CN116908853B - 高相干点选取方法、装置和设备 - Google Patents
高相干点选取方法、装置和设备 Download PDFInfo
- Publication number
- CN116908853B CN116908853B CN202311176008.9A CN202311176008A CN116908853B CN 116908853 B CN116908853 B CN 116908853B CN 202311176008 A CN202311176008 A CN 202311176008A CN 116908853 B CN116908853 B CN 116908853B
- Authority
- CN
- China
- Prior art keywords
- point
- high coherence
- target
- coherence
- points
- 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
- 238000010187 selection method Methods 0.000 title claims description 19
- 238000001914 filtration Methods 0.000 claims abstract description 60
- 230000003044 adaptive effect Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000014759 maintenance of location Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 abstract description 12
- 238000005305 interferometry Methods 0.000 abstract description 11
- 230000001427 coherent effect Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种高相干点选取方法、装置和设备，属于合成孔径雷达干涉测量的技术领域，该方法包括：根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；基于自适应滤波模型从目标候选高相干点中确定目标高相干点；自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。本发明的方法实现了合成孔径雷达干涉测量场景中PS点的准确高效的选取，避免了将不可靠的PS点选做PS点的风险，从而可以在减少数据冗余的同时兼顾高相干点的选取质量，有效地提升形变测量精度及效率。
Description
技术领域
本发明涉及合成孔径雷达干涉测量的技术领域，尤其涉及一种高相干点选取方法、装置和设备。
背景技术
永久散射体合成孔径雷达干涉测量(Persistent Scatterer InterferometricSynthetic Aperture Radar，PS-InSAR)技术在传统的星载合成孔径雷达差分干涉测量（Differential Intereferometric Synthetic Aperture Radar，D-InSAR）技术上，进行永久散射体（permanent scatterer，PS）点的选择，很好的克服了传统D-InSAR技术时空失相干带来的影响，提高了形变结果的精度。
相关技术中，PS点的选取过程中，一方面需要选取尽可能多的PS点，另一方面也要防止将不可靠的PS点选做PS点，因而如何准确高效的进行PS点的选取是本领域技术人员亟需解决的技术问题。
发明内容
针对现有技术中的问题，本发明实施例提供一种高相干点选取方法、装置和设备。
具体地，本发明实施例提供了以下技术方案：
第一方面，本发明实施例提供了一种高相干点选取方法，包括：
根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；
基于自适应滤波模型从所述目标候选高相干点中确定目标高相干点；所述自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
进一步地，基于如下公式构建所述自适应滤波模型：
；
其中，表示搜索窗口内第j个目标候选高相干点的质量评价结果；M表示搜索窗口内目标候选高相干点保留数量；/>表示搜索窗口内第j个目标候选高相干点的相干系数值；/>表示搜索窗口内目标候选高相干点的相干系数均值。
进一步地，所述基于自适应滤波模型从所述目标候选高相干点中确定目标高相干点，包括：
预设N组搜索条件，利用自适应滤波模型从所述目标候选高相干点中确定N组搜索条件分别对应的高相干点；所述搜索条件包括搜索半径和搜索窗口内目标候选高相干点保留数量；
根据N组搜索条件、N组搜索条件分别对应的高相干点，生成N个拟合公式；所述拟合公式用于表示搜索条件与高相干点的线性关系；
根据N个拟合公式中各个拟合公式的决定系数的大小，从N个拟合公式中确定目标拟合公式；
利用所述目标拟合公式，从所述目标候选高相干点中确定目标高相干点。
进一步地，所述利用所述目标拟合公式，从所述目标候选高相干点中确定目标高相干点，包括：
将所述目标拟合公式对应的搜索条件作为目标搜索条件；
将所述目标搜索条件下，利用自适应滤波模型确定出的高相干点，作为所述目标高相干点。
进一步地，所述拟合公式基于如下公式确定：
；
其中，r表示搜索条件中的搜索半径；n表示搜索条件中的搜索窗口内目标候选高相干点保留数量；Y表示基于搜索条件中的搜索半径r、搜索条件中的搜索窗口内目标候选高相干点保留数量n，利用自适应滤波模型从目标候选高相干点中确定出的高相干点；A、B、C表示拟合公式中的拟合系数。
进一步地，所述根据SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点，包括：
根据SAR图像对应的干涉图中各个像素点的相干系数均值和第一阈值，确定第一候选PS点；
根据SAR图像对应的干涉图中各个像素点的振幅离差值和第二阈值，确定第二候选PS点；
根据SAR图像对应的干涉图中各个像素点的均值强度和第三阈值，确定第三候选PS点；
根据所述第一候选PS点、第二候选PS点和所述第三候选PS点，确定所述目标候选高相干点。
第二方面，本发明实施例还提供了一种高相干点选取装置，包括：
获取模块，用于根据SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；
选取模块，用于基于自适应滤波模型从所述目标候选高相干点中确定目标高相干点；所述自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述高相干点选取方法。
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述高相干点选取方法。
第五方面，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，所述计算机程序被处理器执行时实现如第一方面所述高相干点选取方法。
本发明实施例提供的高相干点选取方法、装置和设备，根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点之后，进一步基于自适应滤波模型对各个目标候选高相干点的质量进行评价，并将目标候选高相干点中符合质量要求的相干点作为最终确定的目标高相干点，实现了合成孔径雷达干涉测量场景中PS点的准确高效的选取，避免了将不可靠的PS点选做PS点的风险，从而可以在减少数据冗余的同时兼顾高相干点的选取质量，有效地提升形变测量精度及效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明实施例提供的高相干点选取方法的流程示意图；
图2是本发明实施例提供的高相干点选取方法的另一流程示意图；
图3是本发明实施例提供的基于相干系数方式得到的目标候选高相干点的选点结果示意图；
图4是本发明实施例提供的基于振幅离差方式得到的目标候选高相干点的选点结果示意图；
图5是本发明实施例提供的多重阈值选点点集的示意图；
图6是本发明实施例提供的采用自适应滤波筛选后所选取高相干点的示意图；
图7是本发明实施例提供的高相干点选取装置的结构示意图；
图8是本发明实施例提供的电子设备的结构示意图。
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，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，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作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。
本发明实施例的方法可以应用于合成孔径雷达干涉测量场景中，避免了将不可靠的PS点选做PS点的风险，从而可以在减少数据冗余的同时兼顾高相干点的选取质量，有效地提升形变测量精度及效率。
相关技术中，PS点的选取过程中，一方面需要选取尽可能多的PS点，另一方面也要防止将不可靠的PS点选做PS点，因而如何准确高效的进行PS点的选取是本领域技术人员亟需解决的技术问题。
本发明实施例的高相干点选取方法，根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点之后，进一步基于自适应滤波模型对各个目标候选高相干点的质量进行评价，并将目标候选高相干点中符合质量要求的相干点作为最终确定的目标高相干点，实现了合成孔径雷达干涉测量场景中PS点的准确高效的选取，避免了将不可靠的PS点选做PS点的风险，从而可以在减少数据冗余的同时兼顾高相干点的选取质量，有效地提升形变测量精度及效率。
为了便于更加清晰地理解本申请各实施例的技术方案，首先对本申请各实施例相关的一些技术内容进行介绍。
PS-InSAR技术在传统的D-InSAR技术上，进行永久散射体的选择，很好的克服了传统D-InSAR技术时空失相干带来的影响，提高了形变结果的精度。该技术主要是通过永久散射体这种特质优良的点，一般指具有相对稳定或者亮度较高的自然、人造地物，进行差分干涉后，获取该范围内具有稳定散射特性的像元形成高相干点集，提取这些点集的历史形变信息，进行地面沉降监测。
在SAR影像中，地面分辨率单元反射的回波不仅包含自身的反射、散射回波，还包含许多其它的离散体散射波。因此，目标物体的反射值就是其自身和其他特征的和。连贯的散射波相干性随散射体与雷达视角的相对运动而变化。当目标散射体以外的目标物发生变化时，如果某一像素接收到的回波信号的相位和幅度变化很小，则雷达回波的相位可以直接得到目标散射体的运动趋势。当其中一个分辨元件比其他散射元件高得多时，像素的相位由散射元件决定，其他散射元件的影响很小，去相关度为零。形成良好质量的合成孔径雷达图像干涉图。永久散射像素单元，即其反射回波只受一个散射体的影响，其像素特性与点散射体相似。SAR影像从信号传送、接收、形成产品一系列的过程中，有许多因素对其质量造成影响，如传感器灵敏度、天线增益、入射角、地形起伏和大气效应。PS点获取的信息是否可靠取决于PS点本身的质量。PS点本身相干性不受时间、位置的影响，能对地表形变过程进行反演，得到可靠的形变结果。
一般情况，将SAR影像数据与外源DEM进行配准后，利用永久散射体的散射特性，先采用相关选点方法进行高相干点的初筛，确定初选PS点的相关参数，并根据差分干涉相位对初选点进行迭代计算，获取所需高相干点集。将获取的PS点集进行组网、相位解缠，从多种相位值中分离出形变，获得该范围的非线性形变量。但是，由于外源DEM本身也存在误差，所以在误差消除的过程中，依旧会有残留。一般将残留的地形相位设置为一个参数，在后续计算中便于消除。对于某点的大气相位，一般情况，在区域较小的情况下，大气延迟忽略不计，所以，相邻较近距离的PS点受大气影响小，将影像进行差分干涉后再次进行差分可以减弱大气效应的影响。噪声相位来自于SAR系统自身，将数据进行差分后其影响将会微乎其微。
虽然基于InSAR技术的人工构筑物形变监测已取得部分成果，时序InSAR技术的发展使得地表形变结果的精度得到空前的提高，但处理过程相对繁杂，影响因素众多。就PS-InSAR技术而言，在数据时间跨度较大，数据量较多时，以单一影像作为主影像，易形成较大的时空基线，部分干涉对易受到时空失相干的影响，而在数据时间跨度较小时，数据量较少，不易得到较好的误差去除结果。目前已有高相干点选取方法并不完善，当根据相干性系数选点的时候，所选搜索窗口过大时，会造成旁瓣效应，当所选窗口较小时，会对相干点的相干性过高估计。改进后相干性系数方法，仅仅使用时间序列上的相干性系数的平均值作为评价指标，忽略了某些点在某段表现出较好的相干性，在其他时段相干性较低，造成误选。因此，在进行后续相干点时序相位分析过程中，不可避免的会带入额外误差，影响最终的形变提取精度。
下面结合图1-图8以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本发明实施例提供的高相干点选取方法一实施例的流程示意图。如图1所示，本实施例提供的方法，包括：
步骤101、根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；
具体地，为了实现PS点的高效准确的选取，本申请实施例中首先根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；可选地，可以根据SAR时间序列图像选取主影像，计算主影像匹配窗口和主影像与辅影像搜索窗口间的偏移矢量，求取两者之间的变换多项式，从而实现配准并生成SAR图像对应的干涉图；进而根据干涉图中各个像素点的目标特征，如根据干涉图中各个像素点的相干系数值、和/或干涉图中各个像素点的振幅离差，确定多个目标候选高相干点。
步骤102、基于自适应滤波模型从目标候选高相干点中确定目标高相干点；自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
具体地，在根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点之后，本申请实施例中，基于自适应滤波模型从目标候选高相干点中确定出目标高相干点；其中，自适应滤波模型用于对各个目标候选高相干点的质量进行评价；也就是在确定出多个目标候选高相干点之后，本申请实施例中进一步基于自适应滤波模型对各个目标候选高相干点的质量进行评价，进而将目标候选高相干点中符合质量要求的相干点作为最终确定的目标高相干点。可选地，自适应滤波模型可以基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价；例如，将相干系数值大于搜索窗口内目标候选高相干点的相干系数均值的相干点作为符合质量要求的相干点，并将其作为最终确定的目标高相干点，实现了合成孔径雷达干涉测量场景中PS点的准确高效的选取，避免了将不可靠的PS点选做PS点的风险，从而可以在减少数据冗余的同时兼顾高相干点的选取质量，有效地提升形变测量精度及效率。
上述实施例的方法，根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点之后，进一步基于自适应滤波模型对各个目标候选高相干点的质量进行评价，并将目标候选高相干点中符合质量要求的相干点作为最终确定的目标高相干点，实现了合成孔径雷达干涉测量场景中PS点的准确高效的选取，避免了将不可靠的PS点选做PS点的风险，从而可以在减少数据冗余的同时兼顾高相干点的选取质量，有效地提升形变测量精度及效率。
在一实施例中，基于如下公式构建自适应滤波模型：
；
其中，表示搜索窗口内第j个目标候选高相干点的质量评价结果；M表示搜索窗口内目标候选高相干点保留数量；/>表示搜索窗口内第j个目标候选高相干点的相干系数值；/>表示搜索窗口内目标候选高相干点的相干系数均值。
具体地，本申请实施例中利用自适应滤波模型对目标候选高相干点的质量进行评价和筛选，从而在减少数据冗余的同时兼顾高相干点的选取质量，有效地提升形变测量精度及效率。可选地，本申请实施例中基于如下公式构建自适应滤波模型：
；
其中，表示搜索窗口内第j个目标候选高相干点的质量评价结果；M表示搜索窗口内目标候选高相干点保留数量；/>表示搜索窗口内第j个目标候选高相干点的相干系数值；/>表示搜索窗口内目标候选高相干点的相干系数均值。可选地，本申请实施例中可以依据SAR影像的分辨率和点集中目标候选高相干点的数量，确定搜索半径与每个搜索窗口中保留相干点的数量M，进一步通过计算搜索窗口内第j个目标候选高相干点的相干系数值与搜索窗口内目标候选高相干点的相干系数均值/>之间的标准离差值，从而实现对目标候选高相干点的质量的准确评价和筛选。可选地，标准离差值越大时，偏离越大；标准离差值较小时，表明该目标候选高相干点偏离较小，质量较好。可选地，可以对搜索窗内的目标候选高相干点的质量/>进行排序，并且结合该点邻域一定范围内的点密度的分布，进行高质量相干点的筛选和选取，从而达到准确高效的进行合成孔径雷达干涉测量场景中高相干点选取的效果。
上述实施例的方法，基于自适应滤波模型，通过计算搜索窗口内第j个目标候选高相干点的相干系数值与搜索窗口内目标候选高相干点的相干系数均值/>之间的标准离差值，量化了相干点质量的评价方式和标准，从而也就可以准确高效地实现对目标候选高相干点的筛选，避免了将不可靠的PS点选做PS点的风险，有效地提升了形变测量精度及效率。
在一实施例中，基于自适应滤波模型从目标候选高相干点中确定目标高相干点，包括：
预设N组搜索条件，利用自适应滤波模型从目标候选高相干点中确定N组搜索条件分别对应的高相干点；搜索条件包括搜索半径和搜索窗口内目标候选高相干点保留数量；
根据N组搜索条件、N组搜索条件分别对应的高相干点，生成N个拟合公式；拟合公式用于表示搜索条件与高相干点的线性关系；
根据N个拟合公式中各个拟合公式的决定系数的大小，从N个拟合公式中确定目标拟合公式；
利用目标拟合公式，从目标候选高相干点中确定目标高相干点。
具体地，本申请实施例中通过预设N组搜索条件，也就是通过设置不同的搜索半径和搜索窗口内目标候选高相干点保留数量，然后基于自适应滤波模型从目标候选高相干点中确定N组搜索条件分别对应的高相干点；可选地，一组搜索条件对应一组筛选出的高相干点；进而基于N组搜索条件也就可以得到对应的N组高相干点。
可选地，在基于N组搜索条件，利用自适应滤波模型从目标候选高相干点中确定N组搜索条件分别对应的高相干点之后，本申请实施例中根据N组搜索条件、N组搜索条件分别对应的高相干点，生成N个拟合公式；也就是针对每一组搜索条件及对应的高相干点，将搜索条件中的搜索半径、搜索窗口内目标候选高相干点保留数量，以及搜索条件对应的高相干点三者进行拟合，得到拟合公式；可选地，将搜索条件中的搜索半径、搜索窗口内目标候选高相干点保留数量作为2个自变量，将搜索条件对应的高相干点作为因变量进行拟合，得到拟合公式，从而通过拟合公式实现了搜索条件与高相干点的线性关系的准确描述。
可选地，对于不同的搜索条件，由于搜索半径、搜索窗口内目标候选高相干点保留数量的不同，基于自适应滤波模型从目标候选高相干点中确定出的高相干点的结果也不同；进而基于不同的搜索条件和对应的高相干点确定出的各个拟合公式也不同。为了从N个拟合公式中确定出拟合程度最大的拟合公式，本申请实施例中根据N个拟合公式中各个拟合公式的决定系数R Square的大小，从N个拟合公式中确定目标拟合公式；可选地，可以将N个拟合公式中决定系数最大的拟合公式作为目标拟合公式，也就是在N个拟合公式中目标拟合公式的拟合程度和精准度最高；进而利用目标拟合公式，也就可以从目标候选高相干点中精准地确定出目标高相干点，提升高相干点的选取质量。
上述实施例的方法，在基于N组搜索条件，利用自适应滤波模型从目标候选高相干点中确定N组搜索条件分别对应的高相干点之后，通过将搜索条件中的搜索半径、搜索窗口内目标候选高相干点保留数量作为2个自变量，将搜索条件对应的高相干点作为因变量进行拟合，描述搜索条件与高相干点的线性关系，得到N个拟合公式，并从N个拟合公式中确定出拟合程度和精准度最高的拟合公式作为目标拟合公式，进而利用目标拟合公式也就可以从目标候选高相干点中精准地确定出目标高相干点，提升高相干点的选取质量。
在一实施例中，利用目标拟合公式，从目标候选高相干点中确定目标高相干点，包括：
将目标拟合公式对应的搜索条件作为目标搜索条件；
将目标搜索条件下，利用自适应滤波模型确定出的高相干点，作为目标高相干点。
具体地，本申请实施例中根据N个拟合公式中各个拟合公式的决定系数R Square的大小，从N个拟合公式中确定目标拟合公式，也就是从N个拟合公式中确定出拟合程度和精准度最高的拟合公式作为目标拟合公式之后，通过将目标拟合公式对应的搜索条件作为目标搜索条件，并将目标搜索条件下，利用自适应滤波模型确定出的高相干点，作为目标高相干点；由于目标搜索条件与目标拟合公式是相对应的，因而基于目标搜索条件，利用自适应滤波模型确定出的高相干点的准确性也就可以得到保证，从而也就有效地避免了将不可靠的PS点选做PS点的风险，提升了形变测量的精度及效率。
上述实施例的方法，在从N个拟合公式中确定出拟合程度和精准度最高的拟合公式作为目标拟合公式之后，通过将目标拟合公式对应的搜索条件作为目标搜索条件，由于目标搜索条件与目标拟合公式是相对应的，因而基于目标搜索条件，利用自适应滤波模型确定出的高相干点的准确性也就可以得到保证，从而也就有效地避免了将不可靠的PS点选做PS点的风险，提升了形变测量的精度及效率。
在一实施例中，拟合公式基于如下公式确定：
；
其中，r表示搜索条件中的搜索半径；n表示搜索条件中的搜索窗口内目标候选高相干点保留数量；Y表示基于搜索条件中的搜索半径r、搜索条件中的搜索窗口内目标候选高相干点保留数量n，利用自适应滤波模型从目标候选高相干点中确定出的高相干点；A、B、C表示拟合公式中的拟合系数。
具体地，本申请实施例中针对每一组搜索条件及对应的高相干点，将搜索条件中的搜索半径、搜索窗口内目标候选高相干点保留数量，以及搜索条件对应的高相干点三者进行拟合，得到拟合公式；可选地，将搜索条件中的搜索半径、搜索窗口内目标候选高相干点保留数量作为2个自变量，将搜索条件对应的高相干点作为因变量进行拟合，得到拟合公式；可选地，搜索条件中的搜索半径、搜索窗口内目标候选高相干点保留数量，以及搜索条件对应的高相干点三者基于如下公式进行拟合：
；
其中，r表示搜索条件中的搜索半径；n表示搜索条件中的搜索窗口内目标候选高相干点保留数量；Y表示基于搜索条件中的搜索半径r、搜索条件中的搜索窗口内目标候选高相干点保留数量n，利用自适应滤波模型从目标候选高相干点中确定出的高相干点；A、B、C表示拟合公式中的拟合系数，从而基于拟合结果也就实现了对搜索条件与高相干点的线性关系的准确描述。
上述实施例的方法，通过将搜索条件中的搜索半径、搜索窗口内目标候选高相干点保留数量，以及搜索条件对应的高相干点三者进行拟合，从而基于拟合结果也就实现了对搜索条件与高相干点的线性关系的准确描述。
在一实施例中，根据SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点，包括：
根据SAR图像对应的干涉图中各个像素点的相干系数均值和第一阈值，确定第一候选PS点；
根据SAR图像对应的干涉图中各个像素点的振幅离差值和第二阈值，确定第二候选PS点；
根据SAR图像对应的干涉图中各个像素点的均值强度和第三阈值，确定第三候选PS点；
根据第一候选PS点、第二候选PS点和第三候选PS点，确定目标候选高相干点。
具体地，本申请实施例中，根据SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；可选地，根据SAR图像对应的干涉图中各个像素点的相干系数均值和第一阈值，确定第一候选PS点；根据SAR图像对应的干涉图中各个像素点的振幅离差值和第二阈值，确定第二候选PS点；根据SAR图像对应的干涉图中各个像素点的均值强度和第三阈值，确定第三候选PS点；其中，振幅离差值能将地物进行区分，而且地物边界清晰；均值强度能够对建筑物进行区分，例如针对具有高散射性的地物，例如建筑、桥梁等一般具有较高的强度值，可以将该区域范围内的每点的均值强度作为提取目标候选高相干点的标准。也就是本申请中通过干涉图中像素点的多种目标特征，基于不同地物类型在不同选点方法下的阈值，综合形成多重阈值选点点集，也就确定出了目标候选高相干点；进而基于自适应滤波模型对各个目标候选高相干点的质量进行评价，并将目标候选高相干点中符合质量要求的相干点作为最终确定的目标高相干点，从而兼顾了高相干点的数量和质量，有效地提升形变测量精度及效率。
示例性的，本申请实施例中的高相干点选取方法的具体流程如图2所示：
首先，与外源DEM配准，根据SAR时间序列图像选取主影像，计算主影像匹配窗口和主影像与辅影像搜索窗口间的偏移矢量，求取两者之间的变换多项式，从而实现配准。
计算形成干涉图，分析采集于同一地区的N+1景影像，求取干涉对组合，估算时间基线及空间基线。
然后，根据多重阈值进行PS点的选取：
利用干涉对的相干性系数大小为依据进行PS点的筛选，利用/>可以求取其信噪比，判断是否为PS点：
①设定一个阈值Tn，分别计算每个像素点对应的相干系数均值：
；
假设，>Tn 则该点是高相干点，反之，则不是。
②设定一个阈值Tn，取；
假设，<Tn则该点是高相干点，反之，则不是。
利用振幅离差值进行PS点的选取：
；
设定某一阈值Tn，对于像元所对应的振幅离差值，存在时/>，则该点被选为PS候选点，否则该点不是高相干点。
均值强度选点，针对具有高散射性的地物，例如建筑、桥梁等一般具有较高的强度值，可以将该区域范围内的每点的均值强度作为提取高相干点目标的标准。设定一定的阈值，当所选点均值强度大于该设定阈值时，即为候选点。示例性的，基于相干系数方式得到的目标候选高相干点的选点结果如图3所示。基于振幅离差方式得到的目标候选高相干点的选点结果如图4所示。
综合以上多种方法，确定多重阈值选点点集。示例性的，多重阈值选点点集如图5所示。
接着，针对以上多种阈值点集进行评价，采用相干系数进行高相干点的筛选时，当所选窗口过大时，会造成旁瓣效应，振幅离差值能将地物基本进行区分，地物边界清晰，但是均值强度只能对建筑物进行简单的区分，边缘模糊。综合形成多重阈值选点点集。
例如，针对以上多种阈值点集进行评价，该研究区范围为14500像元乘以13000像元，即在该研究区范围内共有1885000000个像元值，在该研究区范围内，将相干性系数值设置为0.4时，可选取到1793800个高相干点。将振幅离差值设置为1.85时，得到了共计223395个高相干点，将两种方法进行结合获取相干点数。
利用自适应滤波算法对以上多重阈值PS点集进一步筛选。考虑到SAR影像的分辨率和点集中总点的数量，据此确定搜索半径与每个搜索窗口中保留相干点的数量。针对上个步骤所选取的高相干点进行质量评价，计算该点相干系数值，并且根据每个划分的窗口求取该点的标准离差值：
M是该窗口内相干点的个数，是第j个相干点处的相干系数值，/>是该窗口内相干点的相关系数均值。当点标准离差值越大时，偏离越大，当标准离差值较小时，证明该点偏离较小。质量较好。根据/>对该范围内的相干点进行排序，并且结合该点邻域一定范围内的点密度的分布，进行高质量相干点的筛选。
例如，利用自适应滤波算法对以上多重阈值PS点集进一步筛选。根据以上多重阈值选取高相干点，剔除掉点集质量较差，最终获得高相干点数目为701062个。
也就是针对在一个感兴趣的特定区域，既包含建筑物区域，又包含农村和植被等区域的情况时，所提取的相干点在空间上的分布就不均匀，一般在人造地物以及建筑物等区域会有较密集的相干点，在较为空旷的农田以及水体等区域，所选取的相干点会比较稀疏，最后选点结果会在空间上呈现分布不均。因此，本发明采用自适应滤波的方式对目标区域相干点目标进行筛选以及分级处理，仅保留目标区域的最佳点，这样不仅提高了运算效率，而且保证了信息的完整性。
选取窗口分别为10、20、30...90、100像素值的均等间隔十组，依共计200组窗口半径以及保留点数，去相干点的进一步筛选，同时为了减小量值，方便对比，将数额巨大的高相干点数目进行归一化。
定量化分析窗口半径-保留点数与高相干点数目之间线性关系，拟合关系式如下：
；
其中r为窗口半径，n为保留点数，Y为使用自适应滤波后所保留高相干点数。RSquare=0.847566，拟合结果较好。
窗口半径系数为负，保留点数为正，说明高相干点数目与窗口半径呈负相关，与保留点数呈正相关。
根据干涉对质量拟合分析，选取窗口半径为100，保留点数为45的滤波窗口，进行筛选，最终剩余196273个高相干点，点集数量减少了72％，很大程度上减少了数据冗余，大大提高了运算效率。即考虑到SAR影像的分辨率和点集中总点的数量，据此确定搜索半径与每个搜索窗口中保留相干点的数量。针对所选取的高相干点进行质量评价，可得该点相干系数值，并且根据每个划分的窗口求取该点的标准离差值作为该点质量的评价指标。最终选择合适的窗口半径及保留点数，在最大限度内提高点集质量，减少数据冗余，提高形变精度。示例性的，采用自适应滤波筛选后所选取高相干点如图6所示。
上述高相干点选取方法，解决了数据时间跨度较大、数据量较多、单一影像作为主影像等带来的较大时空基线、部分干涉对受时空失相干影像等问题，得到了较好的误差去除结果；并通过划分典型地物，探究了不同地物类型在不同选点方法下的阈值规律表达；而且利用自适应滤波根据不同的窗口和保留的点数进行进一步筛选，得到所保留的点数、窗口大小、剩余高相干点之间的关系，定量化表示保留点数、窗口半径以及高相干点三者间的关系，减少了数据冗余，提高运算精度及效率。
下面对本发明提供的高相干点选取装置进行描述，下文描述的高相干点选取装置与上文描述的高相干点选取方法可相互对应参照。
图7是本发明提供的高相干点选取装置的结构示意图。本实施例提供的高相干点选取装置，包括：
获取模块710，用于根据SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；
选取模块720，用于基于自适应滤波模型从目标候选高相干点中确定目标高相干点；自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
可选地，基于如下公式构建自适应滤波模型：
；
其中，表示搜索窗口内第j个目标候选高相干点的质量评价结果；M表示搜索窗口内目标候选高相干点保留数量；/>表示搜索窗口内第j个目标候选高相干点的相干系数值；/>表示搜索窗口内目标候选高相干点的相干系数均值。
可选地，所述选取模块720，具体用于：预设N组搜索条件，利用自适应滤波模型从目标候选高相干点中确定N组搜索条件分别对应的高相干点；搜索条件包括搜索半径和搜索窗口内目标候选高相干点保留数量；
根据N组搜索条件、N组搜索条件分别对应的高相干点，生成N个拟合公式；拟合公式用于表示搜索条件与高相干点的线性关系；
根据N个拟合公式中各个拟合公式的决定系数的大小，从N个拟合公式中确定目标拟合公式；
利用目标拟合公式，从目标候选高相干点中确定目标高相干点。
可选地，所述选取模块720，具体用于：将目标拟合公式对应的搜索条件作为目标搜索条件；
将目标搜索条件下，利用自适应滤波模型确定出的高相干点，作为目标高相干点。
可选地，拟合公式基于如下公式确定：
；
其中，r表示搜索条件中的搜索半径；n表示搜索条件中的搜索窗口内目标候选高相干点保留数量；Y表示基于搜索条件中的搜索半径r、搜索条件中的搜索窗口内目标候选高相干点保留数量n，利用自适应滤波模型从目标候选高相干点中确定出的高相干点；A、B、C表示拟合公式中的拟合系数。
可选地，获取模块710，具体用于：根据SAR图像对应的干涉图中各个像素点的相干系数均值和第一阈值，确定第一候选PS点；
根据SAR图像对应的干涉图中各个像素点的振幅离差值和第二阈值，确定第二候选PS点；
根据SAR图像对应的干涉图中各个像素点的均值强度和第三阈值，确定第三候选PS点；
根据第一候选PS点、第二候选PS点和第三候选PS点，确定目标候选高相干点。
本发明实施例的装置，其用于执行前述任一方法实施例中的方法，其实现原理和技术效果类似，此次不再赘述。
图8示例了一种电子设备的实体结构示意图，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行高相干点选取方法，该方法包括：根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；基于自适应滤波模型从目标候选高相干点中确定目标高相干点；自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的高相干点选取方法，该方法包括：根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；基于自适应滤波模型从目标候选高相干点中确定目标高相干点；自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的高相干点选取方法，该方法包括：根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；基于自适应滤波模型从目标候选高相干点中确定目标高相干点；自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种高相干点选取方法，其特征在于，包括：
根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；
基于自适应滤波模型从所述目标候选高相干点中确定目标高相干点；所述自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
2.根据权利要求1所述的高相干点选取方法，其特征在于，基于如下公式构建所述自适应滤波模型：
；
其中，表示搜索窗口内第j个目标候选高相干点的质量评价结果；M表示搜索窗口内目标候选高相干点保留数量；/>表示搜索窗口内第j个目标候选高相干点的相干系数值；表示搜索窗口内目标候选高相干点的相干系数均值。
3.根据权利要求2所述的高相干点选取方法，其特征在于，所述基于自适应滤波模型从所述目标候选高相干点中确定目标高相干点，包括：
预设N组搜索条件，利用自适应滤波模型从所述目标候选高相干点中确定N组搜索条件分别对应的高相干点；所述搜索条件包括搜索半径和搜索窗口内目标候选高相干点保留数量；
根据N组搜索条件、N组搜索条件分别对应的高相干点，生成N个拟合公式；所述拟合公式用于表示搜索条件与高相干点的线性关系；
根据N个拟合公式中各个拟合公式的决定系数的大小，从N个拟合公式中确定目标拟合公式；
利用所述目标拟合公式，从所述目标候选高相干点中确定目标高相干点。
4.根据权利要求3所述的高相干点选取方法，其特征在于，所述利用所述目标拟合公式，从所述目标候选高相干点中确定目标高相干点，包括：
将所述目标拟合公式对应的搜索条件作为目标搜索条件；
将所述目标搜索条件下，利用自适应滤波模型确定出的高相干点，作为所述目标高相干点。
5.根据权利要求4所述的高相干点选取方法，其特征在于，所述拟合公式基于如下公式确定：
；
其中，r表示搜索条件中的搜索半径；n表示搜索条件中的搜索窗口内目标候选高相干点保留数量；Y表示基于搜索条件中的搜索半径r、搜索条件中的搜索窗口内目标候选高相干点保留数量n，利用自适应滤波模型从目标候选高相干点中确定出的高相干点；A、B、C表示拟合公式中的拟合系数。
6.根据权利要求1-5任一项所述的高相干点选取方法，其特征在于，所述根据合成孔径雷达SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点，包括：
根据SAR图像对应的干涉图中各个像素点的相干系数均值和第一阈值，确定第一候选永久散射体PS点；
根据SAR图像对应的干涉图中各个像素点的振幅离差值和第二阈值，确定第二候选PS点；
根据SAR图像对应的干涉图中各个像素点的均值强度和第三阈值，确定第三候选PS点；
根据所述第一候选永久散射体PS点、第二候选PS点和所述第三候选PS点，确定所述目标候选高相干点。
7.一种高相干点选取装置，其特征在于，包括：
获取模块，用于根据SAR图像对应的干涉图中各个像素点的目标特征，确定多个目标候选高相干点；
选取模块，用于基于自适应滤波模型从所述目标候选高相干点中确定目标高相干点；所述自适应滤波模型用于基于搜索窗口内各个目标候选高相干点的相干系数值和搜索窗口内目标候选高相干点的相干系数均值，对各个目标候选高相干点的质量进行评价。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的高相干点选取方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述的高相干点选取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176008.9A CN116908853B (zh) | 2023-09-13 | 2023-09-13 | 高相干点选取方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176008.9A CN116908853B (zh) | 2023-09-13 | 2023-09-13 | 高相干点选取方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116908853A CN116908853A (zh) | 2023-10-20 |
| CN116908853B true CN116908853B (zh) | 2023-11-17 |
Family
ID=88358760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311176008.9A Active CN116908853B (zh) | 2023-09-13 | 2023-09-13 | 高相干点选取方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116908853B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557584B (zh) * | 2024-01-10 | 2024-04-09 | 北京观微科技有限公司 | 水体提取方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108627833A (zh) * | 2018-05-15 | 2018-10-09 | 电子科技大学 | 一种基于GB-InSAR的大气相位补偿方法 |
| 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 |
| CN112034461A (zh) * | 2020-09-01 | 2020-12-04 | 国网山西省电力公司阳泉供电公司 | 基于综合测度的sar图像ps点选取方法 |
| CN116047519A (zh) * | 2023-03-30 | 2023-05-02 | 山东建筑大学 | 一种基于合成孔径雷达干涉测量技术的选点方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765026A (zh) * | 2015-04-29 | 2015-07-08 | 天津市测绘院 | 合成孔径雷达干涉测量数据中地面属性数据的提取方法 |
-
2023
- 2023-09-13 CN CN202311176008.9A patent/CN116908853B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108627833A (zh) * | 2018-05-15 | 2018-10-09 | 电子科技大学 | 一种基于GB-InSAR的大气相位补偿方法 |
| 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 |
| CN112034461A (zh) * | 2020-09-01 | 2020-12-04 | 国网山西省电力公司阳泉供电公司 | 基于综合测度的sar图像ps点选取方法 |
| CN116047519A (zh) * | 2023-03-30 | 2023-05-02 | 山东建筑大学 | 一种基于合成孔径雷达干涉测量技术的选点方法 |
Non-Patent Citations (2)
| Title |
|---|
| "永久散射体点目标提取方法研究";龙四春等;《大地测量与地球动力学》;第31卷(第4期);全文 * |
| InSAR时序分析高相干目标选取方法比较研究;范锐彦;焦健;高胜;曾琪明;;地球信息科学学报(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116908853A (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Di Martino et al. | Benchmarking framework for SAR despeckling | |
| CN108387896B (zh) | 一种基于探地雷达回波数据的自动汇聚成像方法 | |
| CN101727662B (zh) | Sar图像非局部均值去斑方法 | |
| CN116908853B (zh) | 高相干点选取方法、装置和设备 | |
| CN110673109B (zh) | 一种星载大光斑激光雷达全波形数据分解方法 | |
| CN101661611A (zh) | 基于贝叶斯非局部均值滤波器的实现方法 | |
| CN116047519B (zh) | 一种基于合成孔径雷达干涉测量技术的选点方法 | |
| CN112578471B (zh) | 一种探地雷达杂波噪声去除方法 | |
| CN114966560B (zh) | 一种探地雷达后向投影成像方法及系统 | |
| JP2023525938A (ja) | 摂動合成開口レーダーのグラフベースのアレイ信号ノイズ除去 | |
| Zhang et al. | Synthetic aperture radar image despeckling with a residual learning of convolutional neural network | |
| CN115061138A (zh) | 探地雷达自聚焦并行掩膜后向投影成像方法、设备及介质 | |
| CN107944497A (zh) | 基于主成分分析的图像块相似性度量方法 | |
| CN112836707B (zh) | 一种isar图像空中目标长度特征提取方法 | |
| CN112462367B (zh) | 一种基于极化合成孔径雷达的车辆检测方法 | |
| CN113589287A (zh) | 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质 | |
| CN117075210A (zh) | 基于加权互相关的后向投影探地雷达成像方法及系统 | |
| CN111583267A (zh) | 基于广义模糊c均值聚类的快速sar图像旁瓣抑制方法 | |
| Ahirwar et al. | A novel wavelet-based denoising method of SAR image using interscale dependency | |
| CN115311164A (zh) | 一种用于稀疏干涉阵列观测成像的合成波束效应消除方法 | |
| CN112698330B (zh) | 基于比值对数积的极化sar图像非局部均值方法 | |
| James et al. | Blind estimation of single look side scan sonar image from the observation model | |
| CN104867120A (zh) | 基于比值分布的sar图像非局部降斑方法 | |
| Li et al. | An Unsupervised CNN-Based Multichannel Interferometric Phase Denoising Method Applied to TomoSAR Imaging | |
| Vitalii et al. | An automated method for finding the optimal parameters of adaptive filters for speckle denoising of SAR images |
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 |