CN118014905A - 基于山区多角度加权影像模拟的高轨凝视sar几何校正方法 - Google Patents
基于山区多角度加权影像模拟的高轨凝视sar几何校正方法 Download PDFInfo
- Publication number
- CN118014905A CN118014905A CN202410051897.4A CN202410051897A CN118014905A CN 118014905 A CN118014905 A CN 118014905A CN 202410051897 A CN202410051897 A CN 202410051897A CN 118014905 A CN118014905 A CN 118014905A
- Authority
- CN
- China
- Prior art keywords
- image
- sar
- band
- orbit
- pixel
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004088 simulation Methods 0.000 title claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000010008 shearing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 9
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000005452 bending Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，选择对应区域的DEM图像D；求出图像D四个角点的位置坐标；对于图像D的每一个像元计算对应的模拟影像值：非下采样金字塔对每幅SAR多角度图像进行多尺度分解，得到每幅图像的高频子带和低频子带；采用高斯模糊对高频子带和低频子带进行融合；计算出图像的高频子带和低频子带的融合系数，进而求出融合图像灰度值；将模拟图像与SAR图像采用SIFT算法进行匹配，得到几何校正后的图像。本发明有效缓解了在高轨SAR山区成像时高程对图像几何校正精度影响较大的问题。
Description
技术领域
本发明属于雷达信号处理技术领域，具体为基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法。
背景技术
高轨(GEO)合成孔径雷达(SAR)凝视模式是一种利用高轨SAR轨道弯曲较大的特性，对某个地区进行多角度多次成像，从而获取更多有关当前场景信息的成像模式。现有技术都是对于单视角SAR图像进行影像模拟和几何校正处理，固定的单一视角获取的信息有限，且不能提取到其他视角才能观测到的目标散射特征。高轨凝视SAR成像具有轨道高度高、轨道弯曲大的特性，使其可以对相同的场景进行多角度成像，而目前并没有对凝视SAR多角度图像进行处理的和信息提取用以几何校正的方法。同时由于山区地形起伏复杂，成像时相较于平原地区会出现更多叠掩、阴影等现象，对图像的精准定位产生较大影响。
几何校正处理是SAR图像处理的关键步骤，是将SAR影像应用于全球和区域信息系统的重要处理过程。在SAR影像数据处理中，主要的目地就是通过对地定位模型的建立，获取大地参考空间坐标信息。高轨SAR图像拥有幅宽大、多次重访的优点，对于地理场景的探测具有很大优势，而高轨凝视SAR通过对同一场景进行多方位角多次成像，能够进一步提取场景的地理信息，因此通过对于高轨凝视SAR图像的精确几何校正，我们可以获取大地参考空间坐标信息，从而对多源信息、多时相信息做综合的分析。目前，现有技术对多视角图像的处理主要包括以下几个方案：
采用基于后向散射模型对单视角SAR图像的影像模拟和几何校正是目前应用最广泛的方法，主要是通过求解图像的RD定位模型求得斜距等图像信息，再采用间接定位法结合后向散射模型进行影像模拟，最终通过图像配准进行山区图像的几何精校正，该方法虽然广泛应用与低轨条带模式图像几何校正处理，但在高轨SAR图像轨道高度升高、轨道弯曲变大的情况下，高程变化对于成像的影响相较于低轨更大，传统方法几何校正的精度有所下降。
现有技术主要是通过求解图像的RD定位模型求得斜距等图像信息，再采用间接定位法结合后向散射模型进行影像模拟，在影像模拟的过程中通常采用精度为30m的全球DEM高程模型，但由于成像精度的进一步提高，全球DEM模型的精度已经不再满足现有成像精度的要求，因此需要借助凝视SAR多角度图像对高程模型进行进一步修正，以减小几何校正过程中对于传统高程模型的依赖，从而提高校正的准确度；现有技术主要广泛应用于单视角模式图像几何校正处理，单视角SAR系统有着信息严重缺失、图像解译性差的缺陷。高轨凝视SAR利用高轨弯曲轨道可以进行多方位角观测，通过从不同方位角对同一区域的重复观测，获取该区域内地物的多视角几何信息和散射信息，结合本发明采用的方法能有效提升几何校正的精度
发明内容
针对上述技术问题，本发明提供了一种基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，即通过对凝视SAR多角度图像，利用后向散射模型并结合DEM数据模拟生成场景的SAR图像，对多幅模拟图像进行高斯加权信息融合，最终通过匹配算法实现高轨SAR图像的几何校正，克服了现有技术的缺点，可以得到广泛应用。
本发明的目的是提供一种基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，包括以下步骤：
步骤一：根据图像定位结果选择对应区域的DEM图像D。
步骤二：采用间接定位法求出图像D四个角点的位置坐标C1，C2，C3和C4
步骤三：对于图像D的每一个像元D(i,j)采用如下操作：
(3a)确定该像元及其上下左右4个像元的直角投影坐标(X(i,j),Y(i,j),H(i,j))，经过坐标转换后得到当前目标像元ECF坐标矢量Rtc，顺时针从上到下依次命名四个像元的ECF坐标矢量为Rt1，Rt2，Rt3和Rt4。
(3b)根据目标像元矢量计算平面对应的法线矢量Vn12，Vn23，Vn34，Vn41，计算公式如下(以Vn12为例)：
其中，V1＝Rt1-Rtc，V2＝Rt2-Rtc，V3＝Rt3-Rtc，V4＝Rt4-Rtc
(3c)计算得到四个法线矢量的平均值
(3d)对当前像元D(i,j)采用RD模型进行定位计算，得到对应像元的SAR模拟影像坐标(p,q)
其中，Rtc＝(Xt,Yt,Zt)T为当前像元待求GEI坐标矢量，Re＝6378.144Km为地球椭球赤道半径，为地球椭球极半径，fd为多普勒频率，Ht为DEM中当前像元的高程值，λ为雷达信号波长，Rsc为卫星当前位置矢量，Vsc为卫星当前速度矢量，ωe＝7.2292115×10-5rad/s。
(3e)由(3f)中当前像元GEI坐标矢量Rtc和卫星当前位置矢量Rsc计算得到目标到雷达的矢量Rts＝Rsc-Rtc；
(3f)计算对应像元出当地入射角η和雷达散射截面σ：
(3h)由(3f)中的雷达散射截面σ计算得到当前DEM像元D(i,j)对应的模拟影像值K为常数。
步骤四：利用非下采样金字塔对每幅SAR多角度图像进行多尺度分解，每一层的非下采样金字塔的结构如下所示，其中Xi为输入多角度图像，Yi为输出分解图像，得到高频子带和低频子带/>其中k是分解层数，i是图像编号。H0，H1，G0，G1分别为双通道非下采样滤波器，且满足H0G0+H1G1＝1。
步骤五：采用剪切滤波器组对每一层的SAR多角度图像进行多方向分解得到各方向图像，滤波器组的结构如下图所示，其中Zi为输出的方向局部化图像，U0，U1，V0，V1分别为剪切滤波器，且满足U0V0+U1V1＝1。
步骤六：计算低频子带系数均值μL和高频子带系数均值μH，根据μL计算出每个低频子带系数到μL的欧氏距离/>和方差/>根据μH计算出每个高频子带系数/>到μH的欧氏距离/>和方差/>计算公式如下：
其中，m为图像的总数量，k为图像分解的层数。
步骤七：根据高斯模糊计算规则，计算出融合后的低频子带Li和融合后的高频子带Hi，计算公式如下；
其中，为第i幅SAR图像低频子带的权值，为第i幅SAR图像高频子带的权值；
步骤八：将融合后的低频子带与融合后的高频子带相加，得到融合图像Himg2；
步骤九：将模拟图像与SAR图像采用SIFT算法进行匹配，得到几何校正后的图像ImL2。
本发明通过将凝视SAR多角度图像信息进行融合，很好地弥补了单视角SAR图像信息缺失、几何校正精度不高的问题，有效缓解了在高轨SAR山区成像时高程对图像几何校正精度影响较大的问题。
附图说明
图1是本发明的流程图；
具体实施方式
本发明的流程图如下图1所示。
一种基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，包括以下步骤：
步骤一：根据图像定位结果选择对应区域的DEM图像D。
步骤二：采用间接定位法求出图像D四个角点的位置坐标C1，C2，C3和C4
步骤三：对于图像D的每一个像元D(i,j)采用如下操作：
(3a)确定该像元及其上下左右4个像元的直角投影坐标(X(i,j),Y(i,j),H(i,j))，经过坐标转换后得到当前目标像元ECF坐标矢量Rtc，顺时针从上到下依次命名四个像元的ECF坐标矢量为Rt1，Rt2，Rt3和Rt4。
(3b)根据目标像元矢量计算平面对应的法线矢量Vn12，Vn23，Vn34，Vn41，计算公式如下(以Vn12为例)：
其中，V1＝Rt1-Rtc，V2＝Rt2-Rtc，V3＝Rt3-Rtc，V4＝Rt4-Rtc
(3c)计算得到四个法线矢量的平均值
(3d)对当前像元D(i,j)采用RD模型进行定位计算，得到对应像元的SAR模拟影像坐标(p,q)
其中，Rtc＝(Xt,Yt,Zt)T为当前像元待求GEI坐标矢量，Re＝6378.144Km为地球椭球赤道半径，为地球椭球极半径，fd为多普勒频率，Ht为DEM中当前像元的高程值，λ为雷达信号波长，Rsc为卫星当前位置矢量，Vsc为卫星当前速度矢量，ωe＝7.2292115×10-5rad/s。
(3e)由(3f)中当前像元GEI坐标矢量Rtc和卫星当前位置矢量Rsc计算得到目标到雷达的矢量Rts＝Rsc-Rtc；
(3f)计算对应像元出当地入射角η和雷达散射截面σ：
(3h)由(3f)中的雷达散射截面σ计算得到当前DEM像元D(i,j)对应的模拟影像值K为常数。
步骤四：利用非下采样金字塔对每幅SAR多角度图像进行多尺度分解，每一层的非下采样金字塔的结构如下所示，其中Xi为输入多角度图像，Yi为输出分解图像，得到高频子带和低频子带/>其中k是分解层数，i是图像编号。H0，H1，G0，G1分别为双通道非下采样滤波器，且满足H0G0+H1G1＝1。
步骤五：采用剪切滤波器组对每一层的SAR多角度图像进行多方向分解得到各方向图像，滤波器组的结构如下图所示，其中Zi为输出的方向局部化图像，U0，U1，V0，V1分别为剪切滤波器，且满足U0V0+U1V1＝1。
步骤六：计算低频子带系数均值μL和高频子带系数均值μH，根据μL计算出每个低频子带系数到μL的欧氏距离/>和方差/>根据μH计算出每个高频子带系数/>到μH的欧氏距离/>和方差/>计算公式如下：
其中，m为图像的总数量，k为图像分解的层数。
步骤七：根据高斯模糊计算规则，计算出融合后的低频子带Li和融合后的高频子带Hi，计算公式如下；
其中，为第i幅SAR图像低频子带的权值，为第i幅SAR图像高频子带的权值；
步骤八：将融合后的低频子带与融合后的高频子带相加，得到融合图像Himg2；
步骤九：将模拟图像与SAR图像采用SIFT算法进行匹配，得到几何校正后的图像ImL2。
本发明中使用的方法利用凝视模式多角度照射的特点，解决了高轨SAR模拟图像生成时高程模型不准确带来的误差较大的问题
本发明中使用的多角度图像加权来模拟影像的方法，相较于传统信息融合方法而言，计算量得到显著降低。
Claims (6)
1.基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，其特征在于，包括以下步骤：
步骤一：根据图像定位结果选择对应区域的DEM图像D；
步骤二：采用间接定位法求出图像D四个角点的位置坐标C1，C2，C3和C4；
步骤三：对于图像D的每一个像元D(i,j)计算对应的模拟影像值：
步骤四：利用非下采样金字塔对每幅SAR多角度图像进行多尺度分解，得到高频子带和低频子带/>其中k是分解层数，i是图像编号；
步骤五：采用剪切滤波器组对每一层的SAR多角度图像进行多方向分解得到各方向图像Zi；
步骤六：计算低频子带系数均值μL和高频子带系数均值μH，根据μL计算出每个低频子带系数到μL的欧氏距离/>和方差/>根据μH计算出每个高频子带系数/>到μH的欧氏距离和方差/>
步骤七：根据高斯模糊计算规则，计算出融合后的低频子带Li和融合后的高频子带Hi；
步骤八：将融合后的低频子带与融合后的高频子带相加，得到融合图像Himg2；
步骤九：将模拟图像与SAR图像采用SIFT算法进行匹配，得到几何校正后的图像ImL2。
2.根据权利要求1所述的基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，其特征在于，步骤三包括以下子步骤：
(3a)确定该像元及其上下左右4个像元的直角投影坐标(X(i,j),Y(i,j),H(i,j))，经过坐标转换后得到当前目标像元ECF坐标矢量Rtc，顺时针从上到下依次命名四个像元的ECF坐标矢量为Rt1，Rt2，Rt3和Rt4；
(3b)根据目标像元矢量计算平面对应的法线矢量Vn12，Vn23，Vn34，Vn41，计算公式如下：
其中，V1＝Rt1-Rtc，V2＝Rt2-Rtc，V3＝Rt3-Rtc，V4＝Rt4-Rtc；
(3c)计算得到四个法线矢量的平均值
(3d)对当前像元D(i,j)采用RD模型进行定位计算，得到对应像元的SAR模拟影像坐标(p,q)
其中，Rtc＝(Xt,Yt,Zt)T为当前像元待求GEI坐标矢量，Re＝6378.144Km为地球椭球赤道半径，为地球椭球极半径，fd为多普勒频率，Ht为DEM中当前像元的高程值，λ为雷达信号波长，Rsc为卫星当前位置矢量，Vsc为卫星当前速度矢量，ωe＝7.2292115×10-5rad/s；
(3e)由(3f)中当前像元GEI坐标矢量Rtc和卫星当前位置矢量Rsc计算得到目标到雷达的矢量Rts＝Rsc-Rtc；
(3f)计算对应像元出当地入射角η和雷达散射截面σ：
(3h)由(3f)中的雷达散射截面σ计算得到当前DEM像元D(i,j)对应的模拟影像值K为常数。
3.根据权利要求1所述的基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，其特征在于，步骤四中非下采样金字塔的结构由H0，G0，H1，G1四个双通道非下采样滤波器构成，且满足H0G0+H1G1＝1。
4.根据权利要求1所述的基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，其特征在于，步骤五中剪切滤波器组的结构由U0，U1，V0，V1四个剪切滤波器构成，且满足U0V0+U1V1＝1。
5.根据权利要求1所述的基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，其特征在于，步骤六中，计算公式如下：
其中，m为图像的总数量，k为图像分解的层数。
6.根据权利要求1所述的基于山区多角度加权影像模拟的高轨凝视SAR几何校正方法，其特征在于，步骤七中，融合后的高频子带Hc和融合后的低频子带Lc计算公式如下：
其中，为第i幅SAR图像低频子带的权值，
为第i幅SAR图像高频子带的权值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410051897.4A CN118014905A (zh) | 2024-01-15 | 2024-01-15 | 基于山区多角度加权影像模拟的高轨凝视sar几何校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410051897.4A CN118014905A (zh) | 2024-01-15 | 2024-01-15 | 基于山区多角度加权影像模拟的高轨凝视sar几何校正方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118014905A true CN118014905A (zh) | 2024-05-10 |
Family
ID=90955179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410051897.4A Pending CN118014905A (zh) | 2024-01-15 | 2024-01-15 | 基于山区多角度加权影像模拟的高轨凝视sar几何校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118014905A (zh) |
-
2024
- 2024-01-15 CN CN202410051897.4A patent/CN118014905A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101165523B1 (ko) | 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법 | |
| CN105842694B (zh) | 一种基于ffbp sar成像的自聚焦方法 | |
| CN104574347B (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
| CN109840553B (zh) | 耕地作物类型的提取方法及系统、存储介质、电子设备 | |
| CN110866531A (zh) | 一种基于三维建模的建筑物特征提取方法、系统及存储介质 | |
| WO2020134856A1 (zh) | 一种遥感卫星系统 | |
| CN108876861B (zh) | 一种地外天体巡视器的立体匹配方法 | |
| CN112558076B (zh) | 基于组网天气雷达覆盖域的体扫描模式计算方法与应用 | |
| CN110889899B (zh) | 一种数字地表模型的生成方法及装置 | |
| CN114241125B (zh) | 一种基于多视角卫星影像精细三维建模方法及系统 | |
| CN108364279A (zh) | 确定静止轨道遥感卫星指向偏差的方法 | |
| CN116245757B (zh) | 多模态数据的多场景通用性遥感影像云修复方法和系统 | |
| CN114689015B (zh) | 一种提高光学卫星立体影像dsm高程精度的方法 | |
| CN109100719A (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
| CN116189140A (zh) | 一种基于双目视觉的车辆三维目标检测算法 | |
| CN113238228B (zh) | 基于水准约束的三维地表形变获取方法、系统及装置 | |
| CN114266947A (zh) | 一种基于激光点云和可见光图像融合的分类方法及装置 | |
| CN118014905A (zh) | 基于山区多角度加权影像模拟的高轨凝视sar几何校正方法 | |
| CN110516588A (zh) | 一种遥感卫星系统 | |
| Recla et al. | From Relative to Absolute Heights in SAR-based Single-Image Height Prediction | |
| EP4036859A1 (en) | A system and method for providing improved geocoded reference data to a 3d map representation | |
| CN113554102A (zh) | 代价计算动态规划的航空影像dsm匹配法 | |
| CN112099004A (zh) | 一种机载干涉合成孔径雷达复杂场景高程反演方法及系统 | |
| CN117523111B (zh) | 三维实景点云模型的生成方法及系统 | |
| Trisakti et al. | DEM generation from stereo ALOS PRISM and its quality improvement |
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 |