CN117148352A - 一种角度唯一性约束的阵列干涉sar三维成像方法 - Google Patents
一种角度唯一性约束的阵列干涉sar三维成像方法 Download PDFInfo
- Publication number
- CN117148352A CN117148352A CN202311424551.6A CN202311424551A CN117148352A CN 117148352 A CN117148352 A CN 117148352A CN 202311424551 A CN202311424551 A CN 202311424551A CN 117148352 A CN117148352 A CN 117148352A
- Authority
- CN
- China
- Prior art keywords
- angle
- lower view
- dimensional imaging
- sar
- dimensional
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 2
- 238000005305 interferometry Methods 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract 1
- 239000013598 vector Substances 0.000 description 9
- 238000003672 processing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 208000004350 Strabismus Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001629 suppression Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种角度唯一性约束的阵列干涉SAR三维成像方法，涉及雷达成像和信号处理技术领域，通过增加角度唯一性约束，显著提升点云质量，包括：获取针对同一观测场景的多通道观测SAR图像，并完成图像预处理；建立斜距‑方位‑下视角坐标系，并构建该坐标系下的三维成像模型；构建角度唯一约束的三维成像模型；针对同一方位时刻的多个像素协同处理，利用雷达波束范围内散射点的角度唯一性约束，得到散射点在斜距‑方位‑下视角坐标系下的分布；对二维图像中所有像素遍历处理，得到整个场景的三维点云。本发明为一种散射点角度唯一性约束的阵列干涉SAR三维成像方法，能够提升城市场景三维建模能力。
Description
技术领域
本发明属于合成孔径雷达信号处理领域，具体涉及一种角度唯一性约束的阵列干涉SAR三维成像方法，主要解决阵列干涉SAR三维点云受噪声和多次散射影响，导致噪点多的问题，可用于SAR三维地形测绘。
背景技术
微波成像技术是高分辨率对地观测的重要技术手段，具有全天时、全天候的优势，在军事侦查、地形测绘、环境监测、地质勘探和灾情调查等方面具有重大应用价值。合成孔径雷达（Synthetic Aperture Radar, SAR）成像技术在距离向通过发射大带宽信号并结合匹配滤波技术实现距离维分辨，在方位向构建合成孔径实现方位维分辨。但SAR图像仅具有二维分辨能力，是目标三维结构在距离多普勒平面的投影，在城区等立体结构复杂的区域，产生严重混叠，限制了SAR图像的应用效能。SAR三维成像能够重建目标电磁散射特性在三维空间的分布，有效解决二维SAR图像中的叠掩问题，提升目标识别和解译能力，在三维测绘、形变监测、作战和灾害评估等方面发挥了重要作用，受到国内外研究机构广泛关注。阵列干涉SAR作为一种高效实现SAR三维成像的技术手段，具有广泛的应用前景。因此，有必要提出高精度的阵列干涉SAR三维成像数据处理方法。
三维SAR成像技术是当前国际上SAR领域的前沿研究方向，深入分析现阶段层析SAR三维成像处理技术，主要基于合成孔径原理，结合精确的成像观测几何对回波信号进行建模，在二维SAR成像的基础上，利用多角度图像相干处理重建目标三维图像。由于现有处理方法多为逐像素孤立求解，受到噪声以及多次散射等因素的影响，导致现有阵列干涉SAR重建三维点云质量差，其根本原因在于未考虑电磁波在空间中的传播特性，导致解空间大、难以精确求解。
随着阵列干涉SAR技术的发展，针对三维重建点云噪点多的问题，已有相关处理方法提出。但是通过对现阶段阵列干涉SAR成像处理方法的总结分析，尚未见结合下视角角度唯一性约束的处理算法，利用角度唯一性约束的三维成像算法仍然有待研究。
发明内容
为解决上述技术问题，本发明提供一种角度唯一性约束的阵列干涉SAR三维成像方法，以实现对于传统三维重建算法重建结果中由于噪声和多次散射导致杂散点的抑制，为获取高精度三维点云提供算法支撑。
为了达到上述目的，本发明提出如下技术方案：
一种角度唯一性约束的阵列干涉SAR三维成像方法，包括如下步骤：
步骤1、利用多通道雷达观测数据获取多通道观测SAR图像，并针对多通道观测图SAR像完成图像配准、方向图校正、幅相误差补偿，使得多通道观测SAR图像配准精度以及通道间幅相误差大小满足三维成像处理要求；
步骤2、基于多通道雷达观测几何，构建下视角坐标系，即“斜距-方位-下视角”坐标系；
步骤3、基于所构建的下视角坐标系，结合微波在城市区域的散射特性，加入散射点的角度唯一性约束，构建角度唯一约束下的阵列干涉SAR三维成像模型；
步骤4、基于所构建的角度唯一约束下的阵列干涉SAR三维成像模型，针对每一个方位时刻所有像素联合处理，实现角度唯一性约束下的阵列干涉SAR三维重建；
步骤5、结合雷达系统成像几何参数，对点云进行坐标转换，进行空域滤波，滤除杂散点，得到下视角唯一性约束下的阵列干涉SAR三维点云。
本发明的有益效果：
面向抑制阵列干涉SAR三维点云噪点的需求，本发明引入了下视角的角度唯一性约束。系统性地构建了角度唯一性约束下的三维成像坐标系，建立了角度唯一性约束下的三维成像模型，并提出了角度唯一性约束下的成像处理算法。整个流程将传统阵列干涉SAR三维成像模型进行了重构并提出了相应求解算法，利用角度唯一性约束提升了三维点云的质量，并通过实际机载阵列干涉SAR数据验证了处理方法的有效性。
附图说明
图1 为本发明实施例的阵列干涉SAR观测示意图；
图2 为本发明实施例的“斜距-方位-下视角”坐标系示意图；
图3 为本发明实施例的角度唯一性约束处理算法使能矩阵图；
图4a，图4b，图4c，图4d 为本发明实施例的角度唯一性约束支撑集变化示意图；其中，图4a为初始状态的支撑集示意图，图4b为剔除15个下视角后的支撑集，图4c为剔除30个下视角后的支撑集，图4d为剔除50个下视角之后的支撑集。图中缺失的部分即为剔除的支撑集；
图5a，图5b ，图5c为传统处理方法和本发明实施例的角度唯一性约束三维成像算法点云对比图；其中，图5a为传统方法三维重建结果（大场景），图5b为本发明三维重建结果（大场景），图5c为本发明三维重建结果（局部场景）；
图6 为本发明角度唯一性约束的阵列干涉SAR三维成像方法流程框图。
具体实施方式
下面结合附图对本发明方法作具体说明。应该指出，所描述的实施例仅是为说明的目的，而不是对本发明的限制。
如图6所示，本发明的一种角度唯一性约束的阵列干涉SAR三维成像方法，包括如下步骤：
步骤1、利用多通道雷达观测数据获取多通道观测SAR图像，并针对多通道观测SAR图像完成图像配准、方向图校正、幅相误差补偿，使得多通道观测SAR图像配准精度以及通道间幅相误差大小满足三维成像处理要求；
步骤2、基于多通道雷达观测几何关系，构建下视角坐标系，即“斜距-方位-下视角”坐标系；
步骤3、基于所构建的下视角坐标系，结合微波在城市区域的散射特性，加入散射点的角度唯一性约束，构建角度唯一约束下的阵列干涉SAR三维成像模型；
步骤4、基于所构建的角度唯一约束下的阵列干涉SAR三维成像模型，针对每一个方位时刻所有像素联合处理，实现角度唯一性约束下的阵列干涉SAR三维重建；
步骤5、结合雷达系统成像几何参数，对点云进行坐标转换，进行空域滤波，滤除杂散点，得到下视角唯一性约束下的阵列干涉SAR三维点云。
本发明利用机载阵列雷达天线获取多通道数据，结合雷达波束范围内散射点的下视角度唯一性约束，抑制传统三维成像处理中由于噪声和多次散射产生的杂散点，提升阵列干涉SAR三维成像质量，此处理流程中，着重考虑了电磁波对于人造地物的非穿透特性，引入了雷达波束内散射点的角度唯一性约束，提升三维重建效果。
实施例：
本发明公开的一种角度唯一性约束的阵列干涉SAR三维成像方法，以机载Ku波段阵列干涉SAR系统，带宽800MHz为例。
Ⅰ.多通道观测SAR图像预处理：
针对阵列干涉SAR三维成像后续处理的要求，对多通道观测SAR图像进行图像配准、方向图校正、幅相误差补偿等操作，使得多通道观测SAR图像能够满足后续三维成像处理要求，具体的，图像配准精度优于1个像素，多通道观测SAR图像通道间相位误差小于20度。
Ⅱ.建立阵列干涉SAR三维成像“斜距-方位-下视角”坐标系：
针对阵列干涉SAR三维成像的目的，首先构建三维成像坐标系。从雷达波束角角度出发，构建了“斜距-方位-下视角”三维坐标系，如图1和图2所示。图1为多通道观测示意图，飞机下方搭载了多通道雷达，对右下方场景同时获取观测数据。图2为所构建“斜距-方位-下视角”三维坐标系，图中对斜距、方位以及下视角进行了标注。传统的阵列干涉SAR三维成像所构建坐标系为“斜距-方位-高程”坐标系。图2中，代表了/>个通道相位中心的位置，/>为第/>个通道对应的基线长度，对该基线进行投影分解，沿着视线方向的基线长度记为/>，沿着高程方向的基线长度记为/>。为便于表述，选择一个地面参考点，其斜距-高度坐标记为/>。以第/>个通道为主通道，主通道到地面参考点的下视角为/>。/>代表第/>个通道到图中地面参考点的斜距，/> 代表第/>个通道到高程向坐标为/>的散射点的斜距，该散射点对应的斜距-高度坐标为/>。本发明为了实现角度唯一性约束的三维成像，
Ⅲ.构建角度唯一性约束的阵列干涉SAR三维成像模型：
基于所构建的“斜距-方位-下视角”坐标系，可以构建角度唯一性约束的三维成像模型。传统基于“斜距-方位-高程”坐标系的三维成像模型主要使用照射场景的后向散射系数沿高程向的直线积分来表示图像像素的数值。公式如下：
（1）
其中，是第/>个通道获取的二维SAR图像中的像素，/>为所有通道的个数，/>为高程向位置，/>为目标在高程向/>位置的散射系数，/>代表指数运算符，/>为虚数单位，/>为第/>个通道到高程向坐标为/>的散射点的斜距，/>为雷达载波波长，/>为雷达波束在高程向的照射范围。
为了实现角度唯一性约束的三维成像，在“斜距-方位-下视角”坐标系下，成像模型变为：
（2）
其中，和/>分别是主天线斜距为/>时的最小下视角和最大下视角，一般取决于场景分布和基线分布。/>为成像场景在下视角/>的后向散射系数分布。式（1）和式（2）中的高程向位置/>和下视角/>可以进行转化，为对应关系。
首先构建该坐标系下的斜距等式，基于图2中所展示的观测几何示意图，针对第m个阵元，其斜距的表达式如下：
（3）
上述表达式中，为主天线到参考点的斜距，/>为所构建坐标系中的下视角，/>为第/>个阵元的基线长度，/>为第/>个阵元的基线倾角。需要指出，/>不依赖天线编号和散射点位置，所以在观测矩阵中可以对其忽略。可以在预处理或后处理中补偿掉/>的成分。
将下视角维度进行离散网格化，针对第个网格，观测矩阵的元素/>可以表示为：
（4）
上述表达式中，代表的是下视角维度第/>个网格对应的下视角数值。
下面针对传统阵列干涉SAR三维成像模型里的两个指标——最大不模糊高程和瑞利分辨率，进行重新公式化。“斜距-方位-下视角”坐标系下，将最大不模糊高程更换为最大不模糊下视角范围，假设各天线共线，且将基线共线情况下的基线倾角记为，则有：
（5）
（6）
其中，是基线的最大公约数，/>是雷达载波波长，/>是方位为/>,斜距为/>处的最大不模糊范围内的最大下视角，/>是方位为/>，斜距为/>处的最大不模糊范围内的最小下视角，/>是基线共线情况下的基线倾角。
这里可以发现，最大不模糊下视角范围不依赖于斜距，除了波长、基线最大公约数和基线倾角外，还依赖于最小下视角的设置。实际应用中，可以先设定一个反演最小高度平面或曲面，根据天线位置去计算各观测向量对应的，进而根据公式（6）计算；或者先设定一个反演最大高度平面或曲面，根据天线位置去算/>，进而根据公式（6）计算/>。将反演角度区间进行离散化为/>个网格，得到如下离散化模型，至此完成了角度唯一性约束的阵列干涉SAR三维成像模型构建：
（7）
上述表达式中，为维度为/>的观测列向量，/>为维度是/>的观测矩阵，其矩阵元素表达式见式（4），/>为/>的散射系数待求列向量，上式最后一项/>为与等式左侧观测列向量维度一致的噪声向量。
Ⅳ.基于所构建的角度唯一约束下的阵列干涉SAR三维成像模型，利用角度唯一性约束的阵列干涉SAR三维成像处理算法，实现三维重建：
针对前述构建的角度唯一性约束的阵列干涉SAR三维成像模型，采用渐进式的成像处理算法进行求解。主要包括两部分内容，第一部分是构建使能矩阵，使得所有像素具有相同的观测矩阵，便于处理。第二部分是通过不断在解空间支撑集中剔除已经被占用的雷达下视角，实现角度唯一性约束下的重建。
形如公式（4）和公式（7）中的观测矩阵（后续简写为/>）的优点是不再依赖主天线到参考点的斜距/>，意味着所有的观测向量可以用相同的观测矩阵去反演地物散射分布。为了使观测矩阵相同，还需要使各像素位置处的反演对象网格/>一致。可以从场景反演范围对应的最小下视角到最大下视角之间均匀划分下视角网格，然后设置一个使能矩阵，使能处于最大不模糊下视角范围内的有效下视角网格。使能矩阵如图3所示，其中白色的区域为使能的区域。
当各个像素位置的观测矩阵相同时，就可以舍弃逐像素遍历的程序流程，直接使用矩阵计算可以大大提升计算效率。可以把大小为的三维观测数据矩阵先转换为/>的二维观测数据矩阵/>，然后计算其与观测矩阵的相关系数矩阵/>。其中分别为二维SAR图像的方位向和斜距向像素个数。
相关系数矩阵的定义如下：
（8）
其中，是前文提到的观测矩阵，大小为/>，/>是观测数据矩阵，大小是。/>是相关系数矩阵，也叫广义似然比矩阵，大小为/>。/>代表矩阵的共轭转置，/>代表/>矩阵的第一列元素，/>代表该列向量的共轭转置。代表对矩阵/>中所有元素取绝对值，/>代表对取绝对值之后的矩阵的每一个元素求平方后得到的新矩阵。/>代表对/>矩阵按列求和，即对/>矩阵的每一列求和，最终得到一个新的行向量，/>为/>维元素全部为1的列向量。需要特别指出的是，式（8）中运算符/>的含义为，该运算符左侧的矩阵和右侧的矩阵对应位置的元素作除法得到的结果。对于相关系数矩阵/>，传统的成像算法采取的操作是在相关系数矩阵/>的列方向（高程向）取最大来确定该像素内散射点的第三维信息。本发明所提出方法是在行方向（下视角方向）取最大来确定该视线方向的散射点的斜距。这种思路可以保证每个视线方向最多有一个估计散射点（也即角度唯一性约束）。从观测几何的角度来看，任意方位向采样处的所有估计散射点的下视角应该各不相同，这符合电磁波沿直线传播的物理规律和电磁波不穿透地物的假设，该假设在较高频段雷达照射情况下是基本成立的。本发明采用了两种方式实现角度唯一性约束求解，第一种采用行方向（下视角方向）取最大的操作来确定散射点所在的斜距，第二种既采取列方向（高程向）取最大的操作来确定散射点的下视角，也采取行方向（下视角方向）取最大的操作来确定散射点的斜距，二种操作产生结果的交集即为最终的估计散射点集。
Ⅴ.点云坐标转换，空域滤波，得到下视角唯一性约束下的阵列干涉SAR三维点云：
对上述步骤中得到的在“斜距-方位-下视角”坐标系的三维点云进行处理，具体的，结合雷达系统成像几何参数，对点云进行坐标转换，进行空域滤波，滤除杂散点，得到下视角唯一性约束下的阵列干涉SAR三维点云。
图4a，图4b，图4c，图4d为本发明实施例的角度唯一性约束支撑集变化示意图。在图4a，图4b，图4c，图4d中，展示了前后四次迭代中下视角支撑集的变化。当在某一下视角重建一个散射点（图中的白色实心点）后，该角度从支撑集中剔除，在图中显示为缺失的直线，图中横坐标为斜距向采样点，纵轴为下视角采样点。
图5a，图5b，图5c展示了传统三维成像方法和本发明所提出角度唯一性约束的阵列干涉SAR三维成像方法得到的三维点云的对比结果。可以看出，角度唯一性约束下的三维成像结果噪点更少，且有效抑制了建筑目标底角处多次散射导致的杂散点。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种角度唯一性约束的阵列干涉SAR三维成像方法，其特征在于，包括如下步骤：
步骤1、利用多通道雷达观测数据获取多通道观测SAR图像，并针对多通道观测SAR图像完成图像配准、方向图校正、幅相误差补偿，使得多通道观测SAR图像配准精度以及通道间幅相误差大小满足三维成像处理要求；
步骤2、基于多通道雷达观测几何关系，构建下视角坐标系，即“斜距-方位-下视角”坐标系；
步骤3、基于所构建的下视角坐标系，结合微波在城市区域的散射特性，加入散射点的角度唯一性约束，构建角度唯一约束下的阵列干涉SAR三维成像模型；
步骤4、基于所构建的角度唯一约束下的阵列干涉SAR三维成像模型，针对每一个方位时刻所有像素联合处理，实现角度唯一性约束下的阵列干涉SAR三维重建；
步骤5、结合雷达系统成像几何参数，对点云进行坐标转换，进行空域滤波，滤除杂散点，得到下视角唯一性约束下的阵列干涉SAR三维点云。
2.根据权利要求1所述的一种角度唯一性约束的阵列干涉SAR三维成像方法，其特征在于，所述步骤2包括：
步骤2.1根据阵列干涉雷达系统的俯仰向波束宽度和雷达系统中心下视角，确定三维成像区域在“斜距-方位-下视角”坐标系中的下视角的坐标范围；
步骤2.2根据三维成像精度需求和下视角的坐标范围，确定下视角维度网格尺度和数量。
3.根据权利要求2所述的一种角度唯一性约束的阵列干涉SAR三维成像方法，其特征在于，所述步骤3包括：
步骤3.1将相同方位时刻所有像素的观测数据进行串联，构建相同方位时刻所有像素协同处理模型；
步骤3.2在协同处理模型中，增加下视角唯一性约束，即所有协同处理的像素进行三维重建后，在某一下视角网格点上最多仅存在一个重建散射点。
4.根据权利要求3所述的一种角度唯一性约束的阵列干涉SAR三维成像方法，其特征在于，所述步骤4包括：
步骤4.1针对反演场景范围均匀划分的下视角网格，设置使能矩阵，使能处于最大不模糊下视角范围内的有效下视角网格；
步骤4.2采用渐进式重建处理算法，当一个下视角被占用之后，将其从待求解支撑集中进行剔除后继续下一步求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311424551.6A CN117148352B (zh) | 2023-10-31 | 2023-10-31 | 一种角度唯一性约束的阵列干涉sar三维成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311424551.6A CN117148352B (zh) | 2023-10-31 | 2023-10-31 | 一种角度唯一性约束的阵列干涉sar三维成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117148352A true CN117148352A (zh) | 2023-12-01 |
| CN117148352B CN117148352B (zh) | 2024-01-02 |
Family
ID=88903106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311424551.6A Active CN117148352B (zh) | 2023-10-31 | 2023-10-31 | 一种角度唯一性约束的阵列干涉sar三维成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117148352B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117409275A (zh) * | 2023-12-06 | 2024-01-16 | 华能澜沧江水电股份有限公司 | 一种多角度雷达图像处理方法 |
| CN117647801A (zh) * | 2024-01-30 | 2024-03-05 | 中国科学院空天信息创新研究院 | 一种光学和合成孔径雷达互馈三维成像方法 |
| CN117741662A (zh) * | 2023-12-20 | 2024-03-22 | 中国科学院空天信息创新研究院 | 基于双观测视角的阵列干涉sar点云融合方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120319892A1 (en) * | 2011-06-15 | 2012-12-20 | Thales Alenia Space Italia S.P.A. Con Unico Socio | Acquisition of SAR images for computing a height or a digital elevation model by interferometric processing |
| CN111948654A (zh) * | 2020-08-12 | 2020-11-17 | 中国科学院空天信息创新研究院 | 机载层析sar三维点云生成方法 |
| CN116299453A (zh) * | 2023-02-23 | 2023-06-23 | 北京理工大学 | 星载sar非沿迹模式干涉高程测量方法 |
| CN116930965A (zh) * | 2023-07-17 | 2023-10-24 | 西北工业大学 | 一种低高度平台的层析sar三维成像方法 |
-
2023
- 2023-10-31 CN CN202311424551.6A patent/CN117148352B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120319892A1 (en) * | 2011-06-15 | 2012-12-20 | Thales Alenia Space Italia S.P.A. Con Unico Socio | Acquisition of SAR images for computing a height or a digital elevation model by interferometric processing |
| CN111948654A (zh) * | 2020-08-12 | 2020-11-17 | 中国科学院空天信息创新研究院 | 机载层析sar三维点云生成方法 |
| CN116299453A (zh) * | 2023-02-23 | 2023-06-23 | 北京理工大学 | 星载sar非沿迹模式干涉高程测量方法 |
| CN116930965A (zh) * | 2023-07-17 | 2023-10-24 | 西北工业大学 | 一种低高度平台的层析sar三维成像方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周良将 等: "机载多维度SAR航空观测系统实验初步进展", 《电子与信息学报》, vol. 45, no. 4 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117409275A (zh) * | 2023-12-06 | 2024-01-16 | 华能澜沧江水电股份有限公司 | 一种多角度雷达图像处理方法 |
| CN117409275B (zh) * | 2023-12-06 | 2024-04-05 | 华能澜沧江水电股份有限公司 | 一种多角度雷达图像处理方法 |
| CN117741662A (zh) * | 2023-12-20 | 2024-03-22 | 中国科学院空天信息创新研究院 | 基于双观测视角的阵列干涉sar点云融合方法 |
| CN117647801A (zh) * | 2024-01-30 | 2024-03-05 | 中国科学院空天信息创新研究院 | 一种光学和合成孔径雷达互馈三维成像方法 |
| CN117647801B (zh) * | 2024-01-30 | 2024-04-09 | 中国科学院空天信息创新研究院 | 一种光学和合成孔径雷达互馈三维成像方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117148352B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117148352B (zh) | 一种角度唯一性约束的阵列干涉sar三维成像方法 | |
| 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 | |
| Sansosti et al. | Geometrical SAR image registration | |
| Frey et al. | Focusing of airborne synthetic aperture radar data from highly nonlinear flight tracks | |
| CN105677942B (zh) | 一种重复轨道星载自然场景sar复图像数据快速仿真方法 | |
| Fornaro et al. | Imaging of single and double scatterers in urban areas via SAR tomography | |
| CN103713288B (zh) | 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法 | |
| CN112099011B (zh) | 基于focuss算法的全息sar子孔径三维重建方法 | |
| CN110133682B (zh) | 星载全方位sar自适应目标三维重建方法 | |
| CN111208512A (zh) | 一种基于视频合成孔径雷达的干涉测量方法 | |
| CN112415515B (zh) | 一种机载圆迹sar对不同高度目标分离的方法 | |
| CN113093184B (zh) | 一种基于视频合成孔径雷达的干涉测量方法 | |
| CN113534140B (zh) | 基于波场互相关的探地雷达三维成像方法 | |
| CN112179314B (zh) | 一种基于三维网格投影的多角度sar高程测量方法及系统 | |
| Minvielle et al. | Indoor 3-D radar imaging for low-RCS analysis | |
| CN115712095A (zh) | 基于单个角反射的sar卫星三维定位误差改正方法及系统 | |
| CN110161500B (zh) | 一种基于Radon-Clean的改进圆周SAR三维成像方法 | |
| CN113610902A (zh) | 地基真实孔径雷达与点云数据映射配准方法 | |
| Gong et al. | High resolution 3d InISAR imaging of space targets based on PFA algorithm with single baseline | |
| CN111505626A (zh) | 一种利用底视差分干涉测量二维地形坡度的方法 | |
| Gong et al. | A novel approach for squint InISAR imaging with dual-antenna configuration | |
| CN112946601B (zh) | 基于Gauss-Seidel的高效分布式目标相位优化方法 | |
| CN113466857B (zh) | 基于非局部平均的TomoSAR林下地形反演方法及系统 | |
| Tan et al. | Synthetic aperture radar tomography sampling criteria and three-dimensional range migration algorithm with elevation digital spotlighting | |
| Yang et al. | Theoretical analysis of layover unmixing based on the attributed scattering center model |
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 |