CN117826148A - 一种相干点识别的方法和*** - Google Patents
一种相干点识别的方法和*** Download PDFInfo
- Publication number
- CN117826148A CN117826148A CN202311609885.0A CN202311609885A CN117826148A CN 117826148 A CN117826148 A CN 117826148A CN 202311609885 A CN202311609885 A CN 202311609885A CN 117826148 A CN117826148 A CN 117826148A
- Authority
- CN
- China
- Prior art keywords
- target point
- threshold
- point
- time series
- amplitude
- 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 44
- 230000001427 coherent effect Effects 0.000 title claims abstract description 30
- 239000006185 dispersion Substances 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims description 12
- 230000010363 phase shift Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 16
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000004062 sedimentation Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 2
- 230000003595 spectral effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种相干点识别的方法和***,属于无线电测量技术领域,所述方法包括:获得合成孔径雷达的影像数据;判断所述影像数据的目标点是否满足以下条件:时间序列的振幅离散指数小于第一阈值、自相关系数大于第二阈值、并且平均相干系数大于第三阈值;若满足,所述目标点为相干点。采用多检测指标的方式识别相干点,可减少时间失相干和空间失相干的影响,剔除失相关严重的非永久散射体目标,提高相干点的密度和监测精度,可提高沉降监测的精度。
Description
技术领域
本发明涉及无线电测量技术领域,具体涉及一种相干点识别的方法和***。
背景技术
相干点也称为永久散射体(Persistent Scatterer,PS),是在时间上辐射稳定的点目标(单个像素或一组像素)。这类点目标在观测期内具有强反射(高后向散射)和高相干性的特点。辐射稳定的目标是城市基础设施(如建筑物、桥梁、水坝、温室、金属建筑等)或自然物体(如暴露的岩石等)。
随着地铁运营里程的增长,新建地铁规模减小。逐步的,地铁监测市场由建设期监测为主转为地铁运维期监测为主。然而,运维期地铁基础设施(高架段及路基段)形变情况特征是比较特殊的。只通过统计分析影像的幅度信息,城市建成区范围内地铁基础设施的相干点目标的识别提取有一定难度。传统的PS-InSAR相干点识别通常采用单一的永久散射体识别方法,如相干系数识别法,但单一的永久散射体识别方法的错误率较高;而相干点识别是沉降监测的前置条件。因此基于传统的PS-InSAR相干点识别方法,有些相干点难以识别,轨道交通沿线区域沉降监测精度亟待提高。
发明内容
针对现有技术中存在的上述技术问题,本发明提供一种相干点识别的方法和***,采用多检测指标的方式,提高相干点的监测精度。
本发明公开了一种相干点识别的方法,包括以下步骤:获得合成孔径雷达的影像数据;判断所述影像数据的目标点是否满足以下条件:时间序列的振幅离散指数小于第一阈值、自相关系数大于第二阈值、并且平均相干系数大于第三阈值;若满足,所述目标点为相干点。
优选的,振幅离散指数表示为:
D=σ/μ (1)
其中,D表示目标点时间序列的振幅离散指数,σ为目标点幅度时间序列的标准差,μ为目标点幅度时间序列的均值。
优选的,平均相干系数表示为:
γk表示为第x个像素在第k个干涉对下的相干系数,M(i,j)和S(i,j)分别为构成第k个干涉对的主从影像,*表示执行共轭相乘,m和n分别为滑动窗口横向和纵向的大小,为目标点的平均相干系数,N表示为相干点相邻干涉对的对数。
优选的,相干系数用于剔除失相关严重的非永久散射体目标。
优选的,所述影像数据包括经过配准处理后的时间序列;
所述振幅离散指数用于选择时间序列上的变化小于第一阈值的永久散射体,以减少时间失相干的影响;
自相关系数用于减少空间失相干的影响。
优选的,获得自相关系数的方法包括:
依次对对SAR影像进行预处理和图像配准;
对图像配准后的SAR影像进行傅里叶变换,得到它们在频率域上的表示;
从频率域表示中提取幅度信号时间序列,并计算幅度信号时间序列的自相关系数。
优选的,自相关系数的计算方式为:
Y(t,s)=E(Xt-μt)(Xs-μs) (5)
其中,ρ(t,s)表示为幅度信号时间序列的自相关系数,t和s分别表示时间序列的时刻,Xt表示为t时刻的时相,μt表示为t时刻时相的均值,D()表示取方差,E()表示为数学期望,Y(t,s)表示为自协方差函数。
优选的,所述目标点用于检测地面沉降,检测地面沉降的方法包括:
去除目标点干涉图中的相位偏移和大气效应后,计算目标点的变形速率;
通过变形速率的垂直分量计算地面沉降。
本发明还提供一种用于实现上述方法的***,包括采集模块和识别模块,所述采集模块用于获得合成孔径雷达的影像数据;所述识别模块用于判断所述影像数据的目标点是否满足以下条件:时间序列的振幅离散指数小于第一阈值、自相关系数大于第二阈值、并且相干系数大于第三阈值;若满足,所述目标点为相干点。
优选的,所述***还包括沉降分析模块,所述沉降分析模块用于去除目标点干涉图中的相位偏移和大气效应后,计算目标点的变形速率;通过变形速率的垂直分量计算地面沉降。
与现有技术相比,本发明的有益效果为:采用多检测指标的方式识别相干点,可减少时间失相干和空间失相干的影响,剔除失相关严重的非永久散射体目标,提高相干点的密度和监测精度,提高沉降监测的精度。
附图说明
图1是本发明的相干点识别的方法流程图;
图2是本发明的***逻辑框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明的一部分实施例,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的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。
下面结合附图对本发明做进一步的详细描述:
一种相干点识别的方法,如图1所示,包括以下步骤:
步骤101:获得合成孔径雷达的影像数据,影像数据也称为SAR影像。所述影像数据包括经过配准处理后的时间序列,配准处理为现有技术,本发明不再赘述。
步骤102:判断所述影像数据的目标点是否满足第一条件:时间序列的振幅离散指数小于第一阈值、自相关系数大于第二阈值、并且平均相干系数大于第三阈值;
若满足,执行步骤103:所述目标点为相干点。
若不满足,所述目标点不是相干点。
采用多检测指标的方式,提高相干点的密度和监测精度,提高沉降监测的精度。其中,振幅离散指数阈值法和自相关系数阈值法可提高相干点密度,相干系数阈值法可进一步提高监测精度。
其中,振幅离散指数用于选择时间序列上的变化小于第一阈值T1的永久散射体,选择时间序列上的变化小的目标点,以减少时间失相干的影响。基于大数据量的SAR影像下幅度离差和相位偏差间的统计关系选择高可信度的永久散射体。
振幅离散指数可以表示为:
D=σ/μ (1)
其中,D表示目标点时间序列的振幅离散指数,σ为目标点幅度时间序列的标准差,μ为目标点幅度时间序列的均值。即对经过配准处理后的时序SAR数据,计算同一目标点在时间序列多影像上的方差、均值,将两者之比作为永久散射体识别方法的测度,选择小于第一阈值的目标点为永久散射体,即D<T1。
自相关系数用于减少空间失相干的影响,也称为点目标检测法。通过对永久散射体原理分析可知,由于角反射器效应具有高亮度。时间内的回波信号保持恒定,相位特征也很稳定的目标点,可以识别为候选永久散射体。可通过将SAR影像进行处理来获取幅度信号之间的时间序列自相关系数,设置一定的平均光谱相干性来筛选出高质量的点目标。具体步骤如下:
步骤301:对SAR影像进行预处理(如辐射校正、大气校正和地形校正等),对时间序列SAR影像进行图像配准,可得到时间序列干涉对。预处理能够提高影像的质量和可比性;图像配准可确保其在相同的地理坐标下,这是计算光谱相关性的前提条件。
步骤302:对图像配准后的SAR影像进行傅里叶变换,得到它们在频率域上的表示,以进行进一步的频谱分析和处理。SAR影像记录了雷达波在地物上的散射信号,这些信号的幅度和相位信息实际上已经包含了地物的频率域特征。
步骤303:从频率域表示中提取幅度信号时间序列,并计算幅度信号时间序列的自相关系数。用自相关系数,来计算幅度信号之间的时间自相关性,衡量在不同SAR影像时相间地物幅度信息(后向散射信号)的相关程度。自相关系数反映了光谱相关性。这种相关系数计算方法对于信号处理、数据分析等领域有着广泛的应用。
自相关系数的计算方式为:
Y(t,s)=E(Xt-μt)(Xs-μs) (5)
其中,ρ(t,s)表示为幅度信号时间序列的自相关系数,t和s分别表示时间序列的不同时刻,Xt表示为t时刻的时相,μt表示为t时刻时相的均值,D()表示取方差,E()表示为数学期望,Y(t,s)表示为自协方差函数。幅度信号时间序列表示为:{Xt,t∈T}。
平均相干系数用于剔除失相关严重的非永久散射体目标。确保最终获取高密度、高质量的永久散射体。经过统计分析可以认为具有SAR影像上高空间相干性的点对应着地面上的建筑物等高相干区域。因此可以进一步计算平均相干系数来选择相干系数较高的点目标。相干性是衡量干涉相位噪声的最直观的标准,相干系数法根据目标像素周围临近像素的值来估计其平均相干系数。
平均相干系数表示为:
γk表示为目标点在第k个干涉对下的相干系数,M(i,j)和S(i,j)分别为构成第k个干涉对的主从影像,*表示执行共轭相乘,m和n分别为滑动窗口横向和纵向的大小,为目标点的平均相干系数,N表示为相干点相邻干涉对的对数。N个干涉对的相干系数表示为:(γ1,γ2,…,γN)
在植被或水体等表面物体处,不同的散射机制可能会导致雷达波的相位发生较大的变化,从而造成失相干现象。植被树叶、枝干等多个散射源引起不同方向的多次散射,导致雷达波的相位不一致;其次,植被的生长状态和结构变化也会导致雷达波的相位变化。水体失相干的主要原因是由于表面的多次反射等因素引起的,来自不同方向和位置的雷达波之间存在相位差异,从而导致水体区域的相干性降低。平均相干系数可以快速识别并剔除这些失相干的数据。
所述目标点用于检测地面沉降,检测地面沉降的方法包括:
步骤201:去除目标点干涉图中的相位偏移和大气效应后,获得干涉图,通过干涉图计算目标点的变形速率。去除目标点干涉图中的相位偏移和大气效应为现有技术,本申请中不再赘述。
步骤202:通过变形速率的垂直分量计算地面沉降。
通过将时间序列振幅离散指数阈值法、点目标检测方法选择出受时间失相干和空间失相干影响较小的永久散射体候选点,大大提高了单一监测方法的永久散射体密度。在此基础上采用相干系数阈值法优化了相干点目标的识别,有效剔除错误识别的相干点,提高了传统相干点识别方法的可靠性。最后分离出这些目标点上的地形相位以此来监测地面沉降,实现地铁运维期的高质量监测。将同时满足第一阈值、第二阈值和第三阈值的点选为相干点(PS点),这种多重信息选择的方法充分考虑了相干点的多种特性。
相干系数在0.8以上则表示具有较高相干性,振幅离散指数在0.15一下则具有较稳定的幅度信息。建筑物等人造结构的光谱自相关系数一般在0.6以上。因此在一个具体实施例中,第一阈值T1取值0.1,第二阈值T2取值0.8,第三阈值T3取值0.9,但不限于此。
本发明的方法可以在时间上识别辐射稳定的点。水准点监测数据以及其他的现场资料也可以为相干点的识别提供参考。这些点目标在观测期内具有强反射(高后向散射)和高相干性的特点。一旦确定这些点作为稳定的PS候选点,就使用位移模型从去平后的干涉图中去除相位偏移和大气效应,得到每个像素的最终变形速率。
本发明还提供一种用于实现上述方法的***,如图2所示,包括:采集模块1和识别模块2,所述采集模块1用于获得合成孔径雷达的影像数据;所述识别模块2用于判断所述影像数据的目标点是否满足以下条件:时间序列的振幅离散指数小于第一阈值、自相关系数大于第二阈值、并且相干系数大于第三阈值;若满足,所述目标点为相干点。
所述***还包括沉降分析模块3,所述沉降分析模块用于去除目标点干涉图中的相位偏移和大气效应后,计算目标点的变形速率;通过变形速率的垂直分量计算地面沉降。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (10)
1.一种相干点识别的方法,其特征在于,包括以下步骤:
获得合成孔径雷达的影像数据;
判断所述影像数据的目标点是否满足以下条件:时间序列的振幅离散指数小于第一阈值、自相关系数大于第二阈值、并且平均相干系数大于第三阈值;
若满足,所述目标点为相干点。
2.根据权利要求1所述的方法,其特征在于,振幅离散指数表示为:
D=σ/μ (1)
其中,D表示目标点时间序列的振幅离散指数,σ为目标点幅度时间序列的标准差,μ为目标点幅度时间序列的均值。
3.根据权利要求1所述的方法,其特征在于,平均相干系数表示为:
γk表示为目标点在第k个干涉对下的相干系数,M(i,j)和S(i,j)分别为构成第k个干涉对的主从影像,*表示执行共轭相乘,m和n分别为滑动窗口横向和纵向的大小,为目标点的平均相干系数,N表示为相干点相邻干涉对的对数。
4.根据权利要求3所述的方法,其特征在于,相干系数用于剔除失相关严重的非永久散射体目标。
5.根据权利要求1所述的方法,其特征在于,所述影像数据包括经过配准处理后的时间序列;
所述振幅离散指数用于选择时间序列上的变化小于第一阈值的永久散射体,以减少时间失相干的影响;
自相关系数用于减少空间失相干的影响。
6.根据权利要求1所述的方法,其特征在于,获得自相关系数的方法包括:
依次对对影像数据进行预处理和图像配准;
对图像配准后的影像数据进行傅里叶变换,得到它们在频率域上的表示;
从频率域表示中提取幅度信号时间序列,并计算幅度信号时间序列的自相关系数。
7.根据权利要求6所述的方法,其特征在于,自相关系数的计算方式为:
Y(t,s)=E(Xt-μt)(Xs-μs) (5)
其中,ρ(t,s)表示为幅度信号时间序列的自相关系数,t和s分别表示时间序列的时刻,Xt表示为t时刻的时相,μt表示为t时刻时相的均值,D()表示取方差,E()表示为数学期望,Y(t,s)表示为自协方差函数。
8.根据权利要求1所述的方法,其特征在于,所述目标点用于检测地面沉降,检测地面沉降的方法包括:
去除目标点干涉图中的相位偏移和大气效应后,计算目标点的变形速率;
通过变形速率的垂直分量计算地面沉降。
9.一种相干点识别的***,其特征在于,用于实现如权利要求1-8任一项所述的方法,所述***包括:采集模块和识别模块,
所述采集模块用于获得合成孔径雷达的影像数据;
所述识别模块用于判断所述影像数据的目标点是否满足以下条件:时间序列的振幅离散指数小于第一阈值、自相关系数大于第二阈值、并且相干系数大于第三阈值;若满足,所述目标点为相干点。
10.根据权利要求9所述的***,其特征在于,还包括沉降分析模块,所述沉降分析模块用于去除目标点干涉图中的相位偏移和大气效应后,计算目标点的变形速率;通过变形速率的垂直分量计算地面沉降。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609885.0A CN117826148A (zh) | 2023-11-29 | 2023-11-29 | 一种相干点识别的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609885.0A CN117826148A (zh) | 2023-11-29 | 2023-11-29 | 一种相干点识别的方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117826148A true CN117826148A (zh) | 2024-04-05 |
Family
ID=90508637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311609885.0A Pending CN117826148A (zh) | 2023-11-29 | 2023-11-29 | 一种相干点识别的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117826148A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822598A (zh) * | 2014-02-26 | 2014-05-28 | 北京理工大学 | 地基sar在时间去相关严重区域的形变监测方法 |
CN105678716A (zh) * | 2016-02-25 | 2016-06-15 | 内蒙古工业大学 | 一种地基sar大气干扰相位校正方法及装置 |
CN105866776A (zh) * | 2016-03-28 | 2016-08-17 | 北京理工大学 | 一种地基sar的高质量动态ps点选择方法 |
CN108627833A (zh) * | 2018-05-15 | 2018-10-09 | 电子科技大学 | 一种基于GB-InSAR的大气相位补偿方法 |
CN109613531A (zh) * | 2019-01-07 | 2019-04-12 | 北方工业大学 | 一种微变感知预警雷达的多阈值优化形变反演方法及*** |
CN112179314A (zh) * | 2020-09-25 | 2021-01-05 | 北京空间飞行器总体设计部 | 一种基于三维网格投影的多角度sar高程测量方法及*** |
CN113064188A (zh) * | 2020-08-07 | 2021-07-02 | 国网浙江省电力有限公司 | 基于sar卫星与北斗卫星的变电站地质形变监测方法 |
CN113340191A (zh) * | 2021-04-08 | 2021-09-03 | 河北省高速公路延崇筹建处 | 时间序列干涉sar的形变量测量方法及sar*** |
CN113447927A (zh) * | 2021-06-29 | 2021-09-28 | 中国矿业大学 | 一种基于点目标分层分析的时序InSAR地表沉降监测方法 |
CN113848550A (zh) * | 2021-09-24 | 2021-12-28 | 内蒙古工业大学 | 地基雷达自适应阈值永久散射体识别方法、装置及存储介质 |
CN114200447A (zh) * | 2021-10-22 | 2022-03-18 | 国网思极神往位置服务(北京)有限公司 | 基于PS-InSAR技术监测输电线路地表形变的方法及相关设备 |
CN114527465A (zh) * | 2022-02-28 | 2022-05-24 | 同济大学 | 一种基于永久散射体的地面控制点自动选取方法 |
CN116047519A (zh) * | 2023-03-30 | 2023-05-02 | 山东建筑大学 | 一种基于合成孔径雷达干涉测量技术的选点方法 |
CN116449365A (zh) * | 2022-11-21 | 2023-07-18 | 中交基础设施养护集团有限公司 | 一种基于时序InSAR技术的地铁沿线地表二维形变场监测方法 |
CN116559866A (zh) * | 2023-07-11 | 2023-08-08 | 南京天辰礼达电子科技有限公司 | 一种地基合成孔径雷达大气补偿方法 |
CN116908853A (zh) * | 2023-09-13 | 2023-10-20 | 北京观微科技有限公司 | 高相干点选取方法、装置和设备 |
-
2023
- 2023-11-29 CN CN202311609885.0A patent/CN117826148A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822598A (zh) * | 2014-02-26 | 2014-05-28 | 北京理工大学 | 地基sar在时间去相关严重区域的形变监测方法 |
CN105678716A (zh) * | 2016-02-25 | 2016-06-15 | 内蒙古工业大学 | 一种地基sar大气干扰相位校正方法及装置 |
CN105866776A (zh) * | 2016-03-28 | 2016-08-17 | 北京理工大学 | 一种地基sar的高质量动态ps点选择方法 |
CN108627833A (zh) * | 2018-05-15 | 2018-10-09 | 电子科技大学 | 一种基于GB-InSAR的大气相位补偿方法 |
US20190353779A1 (en) * | 2018-05-15 | 2019-11-21 | University Of Electronic Science And Technology Of China | Ground-based interferometric synthetic aperture radar-based atmospheric phase compensation method |
CN109613531A (zh) * | 2019-01-07 | 2019-04-12 | 北方工业大学 | 一种微变感知预警雷达的多阈值优化形变反演方法及*** |
CN113064188A (zh) * | 2020-08-07 | 2021-07-02 | 国网浙江省电力有限公司 | 基于sar卫星与北斗卫星的变电站地质形变监测方法 |
CN112179314A (zh) * | 2020-09-25 | 2021-01-05 | 北京空间飞行器总体设计部 | 一种基于三维网格投影的多角度sar高程测量方法及*** |
CN113340191A (zh) * | 2021-04-08 | 2021-09-03 | 河北省高速公路延崇筹建处 | 时间序列干涉sar的形变量测量方法及sar*** |
CN113447927A (zh) * | 2021-06-29 | 2021-09-28 | 中国矿业大学 | 一种基于点目标分层分析的时序InSAR地表沉降监测方法 |
CN113848550A (zh) * | 2021-09-24 | 2021-12-28 | 内蒙古工业大学 | 地基雷达自适应阈值永久散射体识别方法、装置及存储介质 |
CN114200447A (zh) * | 2021-10-22 | 2022-03-18 | 国网思极神往位置服务(北京)有限公司 | 基于PS-InSAR技术监测输电线路地表形变的方法及相关设备 |
CN114527465A (zh) * | 2022-02-28 | 2022-05-24 | 同济大学 | 一种基于永久散射体的地面控制点自动选取方法 |
CN116449365A (zh) * | 2022-11-21 | 2023-07-18 | 中交基础设施养护集团有限公司 | 一种基于时序InSAR技术的地铁沿线地表二维形变场监测方法 |
CN116047519A (zh) * | 2023-03-30 | 2023-05-02 | 山东建筑大学 | 一种基于合成孔径雷达干涉测量技术的选点方法 |
CN116559866A (zh) * | 2023-07-11 | 2023-08-08 | 南京天辰礼达电子科技有限公司 | 一种地基合成孔径雷达大气补偿方法 |
CN116908853A (zh) * | 2023-09-13 | 2023-10-20 | 北京观微科技有限公司 | 高相干点选取方法、装置和设备 |
Non-Patent Citations (4)
Title |
---|
胡波 等: "用PSInSAR技术监测地面沉降研究", 《大地测量与地球动力学》, vol. 30, no. 2, 30 April 2010 (2010-04-30), pages 35 - 37 * |
胡波;汪汉胜;贾路路;: "PSInSAR永久散射体的自动探测", 测绘科学, no. 02, 20 March 2011 (2011-03-20) * |
范锐彦;焦健;高胜;曾琪明;: "InSAR时序分析高相干目标选取方法比较研究", 地球信息科学学报, vol. 18, no. 06, 30 June 2016 (2016-06-30) * |
蒋弥;丁晓利;李志伟;汪驰升;朱武;柯灵红;: "基于时间序列的InSAR相干性量级估计", 地球物理学报, no. 03, 15 March 2013 (2013-03-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Retrieval of phase history parameters from distributed scatterers in urban areas using very high resolution SAR data | |
CN101727662B (zh) | Sar图像非局部均值去斑方法 | |
CN103236063B (zh) | 基于多尺度谱聚类及决策级融合的sar图像溢油检测方法 | |
CN101498788B (zh) | 一种逆合成孔径雷达的目标转角估计和横向定标方法 | |
CN110596787A (zh) | 一种基于x波段全固态双偏振雨量雷达的降水估测方法 | |
CN110763187B (zh) | 一种稳健的基于雷达分布式目标的地面沉降监测方法 | |
CN116047519B (zh) | 一种基于合成孔径雷达干涉测量技术的选点方法 | |
CN113960595A (zh) | 一种地表形变监测方法及*** | |
CN105205484B (zh) | 基于曲波变换与维纳滤波的合成孔径雷达目标检测方法 | |
CN108802729B (zh) | 时间序列InSAR最佳干涉像对选择的方法及装置 | |
KR101255736B1 (ko) | 단일편파 레이더를 이용한 기상 및 비기상 에코 분류 방법 | |
CN102621531B (zh) | 一种基于x波段雷达图像的降雨干扰抑制方法 | |
CN104200471A (zh) | 基于自适应权值图像融合的sar图像变化检测方法 | |
CN116908853B (zh) | 高相干点选取方法、装置和设备 | |
Silva et al. | Computer-based identification and tracking of Antarctic icebergs in SAR images | |
CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
CN115984778A (zh) | 一种基于多特征优化的Sentinel-1数据快速动态洪灾监测方法 | |
Vasile et al. | High-resolution SAR interferometry: Estimation of local frequencies in the context of Alpine glaciers | |
CN112270675B (zh) | 一种基于极化雷达遥感影像的城市内涝区域检测方法 | |
CN112946653A (zh) | 双极化气象雷达信号恢复方法、***及存储介质 | |
CN116908854A (zh) | 海浪谱分析法和基于Canny算子的雷达图像几何阴影统计法相结合的海浪参数反演方法 | |
CN117826148A (zh) | 一种相干点识别的方法和*** | |
Refice et al. | On the use of anisotropic covariance models in estimating atmospheric DInSAR contributions | |
CN115825920A (zh) | 一种顾及冰川形态的ICESat-2光子去噪方法 | |
CN115540908A (zh) | 基于小波变换的InSAR干涉条纹匹配方法 |
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 |