CN111948654B - 机载层析sar三维点云生成方法 - Google Patents
机载层析sar三维点云生成方法 Download PDFInfo
- Publication number
- CN111948654B CN111948654B CN202010809686.4A CN202010809686A CN111948654B CN 111948654 B CN111948654 B CN 111948654B CN 202010809686 A CN202010809686 A CN 202010809686A CN 111948654 B CN111948654 B CN 111948654B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- point cloud
- sar
- dimensional point
- airborne
- 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 49
- 238000003325 tomography Methods 0.000 title claims abstract description 31
- 238000003384 imaging method Methods 0.000 claims abstract description 63
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000003672 processing method Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims abstract description 5
- 238000000638 solvent extraction Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000013461 design Methods 0.000 claims description 10
- 238000004587 chromatography analysis Methods 0.000 claims description 4
- 238000002955 isolation Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims 1
- 239000013598 vector Substances 0.000 description 8
- 238000005070 sampling Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 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
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
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
一种机载层析SAR三维点云生成方法,利用机载阵列雷达天线,结合二维SAR成像技术,获取三维空间分辨能力;包括以下步骤:获取阵列多通道聚焦良好的二维SAR图像;对所述二维SAR图像进行图像配准、通道间幅相一致性校正处理,使二维SAR图像满足三维重建的需求;利用二维图像语义信息对三维场景进行分块,并利用稀疏信号处理方法并行处理分块后的三维场景,重建原始三维点云;结合雷达***成像几何参数,对所述原始三维点云进行坐标转换,其中,所述坐标转换为从斜距‑高程坐标系转换到大地坐标系;对大地坐标系三维点云进行空域滤波,滤除杂散点,并结合大地坐标系三维点云地理信息进行拼接,得到城区范围三维点云。
Description
技术领域
本发明涉及合成孔径雷达信号处理技术领域,尤其涉及一种机载层析SAR三维点云生成方法。
背景技术
传统SAR只能获取二维影像,在地形变化陡峭和环境复杂的区域,三维目标在二维图像上会产生严重混叠,导致大量目标看不清、辨不明、难以理解。如何提升SAR图像解译与应用水平,提高我国SAR***应用效能意义重大、需求迫切。
传统二维SAR成像利用发射信号的大带宽获得径向距离高分辨,利用目标与雷达的相对运动获得方位向高分辨。从成像原理来看,二维SAR图像可理解为目标在距离方位成像平面的投影,由于SAR二维成像几何的原因,存在叠掩、失真等现象。近年来,SAR成像技术与多基线干涉技术相结合,能够实现三维成像。三维SAR成像增加了目标垂直于成像平面的高度信息,可获得失真较小的目标散射中心三维结构图。该类方法是通过对两个或多个接收天线获取的回波数据进行分析处理得到不同的二维SAR图像,然后利用不同的SAR复图像进行处理得到目标散射点的高度信息,最终实现三维成像,可以直接获得目标的三维电磁散射结构,消除SAR图像中由成像机理导致的收缩、叠掩、顶底倒置等现象,显著提升目标识别和解译能力,对全天时/全天候的战场三维环境构建、目标精细化解译、城市测绘和灾害评估等具有重大意义。
三维SAR成像技术是当前国际上SAR领域的前沿研究方向,其主要基于“双/多角度”立体成像原理,按照发展历程顺序,可以分为两个阶段。具体包括:第一阶段,SAR立体像对技术与干涉SAR技术。两种技术的共同之处是利用两个不同角度的观测对配准的像素点进行三维位置的解算,其对于一个像素中叠掩了不同散射的情况无法进行分辨,因此严格来说上述两种技术获得的是三维表面成像结果而非真三维的成像结果。第二阶段主要是层析成像与阵列干涉技术。其技术核心在于通过多次观测形成一个斜高向的等效阵列,随着观测图像的增多,不仅可以通过多基线解缠获得相位真值,而且可通过等效阵列的综合处理来获得斜高像的第三维分辨能力,从而达到三维成像的目的。
近年来层析三维成像技术受到广泛关注,综观现阶段国内外学者在层析SAR三维成像领域的研究内容,大多聚焦于时下的热点,即基于压缩感知理论的SAR层析算法设计。但是现有三维重建算法大多对每一个距离方位单元分别处理,忽略了SAR图像中相同目标的像素之间的空间邻接关系。此外,尚未见到***性的层析SAR三维成像处理流程报道。
因此,有必要提出***性的机载层析SAR三维成像数据处理方案。
发明内容
有鉴于此,本发明的主要目的在于提供一种机载层析SAR三维点云生成方法,以期部分地解决上述技术问题中的至少之一。
为了实现上述目的,作为本发明的一方面,提供了一种机载层析SAR三维点云生成方法,利用机载阵列雷达天线,结合二维SAR成像技术,获取三维空间分辨能力;包括以下步骤:
获取阵列多通道聚焦良好的二维SAR图像;
对所述二维SAR图像进行图像配准、通道间幅相一致性校正处理,使二维SAR图像满足三维重建的需求;
利用二维图像语义信息对三维场景进行分块,并利用稀疏信号处理方法并行处理分块后的三维场景,重建原始三维点云;
结合雷达***成像几何参数,对所述原始三维点云进行坐标转换,其中,所述坐标转换为从斜距-高程坐标系转换到大地坐标系;
对大地坐标系三维点云进行空域滤波,滤除杂散点,并结合大地坐标系三维点云地理信息进行拼接,得到城区范围三维点云。
其中,所述获取阵列多通道聚焦良好的二维SAR图像步骤之前还包括获取优化的雷达回波数据,具体包括根据成像场景、作用距离、信号波形因素,对多通道基线及相位中心分布进行优化设计。
其中,所述多通道基线的优化设计适用于城市区域的层析SAR三维成像信号处理。
其中,所述多通道基线布局设计需要考虑到高程分辨率、观测矩阵互相关特性,保证最优成像性能。
其中,所述稀疏信号处理方法适用于城市区域的层析SAR三维成像信号处理。
其中,所述稀疏信号处理方法基于手动或自动提取SAR图像语义信息,即像素标签,表征像素的点、线、面信息。
其中,所述稀疏信号处理方法结合SAR图像语义约束,避免现有方法像素孤立求解造成的各种问题,获取高精度三维点云。
其中,所述对大地坐标系三维点云进行空域滤波所使用的滤波方法适用于城区建筑等规则几何形状区域的三维点云噪点滤除。
其中,所述滤波方法包括:基于初始三维点云提取地表建筑三维模型,并结合点云密度,分析点云到模型的欧氏距离,对噪点进行筛选及滤除。
基于上述技术方案可知,本发明的机载层析SAR三维点云生成方法相对于现有技术至少具有如下有益效果之一或其中的一部分:
针对层析SAR三维成像的目的,***性给出了从回波信号到三维点云的完整信号处理方法;并采用有效方法对层析成像中稀疏基线的构型进行优化,将SAR二维图像语义信息与现有稀疏重建方法结合,提升了三维点云的质量,并通过实际机载层析SAR试验验证了处理方法的有效性。
附图说明
图1为本发明机载层析SAR点云生成方法流程框图;
图2为本发明实施例的SAR幅度图;
图3为本发明实施例的多通道图像配准后相关系数图;
图4为本发明实施例的多通道图像配准后干涉相位图;
图5为本发明实施例的机载层析观测示意图;
图6为本发明实施例的没有语义约束的重建结果;
图7为本发明实施例的增加语义约束之后的重建结果;
图8为本发明实施例在坐标转换及点云滤波前的三维点云;
图9为本发明实施例在坐标转换及点云滤波后的三维点云。
具体实施方式
本发明公开了一种机载层析SAR点云生成方法,以实现从机载SAR数据到三维点云的完整处理流程,为获取高精度三维点云提供理论与方法支撑。涉及雷达成像和信号处理技术领域,能够利用机载层析SAR***来获取城市建筑密集区大范围三维点云。本发明考虑了城区目标存在大量叠掩的特点,利用层析SAR技术高效实现大范围三维点云重建,结合SAR图像语义信息提升三维成像效果,能够真实反映地面场景三维信息,拓展了传统SAR成像的信息维度。本发明主要针对利用SAR多角度观测获得地面聚焦良好的高精度三维点云的问题,是一种基于多角度SAR图像的高精度三维成像方法,该方法可用于SAR地形测绘。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
如图1所示,本发明公开了一种机载层析SAR***三维点云生成方法,包括以下步骤:
首先根据成像场景、作用距离、信号波形等因素,对多通道基线及相位中心分布进行优化设计;
利用多通道雷达回波数据分别进行成像处理,获得聚焦良好的二维SAR图像,图2展示了某一个通道的SAR幅度图像。在此基础上对多通道图像进行亚像素级的配准,图3展示了某两个通道图像配准后的相关系数图,图4展示了某两个通道图像配准后的干涉相位图;
针对配准后的多通道SAR图像,执行幅度校正和相位校正等操作,使得多通道ISAR复图像满足三维成像的基本要求;
对场景进行分块,结合SAR图像局部语义信息,利用稀疏信号处理等三维成像方法,并行处理,高效获取目标三维点云;
结合雷达***成像几何参数,对点云进行坐标转换,从斜距-高程坐标系转换到大地坐标系;
对大地坐标系点云进行空域滤波,滤除杂散点,并结合点云地理信息进行拼接,得到城区大范围三维点云。
其中,多通道基线布局设计,进一步包括:
1)适用于城市区域的层析SAR三维成像信号处理;
2)由于多通道基线布局设计影响影响稀疏重建观测矩阵,基线布局设计需要考虑到高程分辨率、观测矩阵互相关特性,保证最优成像性能。
其中,结合SAR图像语义的稀疏三维成像方法,进一步包括:
1)适用于城市区域的层析SAR三维成像信号处理;
2)基于手动或自动提取SAR图像语义信息,即像素标签,表征像素的点、线、面等信息;
3)结合SAR图像语义约束,与现有稀疏重建算法相结合,避免现有方法像素孤立求解造成的各种问题,获取高精度三维点云。
其中,三维点云滤波方法,进一步包括:
1)适用于城区建筑等规则几何形状区域的三维点云噪点滤除;
2)基于初始三维点云提取地表建筑三维模型,并结合点云密度,分析点云到模型的欧氏距离,对噪点进行筛选及滤除,获得高质量三维点云。
下面以机载Ku波段SAR***,带宽800MHz为例,来描述具体实施方式,机载层析观测示意图如图5所示。
1、稀疏阵列构型优化设计
针对空间三维成像的目的,将连续成像场景表示为I,I包含了目标的三维位置、散射系数等信息。稀疏阵列雷达三维成像***在空间域ξ上对于成像场景I的采样信号表示为s(ξ),空间域ξ可以表示频率、时间以及阵元位置等维度信息。类似于数字信号处理,对于三维成像场景I离散化处理为V个采样点,整个成像场景由这V个采样点构成,每个采样点的幅度记为σv(v=l,2,3,...,V),且成像场景的参数属于这个离散化的采样点集合,即有I∈Ω={I1,I2,I3,...,IV}。假设采样空间ξ中存在Q个采样数据,采样点记为ζ1,ζ2,ζ3,...,ζQ,稀疏瞬态成像的数学模型可以表示为:
s=[s(ξ1),s(ξ2),s(ξ3),...,s(ξQ)]=Aσ (1)
其中矩阵A=[a(I1),a(I2),...,a(IV)]∈CQ×V表示雷达***的观测矩阵。对上述方程求逆即可实现三维重建的目的。
稀疏基线的分布直接影响观测矩阵A,因此通过稀疏观测矩阵优化基线分布,互相关系数:用来表征观测矩阵列之间的互相关系数:
其中ui和uj分别表示稀疏观测矩阵的第i列和第j列。针对观测矩阵A=[u1,u2,…,uN],将其列向量归一化之后,为了最小化矩阵列之间的最大互相关系数:
基于球矢量量化(Sphere Vector Quantization,SVQ)的思想,将归一化后的观测矩阵视为一个码本,利用随机输入向量来对其中的码元(列向量)进行优化。在压缩编码中,定义输入向量g∈G与码元ui之间的失真度为:
d(g,ui)=1-|ui Hg| (4)
为了最小化最大互相关系数,等价于解决如下问题:
其中Eg[·]表示针对输入向量g的集平均。针对上述问题,通过在最近邻条件以及聚类中心条件之间进行迭代,即可得到优化的阵元位置。
2、结合图像语义的稀疏三维成像方法
层析SAR三维成像技术利用配准后的多幅二维SAR图像,构建观测方程如下:
y=F·s+n (6)
其中,
Δbi,sj分别表示第i个基线位置以及高程向的第j个网格位置。现有方法通过对每一个像素构建一个观测向量并孤立求解。实际上,SAR图像相邻像素之间并非完全孤立,例如,隶属于同一栋建筑的相邻像素之间,其在高程向位置上存在一定的连续性。因此,为了有效利用SAR二维图像中的三维信息,本方法利用SAR图像语义用以增加三维成像的信息量。通过对二维图像中建筑物区域进行语义分割,能够构建图像中某一像素与周边像素的空间连接关系。
由于层析SAR三维成像是在获取二维SAR图像的基础上,重建高程向散射点分布,稀疏重建算法主要针对高程向重建。因此,利用局部高斯马尔科夫随机场(LocalGaussian-Markov Random Field,LGMRF)来描述邻域内的像素点在高程向的空间位置关系。这里用Np表示一个包含S个像素的区域,e=[e1,e2,...,eS]代表这S个像素的高程向位置,Ni表示第i个像素的邻域,则LGMRF模型表达式如下:
上述表达式中,κ={κi,n}超参数的集合。类比于高斯分布模型,其可以视为高程分布的方差,表征了一个邻域内高程起伏的大小,在实际处理中,利用相邻像素之间的互相关系数进行计算。上述模型对邻域内高程分布进行了统计建模,结合稀疏贝叶斯理论,将公式(8)中的高程分布模型作为先验知识馈入,可以对三维重建点云位置进行约束,提升三维成像质量,相关对比结果如图6和图7所示,其中图6为没有语义约束的重建结果,图7为增加语义约束之后的重建结果。
3、坐标转换及点云滤波
结合图像语义进行稀疏重建后,得到的目标三维点云坐标系是距离-方位-高程,为了符合日常视觉习惯,需要将其转化到地理坐标系下。根据飞机自身的POS数据,以及成像参数(作用距离,视角,带宽,分辨率等),构建仿射变换矩阵,实现坐标转换。最后,为了进一步减少三维成像中由于未知原因导致的杂散散射点,可以利用各种点云滤波算法进行滤波,一种简单有效的点云滤波算法是基于K临近思想的滤波算法。
上述表达式中,通过计算第I个散射点和其邻域内欧式距离最近的K个散射点的平均距离,并与事先设定的阈值ò进行比较,当大于该阈值时判定该散射点为杂散点。通过上述处理,能够得到在地理坐标系下杂散点较少的三维成像结果,相关对比结果如图8和图9所示,其中图8为坐标转换及点云滤波之前三维点云,图9为坐标转换及点云滤波后三维点云。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种机载层析SAR三维点云生成方法,其特征在于,利用机载阵列雷达天线,结合二维SAR成像技术,获取三维空间分辨能力;包括以下步骤:
获取阵列多通道聚焦良好的二维SAR图像;
对所述二维SAR图像进行图像配准、通道间幅相一致性校正处理,使二维SAR图像满足三维重建的需求;
利用二维图像语义信息对三维场景进行分块,并利用稀疏信号处理方法并行处理分块后的三维场景,重建原始三维点云;
结合雷达***成像几何参数,对所述原始三维点云进行坐标转换,其中,所述坐标转换为从斜距-高程坐标系转换到大地坐标系;
对大地坐标系三维点云进行空域滤波,滤除杂散点,并结合大地坐标系三维点云地理信息进行拼接,得到城区范围三维点云;
其中,所示二维图像语义信息对三维场景进行分块为利用SAR图像语义用以增加三维成像的信息量,通过对二维图像中建筑物区域进行语义分割,以便构建图像中某一像素与周边像素的空间连接关系;
其中,所述稀疏信号处理方法基于手动或自动提取SAR图像语义信息,即像素标签,表征像素的点、线、面信息。
2.根据权利要求1所述的机载层析SAR三维点云生成方法,其特征在于,所述获取阵列多通道聚焦良好的二维SAR图像步骤之前还包括获取优化的雷达回波数据,具体包括根据成像场景、作用距离、信号波形因素,对多通道基线及相位中心分布进行优化设计;
其中,所述多通道基线布局设计需要考虑到高程分辨率、观测矩阵互相关特性,保证最优成像性能。
3.根据权利要求2所述的机载层析SAR三维点云生成方法,其特征在于,所述多通道基线的优化设计适用于城市区域的层析SAR三维成像信号处理。
4.根据权利要求1所述的机载层析SAR三维点云生成方法,其特征在于,所述稀疏信号处理方法适用于城市区域的层析SAR三维成像信号处理。
5.根据权利要求1所述的机载层析SAR三维点云生成方法,其特征在于,所述稀疏信号处理方法结合SAR图像语义约束,避免现有方法像素孤立求解造成的各种问题,获取高精度三维点云。
6.根据权利要求1所述的机载层析SAR三维点云生成方法,其特征在于,所述对大地坐标系三维点云进行空域滤波所使用的滤波方法适用于城区建筑等规则几何形状区域的三维点云噪点滤除。
7.根据权利要求6所述的机载层析SAR三维点云生成方法,其特征在于,所述滤波方法包括:基于初始三维点云提取地表建筑三维模型,并结合点云密度,分析点云到模型的欧氏距离,对噪点进行筛选及滤除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809686.4A CN111948654B (zh) | 2020-08-12 | 2020-08-12 | 机载层析sar三维点云生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809686.4A CN111948654B (zh) | 2020-08-12 | 2020-08-12 | 机载层析sar三维点云生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948654A CN111948654A (zh) | 2020-11-17 |
CN111948654B true CN111948654B (zh) | 2022-03-18 |
Family
ID=73332503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010809686.4A Active CN111948654B (zh) | 2020-08-12 | 2020-08-12 | 机载层析sar三维点云生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948654B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419242A (zh) * | 2021-06-22 | 2021-09-21 | 中国科学院空天信息创新研究院 | 一种层析sar全场景点云获取方法及其装置 |
CN113702973A (zh) * | 2021-08-30 | 2021-11-26 | 中国科学院空天信息创新研究院 | 结合图像邻域几何约束的sar三维成像方法 |
CN113702972A (zh) * | 2021-08-30 | 2021-11-26 | 中国科学院空天信息创新研究院 | 基于地形先验的机载多通道雷达幅相误差估计方法 |
WO2023108544A1 (zh) * | 2021-12-15 | 2023-06-22 | 深圳航天科技创新研究院 | 用于成像应用的单天线超宽带雷达*** |
CN116660897B (zh) * | 2023-05-19 | 2024-02-27 | 北京建筑大学 | 基于空间语义的sar成像获取方法、装置、计算机设备 |
CN116400356B (zh) * | 2023-06-07 | 2023-08-18 | 中山大学 | 一种基于同质区域联合的层析sar三维成像方法 |
CN116755088B (zh) * | 2023-08-09 | 2023-11-17 | 中国科学院空天信息创新研究院 | 一种基于雷达的粮仓深度与异物的探测与成像方法 |
CN117148352B (zh) * | 2023-10-31 | 2024-01-02 | 中国科学院空天信息创新研究院 | 一种角度唯一性约束的阵列干涉sar三维成像方法 |
CN117630932A (zh) * | 2023-11-29 | 2024-03-01 | 中国科学院空天信息创新研究院 | 一种基于分组稀疏的机载阵列干涉sar层析成像方法 |
CN117872366B (zh) * | 2023-11-30 | 2024-06-07 | 中国科学院空天信息创新研究院 | 一种基于相位解缠的阵列干涉sar山区点云解模糊方法 |
CN117554962B (zh) * | 2024-01-12 | 2024-03-22 | 中国科学院空天信息创新研究院 | 一种基于加权最小二乘的层析sar无网格三维反演方法 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221697A (zh) * | 2011-03-25 | 2011-10-19 | 电子科技大学 | 一种机载多天线sar层析三维成像***及其成像方法 |
CN102645651A (zh) * | 2012-04-23 | 2012-08-22 | 电子科技大学 | 一种sar层析超分辨成像方法 |
CN102662171A (zh) * | 2012-04-23 | 2012-09-12 | 电子科技大学 | 一种sar层析三维成像方法 |
CN103454638A (zh) * | 2013-09-22 | 2013-12-18 | 中国科学院电子学研究所 | 一种圆迹合成孔径雷达三维层析成像方法 |
CN103983972A (zh) * | 2014-05-06 | 2014-08-13 | 电子科技大学 | 一种快速压缩传感三维sar稀疏成像方法 |
-
2020
- 2020-08-12 CN CN202010809686.4A patent/CN111948654B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221697A (zh) * | 2011-03-25 | 2011-10-19 | 电子科技大学 | 一种机载多天线sar层析三维成像***及其成像方法 |
CN102645651A (zh) * | 2012-04-23 | 2012-08-22 | 电子科技大学 | 一种sar层析超分辨成像方法 |
CN102662171A (zh) * | 2012-04-23 | 2012-09-12 | 电子科技大学 | 一种sar层析三维成像方法 |
CN103454638A (zh) * | 2013-09-22 | 2013-12-18 | 中国科学院电子学研究所 | 一种圆迹合成孔径雷达三维层析成像方法 |
CN103983972A (zh) * | 2014-05-06 | 2014-08-13 | 电子科技大学 | 一种快速压缩传感三维sar稀疏成像方法 |
Non-Patent Citations (1)
Title |
---|
"合成孔径雷达三维成像——从层析、阵列到微波视觉";丁赤飚 等;《雷达学报》;20191231;第8卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111948654A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111948654B (zh) | 机载层析sar三维点云生成方法 | |
CN102063715B (zh) | 基于非抽样contourlet变换和粒子群优化算法的台风云图融合方法 | |
Sun et al. | Recent advances in synthetic aperture radar remote sensing—systems, data processing, and applications | |
CN103955701B (zh) | 多层次结合的多视合成孔径雷达图像目标识别方法 | |
CN106910177B (zh) | 一种局域图像指标最优化的多角度sar图像融合方法 | |
CN112415515B (zh) | 一种机载圆迹sar对不同高度目标分离的方法 | |
CN109856636B (zh) | 曲线合成孔径雷达自适应三维成像方法 | |
CN116245757B (zh) | 多模态数据的多场景通用性遥感影像云修复方法和*** | |
Ren et al. | 3D Imaging Algorithm for Down‐Looking MIMO Array SAR Based on Bayesian Compressive Sensing | |
CN116203562A (zh) | 一种光学影像辅助的星载立体sar影像控制点自动生成方法 | |
Dong et al. | Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry | |
Guo et al. | KD-tree-based euclidean clustering for tomographic SAR point cloud extraction and segmentation | |
CN113608218A (zh) | 一种基于后向投影原理的频域干涉相位稀疏重构方法 | |
Yang et al. | Ground deformation monitoring of Zhengzhou city from 2012 to 2013 using an improved IPTA | |
CN114638874B (zh) | 基于因式分解和isea的空间目标三维重构方法 | |
Liu et al. | Precision terrain modeling approach in complex mountainous areas based on compact UAV Ka-InSAR data | |
Wang et al. | Interference image registration combined by enhanced scale-invariant feature transform characteristics and correlation coefficient | |
CN113610902B (zh) | 地基真实孔径雷达与点云数据映射配准方法 | |
Zhou et al. | Automatic reconstruction of 3-D building structures for tomoSAR using neural networks | |
Feng et al. | Multiview ISAR imaging for complex targets based on improved SBR scattering model | |
CN117310705B (zh) | 一种基于双极化sar影像的洪涝灾害快速检测方法 | |
Sirko et al. | High-Resolution Building and Road Detection from Sentinel-2 | |
CN117647801B (zh) | 一种光学和合成孔径雷达互馈三维成像方法 | |
Cao et al. | A Novel Method for Ocean Wave Spectra Retrieval Using Deep Learning From Sentinel-1 Wave Mode Data | |
Sun et al. | A Novel Unambiguous Imaging Method for Geosynchronous Spaceborne-Airborne Bistatic SAR |
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 |