CN115546264A - 一种星载InSAR图像精细配准与立体测量方法 - Google Patents

一种星载InSAR图像精细配准与立体测量方法 Download PDF

Info

Publication number
CN115546264A
CN115546264A CN202211199977.1A CN202211199977A CN115546264A CN 115546264 A CN115546264 A CN 115546264A CN 202211199977 A CN202211199977 A CN 202211199977A CN 115546264 A CN115546264 A CN 115546264A
Authority
CN
China
Prior art keywords
offset
complex image
registration
stereo measurement
coherence
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
Application number
CN202211199977.1A
Other languages
English (en)
Inventor
王吉利
吴羽纶
王冬红
张衡
赵凤军
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202211199977.1A priority Critical patent/CN115546264A/zh
Publication of CN115546264A publication Critical patent/CN115546264A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images

Abstract

本发明涉及一种星载InSAR图像精细配准与立体测量方法，包括：利用基于多项式拟合的互相关配准方法，对主、辅单视复数图像进行粗配准，并对主单视复数图像和粗配准的辅单视复数图像进行网格分块；基于改进的均值归一化去平地相干系数计算粗配准的辅单视复数图像在不同距离向偏移量下的相干性，提取网格块相干系数分布峰值的偏移量；利用相干性掩膜和滤波算法对偏移量平滑处理，对粗配准的辅单视复数图像进行重采样并用于干涉处理；将平滑处理的立体测量相对偏移量与多项式配准偏移量求和，经去平地处理，转换为立体测量相对高程图。本发明用于对InSAR应用中的长基线主、辅SAR图像实现精细配准，以生成高质量的干涉相位图。

Description

一种星载InSAR图像精细配准与立体测量方法
技术领域
本发明属于图像处理技术领域，具体涉及一种星载InSAR图像精细配准与立体测量方法。
背景技术
DEM是描述地球表面形状的三维数字模型，由一系列包含有地理平面坐标和高程的数据集组成，在科学研究、经济建设和军事领域都居于重要的应用价值。某些特定的应用场合如地震形变提取、地形监测中，高分辨率高精度DEM显得尤为重要，但是通常其提取非常复杂。InSAR(Interferometric Synthetic Aperture Radar，InSAR)由于其全天时、全天候的工作特性，且作为一种主动式传感器，成为高校准确获取DEM的方法之一。其中，经过主、辅SAR图像配准等操作处理得到的干涉相位图的质量，直接决定了InSAR技术获取DEM的精度。因此，为了获取高质量干涉图，需要将主、辅单视复数图像进行亚像素级别的精细配准，通常要求配准误差小于1/8像素，当配准误差较大时，将产生严重的失相干，导致干涉相位图中产生大量噪声。
目前常见的配准过程，通常采用基于互相关和多项式拟合方法进行配准，在多数情况下能够一定程度上满足配准的要求。但对于如L波段等载频较低的SAR传感器，其通常采用较长的基线来进行干涉测量。当地形陡峭时，较长的基线会导致不同高度的地形发生不同程度的距离向像素偏移，这时如果采用常见的基于互相关和多项式拟合的方法进行配准，将无法满足配准的精度要求，会导致干涉图部分区域发生失相干，无法获取正确的干涉相位。
此外，传统立体测量通常在大视角差(大于5°)的条件下通过幅度信息配准实现，以满足较高的垂直向测量精度。而用于InSAR测量的主、辅单视复数图像，其视角差通常小于0.1°，受限于配准的精度，难以获取立体测量结果。因此高精度、高性能的配准方法有待进一步研究和发展。
发明内容
为解决上述技术问题，本发明提供一种星载InSAR图像精细配准与立体测量方法，其对InSAR应用中的长基线主、辅SAR图像实现精细配准，以生成高质量的干涉相位图。同时，利用精细配准获得的偏移量，在极小视角差的情况下，计算得到立体测量结果。
为达到上述目的，本发明采用的技术方案为：
一种星载InSAR图像精细配准与立体测量方法，包括如下步骤：
步骤101、利用基于互相关和多项式拟合的配准方法，计算多项式配准偏移量图和粗配准的辅单视复数图像；
步骤102、对主单视复数图像和粗配准的辅单视复数图像进行网格分块，基于改进的均值归一化去平地相干系数计算辅单视复数图像块在不同偏移量下的相干系数；
步骤103、通过对步骤102中不同偏移量下的相干系数分布插值计算峰值精确位置作为网格块的距离向偏移量，记录峰值大小作为最优相干系数，并对多峰值情况加权估计网格块偏移量；
步骤104、利用相干性掩膜插值和滤波算法对网格块距离向的偏移量进行平滑处理，得到立体测量距离向相对偏移量图，并结合多项式配准偏移量图计算立体测量绝对偏移量，经去平地处理得到立体测量相对高程图；
步骤105、根据立体测量距离向相对偏移量图，对粗配准后的辅单视复数图像进行重采样，得到精细配准的辅单视复数图像，在进行干涉处理得到高质量干涉相位图。
进一步地，所述步骤101具体包括：
先在主、辅单视复数图像同一区域中选取一定数量的区块，采用互相关方法进行配准，再利用多项式对配准偏移结果进行拟合，得到粗配准偏移量，对辅单视复数图像进行重采样，得到粗配准的辅SLC图像，减少精细配准的搜索范围。
进一步地，所述步骤102具体包括：
对主SLC图像和粗配准辅SLC图像以固定窗口大小进行网格块划分，随后估计偏移量的搜索范围和间距，基于均值归一化去平地相干系数，计算辅单视复数图像块在不同偏移量下的相干系数。
进一步地，所述步骤103具体包括：
计算均值归一化去平地相干系数分布的峰值点位置，对峰值点及其附近的数个点进行插值，计算最大值的精确位置作为网格块的距离向偏移量，并将该最大值作为最优相干系数；对于多峰值情况，利用峰值大小作为权重，加权估计峰值的位置，作为网格块的距离向偏移量。
进一步地，所述步骤104具体包括：
对峰值估计时记录的相系数图中系数较低的值进行掩膜处理，对掩膜遮盖的位置进行插值，随后采用中值滤波和非局部均值滤波算法对网格块的距离向偏移量进行平滑处理，得到立体测量相对偏移量图；随后，结合多项式配准偏移量图计算立体测量绝对偏移量，经去平地处理获得雷达坐标系下的立体测量相对高程图。
进一步地，所述步骤105具体包括：
对立体测量相对偏移量图进行插值，使其与粗配准的辅SLC图像的尺寸相同，依据每个像素的偏移量值对粗配准的辅单视复数图像进行重采样，得到精细配准的辅单视复数图像；随后对主单视复数图像和精细配准的辅单视复数图像进行干涉处理，得到高质量干涉相位图。
进一步地，所述均值归一化去平地相干系数的计算方法如下：
所述首先以网格形式，将图像块再次均匀分割为Np个子块，分别计算子块的相干系数γq：
Figure BDA0003872084760000031
其中，Im、Is分别为子图像块区域内的主、辅单视复数图像，
Figure BDA0003872084760000032
为Is的共轭，E{}表示对所有的元素求均值，
Figure BDA0003872084760000033
表示自然常数e的
Figure BDA0003872084760000034
次方，|Im|2表示计算Im中每个元素的模的平方，|Is|2表示计算Is中每个元素的模的平方，γq中的q为子块编号；
随后再对这些子块进行均值，从而得到均值归一化去平地相干系数
Figure BDA0003872084760000039
Figure BDA0003872084760000035
其中，q为子块编号，为从1到Np的整数，Np为分割子块个数，初始的分割子块个数Np为1，当均值归一化去平地相干系数
Figure BDA0003872084760000036
小于设定相干性阈值时，增加Np的个数，其中Np∈{n2,n＝1,2,3.....}，直到
Figure BDA0003872084760000037
满足相干性阈值，如果均不满足要求，则选取
Figure BDA0003872084760000038
最大时的Np进行分割，来计算均值归一化去平地相干系数。
本发明实现了SAR相干图像精细配准与立体测量，与已有的技术相比，具有如下显著的有益效果：
(1)本发明利用均值归一化去平地相干系数、多峰值估计方法，对偏移量进行精细的网格估计，显著提升了InSAR应用中单视复数SAR图像配准的精度。
(2)本发明通过对离散采样的相干系数进行一维插值，来估计峰值位置，大幅减少了计算量，显著提升了计算速度。
(3)本发明在极小的视角差情况下，利用精细配准的偏移量，采用中值滤波与非局部均值滤波方法，得到了立体测量结果，可用于干涉解缠绕相位的校验、干涉相位图解缠绕的辅助等应用。
附图说明
图1是本发明的星载InSAR图像精细配准与立体测量方法流程图；
图2是本发明中的几何示意图；
图3是多项式配准干涉相位图；
图4是本发明中的精细配准干涉相位图；
图5是多项式配准干涉相位图的局部细节图；
图6是本发明中的精细配准干涉相位图的局部细节图；
图7是多项式配准干涉相位图的相干系数；
图8是本发明中的精细配准干涉相位图的相干系数示意图；
图9是本发明中滤波后的立体测量相对高程的结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的星载InSAR图像精细配准与立体测量方法首先利用基于互相关和多项式拟合的配准方法，对主、辅单视复图像进行粗配准。随后对主单视复数图像和粗配准的辅单视复数图像进行网格分块，再基于改进的均值归一化去平地相干系数计算辅单视复数图像不同偏移量下的相干系数，提取每个网格块的相干系数分布的峰值。接着，通过插值估计实际峰值精确位置作为网格块的偏移量，并对多峰值情况加权估计网格块偏移量。然后利用相干性掩膜插值和滤波算法对网格块距离向的偏移量进行平滑处理，得到立体测量相对偏移量图，并结合多项式配准偏移量图计算立体测量绝对偏移量，经过去平地处理得到立体测量相对高程图。最后，根据平滑处理的立体测量相对偏移量图，对粗配准后的辅单视复数图像进行重采样，得到精细配准的辅单视复数图像，再经过干涉处理得到高质量干涉相位图。
具体地，如图1所示，本发明的星载InSAR图像精细配准与立体测量方法包括如下步骤：
步骤101：利用基于互相关和多项式拟合的配准方法，计算多项式配准偏移量图和粗配准的辅单视复数图像。
具体的，分别在主、辅单视复数图像同一区域中，选取一定数量的控制点，以控制点为中心选取固定尺寸的窗口的区块，窗口尺寸由图像分辨率确定，通常设定为128×128像素。随后对主、辅单视复数图像窗口内的幅度信息做互相关计算，利用互相关函数最大值的位置作为该控制点的偏移量。随后对配准偏移结果进行拟合，采用最小二乘法计算多项式系数，得到距离向的粗配准偏移量ΔxNr和方位向的粗配准偏移量ΔxNa：
ΔxNr＝a0+a1i+a2j+a3ij+a4i+a5j
ΔxNa＝b0+b1i+b2j+b3ij+b4i2+b5j2
其中a0-a5为最小二乘法拟合得到的距离向多项式系数，b0-b5为最小二乘法拟合得到的方位向多项式系数，i为辅单视复数图像的方位向像素位置，j为辅单视复数图像的距离向像素位置。
之后利用该偏移量对辅单视复数图像进行重采样移动，得到粗配准的辅单视复数图像，以减少精细配准的搜索范围。
步骤102：对主单视复数图像和粗配准的辅单视复数图像进行网格分块，基于改进的均值归一化去平地相干系数计算辅单视复数图像块在不同偏移量下的相干系数。
具体地，首先根据图2所示卫星几何关系计算平地相位
Figure BDA0003872084760000051
其计算方式如下：
Figure BDA0003872084760000052
其中，λ为雷达发射电磁波波长，Blen为基线长度，θm为主单视复数图像下视角,α为基线与水平面之间的夹角，π为圆周率。
随后对主单视复数图像和粗配准的辅单视复数图像进行网格分块。随后估计距离向的偏移量的搜索范围，以固定的间距，沿距离向移动辅单视复数图像，对于非整数像素移动，则采用插值移动方法对复数图像重新进行采样，插值移动方法包括并不局限于sinc插值、循环位移矩阵等图像亚像素移动方法。每次移动均对图像块计算一次改进的均值归一化去平地相干系数
Figure BDA0003872084760000053
所述均值归一化去平地相干系数计算方法如下：首先以网格形式，将图像块再次均匀分割为Np个子块，分别计算子块的相干系数γq：
Figure BDA0003872084760000061
其中，Im、Is分别为子图像块区域内的主、辅单视复数图像，
Figure BDA0003872084760000062
为Is的共轭，E{}表示对所有的元素求均值，
Figure BDA0003872084760000063
表示自然常数e的
Figure BDA0003872084760000064
次方，|Im|2表示计算Im中每个元素的模的平方，|Is|2表示计算Is中每个元素的模的平方，γq中的q为子块编号；
随后再对这些子块进行均值，从而得到均值归一化去平地相干系数
Figure BDA0003872084760000065
Figure BDA0003872084760000066
其中，q为子块编号，为从1到Np的整数，Np为分割子块个数，初始的分割子块个数Np为1，块个数为1，当均值归一化去平地相干系数
Figure BDA0003872084760000067
小于设定相干性阈值时(如0.6)，增加Np的个数，其中Np∈{n2,n＝1,2,3.....}，直到
Figure BDA0003872084760000068
满足相干性阈值，如果均不满足要求，则选取
Figure BDA0003872084760000069
最大时的Np进行分割，来计算均值归一化去平地相干系数。
步骤103：通过对均值归一化去平地相干系数的分布插值计算峰值精确位置作为网格块的距离向偏移量，记录峰值大小作为最优相干系数，并对多峰值情况加权估计网格块偏移量。
具体地，得到了每个网格块在不同距离向偏移量k下的均值归一化去平地相干系数
Figure BDA00038720847600000610
后，首先利用峰值提取方法，获得
Figure BDA00038720847600000611
所有峰值点的大小及其偏移量k，记录最大的峰值作为最优相干系数。随后选取对峰值点及其附近的数个点进行插值，通常为5个，其中插值方法包括并不局限于三次样条插值和立方插值等方法，随后在插值结果中获取峰值的精确位置作为网格块的距离向偏移量。
随后，对于多峰值情况，采用加权的方法估计网格块的距离向偏移量
Figure BDA00038720847600000612
Figure BDA00038720847600000613
其中，P为峰值点的集合，k为集合P中的元素，Δxoff(k)为峰值点对应的偏移量。
步骤104：利用相干性掩膜插值和滤波算法对网格块距离向的偏移量进行平滑处理，得到立体测量相对偏移量图，并结合多项式配准偏移量图计算立体测量绝对偏移量，经去平地处理得到立体测量相对高程图。
具体地，将峰值估计时记录的相系数图中系数较低的值视为无效区域，采用掩膜对这些区域标记为无效。对掩膜筛选掉的无效位置进行二维插值，插值方法包括并不局限于二次样条插值、立方插值等常规插值方法。
随后按顺序采用中值滤波和非局部均值滤波滤波算法，对网格块距离向的偏移量进行平滑处理，得到立体测量相对偏移量图。随后，结合多项式配准偏移量图计算立体测量绝对偏移量，进行几何转换和去平地处理，计算每个点处的立体测量相对高程h：
Figure BDA0003872084760000071
其中，hflt为去平地高度，可根据干涉测量的去平地过程获取，ΔxNr为步骤101中提到的距离向粗配准偏移量；Δhstereo为立体测量偏移量对应的高度向分辨率，其表达式为：
Figure BDA0003872084760000072
其中，ρ为SAR主单视角复数图像距离向采样分辨率，θm为主单视角复数图像下视角，Rm、Rs分别为主、辅单视复数图像的斜距，Blen为基线总长度，Δθ为为主、辅单视复数图像的入射角差。最后，获得雷达坐标系下的立体测量相对高程图h。
步骤105：根据立体测量距离向相对偏移量图，对粗配准后的辅单视复数图像进行重采样，得到精细配准的辅单视复数图像，在进行干涉处理得到高质量干涉相位图。
具体地，将立体测量距离向相对偏移量图插值到与粗配准的辅SLC图像相同的像素尺寸，插值方法包括并不局限于常见的二维双线性插值、二维立方插值方法等。依据查询之后的距离向相对偏移量图，对粗配准后的辅单视复数图像进行重采样移动，得到精细配准的辅单视复数图像。
随后，对主单视复数图像和精细配准的辅单视复数图像进行常规的干涉处理操作，得到精细配准的高质量干涉相位图。
下面结合具体实施例对本发明的技术方案作进一步详细说明。
实施例1
采用ALOS卫星SAR传感器(PALSAR)山脉地区实测数据验证本发明的技术方案。图3是多项式配准方法得到的干涉相位图，图4是本发明中的精细配准方法得到的干涉相位图，图5是多项式配准干涉相位图的局部细节图，图6是本发明中的精细配准干涉相位图的局部细节图，图7是多项式配准干涉相位图的相干系数，图8是本发明中的精细配准干涉相位图的相干系数，图9是本发明中滤波后的立体测量相对高程的结果，可以看出，相比互相关多项式配准方法得到的干涉相位图，本发明中提出的精细配准方法得到的干涉相位图质量明显提升，条纹更加清晰，相干系数更高。根据统计结果表明，干涉相位图的平均相干系数由0.51提升到0.60。此外，本发明检测出的立体测量结果能够反映出地形的绝对变化量，给InSAR处理带来误差检测等作用。
以上所述，仅为本发明的部分实施例而已，并非用于限定本发明的保护范围。

Claims (7)

1.一种星载InSAR图像精细配准与立体测量方法，其特征在于，包括如下步骤：
步骤101、利用基于互相关和多项式拟合的配准方法，计算多项式配准偏移量图和粗配准的辅单视复数图像；
步骤102、对主单视复数图像和粗配准的辅单视复数图像进行网格分块，基于改进的均值归一化去平地相干系数计算辅单视复数图像块在不同偏移量下的相干系数；
步骤103、通过对步骤102中计算的不同偏移量下的相干系数分布插值计算峰值精确位置作为网格块的距离向偏移量，记录峰值大小作为最优相干系数，并对多峰值情况加权估计网格块偏移量；
步骤104、利用相干性掩膜插值和滤波算法对网格块距离向的偏移量进行平滑处理，得到立体测量距离向相对偏移量图，并结合多项式配准偏移量图计算立体测量绝对偏移量，经去平地处理得到立体测量相对高程图；
步骤105、根据立体测量距离向相对偏移量图，对粗配准后的辅单视复数图像进行重采样，得到精细配准的辅单视复数图像，在进行干涉处理得到高质量干涉相位图。
2.根据权利要求1所述的一种星载InSAR图像精细配准与立体测量方法，其特征在于，所述步骤101具体包括：
先在主、辅单视复数图像同一区域中选取一定数量的区块，采用互相关方法进行配准，再利用多项式对配准偏移结果进行拟合，得到粗配准偏移量，对辅单视复数图像进行重采样，得到粗配准的辅单视复数图像，减少精细配准的搜索范围。
3.根据权利要求2所述的一种星载InSAR图像精细配准与立体测量方法，其特征在于，所述步骤102具体包括：
对主单视复数图像和粗配准的辅单视复数图像以固定窗口大小进行网格块划分，随后估计偏移量的搜索范围和间距，基于均值归一化去平地相干系数，计算辅单视复数图像块在不同偏移量下的相干系数。
4.根据权利要求3所述的一种星载InSAR图像精细配准与立体测量方法，其特征在于，所述步骤103具体包括：
计算均值归一化去平地相干系数分布的峰值点位置，对峰值点及其附近的数个点进行插值，计算最大值的精确位置作为网格块的距离向偏移量，并将该最大值作为最优相干系数；对于多峰值情况，利用峰值大小作为权重，加权估计峰值的位置，作为网格块的距离向偏移量。
5.根据权利要求4所述的一种星载InSAR图像精细配准与立体测量方法，其特征在于，所述步骤104具体包括：
对峰值估计时记录的相系数图中系数较低的值进行掩膜处理，对掩膜遮盖的位置进行插值，随后采用中值滤波和非局部均值滤波算法对网格块的距离向偏移量进行平滑处理，得到立体测量相对偏移量图；随后，结合多项式配准偏移量图计算立体测量绝对偏移量，经去平地处理获得雷达坐标系下的立体测量相对高程图。
6.根据权利要求5所述的一种星载InSAR图像精细配准与立体测量方法，其特征在于，所述步骤105具体包括：
对立体测量相对偏移量图进行插值，使其与粗配准的辅单视复数图像的尺寸相同，依据每个像素的偏移量值对粗配准的辅单视复数图像进行重采样，得到精细配准的辅单视复数图像；随后对主单视复数图像和精细配准的辅单视复数图像进行干涉处理，得到高质量干涉相位图。
7.根据权利要求3所述的一种星载InSAR图像精细配准与立体测量方法，其特征在于，所述均值归一化去平地相干系数的计算方法如下：
所述首先以网格形式，将图像块再次均匀分割为Np个子块，分别计算每个子块的相干系数γq：
Figure FDA0003872084750000021
其中，Im、Is分别为子图像块区域内的主、辅单视复数图像，
Figure FDA0003872084750000022
为Is的共轭，E{}表示对所有的元素求均值，
Figure FDA0003872084750000023
表示自然常数e的
Figure FDA0003872084750000024
次方，|Im|2表示计算Im中每个元素的模的平方，|Is|2表示计算Is中每个元素的模的平方，γq中的q表示子块编号。；
随后再对这些子块进行均值，从而得到均值归一化去平地相干系数
Figure FDA0003872084750000025
Figure FDA0003872084750000026
其中，q为子块编号，为从1到Np的整数，Np为分割子块个数，初始的分割子块个数Np为1，当均值归一化去平地相干系数
Figure FDA0003872084750000027
小于设定相干性阈值时，增加Np的个数，其中Np∈{n2,n＝1,2,3.....}，直到
Figure FDA0003872084750000028
满足相干性阈值，如果不满足要求，则选取
Figure FDA0003872084750000029
最大时的Np作为最优结果。
CN202211199977.1A 2022-09-29 2022-09-29 一种星载InSAR图像精细配准与立体测量方法 Pending CN115546264A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211199977.1A CN115546264A (zh) 2022-09-29 2022-09-29 一种星载InSAR图像精细配准与立体测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211199977.1A CN115546264A (zh) 2022-09-29 2022-09-29 一种星载InSAR图像精细配准与立体测量方法

Publications (1)

Publication Number Publication Date
CN115546264A true CN115546264A (zh) 2022-12-30

Family

ID=84730796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211199977.1A Pending CN115546264A (zh) 2022-09-29 2022-09-29 一种星载InSAR图像精细配准与立体测量方法

Country Status (1)

Country Link
CN (1) CN115546264A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116580284A (zh) * 2023-07-14 2023-08-11 中国科学院空天信息创新研究院 一种基于深度学习的干涉合成孔径雷达偏移量测量方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116580284A (zh) * 2023-07-14 2023-08-11 中国科学院空天信息创新研究院 一种基于深度学习的干涉合成孔径雷达偏移量测量方法
CN116580284B (zh) * 2023-07-14 2023-09-15 中国科学院空天信息创新研究院 一种基于深度学习的干涉合成孔径雷达偏移量测量方法

Similar Documents

Publication Publication Date Title
CN111208512B (zh) 一种基于视频合成孔径雷达的干涉测量方法
CN107102333B (zh) 一种星载InSAR长短基线融合解缠方法
CN109633648B (zh) 一种基于似然估计的多基线相位估计装置及方法
CN111896955B (zh) 一种船载sar交轨干涉处理方法
CN109212522B (zh) 一种基于双基星载sar的高精度dem反演方法及装置
CN111856459B (zh) 一种改进的DEM最大似然约束多基线InSAR相位解缠方法
CN113340191B (zh) 时间序列干涉sar的形变量测量方法及sar系统
CN108663678B (zh) 基于混合整数优化模型的多基线InSAR相位解缠算法
CN112711021B (zh) 一种多分辨率InSAR交互干涉时序分析方法
CN114791273B (zh) 一种针对滑坡的InSAR形变监测结果解释方法
CN112068136A (zh) 一种基于幅度偏移量的方位向形变监测方法
CN109509219B (zh) 基于最小生成树的InSAR时序影像集合的配准方法
CN113093184B (zh) 一种基于视频合成孔径雷达的干涉测量方法
CN112051572A (zh) 一种融合多源sar数据三维地表形变监测方法
Dong et al. Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry
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
CN109633639A (zh) Topsar干涉数据的高精度快速配准方法
CN115546264A (zh) 一种星载InSAR图像精细配准与立体测量方法
CN110703252B (zh) 干涉合成孔径雷达阴影区域数字高程模型修正方法
CN115097450A (zh) 跨轨道高分三号sar偏移量大梯度滑坡形变估计方法
CN113238228B (zh) 基于水准约束的三维地表形变获取方法、系统及装置
CN112596055B (zh) 一种改正InSAR DEM残余系统误差的方法
CN110618409B (zh) 顾及叠掩及阴影的多通道InSAR干涉图仿真方法及系统
CN109035312B (zh) 一种dem辅助的sar图像高精度配准方法
Noh et al. Applications of high-resolution, cross-track, pushbroom satellite images with the SETSM algorithm

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