CN110658521B - 一种基于缠绕相位的GBInSAR大气校正方法及*** - Google Patents
一种基于缠绕相位的GBInSAR大气校正方法及*** Download PDFInfo
- Publication number
- CN110658521B CN110658521B CN201910982029.7A CN201910982029A CN110658521B CN 110658521 B CN110658521 B CN 110658521B CN 201910982029 A CN201910982029 A CN 201910982029A CN 110658521 B CN110658521 B CN 110658521B
- Authority
- CN
- China
- Prior art keywords
- difference
- adjacent
- phase
- coherence
- atmospheric
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012937 correction Methods 0.000 title claims abstract description 59
- 238000004804 winding Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005305 interferometry Methods 0.000 description 2
- 238000010587 phase diagram Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于缠绕相位的GBInSAR大气校正方法及***。方法包括:获取同一地区的两幅单视复数影像和二者的差分干涉图;选取干涉图中的高相干点;获取相邻高相干点之间实测的相位差值和距离差值得到相邻相位差和相邻距离差;根据相邻相位差和相邻距离差计算大气延迟系数;根据大气延迟系数计算大气延迟相位;根据大气延迟相位与相邻相位差的差值大小剔除超阈值的差值大小所对应的相邻相位差和相邻距离差得到去粗差后的相邻相位差和相邻距离差;根据去粗差后的相邻相位差和相邻距离差更新大气延迟系数得到去粗差后的大气延迟系数;利用去粗差后的大气延迟系数计算粗差改正后的大气延迟相位。本发明能摆脱对相位解缠的依赖。
Description
技术领域
本发明涉及微波遥感测量技术领域,特别是涉及一种基于缠绕相位的GBInSAR大气校正方法及***。
背景技术
基于地基合成孔径雷达干涉测量(GroundBased InSAR,GB-InSAR)是一种主动式微波雷达探测技术,起源于合成孔径雷达干涉测量(Interferometric SyntheticApertureRadar,InSAR)技术。它具有小规模,高灵活性和高精度等技术优势。近年来,GB-InSAR技术在许多领域显示出巨大的变形监测潜力,如滑坡,冰川运动,矿区沉降等。但是,有许多因素会影响GB-InSAR技术的监测精确性,例如噪声、***频率不稳定和大气延迟,而在长时间间隔的干涉图中,大气延迟是关键因素。有研究表明,温度在20℃时,距离雷达1km处,1%的相对湿度的变化可导致2mm的测量误差。为了改善GB-InSAR的监测精度,必须很好的改正大气延迟相位。
迄今为止,大气延迟改正的主要有两种方法。第一种是气象数据补偿法。通过获得场景里的温度,湿度和气压数据,建立气象参数与大气延迟系数的数学模型。然后,通过大气延迟系数来计算出大气相位。气象数据补偿法受获取的气象参数采集位置及精度影响,精度较低。第二种方法是用高相干点或人工控制点来建立距离与大气相位的函数模型。在大气变化较为简单地方,在距离和大气控制点的相位间建立线性模型或者二次模型。第二种方法相对于第一种方法能够提高精度。但在这种方法中,如果干涉图存在相位跳变,需要依赖于相位解缠的过程。相位解缠是InSAR技术里的一个难点,不同的解缠方法会对结果产生不同的影响;而且,在相干性较低的干涉图中,很难得到一个好的相位解缠结果,从而影响到大气延迟改正的精度。
发明内容
本发明的目的是提供一种基于缠绕相位的GBInSAR大气校正方法及***,摆脱对相位解缠的依赖,从而避免相位解缠对于大气延迟改正的影响,提高大气延迟改正的精度。
为实现上述目的,本发明提供了如下方案:
一种基于缠绕相位的GBInSAR大气校正方法,包括:
获取不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图;
根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点;
获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差;
根据所述相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数;
根据所述大气延迟系数计算大气延迟相位;
根据所述大气延迟相位与所述相邻相位差的差值大小剔除超出预设阈值的所述差值大小所对应的相邻相位差和相邻距离差,得到去粗差后的相邻相位差和相邻距离差;
根据所述去粗差后的相邻相位差和相邻距离差利用最小二乘回归法更新大气延迟系数,得到去粗差后的大气延迟系数;
利用所述去粗差后的大气延迟系数计算粗差改正后的大气延迟相位。
可选的,在所述获取不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图之后,在所述根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点之前,还包括:
对所述干涉图进行Goldstein滤波处理。
可选的,所述根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点,具体包括:
计算所述干涉图中每个像素的相干性,所述相干性表示通过差分干涉构成所述干涉图中某个像素点的两个像素点之间回波相位的相似程度;
选取相干性超过预设阈值的像素点作为高相干点。
可选的,所述对所述干涉图进行Goldstein滤波处理,具体包括:
利用滑动窗口将所述干涉图划分成多个干涉图块,且任意相邻的两个所述干涉图块的重叠率大于或等于预设比率;
对每个所述干涉图块进行傅里叶变换,得到每个所述干涉图块的频谱图;
对每个所述频谱图进行平滑处理,得到平滑处理的幅值;
利用所述平滑处理的幅值对各个所述频谱图的频谱进行处理,得到处理后的频谱图;
对所述处理后的频谱图进行傅里叶逆变换得到滤波后的干涉图。
可选的,在所述获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差之后,在所述根据所述相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数之前,还包括:
将高于预设距离差阈值的相邻距离差以及对应的相邻相位差数据剔除。
一种基于缠绕相位的GBInSAR大气校正***,包括:
图像获取模块,获取地基SAR在不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图;
相干性计算模块,用于根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点;
实测差值获取模块,用于获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差;
大气延迟系数计算模块,用于根据所述相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数;
大气延迟相位计算模块,用于根据所述大气延迟系数计算大气延迟相位;
去粗差模块,用于根据所述大气延迟相位与所述相邻相位差的差值大小剔除超出预设阈值的所述差值大小所对应的相邻相位差和相邻距离差,得到去粗差后的相邻相位差和相邻距离差;
大气延迟系数更新模块,用于根据所述去粗差后的相邻相位差和相邻距离差利用最小二乘回归法更新大气延迟系数,得到去粗差后的大气延迟系数;
大气延迟改正模块,用于利用所述去粗差后的大气延迟系数计算粗差改正后的大气延迟相位。
可选的,该基于缠绕相位的GBInSAR大气校正***还包括:
滤波模块,用于对所述干涉图进行Goldstein滤波处理。
可选的,所述相干性计算模块包括:
相干性计算单元,用于计算所述干涉图中每个像素的相干性,所述相干性表示通过差分干涉构成所述干涉图中某个像素点的两个像素点之间回波相位的相似程度;
高相干点筛选单元,用于选取相干性超过预设阈值的像素点作为高相干点。
可选的,所述滤波模块包括:
分块单元,用于利用滑动窗口将所述干涉图划分成多个干涉图块,且任意相邻的两个所述干涉图块的重叠率大于或等于预设比率;
傅里叶变换单元,用于对每个所述干涉图块进行傅里叶变换,得到每个所述干涉图块的频谱图;
平滑处理单元,用于对每个所述频谱图进行平滑处理,得到平滑处理的幅值;
频谱处理单元,用于利用所述平滑处理的幅值对各个所述频谱图的频谱进行处理,得到处理后的频谱图;
傅里叶逆变换单元,用于对所述处理后的频谱图进行傅里叶逆变换得到滤波后的干涉图。
可选的,该基于缠绕相位的GBInSAR大气校正***还包括:
数据剔除模块,用于将高于预设距离差阈值的相邻距离差以及对应的相邻相位差数据剔除。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所提供的基于缠绕相位的GBInSAR大气校正方法及***,在计算出高相干点后,根据相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数,并根据大气延迟相位与相邻相位差剔除粗差,并更新大气延迟系数,得到去粗差后的大气延迟系数,从而在不进行相位解缠的情况下实现大气延迟改正,摆脱对相位解缠的依赖,避免相位解缠对于大气延迟改正的影响,提高大气延迟改正的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1基于缠绕相位的GBInSAR大气校正方法的方法流程图;
图2为本发明实施例1的具体实施方式中马兰庄矿区地基SAR差分干涉图;
图3为本发明实施例1的具体实施方式中Goldstein滤波之后的马兰庄矿区地基SAR差分干涉图;
图4为本发明实施例1的具体实施方式中模拟的缠绕的大气延迟相位图;
图5为本发明实施例1的具体实施方式中大气延迟改正后的差分干涉图;
图6为本发明实施例1的具体实施方式中马兰庄矿区差分干涉图某一方位向高相干点相位、滤波后的相位和模拟大气相位对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
本发明的目的是提供一种基于缠绕相位的GBInSAR大气校正方法及***,摆脱对相位解缠的依赖,从而避免相位解缠对于大气延迟改正的影响,提高大气延迟改正的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
图1为本发明实施例1基于缠绕相位的GBInSAR大气校正方法的方法流程图。
参见图1,该基于缠绕相位的GBInSAR大气校正方法,应用于地基SAR图像。该方法包括:
步骤101:获取地基SAR在不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图。干涉图与两幅单视复数影像都是针对同一目标,三幅图中同一位置的像素点为目标的同一位置。
步骤102:对所述干涉图进行Goldstein滤波处理。
该步骤102具体包括:
A、利用滑动窗口将所述干涉图划分成多个干涉图块,且任意相邻的两个所述干涉图块的重叠率大于或等于预设比率;优选的,预设比率为75%。
B、对每个所述干涉图块进行傅里叶变换,得到每个所述干涉图块的频谱图;频谱图的频谱为Z(u,v)。
C、对每个所述频谱图进行平滑处理,得到平滑处理的幅值S{Z(u,v)};
D、利用所述平滑处理的幅值对各个所述频谱图的频谱进行处理,得到处理后的频谱图。处理公式为:
H(u,v)=S{|Z(u,v)|}α·Z(u,v)
其中u和v为空间频率。Z(u,v)为傅里叶变换后的频谱,S{Z(u,v)}为平滑处理后得到的幅值,H(u,v)为利用幅值对Z(u,v)进行处理后得到的频谱,α为平滑程度。
E、对所述处理后的频谱图进行傅里叶逆变换得到滤波后的干涉图。
步骤103:根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点。该步骤103具体包括:
A、计算所述干涉图中每个像素的相干性。所述相干性表示通过差分干涉构成所述干涉图中某个像素点的两个像素点之间回波相位的相似程度。
相干性计算公式为:
其中,为相干性,m和n分别表示滑动窗口的两条边的大小,M和S分别表示两幅单视复数影像。i和j分别表示干涉图块中像素点的两个坐标,则M(i,j)表示单视复数影像M中坐标为(i,j)的像素点,S(i,j)表示单视复数影像S中坐标为(i,j)的像素点,S*为S的矩阵转置,S*(i,j)表示S*中坐标为(i,j)的像素点。
B、选取相干性超过预设阈值的像素点作为高相干点。
通常情况下,预设阈值为0.9~0.95之间的某个值。
步骤104:获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差。干涉图包括两个方向。一般认为沿着轨道的方向为方位向,沿着雷达波发射的方向为距离向。
根据电磁波传播理论,t时刻发射波长为λ的电磁波,从发射点经传播距离r(i,j)到达目标点像元(i,j)并返回,则单视复数影像中的回波相位可表示为如下公式:
其中φt(i,j)为t时间获取的单视复数影像,n(r,t)是大气折射指数。
对于地基SAR而言,由于观测区域比较小,可认为大气介质的空间分布是均匀的,认为n(r,t)只与时间t有关,则可把单视复数影像中与大气有关的相位简单表示为
同理可得另外一幅单视复数影像。两幅单视复数影像进行差分干涉,则得到的差分干涉图中的大气相位可以表示为:
其中n(t2)和n(t1)分别表示两幅单视复数影像的大气折射指数。
在传统的方法中,通过选择几个控制点,用建立距离与干涉相位的函数模型的方式来进行解算a,但由于k的存在,需要对干涉图进行解缠。然而本发明的实施例中通过相邻高相干点作差的方式求a。
干涉图上两相邻高相干点间的大气相位差可表示为
本发明认为对于长时间干涉图上没有形变的两点的来说,相位差主要为大气相位差,但是这种假设很难满足,由于形变和噪声的存在,部分相位差会偏离大气相位差。但当距离差足够小到可以保证公式中的k为0时,就能计算所有干涉图中高相干点的相位差和距离差,通过最小二乘方法来求解a。
步骤105:将高于预设距离差阈值的相邻距离差以及对应的相邻相位差数据剔除。
预设距离差阈值根据干涉图受大气影响程度来设定,受大气影响严重的时候,预设距离差阈值设置较小,来保证大部分相位差不存在相位跳变。
也可以通过下列公式来计算距离阈值:
λ为电磁波波长,n(t2)和n(t1)分别表示两幅单视复数影像的大气折射指数。R为距离阈值。
步骤106:根据所述相邻相位差和相邻距离差,利用最小二乘回归法计算大气延迟系数。
考虑干涉图中所有符合要求的相邻高相干点的相位差和距离差,可以得到下面的矩阵等式:
Δψ=ΔR·a+ε
其中,ε=(ε1,ε2,...εn),ΔR=(Δr1,Δr2,...Δrn),(Δr1,Δr2,...Δrn)分别为第1组相邻高相干点到第n组相邻高相干点的距离差,分别为第1组相邻高相干点到第n组相邻高相干点的相位差,n为相邻高相干点的总组数,ε是随机误差,(ε1,ε2,...εn)分别为第1组相邻高相干点的相位差到第n组相邻高相干点的相位差对应的随机误差。
每个方位向均包含多组相邻高相干点。上述矩阵均是多个方位向的所有组的相邻高相干点依次排列而成的。
未知参数a可以通过下面的最小二乘回归得到:
a=(ΔR*ΔR)-1ΔR*Δψ
ΔR*为ΔR的矩阵转置。
步骤107:根据所述大气延迟系数计算大气延迟相位。
大气延迟相位的表达式为:
步骤108:根据所述大气延迟相位与所述相邻相位差的差值大小剔除超出预设阈值的所述差值大小所对应的相邻相位差和相邻距离差,得到去粗差后的相邻相位差和相邻距离差。
由于以上过程未对干涉相位进行相位解缠,因此Δψ中可能存在整周数跳变;当选择的高相干点位于形变区,那么Δψ中除了大气延迟相位外,还存在形变相位,因此,当前采用上述公式a=(ΔR*ΔR)-1ΔR*Δψ计算的大气延迟系数是不准确的。对于一个具体的工作区,形变区是一个小区域,且短距离的相位差的相位跳变可能性较小。依据大数定理,形变区的相位差和存在跳变的相位差可视为粗差,本发明根据设定的标准差阈值进行剔除。标准差阈值的设定公式为:
其中σ为预设阈值,即标准差阈值。
在计算得到预设阈值后,利用如下公式进行粗差筛选。
步骤109:根据所述去粗差后的相邻相位差和相邻距离差利用最小二乘回归法更新大气延迟系数,得到去粗差后的大气延迟系数。
步骤110:利用所述去粗差后的大气延迟系数计算粗差改正后的大气延迟相位。
粗差改正后的大气延迟相位通过下面的式子计算得到:
大气相位改正后的干涉图表示为
下面以马兰庄矿区用Ku波段获取的时间间隔为56小时的地基SAR干涉图为具体实施方式对本发明的基于缠绕相位的GBInSAR大气校正方法进行说明。
具体步骤为:
1、用窗口大小为5×5的Goldstein滤波对图像进行滤波处理,以提高干涉图的质量。
2、根据相干性公式计算相干性,选择相干性大于0.95的点作为高相干点,共得到高相干点7724个。
3、由于此干涉图受大气影响较为严重,所以设定15m为预设距离差阈值。
4、沿每个方位向,计算相邻高相干点距离差和相位差,剔除掉距离差大于200m的数据。通过距离差和相位差,用最小二乘方法计算得到大气延迟系数。
5、根据大气延迟系数模拟大气相位,并在干涉图上进行大气延迟改正。
图2为本发明实施例1的具体实施方式中马兰庄矿区地基SAR差分干涉图。
由图2可见,图像前半部分相位值随距离变大而变大,是典型由于大气相位引起的。
图3为本发明实施例1的具体实施方式中Goldstein滤波之后的马兰庄矿区地基SAR差分干涉图。
由图3可见,经过滤波后的图像受噪声影响变小,相位质量得到提高。
图4为本发明实施例1的具体实施方式中模拟的缠绕的大气延迟相位图。
由图4可见,模拟的大气相位与图2中的差分干涉图相位跳变处较为一致,说明模拟结果比较正确。
图5为本发明实施例1的具体实施方式中大气延迟改正后的差分干涉图。
由图5可见,去除掉大气延迟改正后的干涉图,大气延迟清除效果明显,形变区得以很好的识别。
图6为本发明实施例1的具体实施方式中马兰庄矿区差分干涉图某一方位向高相干点相位、滤波后的相位和模拟大气相位对比图。
由图6可见,模拟的大气相位与干涉图相位一致。
实施例2:
该实施例2提供一种基于缠绕相位的GBInSAR大气校正***,包括:
图像获取模块,用于获取地基SAR在不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图;
相干性计算模块,用于根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点;
实测差值获取模块,用于获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差;
大气延迟系数计算模块,用于根据所述相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数;
大气延迟相位计算模块,用于根据所述大气延迟系数计算大气延迟相位;
去粗差模块,用于根据所述大气延迟相位与所述相邻相位差的差值大小剔除超出预设阈值的所述差值大小所对应的相邻相位差和相邻距离差,得到去粗差后的相邻相位差和相邻距离差;
大气延迟系数更新模块,用于根据所述去粗差后的相邻相位差和相邻距离差利用最小二乘回归法更新大气延迟系数,得到去粗差后的大气延迟系数;
大气延迟改正模块,用于利用所述去粗差后的大气延迟系数计算粗差改正后的大气延迟相位。
可选的,该基于缠绕相位的GBInSAR大气校正***还包括:
滤波模块,用于对所述干涉图进行Goldstein滤波处理。
可选的,所述相干性计算模块包括:
相干性计算单元,用于计算所述干涉图中每个像素的相干性,所述相干性表示通过差分干涉构成所述干涉图中某个像素点的两个像素点之间回波相位的相似程度;
高相干筛选单元,用于选取相干性超过预设阈值的像素点作为高相干点。
可选的,所述滤波模块包括:
分块单元,用于利用滑动窗口将所述干涉图划分成多个干涉图块,且任意相邻的两个所述干涉图块的重叠率大于或等于预设比率;
傅里叶变换单元,用于对每个所述干涉图块进行傅里叶变换,得到每个所述干涉图块的频谱图;
平滑处理单元,用于对每个所述频谱图进行平滑处理,得到平滑处理的幅值;
频谱处理单元,用于利用所述平滑处理的幅值对各个所述频谱图的频谱进行处理,得到处理后的频谱图;
傅里叶逆变换单元,用于对所述处理后的频谱图进行傅里叶逆变换得到滤波后的干涉图。
可选的,该基于缠绕相位的GBInSAR大气校正***还包括:
数据剔除模块,用于将高于预设距离差阈值的相邻距离差以及对应的相邻相位差数据剔除。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所提供的基于缠绕相位的GBInSAR大气校正方法及***,在计算出高相干点后,根据相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数,并根据大气延迟相位与相邻相位差剔除粗差,并更新大气延迟系数,得到去粗差后的大气延迟系数,从而在不进行相位解缠的情况下实现大气延迟改正,摆脱对相位解缠的依赖,避免相位解缠对于大气延迟改正的影响,提高大气延迟改正的精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于缠绕相位的GBInSAR大气校正方法,其特征在于,包括:
获取不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图;
根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点,具体包括:
采用相干性计算公式:
其中,表示相干性,m和n分别表示滑动窗口的两条边的大小,M和S分别表示两幅单视复数影像,i和j分别表示干涉图块中像素点的两个坐标,M(i,j)表示单视复数影像M中坐标为(i,j)的像素点,S(i,j)表示单视复数影像S中坐标为(i,j)的像素点,S*为S的矩阵转置,S*(i,j)表示S*中坐标为(i,j)的像素点;
选取相干性超过预设阈值的像素点作为高相干点;
获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差;
根据所述相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数;
根据所述大气延迟系数计算大气延迟相位;
根据所述大气延迟相位与所述相邻相位差的差值大小剔除超出预设阈值的所述差值大小所对应的相邻相位差和相邻距离差,得到去粗差后的相邻相位差和相邻距离差;
根据所述去粗差后的相邻相位差和相邻距离差利用最小二乘回归法更新大气延迟系数,得到去粗差后的大气延迟系数;
利用所述去粗差后的大气延迟系数计算粗差改正后的大气延迟相位。
2.根据权利要求1所述的基于缠绕相位的GBInSAR大气校正方法,其特征在于,在所述获取不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图之后,在所述根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点之前,还包括:
对所述干涉图进行Goldstein滤波处理。
3.根据权利要求1所述的基于缠绕相位的GBInSAR大气校正方法,其特征在于,所述根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点,具体包括:
计算所述干涉图中每个像素的相干性,所述相干性表示通过差分干涉构成所述干涉图中某个像素点的两个像素点之间回波相位的相似程度;
选取相干性超过预设阈值的像素点作为高相干点。
4.根据权利要求2所述的基于缠绕相位的GBInSAR大气校正方法,其特征在于,所述对所述干涉图进行Goldstein滤波处理,具体包括:
利用滑动窗口将所述干涉图划分成多个干涉图块,且任意相邻的两个所述干涉图块的重叠率大于或等于预设比率;
对每个所述干涉图块进行傅里叶变换,得到每个所述干涉图块的频谱图;
对每个所述频谱图进行平滑处理,得到平滑处理的幅值;
利用所述平滑处理的幅值对各个所述频谱图的频谱进行处理,得到处理后的频谱图;
对所述处理后的频谱图进行傅里叶逆变换得到滤波后的干涉图。
5.根据权利要求1所述的基于缠绕相位的GBInSAR大气校正方法,其特征在于,在所述获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差之后,在所述根据所述相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数之前,还包括:
将高于预设距离差阈值的相邻距离差以及对应的相邻相位差数据剔除。
6.一种基于缠绕相位的GBInSAR大气校正***,其特征在于,包括:
图像获取模块,获取地基SAR在不同时刻对同一地区进行探测得到的两幅单视复数影像以及由两幅所述单视复数影像差分干涉形成的干涉图;
相干性计算模块,用于根据所述干涉图中各个像素点的相干性,选取所述干涉图中的高相干点,具体包括:
采用相干性计算公式:
其中,表示相干性,m和n分别表示滑动窗口的两条边的大小,M和S分别表示两幅单视复数影像,i和j分别表示干涉图块中像素点的两个坐标,M(i,j)表示单视复数影像M中坐标为(i,j)的像素点,S(i,j)表示单视复数影像S中坐标为(i,j)的像素点,S*为S的矩阵转置,S*(i,j)表示S*中坐标为(i,j)的像素点;
选取相干性超过预设阈值的像素点作为高相干点;
实测差值获取模块,用于获取处于同一个方位向的相邻的所述高相干点之间的实测的相位差值和距离差值,得到相邻相位差和相邻距离差;
大气延迟系数计算模块,用于根据所述相邻相位差和相邻距离差利用最小二乘回归法计算大气延迟系数;
大气延迟相位计算模块,用于根据所述大气延迟系数计算大气延迟相位;
去粗差模块,用于根据所述大气延迟相位与所述相邻相位差的差值大小剔除超出预设阈值的所述差值大小所对应的相邻相位差和相邻距离差,得到去粗差后的相邻相位差和相邻距离差;
大气延迟系数更新模块,用于根据所述去粗差后的相邻相位差和相邻距离差利用最小二乘回归法更新大气延迟系数,得到去粗差后的大气延迟系数;
大气延迟改正模块,用于利用所述去粗差后的大气延迟系数计算粗差改正后的大气延迟相位。
7.根据权利要求6所述的基于缠绕相位的GBInSAR大气校正***,其特征在于,还包括:
滤波模块,用于对所述干涉图进行Goldstein滤波处理。
8.根据权利要求6所述的基于缠绕相位的GBInSAR大气校正***,其特征在于,所述相干性计算模块包括:
相干性计算单元,用于计算所述干涉图中每个像素的相干性,所述相干性表示通过差分干涉构成所述干涉图中某个像素点的两个像素点之间回波相位的相似程度;
高相干点筛选单元,用于选取相干性超过预设阈值的像素点作为高相干点。
9.根据权利要求7所述的基于缠绕相位的GBInSAR大气校正***,其特征在于,所述滤波模块包括:
分块单元,用于利用滑动窗口将所述干涉图划分成多个干涉图块,且任意相邻的两个所述干涉图块的重叠率大于或等于预设比率;
傅里叶变换单元,用于对每个所述干涉图块进行傅里叶变换,得到每个所述干涉图块的频谱图;
平滑处理单元,用于对每个所述频谱图进行平滑处理,得到平滑处理的幅值;
频谱处理单元,用于利用所述平滑处理的幅值对各个所述频谱图的频谱进行处理,得到处理后的频谱图;
傅里叶逆变换单元,用于对所述处理后的频谱图进行傅里叶逆变换得到滤波后的干涉图。
10.根据权利要求6所述的基于缠绕相位的GBInSAR大气校正***,其特征在于,还包括:
数据剔除模块,用于将高于预设距离差阈值的相邻距离差以及对应的相邻相位差数据剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982029.7A CN110658521B (zh) | 2019-10-16 | 2019-10-16 | 一种基于缠绕相位的GBInSAR大气校正方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982029.7A CN110658521B (zh) | 2019-10-16 | 2019-10-16 | 一种基于缠绕相位的GBInSAR大气校正方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110658521A CN110658521A (zh) | 2020-01-07 |
CN110658521B true CN110658521B (zh) | 2021-07-27 |
Family
ID=69041002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982029.7A Active CN110658521B (zh) | 2019-10-16 | 2019-10-16 | 一种基于缠绕相位的GBInSAR大气校正方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110658521B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239736B (zh) * | 2020-03-19 | 2022-02-11 | 中南大学 | 基于单基线的地表高程校正方法、装置、设备及存储介质 |
CN111650570B (zh) * | 2020-07-24 | 2023-01-31 | 中国地质大学(北京) | 一种地基干涉雷达三维大气校正方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782282A (zh) * | 2019-03-13 | 2019-05-21 | 武汉大学 | 一种集成对流层大气延迟改正的时间序列InSAR分析方法 |
CN110109106A (zh) * | 2019-04-23 | 2019-08-09 | 中国电力科学研究院有限公司 | 一种InSAR地形复杂区域干涉相位解缠方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2355340B1 (es) * | 2010-07-26 | 2012-02-09 | Consorci Institut De Geomatica | Método para monitorizar desplazamiento de terreno y de elementos creados por el hombre usando datos de radar de apertura sintética terrestre (gbsar). |
CN104007439B (zh) * | 2014-05-30 | 2017-02-08 | 中国科学院电子学研究所 | 一种干涉圆迹sar高程估计处理方法 |
CN104407332B (zh) * | 2014-11-25 | 2017-08-11 | 沈阳建筑大学 | 一种地基sar更新dem的校正方法 |
CN108459322A (zh) * | 2018-02-09 | 2018-08-28 | 长安大学 | 一种InSAR干涉图批滤波与优选的方法 |
CN108627833B (zh) * | 2018-05-15 | 2021-08-24 | 电子科技大学 | 一种基于GB-InSAR的大气相位补偿方法 |
CN108627834A (zh) * | 2018-06-07 | 2018-10-09 | 北京城建勘测设计研究院有限责任公司 | 一种基于地基InSAR的地铁路基结构监测方法及装置 |
CN110007302B (zh) * | 2019-03-27 | 2021-03-26 | 北京空间飞行器总体设计部 | 一种星载双天线斜视顺轨干涉sar洋流速度测量方法 |
-
2019
- 2019-10-16 CN CN201910982029.7A patent/CN110658521B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109782282A (zh) * | 2019-03-13 | 2019-05-21 | 武汉大学 | 一种集成对流层大气延迟改正的时间序列InSAR分析方法 |
CN110109106A (zh) * | 2019-04-23 | 2019-08-09 | 中国电力科学研究院有限公司 | 一种InSAR地形复杂区域干涉相位解缠方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110658521A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106772342B (zh) | 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法 | |
CN103675790B (zh) | 一种基于高精度DEM提高InSAR技术监测地表形变精度的方法 | |
CN104111456B (zh) | 一种高速铁路沿线地表形变高分辨率InSAR监测方法 | |
CN103364766B (zh) | 星载InSAR***的外定标方法 | |
CN102621549B (zh) | 多基线/多频段干涉相位解缠频域快速算法 | |
CN110658521B (zh) | 一种基于缠绕相位的GBInSAR大气校正方法及*** | |
CN109752715B (zh) | 一种sar数据全散射体探测方法及装置 | |
CN111650570B (zh) | 一种地基干涉雷达三维大气校正方法及*** | |
CN111239736B (zh) | 基于单基线的地表高程校正方法、装置、设备及存储介质 | |
WO2010000870A1 (en) | Identification and analysis of persistent scatterers in series of sar images | |
CN110018476B (zh) | 时间差分基线集时序干涉sar处理方法 | |
CN111273293A (zh) | 一种顾及地形起伏的InSAR残余运动误差估计方法及装置 | |
CN113552565B (zh) | 针对sar数据高噪声及大梯度变化区域的相位解缠方法 | |
CN112711021B (zh) | 一种多分辨率InSAR交互干涉时序分析方法 | |
CN116338607B (zh) | 时间域和空间域两步式InSAR对流层延迟矫正方法 | |
CN108761458B (zh) | 基于形态学细化的干涉sar水体数字高程模型修正方法 | |
CN112685819A (zh) | 一种用于大坝及滑坡变形gb-sar监测的数据后处理方法及*** | |
CN103630898A (zh) | 对多基线干涉sar相位偏置进行估计的方法 | |
CN116224327B (zh) | 一种基于学习网络的矿区大梯度形变区相位解缠方法 | |
CN117576576A (zh) | 差分干涉sar卫星形变速率测量精度分析计算方法及*** | |
Xiang et al. | PS Selection Method for and Application to GB‐SAR Monitoring of Dam Deformation | |
CN115616575B (zh) | 一种星载sar立体测量辅助的干涉相位图解缠绕方法 | |
CN112505686B (zh) | 高程误差估计方法、装置、电子设备及存储介质 | |
CN113341410A (zh) | 一种大范围林下地形估计方法、装置、设备及介质 | |
CN109143188A (zh) | Tops哨兵-1数据电离层校正方法 |
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 |