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,γ^m為綜合相關(guān)系數(shù)，t^k,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)γ^m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γ^m為綜合相關(guān)系數(shù)，t^k,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)。