的StaMPS并行优化处理方法的流程图;
图2是本发明实施例的另一种基于管道通信机制的StaMPS并行优化处理方法的流程图;
图3是本发明实施例提供一种基于管道通信机制的StaMPS并行优化处理方法的具体流程图;
图4是本发明实施例的一种基于管道通信机制的StaMPS并行优化处理装置的结构框图示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明实施例的一种基于管道通信机制的StaMPS并行优化处理方法的流程图,所述方法可以由服务器执行,所述方法包括以下步骤:
S101,对InSAR数据进行处理,将干涉图分成指定数量个大小相同的块,并获得PS候选点集。
本发明实施例中,可以使用开源的SNAP(Sentinel Application Platform)软件完成InSAR数据预处理生成干涉图。再将干涉图导入StaMPS进行永久散射体的选取及时间序列分析处理,得到多个干涉图分块数据。
本发明实施例中,以Sentinel-1卫星数据为例,详细说明具体实施步骤,具体地,所述步骤S101包括以下子步骤:
S1011,确定主影像。
本发明实施例中,可以根据实际需求获取覆盖研究区长时间序列的SAR影像数据,以及精密轨道数据、数字高程模型(Digital Elevation Model,DEM)等。将单视复数影像(Single Look Complex,SLC)导入SNAP软件并转换成SNAP软件能够识别的格式。同时导入包含卫星精确位置及速度信息的精密轨道数据,为后续配准、干涉处理等步骤提供基础。
具体地,在开始对数据进行预处理之前,需要选择最佳的主影像。本发明实施例中,选择主影像时应确保影像间的垂直基线值尽可能小,并使干涉图的相干性最大化。
具体地,本发明实施例中可以使用SNAP软件的InSAR Stack Overview工具进行自动选择最佳的主影像。
S1012,基于所述主影像,对所述SAR影像进行配准。
由于TOPS模式的影像配准精度要求达到千分之一个像素,基于此,本发明实施例中,利用SNAP软件中专门为Sentinel-1影像开发的ESD(Enhanced-Spectral-Diversity)方法进行配准。
S1013,基于配准后的SAR影像,生成干涉图。
本发明实施例中,可以根据具体需求,通过研究区的经纬度对配准后的SAR影像进行裁剪,提高计算效率。
本发明实施例中,将像对中主影像和从影像的单视复数影像(SLC)中对应像素共轭相乘得到复数幅角值,计算公式如下:
式中:u1表示主影像复数值;u2表示从影像复数值;u表示主影像与从影像共轭相乘后的值;表示干涉相位;表示主影像相位值;表示从影像相位值。生成干涉图后,再利用外部参考DEM去除地形相位,得到最终的干涉图。
具体地,本发明实施例中,可以将上述得到的干涉图通过SNAP软件中的StampsExport功能导出。
S1014,基于振幅离差法提取PS候选点集。
本发明实施例中,根据振幅离差法提取PS候选目标点。其基本原理是:在影像具有高信噪比时,相位离差可以近似用振幅离差来表示,进而利用同一像元在时序上的振幅标准差与振幅均值的比值来识别PS点,其计算公式如下:
DA=σA/μA (0.3)
式中:DA表示振幅离散指数;σA表示像元幅度在时间序列上的标准差;μA表示像元幅度在时间序列上的均值。
S1015,将所有的干涉图分成数个大小相同的块。
本发明实施例中,由于长时间序列InSAR处理的数据量较大,StaMPS软件能够将所有的干涉图分成数个大小相同的块,以此提高处理效率。
S102,对所述多个分块数据进行并行处理,获得最终的PS点。
本发明实施例中,可以在Linux环境,基于管道通信机制并行处理方法对StaMPS中的多个分块数据并行进行处理。
本发明实施例中,可以根据计算机硬件情况设置可控的线程数。
S103,对处理后的多个分块数据进行合并,得到合并数据。
具体包括:针对空间不相关视角误差,对选定像素的包裹相位进行校正;在空间不相关视角误差估计完后,将处理后的多个分块数据进行合并。
本发明实施例中,在空间不相关视角误差估计完后将所有的块进行合并,同时进行重采样。
S104,对所述合并数据进行处理,求解年平均形变速率。
本发明实施例中,所述步骤S104具体包括以下子步骤:
S1041,对带有误差成分的PS点缠绕相位进行解缠,得到原始解缠相位。
本发明实施例中,首先需要对选取的带有误差成分的PS点进行三维相位解缠(首先在时间维度上进行解缠,再在二维空间维度上进行解缠,空间维度上采用统计网络流法算法进行解缠)。
S1042,计算空间相关视角误差,估计主大气和轨道误差相位。
S1043,将所述空间相关视角误差和主大气和轨道误差相位从所述原始解缠相位中剔除,并重新解缠直到解缠无明显误差干扰,得到最终形变相位。
由于空间不相关视角误差已经在步骤S103中进行了消除。本发明实施例中,主要计算空间相关视角(SCLA)误差,该误差几乎完全由空间相关DEM误差引起(由DEM本身的误差以及DEM转换到雷达坐标的误差造成的)。同时估计主大气和轨道误差(AOE)相位。在上述误差估计完成后,将其从原始解缠图中剔除,并重新解缠直到解缠无明显误差干扰。
S1044,基于所述解缠相位,获得时间序列形变量,通过最小二乘法求解年平均形变速率。
本发明实施例中,可以将所述解缠相位转换为形变速率,得到研究区的年平均形变速率。
参照图2,示出了本发明实施例的另一种基于管道通信机制的StaMPS并行优化处理方法的流程图,所述方法可以由服务器执行,所述方法包括以下步骤:
S201,对InSAR数据进行处理,将干涉图分成指定数量个大小相同的块,并获得PS候选点集。
步骤S201与步骤S101类似,本实施例在此不再赘述。
S202,创建命名管道,并写入指定的N个令牌。
管道是Linux系统中十分重要的半双工通信机制,在同一管道中的数据信息只能单向流动,而且只能作用于有亲缘关系(通常为父子进程关系)的进程之间。其中命名管道也是半双工的通信方式,但是它允许无亲缘关系进程间的通信。基于该理论,本发明实施例提出了基于命名管道通信机制的基于管道通信机制的StaMPS并行优化处理方法。本发明实施例中,首先需要创建命名管道文件,并写入指定的N个令牌(意味着最多能同时处理N个块)。在实际应用中,可以根据计算机的计算能力,确定令牌数量。
本发明实施例中,步骤S202可以在步骤S201之前执行,也可以在步骤S201之后执行,还可以与步骤S201同时执行。
S203,分配到令牌的分块数据在所述命名管道中并行进行处理。
本发明实施例中,在上述步骤S201中已经将原有干涉图分成了多个子块,可以通过for循环将其写入已经创建的管道。当第i个块进行处理时,若有空闲令牌,则可以将该令牌分配给该块;若没有空闲令牌则进行等待,直到有空闲令牌。直到所有的块处理完毕。
本发明实施例中,对每个分配到令牌的分块数据并行执行以下步骤:
S1,估计该分块数据的相位噪声。
S2,计算各候选点的相位稳定性,选取相位稳定性高的PS候选点。
S3,剔除仅在部分干涉图中相位稳定的PS候选点,以及受临近PS点影响而表示为PS点特征的候选点。
上述步骤S1-S3与StaMPS中的“数据导入-相位噪声估计-PS点选取-PS点剔除”等步骤相似。
本发明实施例中,对于每个分配到令牌的分块数据,可以依次执行“数据导入-相位噪声估计-PS点选取-PS点剔除”步骤。
S204,每个分块数据在处理完成后归还令牌。
本发明实施例中,每个分块数据在处理完成后则归还令牌,从而可以将该令牌分配给其他待处理的子块。
本发明实施例中,利用命名管道具有的堵塞机制,通过将有限个令牌放入管道来实现可控线程的的并行处理过程。这不仅能够提高数据处理效率,而且还能够防止不可控的线程数导致程序崩溃。
S205,对处理后的多个分块数据进行合并,得到合并数据。
S206,对所述合并数据进行处理,求解年平均形变速率。
步骤S205-S206与上述步骤S103-S104类似,本实施例在此不再赘述。
参照图3,示出了本发明实施例的一种基于管道通信机制的StaMPS并行优化处理方法的具体流程图,所述方法可以由服务器执行,所述方法包括以下步骤:
本发明实施例中,可以先经过步骤S101,处理得到n个干涉图分块数据(如图中PATCH-1、PATCH-2……PATCH-n)。
同时,本发明实施例中,可以先根据计算机能力,设置最大并发数N,并基于此,创建命名管道文件,写入指定的N个令牌。
本发明实施例中,可以通过循环将干涉图分块数据写入已经创建的管道。当第i个块进行处理时,若有空闲令牌,则可以将该令牌分配给该块,该块获取到令牌,则可以依次执行“数据导入-相位噪声估计-PS点选取-PS点剔除”步骤进行数据处理。若没有空闲令牌则进行等待,直到有空闲令牌。而数据处理完毕的块,则将令牌归还,继续将该令牌分配给其他未处理的块,直到所有的块处理完毕。
为了便于理解,以下通过一个具体的实施例,对本发明实施例提供的一种基于管道通信机制的StaMPS并行优化处理方法,进行进一步地解释,可以理解的,该实施例仅作为示例:
本实施例选取了27景Sentinel-1卫星的单视复数影像作为实验数据,来对本发明实施例所提出的方法进行验证。利用传统方法和本发明实施例所提出基于管道通信机制的StaMPS并行优化处理方法对实验数据进行处理,通过比较处理耗时来对本发明实施例所提出的基于管道通信机制的StaMPS并行优化处理方法的计算效率进行验证。
(1)实验数据
本实施例选择了27景Sentinel-1卫星的单视复数影像作为实验数据,具体信息及研究区实验数据信息见表1。并在步骤S101中将研究区实验数据在距离向和方位向上分别三等分划分成9个相同大小的块。
表1SAR影像及研究区实验数据信息
(2)实验环境及参数
本实施例的验证实验的计算环境信息如下表所示:
表2计算环境信息
在StaMPS处理中,使用的计算参数如下表所示:
表3实验计算参数
(3)实验结果
传统方法与本发明实施例所提出的基于管道通信机制的StaMPS并行优
化处理方法计算耗时如下表所示:
表4处理耗时对比
可见,本发明实施例所提出的基于管道通信机制的StaMPS并行优化处理方法在不同并行数的情况下计算效率均得到了极大的提升了,在9个令牌的情况下计算效率提升了295.63%。若计算机性能支持,可以根据情况增加令牌数,以此来增加并行数,计算效率也会更高。
基于同一发明构思,本发明实施例提供一种基于管道通信机制的StaMPS并行优化处理装置。参考图4,图4是本发明实施例提供的基于管道通信机制的StaMPS并行优化处理装置的示意图。如图4所示,该装置包括:
第一处理模块401,用于对InSAR数据进行处理,将干涉图分成指定数量个大小相同的块,并获得PS候选点集;
第二处理模块402,用于对所述多个分块数据进行并行处理,获得最终的PS点;
合并模块403,用于对处理后的多个分块数据进行合并,得到合并数据;
第三处理模块404,用于对所述合并数据进行处理,求解年平均形变速率。
可选地,所述装置还包括:
创建模块,用于创建命名管道,并写入指定的N个令牌;
第二处理模块,具体用于:
将所述N个令牌分别分配给N个分块数据;
分配到令牌的分块数据在所述命名管道中并行进行处理;
每个分块数据在处理完成后归还令牌。
可选地,第一处理模块,具体用于:
获取覆盖研究区长时间序列的SAR影像以及精密轨道数据;
确定主影像;
基于所述主影像,对所述SAR影像进行配准;
基于配准后的SAR影像,生成干涉图;
基于振幅离差法提取PS候选点集;
将所有的干涉图分成指定数量个大小相同的块。
可选地,对每个分配到令牌的分块数据并行执行以下步骤:
估计该分块数据的相位噪声;
计算各候选点的相位稳定性,选取相位稳定性高的PS候选点;
剔除仅在部分干涉图中相位稳定的PS候选点,以及受临近PS点影响而表示为PS点特征的候选点。
可选地,合并模块,具体用于:
针对空间不相关视角误差,对选定像素的包裹相位进行校正;在空间不相关视角误差估计完后,将处理后的多个分块数据进行合并。
可选地,第三处理模块,具体用于:
对带有误差成分的PS点缠绕相位进行解缠,得到原始解缠相位;
计算空间相关视角误差,估计主大气和轨道误差相位;
将所述空间相关视角误差和主大气和轨道误差相位从所述原始解缠相位中剔除,并重新解缠直到解缠无明显误差干扰,得到最终形变相位;
基于所述最终形变相位,获得时间序列形变量,通过最小二乘法求解年平均形变速率。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行时实现上述任一实施例所述的基于管道通信机制的StaMPS并行优化处理方法中的步骤。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述任一实施例所述的基于管道通信机制的StaMPS并行优化处理方法中的步骤。
本发明实施例还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述任一实施例所述的基于管道通信机制的StaMPS并行优化处理方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于管道通信机制的StaMPS并行优化处理方法、装置、电子设备、存储介质及计算机程序产品,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于管道通信机制的StaMPS并行优化处理方法,其特征在于,所述方法包括:
对InSAR数据进行处理,将干涉图分成指定数量个大小相同的块,并获得PS候选点集;
对所述多个分块数据进行并行处理,获得最终的PS点;
对处理后的多个分块数据进行合并,得到合并数据;
对所述合并数据进行处理,求解年平均形变速率。
2.根据权利要求1所述的基于管道通信机制的StaMPS并行优化处理方法,其特征在于,所述方法还包括:
创建命名管道,并写入指定的N个令牌;
对所述多个分块数据并行进行处理,包括:
将所述N个令牌分别分配给N个分块数据;
分配到令牌的分块数据在所述命名管道中并行进行处理;
每个分块数据在处理完成后归还令牌。
3.根据权利要求1所述的基于管道通信机制的StaMPS并行优化处理方法,其特征在于,对InSAR数据进行处理,得到多个干涉图分块数据,包括:
获取覆盖研究区长时间序列的SAR影像以及精密轨道数据;
确定主影像;
基于所述主影像,对所述SAR影像进行配准;
基于配准后的SAR影像,生成干涉图;
基于振幅离差法提取PS候选点集;
将所有的干涉图分成指定数量个大小相同的块。
4.根据权利要求2所述的基于管道通信机制的StaMPS并行优化处理方法,其特征在于,对每个分配到令牌的分块数据并行执行以下步骤:
估计该分块数据的相位噪声;
计算各候选点的相位稳定性,选取相位稳定性高的PS候选点;
剔除仅在部分干涉图中相位稳定的PS候选点,以及受临近PS点影响而表示为PS点特征的候选点。
5.根据权利要求1所述的基于管道通信机制的StaMPS并行优化处理方法,其特征在于,对处理后的多个分块数据进行合并,包括:
针对空间不相关视角误差,对选定像素的包裹相位进行校正;在空间不相关视角误差估计完后,将处理后的多个分块数据进行合并。
6.根据权利要求1所述的基于管道通信机制的StaMPS并行优化处理方法,其特征在于,对所述合并数据进行处理,求解年平均形变速率,包括:
对带有误差成分的PS点缠绕相位进行解缠,得到原始解缠相位;
计算空间相关视角误差,估计主大气和轨道误差相位;
将所述空间相关视角误差和主大气和轨道误差相位从所述原始解缠相位中剔除,并重新解缠直到解缠无明显误差干扰,得到最终形变相位;
基于所述最终形变相位,获得时间序列形变量,通过最小二乘法求解年平均形变速率。
7.一种基于管道通信机制的StaMPS并行优化处理装置,其特征在于,所述装置包括:
第一处理模块,用于对InSAR数据进行处理,将干涉图分成指定数量个大小相同的块,并获得PS候选点集;
第二处理模块,用于对所述多个分块数据进行并行处理,获得最终的PS点;
合并模块,用于对处理后的多个分块数据进行合并,得到合并数据;
第三处理模块,用于对所述合并数据进行处理,求解年平均形变速率。
8.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-6任一项所述的基于管道通信机制的StaMPS并行优化处理方法。
9.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述的基于管道通信机制的StaMPS并行优化处理方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述的基于管道通信机制的StaMPS并行优化处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211172068.9A CN115511925B (zh) | 2022-09-26 | 2022-09-26 | 基于管道通信机制的StaMPS并行优化处理方法及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211172068.9A CN115511925B (zh) | 2022-09-26 | 2022-09-26 | 基于管道通信机制的StaMPS并行优化处理方法及产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115511925A true CN115511925A (zh) | 2022-12-23 |
CN115511925B CN115511925B (zh) | 2023-11-03 |
Family
ID=84506345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211172068.9A Active CN115511925B (zh) | 2022-09-26 | 2022-09-26 | 基于管道通信机制的StaMPS并行优化处理方法及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115511925B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110079A (zh) * | 2007-06-27 | 2008-01-23 | 中国科学院遥感应用研究所 | 一种数字地球原型系统 |
CN103903272A (zh) * | 2014-04-16 | 2014-07-02 | 广东中科遥感技术有限公司 | 一种基于Hadoop的StaMPS算法并行化处理方法 |
CN110412574A (zh) * | 2019-09-05 | 2019-11-05 | 河海大学 | 一种时空相干性增强的分布式目标InSAR时序处理方法和装置 |
CN111527420A (zh) * | 2017-11-13 | 2020-08-11 | 沙特阿拉伯石油公司 | 将正交化滤波应用于波场分离 |
CN111565845A (zh) * | 2017-08-22 | 2020-08-21 | 依利根公司 | 微流体设备中的位置跟踪和编码 |
CN114200450A (zh) * | 2021-12-06 | 2022-03-18 | 国网湖南省电力有限公司 | 基于双极化时序sar技术识别输电通道附近滑坡的方法 |
CN114966689A (zh) * | 2022-05-27 | 2022-08-30 | 厦门理工学院 | 沿海城市时序InSAR沉降监测分析方法、装置、设备及介质 |
-
2022
- 2022-09-26 CN CN202211172068.9A patent/CN115511925B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110079A (zh) * | 2007-06-27 | 2008-01-23 | 中国科学院遥感应用研究所 | 一种数字地球原型系统 |
CN103903272A (zh) * | 2014-04-16 | 2014-07-02 | 广东中科遥感技术有限公司 | 一种基于Hadoop的StaMPS算法并行化处理方法 |
CN111565845A (zh) * | 2017-08-22 | 2020-08-21 | 依利根公司 | 微流体设备中的位置跟踪和编码 |
CN111527420A (zh) * | 2017-11-13 | 2020-08-11 | 沙特阿拉伯石油公司 | 将正交化滤波应用于波场分离 |
CN110412574A (zh) * | 2019-09-05 | 2019-11-05 | 河海大学 | 一种时空相干性增强的分布式目标InSAR时序处理方法和装置 |
CN114200450A (zh) * | 2021-12-06 | 2022-03-18 | 国网湖南省电力有限公司 | 基于双极化时序sar技术识别输电通道附近滑坡的方法 |
CN114966689A (zh) * | 2022-05-27 | 2022-08-30 | 厦门理工学院 | 沿海城市时序InSAR沉降监测分析方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
孙建霖: "时序InSAR技术及其在滑坡形变监测中的应用—以高家湾滑坡为例", pages 1 - 32 * |
Also Published As
Publication number | Publication date |
---|---|
CN115511925B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112115198B (zh) | 一种城市遥感智能服务平台 | |
CN112765095B (zh) | 一种立体测绘卫星影像数据归档方法和系统 | |
CN102779165A (zh) | 栅格地图图片库的建立方法 | |
Xue et al. | A new algorithm for indoor RSSI radio map reconstruction | |
CN115796712A (zh) | 区域陆地生态系统碳储量估算方法、装置、电子设备 | |
Al-Saidi et al. | A hybrid of fractal image coding and fractal dimension for an efficient retrieval method | |
CN110826454B (zh) | 一种遥感影像变化检测方法及装置 | |
CN110427506B (zh) | 空间数据边界处理方法、装置、计算机设备及存储介质 | |
Hepburn et al. | Creating HiRISE digital elevation models for Mars using the open-source Ames Stereo Pipeline | |
CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
CN115511925B (zh) | 基于管道通信机制的StaMPS并行优化处理方法及产品 | |
Misra et al. | A fast scalable distributed kriging algorithm using Spark framework | |
CN111353007B (zh) | 基于矢量切片的地理要素拾取方法、编码方法、装置及电子设备 | |
Yao et al. | China data cube (CDC) for big Earth observation data: Lessons learned from the design and implementation | |
Yue et al. | Granularity of geospatial data provenance | |
De Luca et al. | Towards a GPU parallel software for environmental data fitting | |
Vo et al. | A parallel algorithm for local point density index computation of large point clouds | |
CN112946736A (zh) | 一种三维观测系统重建方法及系统 | |
Liu et al. | A continuative variable resolution digital elevation model for ground-based photogrammetry | |
Grosso | SEREDONA: a web platform to integrate historical geographic data into current georeferenced frameworks. | |
Shih et al. | Forecasting of Global Ionosphere Maps With Multi‐Day Lead Time Using Transformer‐Based Neural Networks | |
CN116047518B (zh) | 基于雷达卫星的潜在地质灾害识别方法及设备 | |
El-Kazzaz et al. | A hadoop-based framework for large-scale landmine detection using ubiquitous big satellite imaging data | |
CN115984709B (zh) | 一种快速大尺度遥感图像的内容识别方法 | |
Stumpf et al. | Towards Time-Series Processing of Vhr Satellite Images for Surface Deformation Detecton and Measurements |
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 |