国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于循環(huán)譜估計(jì)的SAR層析建筑物高度的方法與流程

      文檔序號(hào):11517203閱讀:309來(lái)源:國(guó)知局
      基于循環(huán)譜估計(jì)的SAR層析建筑物高度的方法與流程

      本發(fā)明涉及微波遙感技術(shù),具體涉及一種sar層析建筑物高度的方法,尤其涉及一種基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法。



      背景技術(shù):

      隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展,城市化進(jìn)程也迅速加快,給城市動(dòng)態(tài)監(jiān)控和資源管理帶來(lái)前所未有的挑戰(zhàn)。面對(duì)這一快速城市化進(jìn)程,數(shù)字城市建設(shè)應(yīng)運(yùn)而生。數(shù)字城市建設(shè)的一項(xiàng)重要內(nèi)容就是建立大規(guī)模城市場(chǎng)景的數(shù)字化三維模型。它是建立數(shù)字城市必不可少的基礎(chǔ)要素,數(shù)字城市的各種模擬仿真以及城市場(chǎng)景的逼真顯示是在它的基礎(chǔ)上進(jìn)行的。這一內(nèi)容在城市規(guī)劃、智能交通、三維地圖、自然災(zāi)害和恐怖襲擊等事故應(yīng)急管理、污染物擴(kuò)散的模擬與仿真、城市中的文化遺產(chǎn)保護(hù)、真實(shí)感游戲、城市監(jiān)控、建筑設(shè)計(jì)等領(lǐng)域發(fā)揮著重要的作用。

      多基線合成孔徑雷達(dá)層析技術(shù)(multibaselinesyntheticapertureradartomography)利用合成孔徑雷達(dá)(sar)系統(tǒng)在不同高度上的多次近平行飛行,對(duì)同一目標(biāo)觀測(cè)視角的變化形成高度方向的合成孔徑,實(shí)現(xiàn)對(duì)目標(biāo)高度向的成像??朔顺R?guī)合成孔徑雷達(dá)干涉測(cè)量(insar)技術(shù)不能區(qū)分同一分辨單元內(nèi)不同散射體的高度分布的缺點(diǎn),具有真正的高度維幾何分辨率。并且可以有效地解決由疊掩和透視收縮引起的圖像解譯模糊的問(wèn)題,尤其對(duì)于高分辨率合成孔徑雷達(dá)影像建筑物密集區(qū)域,在城市區(qū)域監(jiān)測(cè)和森林生物量估計(jì)方面有著巨大的潛力。

      目前多基線sar層析高度成像算法主要有:常規(guī)譜估計(jì)算法如波束形成(beamforming)方法和壓縮感知方法,常規(guī)譜估計(jì)方法通常需要已知多基線獲取數(shù)據(jù)的噪聲信號(hào)特性或者是獨(dú)立同分布的高斯過(guò)程,并且在低信噪比情況下分辨力及估計(jì)精度往往較差。壓縮感知方法雖然可以獲取較高的估計(jì)精度,但是在目前的數(shù)據(jù)獲取模式下很難滿足限制等距條件。



      技術(shù)實(shí)現(xiàn)要素:

      為了解決上述問(wèn)題,本發(fā)明基于信號(hào)的統(tǒng)計(jì)特征參數(shù)隨時(shí)間呈周期變化的性質(zhì),利用信號(hào)的循環(huán)平穩(wěn)特性將待處理的信號(hào)在循環(huán)相關(guān)函數(shù)或循環(huán)譜上劃分為感興趣信號(hào)和噪聲兩類,由于噪聲不具有循環(huán)平穩(wěn)特性,進(jìn)而可達(dá)到僅處理感興趣信號(hào)并有效抑制干擾的目的。

      本發(fā)明提出一種基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法,包括以下步驟:

      sar數(shù)據(jù)獲取步驟,獲取n景sar數(shù)據(jù);

      主影像選擇步驟,對(duì)于所獲取的n景sar數(shù)據(jù),經(jīng)過(guò)前期預(yù)處理得到n景單視復(fù)數(shù)據(jù)(slc)圖像,根據(jù)垂直基線和多譜勒質(zhì)心頻率差的聯(lián)合相關(guān)函數(shù)選取一景影像作為公共主影像;

      數(shù)據(jù)預(yù)處理步驟,將獲取的n景sar數(shù)據(jù)處理成sar層析所需要的數(shù)據(jù)模式;以及

      循環(huán)譜估計(jì)高度向位置步驟,利用循環(huán)譜估計(jì)建筑物在高度向上的位置。

      本發(fā)明的基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法中,優(yōu)選為,在所述主影像選擇步驟中所述函數(shù)表示為

      其中,γm為綜合相關(guān)系數(shù),tk,m、分別為影像k和m所形成的干涉對(duì)的有效空間基線、時(shí)間基線、和多普勒質(zhì)心頻率差,函數(shù)g表達(dá)了單體因素的相關(guān)性,其定義為

      g(x,c)=1-|x|/c(x<c),g(x,c)=0(x≥c),

      當(dāng)綜合相關(guān)系數(shù)γm最大時(shí),該組參數(shù)為該模型的最優(yōu)解,對(duì)應(yīng)的影像就是所要選取的公共主影像。

      本發(fā)明的基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法中,優(yōu)選為,所述數(shù)據(jù)預(yù)處理步驟包括以下子步驟:

      將所有的從影像都配準(zhǔn)到所述公共主影像上,使圖像序列中的同名像素點(diǎn)對(duì)應(yīng)相同的地物;

      將所述主從影像共軛相乘,得到n-1個(gè)干涉對(duì);

      對(duì)所述n-1個(gè)干涉影像去除由于平地效應(yīng)引起的相位;以及

      對(duì)所有的所述從影像補(bǔ)償提取出的平地相位,從而得到sar層析所需的數(shù)據(jù)。

      本發(fā)明的基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法中,優(yōu)選為,所述循環(huán)譜估計(jì)高度向位置步驟包括以下子步驟:

      去斜子步驟,將建立觀測(cè)數(shù)據(jù)和目標(biāo)斜距垂向結(jié)構(gòu)信息之間的內(nèi)在聯(lián)系的中心斜距所引起的相位變化去除;

      信號(hào)劃分子步驟,利用信號(hào)的循環(huán)平穩(wěn)特性,將信號(hào)分為感興趣信號(hào)和噪聲;以及

      高度向成像子步驟,針對(duì)所述感興趣信號(hào)利用循環(huán)譜估計(jì)算法,取得建筑物在高度向上的位置。

      本發(fā)明的基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法中,優(yōu)選為,所述信號(hào)劃分子步驟具體包括以下子步驟:

      將任一像素的信號(hào)測(cè)量值表達(dá)為:

      其中a0(t)隨時(shí)間變化的復(fù)隨機(jī)變量,c為光速,f0為載頻,fdc為多普勒中心,r0是傳感器到點(diǎn)目標(biāo)的零多普勒距離,η0是方位向的參考時(shí)間,

      假設(shè)該像元周圍鄰近像素與其類型相同,則可以將中心像素以及鄰域像素的sar信號(hào)看作是隨時(shí)間變化的信號(hào),從而將信號(hào)分為感興趣信號(hào)和噪聲。

      本發(fā)明的基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法中,優(yōu)選為,所述sar信號(hào)模型的共軛相關(guān)函數(shù)隨時(shí)間t呈現(xiàn)周期為2f0的周期變化,可以表達(dá)為:

      本發(fā)明的基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法中,優(yōu)選為,所述高度向成像子步驟具體包括以下子步驟:

      像素值取得子步驟,對(duì)于層析sar信號(hào),第n景數(shù)據(jù)中某一方位向-距離向像素(x0,y0)的復(fù)測(cè)量值為:

      其中γ(s)代表高度向的復(fù)散射函數(shù),δs為高度向的成像范圍,ξn=-2bn/(λr0)為空間采樣頻率,與垂直基線bn、中心斜距r0和波長(zhǎng)λ有關(guān);

      離散化子步驟,沿著高度向s將連續(xù)的反射函數(shù)離散化,則層析模型近似變成:

      其中l(wèi)為離散間隔數(shù),δs=δs/(l-1)為離散間隔,

      去掉不連續(xù)間隔常數(shù)δs,則散射模型變成

      g=rγ+ζ(6)

      其中ζ為噪聲,g為n個(gè)觀測(cè)值組成的向量,映射矩陣r維數(shù)為n×l,rn×l=exp(-j2πξnsl),γ為l個(gè)離散化的復(fù)散射系數(shù)組成的向量;以及

      循環(huán)譜算法子步驟,

      循環(huán)-波束形成算法表示為:

      其中

      循環(huán)-多重信號(hào)分類算法表示為:

      其中是共軛相關(guān)矩陣cgg的特征值分解噪聲代表的子空間。

      附圖說(shuō)明

      圖1是基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法的流程圖。

      圖2是數(shù)據(jù)預(yù)處理步驟的子流程圖。

      圖3是循環(huán)譜估計(jì)高度向位置步驟的子流程圖。

      圖4是信號(hào)隨時(shí)間變化的示意圖。

      圖5是高度向成像子步驟的流程圖。

      圖6(a)是atc塔在sar圖像上的強(qiáng)度圖;(b)是google地圖上atc塔的三維模型。

      圖7是不同方法在距離向上的估計(jì)結(jié)果:(a)多重信息分類,(b)波束形成,(c)循環(huán)-多重信息分類,(d)循環(huán)-波束形成。

      圖8是不同方法在方位向上的估計(jì)結(jié)果:(a)多重信息分類,(b)波束形成,(c)循環(huán)-多重信息分類,(d)循環(huán)-波束形成。

      圖9是基于循環(huán)譜估計(jì)的sar層析方法和常規(guī)譜估計(jì)方法的精度對(duì)比:(a)是波束形成與循環(huán)-波束形成法在距離向上的估計(jì)結(jié)果比較,(b)是多重信息分類法與循環(huán)-多重信息分類法在距離向上的估計(jì)結(jié)果比較,(c)是波束形成與循環(huán)-波束形成法在方位向上的估計(jì)結(jié)果比較,和(d)是多重信息分類法與循環(huán)-多重信息分類法在方位向上的估計(jì)結(jié)果比較。

      具體實(shí)施方式

      為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅用以解釋本發(fā)明,并不用于限定本發(fā)明。所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。

      圖1是基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法的流程圖。以下結(jié)合圖1針對(duì)基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法進(jìn)行詳細(xì)說(shuō)明。如圖1所示,基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法包括以下步驟:sar數(shù)據(jù)獲取步驟s1、主影像選擇步驟s2、數(shù)據(jù)預(yù)處理步驟s3和循環(huán)譜估計(jì)高度向位置步驟s4。

      具體而言,在sar數(shù)據(jù)獲取步驟s1中,獲取n景sar數(shù)據(jù)。在主影像選擇步驟s2中,對(duì)所獲取的n景sar數(shù)據(jù),經(jīng)過(guò)前期預(yù)處理得到n景單視復(fù)數(shù)據(jù)(slc)圖像,根據(jù)垂直基線和多譜勒質(zhì)心頻率差的聯(lián)合相關(guān)函數(shù)如式(1),選取一景影像作為公共主影像

      其中,函數(shù)g表達(dá)了單體因素的相關(guān)性,其定義為

      g(x,c)=1-|x|/c(x<c)

      g(x,c)=0(x≥c)

      式中γm為綜合相關(guān)系數(shù),tk,m、分別為影像k和m所形成的干涉對(duì)的有效空間基線、時(shí)間基線、和多普勒質(zhì)心頻率差。當(dāng)綜合相關(guān)系數(shù)最大時(shí),該組參數(shù)就是該模型的最優(yōu)解,對(duì)應(yīng)的影像就是我們所要選取的公共主影像。

      接下來(lái),在數(shù)據(jù)預(yù)處理步驟s3中,將獲取的n景sar數(shù)據(jù)處理成sar層析所需要的數(shù)據(jù)模式。在圖2中示出了數(shù)據(jù)預(yù)處理步驟的子流程圖。如圖2所示,具體包括以下子步驟:

      在配準(zhǔn)子步驟s31中,將所有的從影像都配準(zhǔn)到公共主影像上,使圖像序列中的同名像素點(diǎn)對(duì)應(yīng)相同的地物;

      在干涉子步驟s32中,將主從影像共軛相乘,得到n-1個(gè)干涉對(duì);

      在平地相位補(bǔ)償子步驟s33中,由于sar影像側(cè)視成像的特點(diǎn),對(duì)n-1個(gè)干涉影像去除由于平地效應(yīng)引起的相位;

      在sar層析數(shù)據(jù)獲取子步驟s34中,對(duì)所有的從影像補(bǔ)償提取出的平地相位,從而得到sar層析處理所需的數(shù)據(jù)模式。

      最后,在循環(huán)譜估計(jì)高度向位置步驟s4中,利用基于循環(huán)譜的波束形成(cyclic-beamforming)法和基于循環(huán)譜的多重信號(hào)分類(cyclic-music)法估計(jì)建筑物在高度向上的位置。在圖3中示出了循環(huán)譜估計(jì)高度向位置步驟的子流程圖。如圖3所示,具體包括以下子步驟:

      在去斜子步驟s41中,觀測(cè)數(shù)據(jù)和目標(biāo)斜距垂向(nsr)向結(jié)構(gòu)信息之間的內(nèi)在聯(lián)系是通過(guò)中心斜距建立起來(lái)的,因此需要去除這個(gè)中心斜距引起的相位變化。

      信號(hào)劃分子步驟s42中,利用信號(hào)的循環(huán)平穩(wěn)特性,將信號(hào)分成感興趣信號(hào)和噪聲。具體而言,對(duì)于某一景sar影像,任一像素的信號(hào)測(cè)量值可以表達(dá)為下式:

      其中,a0(t)為隨時(shí)間變化的復(fù)隨機(jī)變量,c為光速,f0為載頻,fdc為多普勒中心,r0是傳感器到點(diǎn)目標(biāo)的零多普勒距離,η0是方位向的參考時(shí)間。

      假設(shè)該像元周圍鄰近像素與其類型相同,即周圍鄰域像素為同一地面目標(biāo)。則依據(jù)上述假設(shè),已知距離向和方位向的分辨率,根據(jù)式(2)可以推出該像元周圍領(lǐng)域四個(gè)方向的像元的數(shù)值,如圖4所示。從上述分析可以看出,領(lǐng)域像素的信號(hào)的相位值的變化只與中心像素信號(hào)的相對(duì)位置有關(guān),而與中心像素信號(hào)的起止時(shí)間無(wú)關(guān)。通常,設(shè)中心像素的信號(hào)的采集時(shí)刻為0,其相位變化初始值也為0,則可以將中心像素以及鄰域像素的sar信號(hào)看成是隨時(shí)間變化的信號(hào)。

      信號(hào)模型的二階統(tǒng)計(jì)特性——共軛相關(guān)函數(shù)可以表達(dá)為:

      則由式(3)可知共軛相關(guān)函數(shù)隨時(shí)間t呈現(xiàn)周期為2f0周期變化。

      在高度向成像子步驟s43中,利用基于循環(huán)譜的波束形成算法和基于循環(huán)譜的多重信號(hào)分類算法算法估計(jì)建筑物在高度向上的位置。具體而言,如圖5所示,包括以下步驟:

      像素復(fù)測(cè)量值取得子步驟s431,對(duì)于sar層析信號(hào),第n景數(shù)據(jù)中某一方位向-距離向像素(x0,y0)的復(fù)測(cè)量值為:

      其中,γ(s)代表高度向的復(fù)散射函數(shù),δs為高度向的成像范圍,ξn=-2bn/(λr0)為空間采樣頻率,與垂直基線bn、中心斜距r0和波長(zhǎng)λ有關(guān)。

      在離散化子步驟s432中,沿著高度向s將連續(xù)的反射函數(shù)離散化,則層析模型近似變成:

      其中,l為離散間隔數(shù),δs=δs/(l-1)為離散間隔。

      去掉不連續(xù)間隔常數(shù)δs,則散射模型變成

      g=rγ+ζ(6)

      其中,ζ為噪聲,g為n個(gè)觀測(cè)值組成的向量,映射矩陣r維數(shù)為n×l,rn×l=exp(-j2πξnsl),γ為l個(gè)離散化的復(fù)散射系數(shù)組成的向量。

      循環(huán)譜算法子步驟s433中,利用基于循環(huán)譜的波束形成算法和基于循環(huán)譜的多重信號(hào)分類算法求解。

      基于循環(huán)譜的波束形成算法表示為:

      其中,

      基于循環(huán)譜的多重信號(hào)分類算法表示為:

      其中,是共軛相關(guān)矩陣cgg的特征值分解噪聲代表的子空間。

      本發(fā)明的基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法,利用信號(hào)的循環(huán)平穩(wěn)特性將信號(hào)分為感興趣信號(hào)和噪聲,可以很好地抑制噪聲的影響,即使在低信噪比的情況下也能取得很好的結(jié)果。相比于常規(guī)的譜估計(jì)方法,該方法精度更高。為了更清楚的展現(xiàn)本發(fā)明的效果,以下以一組對(duì)比實(shí)驗(yàn)結(jié)果,來(lái)進(jìn)一步闡述基于循環(huán)譜估計(jì)的sar層析建筑物高度的方法與常規(guī)的譜估計(jì)方法的對(duì)比。

      利用2008年到2009年間覆蓋香港國(guó)際機(jī)場(chǎng)的9景德國(guó)陸地雷達(dá)衛(wèi)星(terrasar-x)聚束(spotlight)模式下的高分辨率sar數(shù)據(jù),選取機(jī)場(chǎng)上空中交通控制(atc)塔為典型目標(biāo)。分別基于循環(huán)譜的波束形成法(cyclic-beamformig)、基于循環(huán)譜的多重信號(hào)分類法(cyclic-music)和譜估計(jì)方法(波束形成和多重信號(hào)分類)對(duì)其方位向和距離向進(jìn)行sar層析結(jié)果分析。在圖6(a)和圖6(b)中分別示出了atc塔在sar圖像上的強(qiáng)度圖和谷歌(google)地圖上atc塔的三維模型。圖6(a)中aa'表示距離向,bb'表示方位向。在圖7和圖8中分別示出了用循環(huán)譜估計(jì)方法和譜估計(jì)方法對(duì)atc塔方位向和距離向進(jìn)行sar層析的結(jié)果。其中,圖7(a)是多重信息分類方法在距離向上的估計(jì)結(jié)果,圖7(b)是波束形成方法在距離向上的估計(jì)結(jié)果,圖7(c)基于循環(huán)譜的多重信息分類算法在距離向上的估計(jì)結(jié)果,圖7(d)是基于循環(huán)譜的波束形成算法在距離向上的估計(jì)結(jié)果。圖8(a)是多重信息分類算法在方位向上的估計(jì)結(jié)果,(b)是波束形成算法在方位向上的估計(jì)結(jié)果,(c)是基于循環(huán)的多重信息分類算法在方位向上的估計(jì)結(jié)果,(d)是基于譜循環(huán)的波束形成算法在方位向上的估計(jì)結(jié)果。

      最后,提取最強(qiáng)譜所在的位置,分析循環(huán)譜估計(jì)方法(循環(huán)-波束形成和循環(huán)-多重信息分類)和常規(guī)譜估計(jì)方法(波束形成和多重信號(hào)分類)的估計(jì)精度,如圖9所示。圖9(a)是波束形成與循環(huán)-波束形成法在距離向上的估計(jì)結(jié)果比較,圖9(b)是多重信息分類法與循環(huán)-多重信息分類法在距離向上的估計(jì)結(jié)果比較,圖9(c)是波束形成與循環(huán)-波束形成法在方位向上的估計(jì)結(jié)果比較,和圖9(d)是多重信息分類法與循環(huán)-多重信息分類法在方位向上的估計(jì)結(jié)果比較。在方位向和斜距向兩個(gè)剖面上,循環(huán)-波束形成法得到的曲線比波束形成法波動(dòng)劇烈,同樣循環(huán)-多重信息分類法得到的曲線比多信號(hào)分類法波動(dòng)劇烈,說(shuō)明循環(huán)譜估計(jì)方法在高度向上的分辨能力更高。因此相比于常規(guī)的譜估計(jì)方法,該方法精度更高。

      以上所述,僅為本發(fā)明的具體實(shí)施方式,但本發(fā)明的保護(hù)范圍并不局限于此,任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi),可輕易想到的變化或替換,都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。

      當(dāng)前第1頁(yè)1 2 
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1