CN117872366B - 一种基于相位解缠的阵列干涉sar山区点云解模糊方法 - Google Patents

Abstract

本发明提出一种基于相位解缠的阵列干涉SAR山区点云解模糊方法，属于雷达技术领域，通过直接对Array‑InSAR处理生成的山区点云数据进行操作，首先将山区三维点云结果进行矩阵化处理，然后借鉴干涉处理当中相位解缠技术，利用干涉相位解缠技术实现对山区点云高度模糊的求解。本发明流程简单、易懂，可实现点云高程模糊的自动化求解。

Description

一种基于相位解缠的阵列干涉SAR山区点云解模糊方法

技术领域

本发明属于雷达技术领域，具体涉及一种基于相位解缠的阵列干涉SAR山区点云解模糊方法。

背景技术

阵列干涉合成孔径雷达(Array Interferometric Synthetic Aperture RadarTomography，Array-InSAR)作为干涉合成孔径雷达(Syntheic Aperture RadarInterfemetry，InSAR)技术的延伸，通过在高程向不同位置采集数据，形成目标高程方向的分辨能力，能够有效解决传统InSAR面临的叠掩难题，在山区测绘、城区三维建模等方面具有重要的应用价值和潜力。Array-InSAR在方位向通过合成孔径形成目标方位向的高分辨能力，在斜距向通过发射宽带雷达信号实现斜距方向的高分辨，在高程向通过阵列多通道技术形成获取高程向分辨能力。

阵列干涉SAR系统高程向分辨能力来源于角度分辨，根据雷达分辨理论，分辨率和天线的尺寸成正比，阵列干涉SAR系统为了保证获得足够高的高程向分辨能力，往往要求系统具有较大的阵列长度，同时考虑到系统设计成本、重量、体积等制约因素，阵列干涉SAR系统的阵元之间往往是稀疏分布的，有限的阵元数目无法满足满阵的空间采样要求，从而导致高程模糊。系统允许观测的最大不模糊高程和系统阵元间距相关。不同于城区，山区地形变化剧烈，当地形高度变化超过系统的最大不模糊高程时，重建的山区点云发生高程模糊，该现象在阵列干涉SAR山区三维重建中常常遇到。

针对上述问题，近些年来已有相关学者开展研究，按处理手段主要可分成以下几类：1、人工方式。利用人工手段对山区的点云进行手动解模糊处理；2、基于分割和重组的山区点云解模糊方法。该方法首先对模糊点云进行分类处理，然后将分类后的点云结果沿高程向重新排布从而实现点云解模糊。3、利用外源DEM数据辅助的山区点云解模糊方法。通过已知高程信息的DEM数据，利用匹配的方法进行点云高程模糊数的估计，从而完成点云解模糊。分析上述方法，其中方法1需要沿方位向逐步进行处理，处理效率低下；方法2依赖点云质量，点云质量较差时导致分类出现误差，进而影响点云解模糊效果；方法3依赖外源DEM数据的精度，当发生较大的地形变化时，该方法可能出现错误结果。

发明内容

针对机载阵列干涉SAR山区三维重建当中由于系统最大不模糊高程限制导致点云发生高程模糊问题，本发明提出一种基于相位解缠的阵列干涉SAR山区点云解模糊方法。该方法通过直接对Array-InSAR获取处理生成的山区点云进行操作，首先将山区三维点云结果进行矩阵化处理，然后借鉴干涉处理当中相位解缠技术，利用干涉相位解缠方法实现对山区点云高度模糊的求解。方法整体处理流程简单、易懂，可实现点云高程模糊的自动化求解。

本发明方法是通过下述的技术方案实现的：

一种基于相位解缠的阵列干涉SAR山区点云解模糊方法，包括以下步骤：

步骤1、提取阵列干涉SAR山区点云的点云高度矩阵；

步骤2、进行点云高度矩阵的滤波；

步骤3、进行阴影区检测和掩膜处理，获得掩膜处理后的点云高度图；

步骤4、对掩膜处理后的点云高度图利用基于枝切法的路径跟踪算法对点云高度结果进行解模糊，得到无模糊点云高度值；

步骤5、对无模糊点云高度值进行阴影区插值，获得阴影区点云高度；

步骤6、进行点云提取，得到每一个像素位置的点云的高程大小和点云强度值。

进一步地，所述步骤1中，输入阵列干涉SAR通过对雷达回波数据进行处理后生成的山区三维点云，获得需要处理的阵列干涉SAR山区模糊点云，点云坐标系为方位-斜距-高程坐标系；然后提取点云高度矩阵，机载的阵列干涉SAR生成的点云结果用一大小为M×N×K的多维数组表示，其中M、N、K分别表示方位向、斜距向和高程向的像素数目，点云高度矩阵通过对每一方位-斜距单元提取所有高程向上幅度值最大的点云所在的高程位置形成，此时形成M×N大小的图像，该图像的每一个像素元素代表点云的高程值。

进一步地，所述步骤2中，采用干涉相位滤波方法，将点云高度矩阵转化为干涉相位，此时点云高度矩阵的元素(m,n)处的点云的高程值s_m,n和相位P(m,n)之间的关系如下：

其中，s_m,n为点云的高程值，L为高程向的点云高度最大值；经过上式转化后，M×N大小的图像的像素元素的取值范围变为(-π,π]；采用圆周均值滤波方法对M×N大小的图像进行滤波处理，令滤波窗口为以待滤波的像素元素为中心、前后大小为(2M₁+1)×(2N₁+1)的矩形，M₁、N₁分别表示行和列方向上像素元素的数目，待滤波的像素元素为圆周均值滤波的输出值即：

上式当中，为中间参数，arg{}表示取角操作，p和q分别表示对应矩阵的行和列，j为虚数单位，exp()表示指数函数。

进一步地，所述步骤3中，利用阵列干涉SAR的首尾两通道图像，计算首尾两通道图像之间的相关系数图，利用相关系数图和阵列干涉SAR幅度图像进行图像检测并提取阴影区，并利用形态学方法使阴影区的区域边缘规整化。

进一步地，所述步骤5包括对阴影区的点云高度进行插值处理，沿图像每一方位向，采用线性插值方法对存在空洞的图像位置进行插值，补偿图像的阴影区的点云的高度值，此时得到的图像中的每一个像素元素代表该像素元素的位置处的点云的高程值大小。

有益效果：

1)本发明方法可有效解决机载阵列干涉SAR系统由于最大不模糊高程制约导致山区三维点云重建发生的高程模糊问题；

2)本发明方法和现有的基于手工方式的点云高度模糊求解手段相比，可提升点云高度模糊自动化求解的效率，减轻人力成本；和基于分割和重组的方法相比，本发明方法无需过多的参数调优过程，减少人工干预过程，同时对山区点云质量有更大容忍性；本发明方法和基于外源DEM数据辅助的点云高度模糊求解方法相比，无需担心由于地形发生大的变化导致的点云高度模糊求解出现错误的问题；

3)本发明方法本质上将阵列干涉SAR点云高度模糊求解问题归结为干涉处理当中的相位解缠过程。传统干涉相位解缠技术发展相对成熟，多种现有解缠算法可以在本发明方法中直接进行替代。

附图说明

图1是本发明的一种基于相位解缠的阵列干涉SAR山区点云解模糊方法的算法处理流程图；

图2(a)，图2(b)，图2(c)，图2(d)是本发明方法处理真实Array-InSAR点云数据的部分结果；其中，图2(a)为高度模糊点云，图2(b)为点云高度矩阵(滤波前)，图2(c)为点云高度矩阵(滤波后)，图2(d)为解模糊后点云。

具体实施方式

下面结合附图并举实例，对本发明进行详细描述。

如图1所示，本发明提供的基于相位解缠的阵列干涉SAR山区点云解模糊方法包括以下步骤：

步骤1、提取点云高度矩阵。算法输入为Array-InSAR系统通过对雷达回波数据进行处理后生成的山区三维点云，即阵列干涉SAR山区模糊点云。为便于说明，这里生成的点云坐标系为方位-斜距-高程坐标系。然后提取点云高度矩阵，机载阵列干涉SAR生成的点云结果可以用一大小为M×N×K的多维数组表示，其中M、N、K分别表示方位、斜距和高程向的像素数目，点云高度矩阵通过对每一方位-斜距单元提取所有高程向上幅度值最大的点云所在的高程位置形成，此时形成的M×N大小的图像的每一个像素元素代表了点云的高程值；

步骤2、点云高度矩阵滤波。受噪声、配准误差、重建算法等因素影响，步骤1提取的点云高度矩阵存在噪声，影响点云高度结果，故需要对点云高度矩阵进行滤波处理，得到高质量的点云高度值。这里采用干涉相位滤波方法，将点云高度矩阵转化为干涉相位，此时矩阵元素(m,n)处的点云的高度值s_m,n和相位P(m,n)之间的关系如下：

其中，s_m,n为点云的高程值，L为高程向的点云高度最大值。经过上述转化后，图像的像素的取值范围变为(-π,π]。采用圆周均值滤波方法对上述图像进行滤波处理，令滤波窗口为以待滤波元素为中心，前后大小为(2M₁+1)×(2N₁+1)的矩形，M₁、N₁分别表示矩阵行和列方向上像素的数目。待滤波元素为圆周均值滤波的输出值即：

上式当中，为中间参数，arg{}表示取角操作，p和q分别表示对应矩阵的行和列，j为虚数单位，exp()表示指数函数。

步骤3、阴影区检测和掩膜处理。图像中阴影区会影响解缠的结果，故需要在进行解缠之前对图像的阴影区进行掩膜处理。图像阴影区在SAR幅度图像中表现为较暗的区域，相应的点云高度呈噪声特性。利用两通道图像之间计算相关系数图，利用相关系数图和SAR幅度图像进行图像检测并提取阴影区域，并利用形态学方法使区域边缘规整化。

步骤4、利用枝切法解高度模糊。即对进行掩膜处理后的点云高度图利用基于枝切法的路径跟踪算法对点云高度进行解模糊，得到无模糊点云高度值。这里得到的点云高度值结果是以某一位置为参考的相对高度值，故要得到绝对的点云高度值需要知道该位置的高度值，可通过外源DEM辅助得到。

步骤5、阴影区高度插值。步骤4得到无模糊点云高度值，为了保留原始点云阴影区的结果，对阴影区的点云高度进行插值处理，沿图像每一方位向，采用线性插值方法对存在空洞的图像位置进行插值，补偿图像阴影区的点云的高度值，此时得到的图像中的每一个元素代表了该位置处点云的高程值大小，最终获得点云高度图。

步骤6、点云提取。步骤5得到点云高度图后，需要在原始点云中提取出正确的点云，包括点云的幅度和高程位置。首先对原始点云在高程向进行周期伸展，然后设置高程向掩膜的宽度，其次根据步骤5得到的点云高度图，按照每一个方位向，沿斜距方向逐像素进行点云提取，得到每一个像素位置点云的高程大小和点云强度值。

为了具体表现本发明的优越性，本实施例中针对本发明所提方法进行实验说明。利用机载Array-InSAR获取得到西南地区某一山区SAR图像。该区域地势由左到右高度逐渐减小，且高度落差大于系统的最大模糊高度。利用本发明所提方法对机载Array-InSAR系统获取的该区域点云数据进行处理，部分处理结果如图2(a)，图2(b)，图2(c)，图2(d)所示。由于该区域的高度差超过了系统的最大不模糊高度，通过Array-InSAR点云重建方法获取得到的点云存在高度模糊现象，如图2(a)所示，利用本发明方法对Array-InSAR山区点云进行解模糊处理，首先提取点云高度矩阵，如图2(b)，从图2(b)可发现处理得到的点云高度矩阵存在较大噪声，需要在相位解缠之前对点云高度矩阵进行滤波处理，图2(c)为进行滤波处理后的点云高度结果，此时图像结果当中噪声得到抑制，图像质量得到较大提升。图2(d)显示了完成本发明方法所有处理步骤后获取的山区点云结果，从点云对比结果可得到本发明方法能够对模糊的山区点云进行解模糊处理，获得正确的山区点云。

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 (3)

1.一种基于相位解缠的阵列干涉SAR山区点云解模糊方法，其特征在于，包括以下步骤：

步骤1、提取阵列干涉SAR山区点云的点云高度矩阵；

输入阵列干涉SAR通过对雷达回波数据进行处理后生成的山区三维点云，获得需要处理的阵列干涉SAR山区模糊点云，点云坐标系为方位-斜距-高程坐标系；然后提取点云高度矩阵，机载的阵列干涉SAR生成的点云结果用一大小为的多维数组表示，其中分别表示方位向、斜距向和高程向的像素数目，点云高度矩阵通过对每一方位-斜距单元提取所有高程向上幅度值最大的点云所在的高程位置形成，此时形成/>大小的图像，该图像的每一个像素元素代表点云的高程值；

步骤2、进行点云高度矩阵的滤波；

采用干涉相位滤波方法，将点云高度矩阵转化为干涉相位，此时点云高度矩阵的元素处的点云的高程值/>和相位/>之间的关系如下：

；

其中，为点云的高程值，/>为高程向的点云高度最大值；经过上式转化后，/>大小的图像的像素元素的取值范围变为/>；采用圆周均值滤波方法对/>大小的图像进行滤波处理，令滤波窗口为以待滤波的像素元素为中心、前后大小为/>的矩形，/>、/>分别表示行和列方向上像素元素的数目，待滤波的像素元素为圆周均值滤波的输出值/>，即：

；

上式当中，，为中间参数，arg{}表示取角操作，p和q分别表示对应矩阵的行和列，j为虚数单位，exp（）表示指数函数；

步骤3、进行阴影区检测和掩膜处理，获得掩膜处理后的点云高度图；

步骤4、对掩膜处理后的点云高度图利用基于枝切法的路径跟踪算法对点云高度结果进行解模糊，得到无模糊点云高度值；

步骤5、对无模糊点云高度值进行阴影区插值，获得阴影区点云高度；

步骤6、进行点云提取，得到每一个像素位置的点云的高程大小和点云强度值。

2.根据权利要求1所述的一种基于相位解缠的阵列干涉SAR山区点云解模糊方法，其特征在于，所述步骤3中，利用阵列干涉SAR的首尾两通道图像，计算首尾两通道图像之间的相关系数图，利用相关系数图和阵列干涉SAR幅度图像进行图像检测并提取阴影区，并利用形态学方法使阴影区的区域边缘规整化。

3.根据权利要求2所述的一种基于相位解缠的阵列干涉SAR山区点云解模糊方法，其特征在于，所述步骤5包括对阴影区的点云高度进行插值处理，沿图像每一方位向，采用线性插值方法对存在空洞的图像位置进行插值，补偿图像的阴影区的点云的高度值，此时得到的图像中的每一个像素元素代表该像素元素的位置处的点云的高程值大小。