基于電網(wǎng)不良地質(zhì)體三維形變監(jiān)測的塔基穩(wěn)定性分析方法
【專利摘要】本發(fā)明公開了一種基于電網(wǎng)不良地質(zhì)體三維形變監(jiān)測的塔基穩(wěn)定性分析方法，主要包括如下步驟：選取符合要求的多平臺、多時域的高分辨率SAR影像；采用PS?InSAR技術(shù)提取所述單個平臺高分辨率SAR影像中電網(wǎng)下不良地質(zhì)體的形變估計；基于所述單平臺SAR影像中電網(wǎng)下不良地質(zhì)體的形變估計，采用卡爾曼濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的三維形變；基于TurboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔以及鐵塔塔基穩(wěn)定性自動分析。本發(fā)明克服了目前電網(wǎng)下不良地質(zhì)體三維形變獲取方法費時費力且無法得到整個區(qū)域形變的缺點，可方便快捷獲得塔基的穩(wěn)定性結(jié)果。
【專利說明】
基于電網(wǎng)不良地質(zhì)體H維形變監(jiān)測的塔基穩(wěn)定性分析方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及遙感影像的大地測量領(lǐng)域，尤其設(shè)及一種基于電網(wǎng)不良地質(zhì)體=維形 變監(jiān)測的塔基穩(wěn)定性分析方法。
【背景技術(shù)】
[0002] 目前，電網(wǎng)下不良地質(zhì)體形變獲取的方法主要是水準(zhǔn)測量和GPS測量，但是它們都 存在著明顯的缺陷:一是水準(zhǔn)點(標(biāo)石點）的穩(wěn)定性問題;二是測量的結(jié)果是基于點位置，且 測量點稀疏，運導(dǎo)致無法給出整個電網(wǎng)所處區(qū)域不良地質(zhì)體的形變。另外，該過程需要耗費 大量的人力、財力和物力;=是人工實施測量比較危險。一般電網(wǎng)布設(shè)環(huán)境差，地勢險峻，不 良地質(zhì)體形變?yōu)暮ξ：Υ螅枰A(yù)計電網(wǎng)所處的環(huán)境，才能布設(shè)下一步的測量工作，測量過 程中對操作人員的人身安全保障難度大。
[0003] 合成孔徑干設(shè)雷達(dá)（InSAR, Intei^ferometric Synthetic Aperture radar)測量 具有高精度、大范圍、全天時全天候的優(yōu)點，在地表形變監(jiān)測中得到極大的應(yīng)用和發(fā)展。隨 著高分辨率SAR影像數(shù)據(jù)的極大豐富，利用InSAR技術(shù)來監(jiān)測電網(wǎng)下不良地質(zhì)體的高精度高 分辨率的形變的前景廣闊。
[0004] 然而，目前基于InSAR技術(shù)的電網(wǎng)下不良地質(zhì)體的形變監(jiān)測的研究很少，主要因為 InSAR技術(shù)只能獲取地表形變在雷達(dá)視線方向化OS)的一維投影，而電網(wǎng)下不良地質(zhì)體的形 變往往是發(fā)生在=維空間的。如何利用InSAR來獲取電網(wǎng)下不良地質(zhì)體的=維形變?nèi)杂泻?多算法需要突破。
[0005] 其次，在高分辨率SAR影像中，受到雷達(dá)系統(tǒng)工作參數(shù)和地面目標(biāo)特性不同的影 響，地物目標(biāo)的后向散射的信號矢量不同，所形成的圖像信息也不相同，回波信號可能是像 素分辨單元內(nèi)所有后向散射信號矢量和，也可能是占主導(dǎo)地位的散射體的散射矢量，運樣 就會形成影像中的斑點噪聲，造成干設(shè)結(jié)果產(chǎn)生誤差。高分SAR影像在配準(zhǔn)干設(shè)W后，形成 的干設(shè)相位梯度小，相位容易產(chǎn)生纏繞，造成解纏過程困難，從而影響獲取的形變的精度。
[0006] 再者，僅采用單軌單對地高分辨率SAR數(shù)據(jù)，不能獲取電網(wǎng)下不良地質(zhì)體的時間序 列形變，更不能獲取其=維形變。
[0007] 另外，獲取電網(wǎng)下不良地質(zhì)體的S維形變，電網(wǎng)中不良地質(zhì)體上鐵塔的自動識別 是必不可少的步驟。相對于光學(xué)影像，SAR影像的視覺可讀性較差，加之受斑點噪聲及陰影、 疊掩、透視收縮等幾何崎變的影響，其信息處理更加困難。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的就是要解決上述【背景技術(shù)】的不足，提供一種基于電網(wǎng)不良地質(zhì)體= 維形變監(jiān)測的塔基穩(wěn)定性分析方法，采用時序InSAR技術(shù)PS-InSAR來處理高分辨率干設(shè)圖， 并通過多平臺和多時域觀測值數(shù)據(jù)融合手段來獲取電網(wǎng)下不良地質(zhì)體的=維形變，采用基 于化rboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔，結(jié)合上述結(jié)果可自動 分析塔基的穩(wěn)定性。
[0009] 為實現(xiàn)上述目的，本發(fā)明公開了一種基于電網(wǎng)不良地質(zhì)體=維形變監(jiān)測的塔基穩(wěn) 定性分析方法，包括如下步驟：
[0010] 第一步:選取符合要求的多平臺、多時域的高分辨率SAR影像；
[0011] 第二步:采用PS-InSAR技術(shù)提取單個所述平臺高分辨率SAR影像中電網(wǎng)下不良地 質(zhì)體的形變估計；
[0012] 第=步:基于單個所述平臺SAR影像中電網(wǎng)下不良地質(zhì)體的形變估計，采用卡爾曼 濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的=維形變；
[0013] 第四步:基于化rboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔；
[0014] 第五步:鐵塔塔基穩(wěn)定性自動分析。
[0015] 所述采用PS-InSAR技術(shù)提取所述單個平臺高分辨率SAR影像中電網(wǎng)下不良地質(zhì)體 的形變估計，包括如下步驟：
[0016] 第一步:提取差分干設(shè)圖；
[0017] 第二步:對所述多時域SAR影像進(jìn)行福射校正，對獲取的N幅覆蓋研究區(qū)域的多時 域SAR影像進(jìn)行福射校正。福射校正方法可選擇相對福射校正法。先計算出每幅SAR影像的 振幅均值：
[001 引
[0019 ]其中，A(x, r康示像素的原始振幅，X和r分另懐示像素點的方位向和距離向坐標(biāo)，m、 n分別表示影像方位向和距離向的個數(shù)，t為影像的時間序列，接著計算時間序列的振幅均 值：
[0020] 閑
[0021] 正因子：
[0022] (3)
[0023] 利用振幅校正因子對每幅SAR影像進(jìn)行振幅糾正，使N幅SAR影像振幅值歸化，為永 久散射體點。S點）的識別提供了基礎(chǔ)；
[0024] 第=步:識別所述多時域SAR影像中保持的高質(zhì)量的永久散射體點；
[0025] 第四步:對選取的PS點進(jìn)行連接并構(gòu)建PS網(wǎng)絡(luò)并進(jìn)行形變估計。假設(shè)地表在SAR影 像成像期間沿雷達(dá)視線方向隨時間有線性和非線性形變，則對于第i幅差分干設(shè)圖中的任 意一個PS像素點(x，r)，其相位值可用一下模型表示：
[0026]
(4)
[0027] 式中，卑和Ti分別表示干設(shè)對的時間基線和空間基線，A h (X , r)、v( X , r)、 括"(x，r; 7；)分別表示高程誤差、時刻雷達(dá)視線向化OS)向形變速率和殘余形變，A為雷達(dá)中屯、 波長，0為雷達(dá)入射角。殘余形變包括非線性形變、大氣相位和失相關(guān)噪聲；
[0028] 采用DelaunayS角網(wǎng)并設(shè)定距離闊值進(jìn)行PS網(wǎng)建立，采用相鄰PS點差分方法減弱 和空間距離相關(guān)的誤差，W相鄰兩個PS的線性形變速率差和高程修正值作為網(wǎng)絡(luò)平差的函 數(shù)模型，采用區(qū)域網(wǎng)最小二乘方法和解空間捜索的方法進(jìn)行參數(shù)求解，并對殘留相位進(jìn)行 時空濾波分離出非線性形變，最后就估計出PS點的總形變。
[0029] 綜上所述，采用卡爾曼濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的=維形變，包括如下步驟：
[0030] 第一步:基于差分干設(shè)圖獲取所述電網(wǎng)不良地質(zhì)體的形變分量;假設(shè)不同平臺各 有N幅影像，采用PS-InSAR技術(shù)對每個平臺的SAR影像進(jìn)行處理，形成多個干設(shè)圖，對于某個 平臺的第i幅干被圖，其干被相位可表示為：
[0031]
[0032] 式中tB、tA為主副影像獲取時間，A為雷達(dá)中屯、波長，X和r分別為像素方位向、距離 向坐標(biāo)，假設(shè)參考時間為to,該時刻雷達(dá)視線向（LOS)地表形變量等于0，d(tB，x，r)、d(tA，x, r)為主副影像相對于to時刻的LOS累積形變量，卸""aw)表示地形殘差相位，與雷達(dá)入射 角0成反比，與干設(shè)對垂直基線B丄成正比，A杯'"''A.為軌道誤差相位，A礦'-(馬叫為殘余相位， 包括噪聲、大氣相位和高頻形變相位等，其中LOS向的形變d可W寫成
[0033]
烤）
[0034] 式中du，de，dn分別為地表累計形變在垂直向、東西向、南北向的分量，a，b，c則為 LOS向在垂直向、東西向和南北向上的投影矢量，a為衛(wèi)星方位向。采用線性模型描述LOS向 形變的低頻分量，所W
[0035] d = V ? (t-to)=(曰? Vu+b ? Ve+c ? Vn) ? (t-to) (7)
[0036] 式中Vu，Ve，Vn分別為形變在垂直向、東西向、南北向的速率，利用所有干設(shè)圖的干 設(shè)相位組成矩陣，采用最小二乘法求解式(5)中的待求參數(shù)。
[0037] 第二步:建立=維形變?yōu)V波模型;基于多平臺多時域的=維形變?yōu)V波模型建立，假 設(shè)第i幅干設(shè)圖的任意一個觀測點，LOS向的觀測值L(i)和時刻i的狀態(tài)模型可W表示為 [003引 L(i)=H(i)X(i)+V(i) (8)
[0039] X(i)=F(i/i-l)X(i-l)+r (i-l)W(i-l) (9)
[0040] 其中 X(i)T=[du(i) de(i) dn(i) Vu(i) Ve(i) Vn(i)]表示為狀態(tài)矢量;du(i) de (i) dn(i) Vu(i) Ve(i) Vn(i)分別表示ti時刻的S維累計形變(相對于時刻to)和S維形變 速率，H(i) = [a(i) b(i) c(i) 0 0 0]為第i幅干設(shè)圖的投影矢量構(gòu)成的設(shè)計矩陣；
3狀態(tài)轉(zhuǎn)移矩陣；13為一個3 X 3的單位矩陣；A t為時刻ti-i和ti之間的 時間間隔;V(i)表示觀測噪聲矢量;W(i)T=[Wu(i) We(i) WnQ)]為狀態(tài)噪聲矢量，r (i/l- 1 )T為噪聲分布矩陣；
[0041] 第=步:采用卡爾曼濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的=維形變，利用卡爾曼濾波 方程組，可估計時刻ti的狀態(tài)矢量，
[0042]
則）
[0043] 其中J(i)為增益矩陣；知a巧!7 ^ 1〕為狀態(tài)矢量的預(yù)測值和估計值，0/)和 0, (< U'- I >為相應(yīng)的方差-協(xié)方差矩陣，E為單位陣，假設(shè)W i)、W( i)為互不相關(guān)的白噪聲，
[0044] (U)
[0045] (12)
[0046] 其中 <。為第i幅干設(shè)圖的觀測噪聲的方差，卡爾曼濾波過程是對每個新的從影像 進(jìn)行重復(fù)操作，但在執(zhí)行此操作之前需要給卡爾曼濾波提過初始狀態(tài)矢量，在參考時間to 時刻，可假設(shè)該時刻的=維累計形變矢量和及其相應(yīng)的方差為0;另外利用短時間基線的干 設(shè)圖、采用最小二乘的方法對一定數(shù)量的時間序列差分干設(shè)圖進(jìn)行平差，把得到的平均形 變速率及其方差來代替to時刻的=維形變速率矢量及其方差，在真實的數(shù)據(jù)處理中，卡爾 曼濾波所需的解纏差分干設(shè)圖各項誤差足夠小，可將上一個歷元估計的干設(shè)圖中的低頻形 變和地形殘差從干設(shè)圖中減去，對殘余形變進(jìn)行如的反纏繞和解纏操作，將低頻形變和解 纏的殘余相位相加，視線向觀測值就變成了
[0047]
(13)
[004引其中冷、康示殘余相位的解纏差分干設(shè)相位，對于某一個時刻獲取的SAR影像，可 W和該時刻之前的獲取的多個時刻形成短基線的干設(shè)圖，運些干設(shè)圖不僅可W為卡爾曼濾 波提供多余的觀測量，還可W提高運一時刻=維形變結(jié)果估計的精度。
[0049]所述基于化rboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔，包括 如下步驟：
[(K)加]第一步：圖像預(yù)處理；
[0051]第二步:高分SAR圖像多尺度聯(lián)合分割;采用化rboPixels分割算法對高分SAR圖像 進(jìn)行分割，實現(xiàn)步驟:初始化種子點;通過=個基本點迭代演變時間T時刻的邊界，估計未分 割區(qū)域的基本結(jié)構(gòu)，更新每個邊界點和未分割的靠近邊界點的速率直至邊界沒有變化，控 制圖像分割的邊界函數(shù)為
[0賦]
(14)
[0053] 其中已經(jīng)劃分的點為正數(shù)，沒有劃分的點為負(fù)數(shù)，臨近邊界的點數(shù)值接近零，邊界 函數(shù)的迭代公式為：
[0054]
(15)
[005引其中Si、Sb分別表示的是圖像速率和邊界速率，當(dāng)SAR影像中的像素點（x，r)滿足 Ex,r[Wn(x，r)>=0]時，運些像素點則被劃分到已經(jīng)確定的區(qū)域，否則將終止迭代，考慮 到有2幅高分SAR影像同時分割，采用聯(lián)合邊界函數(shù)來控制2幅圖像的分割，聯(lián)合分割函數(shù)如 下：
[0056] Wi,j=max(Wi, Wj) (16)
[0057] 式中Wi，Wj分別表示主畐IjSAR影像的邊界函數(shù)，J為2幅SAR圖像的聯(lián)合邊界函 數(shù)；
[005引第S步：基于超像素的高分SAR圖像差異度計算;根據(jù)化rboPixels多尺度分割后 的SAR圖像，采用2幅影像的統(tǒng)計分布差異的交叉賭相似度測量方法提取兩幅影像的差異 圖，用W檢測輸電鐵塔;假設(shè)兩幅影像中相同超像素塊區(qū)域X和Y的分布函數(shù)可分別用fx和fy 表示，則兩者的差異度表示為
[0059]
(巧）
[0060] 采用瑞利分布作為SAR幅度圖像的統(tǒng)計分布，它的概率密度函數(shù)表示為：
[0061 ]
(18)
[0062] 瑞利分布的期望方差分別為
[0063]
(19)
[0064] 5表示瑞利分布的形狀參數(shù)，那么KL距離表達(dá)式為
[0065]
巧 0)
[0066] 對做了 n個尺度分割后的兩幅SAR圖像分別計算每個尺度上的超像素塊的基于瑞 利分布的KL距離，每個尺度的超像素區(qū)域中像素點的差異度值表示為：
[0067] 丫（x'r) = { 丫 I(XJ), 丫 2(x，:r),...，丫 k(x，:r)} (21)
[0068] 其中k表示第k個尺度。那么就得到了多尺度的差異圖；
[0069] 第四步:基于高分SAR圖像差異度圖融合的鐵塔提取，對得到的多尺度差異圖，采 用Max算子分別取每個尺度上差異度最大值點作為最終融合的結(jié)果，其數(shù)學(xué)表達(dá)式為
[0070] yKL〇(x,r) =max( yi(x,r), y2(x,r),---, Tn(x,r)) (22)
[0071] 使用最大類間方差自動闊值法對融合后的差異圖進(jìn)行分割，結(jié)合電力塔本身結(jié)構(gòu) 在SAR影像中的亮點表現(xiàn)，識別SAR影像中的鐵塔，從而在地理編碼后的SAR影像上獲取鐵塔 的地理坐標(biāo)和像素坐標(biāo)，并在高分InSAR DEM上提取鐵塔的大地高。
[0072] 所述鐵塔塔基穩(wěn)定性自動分析，主要包括如下步驟：
[0073] 第一步:矢量化鐵塔識別結(jié)果；
[0074] 第二步:基于垂直向形變的均值和標(biāo)準(zhǔn)偏差值大小和地質(zhì)形變在小范圍內(nèi)有連續(xù) 性的特點來分析鐵塔地質(zhì)體的穩(wěn)定性；
[0075] 第=步:根據(jù)形變均值或標(biāo)準(zhǔn)偏差大小超過闊值的程度和電力行業(yè)生產(chǎn)規(guī)范來標(biāo) 識鐵塔地質(zhì)體的垂直向不穩(wěn)定程度，對每種不穩(wěn)定性依次可設(shè)置黃、澄、紅=個預(yù)警級別；
[0076] 第四步:基于二維平面形變均值和標(biāo)準(zhǔn)方差值來和地質(zhì)形變在小范圍內(nèi)有連續(xù)性 的特點來分析鐵塔地質(zhì)體的穩(wěn)定性；
[0077] 第五步:根據(jù)形變均值或標(biāo)準(zhǔn)偏差大小超過闊值的程度和電力行業(yè)生產(chǎn)規(guī)范來標(biāo) 識鐵塔地質(zhì)體的水平向不穩(wěn)定程度，將每種不穩(wěn)定性類別依次可設(shè)置黃、澄、紅=個預(yù)警級 別。
[0078] 本發(fā)明的有益效果:結(jié)合電網(wǎng)的特點，應(yīng)用高分辨率SAR數(shù)據(jù)，將傳統(tǒng)PS-InSAR應(yīng) 用于電網(wǎng)布設(shè)的不良地質(zhì)體的形變監(jiān)測，并融合多平臺、多時域的PS-InSAR視線向觀測值， 采用卡爾曼濾波方法得到電網(wǎng)下不良地質(zhì)體的=維形變，利用獲取的電網(wǎng)下不良地質(zhì)體= 維形變可自動進(jìn)行塔基穩(wěn)定性分析，克服了目前電網(wǎng)下不良地質(zhì)體=維形變獲取方法費時 費力且無法得到整個區(qū)域形變的缺點，同時方便快捷獲得塔基的穩(wěn)定性結(jié)果。
【附圖說明】
[0079] 圖1為本發(fā)明的一個實施例中PS-InSAR差分干設(shè)測量處理流程圖；
[0080] 圖2為本發(fā)明的一個實施例中基于多平臺SAR影像的=維形變求解關(guān)系；
[0081 ]圖3為本發(fā)明的一個實施例中基于卡爾曼濾波的PS-InSAR電網(wǎng)下不良地質(zhì)體S維 形變監(jiān)測及塔基穩(wěn)定性自動分析流程圖。
【具體實施方式】
[0082] 下面結(jié)合附圖和具體實施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。
[0083] 本實施例所公開的基于電網(wǎng)不良地質(zhì)體=維形變監(jiān)測的塔基穩(wěn)定性分析方法，主 要包括如下步驟：
[0084] 第一步:選取符合要求的多平臺、多時域的高分辨率SAR影像。
[0085] 在本實施例中，具體選取覆蓋研究區(qū)域的TerraSAR-X/TanDEM-X、AL0S-2、 Sentinel-1等多平臺、多時域的高分辨率SAR數(shù)據(jù)。
[0086] 第二步:采用PS-InSAR技術(shù)提取所述單個平臺高分辨率SAR影像中電網(wǎng)下不良地 質(zhì)體的形變估計。
[0087] 圖1為本發(fā)明的一個實施例中PS-InSAR差分干設(shè)測量處理流程圖。在獲得所述多 平臺、多時域的高分辨率SAR數(shù)據(jù)后，首先要對每個單平臺時間序列的SAR數(shù)據(jù)進(jìn)行PS- InSAR處理，提取電網(wǎng)下不良地質(zhì)體的干設(shè)觀測值。包括W下步驟：
[0088] (1)提取差分干設(shè)圖。首先根據(jù)獲取的覆蓋研究區(qū)域的多時域的N幅SAR影像，在充 分考慮N幅SAR影像之間的時間、空間基線和多普勒質(zhì)屯、頻率差最優(yōu)的基礎(chǔ)上，根據(jù)建立的 綜合相關(guān)函數(shù)選取相關(guān)系數(shù)最大時所對應(yīng)的影像作為公共主影像，將其余的影像作為從影 像分別與主影像進(jìn)行配準(zhǔn)。根據(jù)設(shè)定的時空基線闊值對已經(jīng)配準(zhǔn)后的多時域SAR影像自由 組合出多個多主影像的短基線干設(shè)對，并對所有干設(shè)對進(jìn)行常規(guī)的干設(shè)處理，接著引入外 部30米分辨率的SRTM數(shù)據(jù)來削弱區(qū)域地形引起的密集條紋，最后獲得M幅差分干設(shè)圖。
[0089] (2)對所述多時域SAR影像進(jìn)行福射校正。對獲取的N幅覆蓋研究區(qū)域的多時域SAR 影像進(jìn)行福射校正，福射校正方法可選擇相對福射校正法。先計算出每幅SAR影像的振幅均 值：
[0090] …
[oow] 其中，A(x, r康示像素的原始振幅，X和r分別表示像素點的方位向和距離向坐標(biāo)，m、 n分別表示影像方位向和距離向的個數(shù)，t為影像的時間序列，接著計算時間序列的振幅均 值：
[0092]
[0093] E 因子：
[0094] (3)
[0095] 利用振幅校正因子對每幅SAR影像進(jìn)行振幅糾正，使N幅SAR影像振幅值歸化，為PS 點的識別提供了基礎(chǔ)。
[0096] (3)識別所述多時域SAR影像中保持的高質(zhì)量的永久散射體點。采用時序相關(guān)相關(guān) 系數(shù)、相位離差闊值法、振幅離差闊值法結(jié)合，去除那些失相干嚴(yán)重的目標(biāo)點，串行識別影 像中保持的高質(zhì)量的永久散射體點。
[0097] (4)對選取的PS點進(jìn)行連接并構(gòu)建PS網(wǎng)絡(luò)并進(jìn)行形變估計。假設(shè)地表在SAR影像成 像期間沿雷達(dá)視線線方向隨時間有線性和非線性形變，則對于第i幅差分干設(shè)圖中的任意 一個PS像素點(x，r)，其相位值可用一下模型表示：
[009引 （4)
[0099] J-V 下，"/ TH 11 yj 刀。-CC/J、I <少 口J H'j I 口J 巧仁義 TH 工I 口J巧仁義，un、A,r)、v(x,r)、 巧(X，r; 7：)分別表示高程誤差、時刻雷達(dá)視線向化OS)向形變速率和殘余形變，A為雷達(dá)中屯、 波長，0為雷達(dá)入射角。殘余形變包括非線性形變、大氣相位和失相關(guān)噪聲。
[0100] 采用DelaunayS角網(wǎng)并設(shè)定距離闊值進(jìn)行PS網(wǎng)建立，采用相鄰PS點差分方法減弱 和空間距離相關(guān)的誤差，W相鄰兩個PS的線性形變速率差和高程修正值作為網(wǎng)絡(luò)平差的函 數(shù)模型，采用區(qū)域網(wǎng)最小二乘方法和解空間捜索的方法進(jìn)行參數(shù)求解，并對殘留相位進(jìn)行 時空濾波分離出非線性形變，最后就估計出PS點的總形變。
[0101] 第=步:基于單個所述平臺SAR影像中電網(wǎng)下不良地質(zhì)體的形變估計，采用卡爾曼 濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的=維形變。
[0102] 圖2為本發(fā)明的一個實施例中基于多平臺SAR影像的S維形變求解關(guān)系。使用多平 臺、多時域的InSAR觀測值進(jìn)行電網(wǎng)不良地質(zhì)體的=維形變監(jiān)測，其實質(zhì)是利用測量中的交 會原理來獲取地表的=維變化。而在實際應(yīng)用中多平臺多時域的SAR影像因為時間空間覆 蓋度不同，沒有專口針對他們并進(jìn)行=維形變反演的數(shù)據(jù)處理方法。
[0103] 圖3為本發(fā)明的一個實施例中基于卡爾曼濾波的PS-InSAR電網(wǎng)下不良地質(zhì)體S維 形變監(jiān)測及塔基穩(wěn)定性自動分析流程圖?？柭鼮V波是一種動態(tài)數(shù)據(jù)處理方法，它可W顧 及觀測數(shù)據(jù)在時間域上的關(guān)聯(lián)性和狀態(tài)，還可W通過時間序列融合不同平臺獲取的不同時 刻及不同軌道的InSAR觀測值，獲取時間序列的=維形變。主要包括如下步驟：
[0104] (I)基于差分干設(shè)圖獲取所述電網(wǎng)不良地質(zhì)體的形變分量。假設(shè)不同平臺各有N幅 影像，采用實施步驟二中的PS-InSAR技術(shù)對每個平臺的SAR影像進(jìn)行處理，形成多個干設(shè) 圖，對于某個平臺的第i幅干設(shè)圖，其干設(shè)相位可表示為：
[0105]
[0106] 式中tB、tA為主副影像獲取時間，A為雷達(dá)中屯、波長，X和r分別為像素方位向、距離 向坐標(biāo)。假設(shè)參考時間為to,該時刻雷達(dá)視線向（LOS)地表形變量等于0，d(tB，x，r)、d(tA，x, r)為主副影像相對于to時刻的LOS累積形變量，A滬wi>，r)表示地形殘差相位，與雷達(dá)入射 角目成反比，與干設(shè)對垂直基線B丄成正比，為軌道誤差相位，A廬'"(x，r)為殘余相位， 包括噪聲、大氣相位和高頻形變相位等。其中LOS向的形變d可W寫成
[0107]
巧)
[010引式中du，de，dn分別為地表累計形變在垂直向、東西向、南北向的分量，a，b，C則為 LOS向在垂直向、東西向和南北向上的投影矢量，a為衛(wèi)星方位向。采用線性模型描述LOS向 形變的低頻分量，所W
[0109] d = V ? (t_t〇) = (a ? Vu+b ? Ve+c ? Vn) ? (t_to) (7)
[0110] 式中Vu，Ve，Vn分別為形變在垂直向、東西向、南北向的速率，式(5)中待求參數(shù)為YT =[Vu Ve Vn Ah],利用干設(shè)相位組成矩陣就可W利用最小二乘法進(jìn)行求解。
[0111] (2)建立=維形變?yōu)V波模型?；诙嗥脚_多時域的=維形變?yōu)V波模型建立。假設(shè)第 i幅干設(shè)圖的任意一個觀測點，LOS向的觀測值L(i)和時刻i的狀態(tài)模型可W表示為
[0112] L(i)=H(i)X(i)+V(i) (8)
[0113] X(i)=F(i/i-l)X(i-l)+r (i-l)W(i-l) (9)
[0114] X(i)T=[du(i) de(i) dn(i) Vu(i) Ve(i) Vn(i)] 表示為狀態(tài)矢量;du(i) de(i) dn(i) Vu(i) Ve(i) Vn(i)分別表示ti時刻的S維累計 形變(相對于時刻to)和S維形巧速率，H(i) =「a(i) b(i) c(i) 0 0 0]為第i幅干設(shè)圖的 投影矢量構(gòu)成的設(shè)計矩陣：
％狀態(tài)轉(zhuǎn)移矩陣；13為一個3 X 3的單位矩 陣；At為時刻ti-l和ti之間的時間間隔；V(i)表示觀測噪聲矢量;W(i)T=[Wu(i) We(i) Wn (i)]為狀態(tài)噪聲矢量，r (i/i-i)T為噪聲分布矩陣。
[0115] (3)采用卡爾曼濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的=維形變。利用卡爾曼濾波方程 組，可估計時刻tl的狀態(tài)矢量，
[0116] (10)
[0117]其中J(i)為增益矩陣；為狀態(tài)矢量的預(yù)測值和估計值，OfW和 xyz'/z-i)為相應(yīng)的方差-協(xié)方差矩陣，E為單位陣。假設(shè)Wi)、w(i)為互不相關(guān)的白噪聲，
[011 引 （11)
[0119] (12)
[0120] 其中 <。為第i幅干設(shè)圖的觀測噪聲的方差?？柭鼮V波過程是對每個新的從影像 進(jìn)行重復(fù)操作，但在執(zhí)行此操作之前需要給卡爾曼濾波提過初始狀態(tài)矢量。在參考時間to 時刻，可假設(shè)該時刻的=維累計形變矢量和及其相應(yīng)的方差為0。另外利用短時間基線的干 設(shè)圖、采用最小二乘的方法對一定數(shù)量的時間序列差分干設(shè)圖進(jìn)行平差，把得到的平均形 變速率及其方差來代替to時刻的=維形變速率矢量及其方差。在真實的數(shù)據(jù)處理中，卡爾 曼濾波所需的解纏差分干設(shè)圖各項誤差足夠小，可將上一個歷元估計的干設(shè)圖中的低頻形 變和地形殘差從干設(shè)圖中減去，對殘余形變進(jìn)行如的反纏繞和解纏操作，將低頻形變和解 纏的殘余相位相加，（8)式中的視線向觀測值就變成了
[0121]
(13)
[0122] 其中<5狗表示殘余相位的解纏差分干設(shè)相位。對于某一個時刻獲取的SAR影像，可 W和該時刻之前的獲取的多個時刻形成短基線的干設(shè)圖，運些干設(shè)圖不僅可W為卡爾曼濾 波提供多余的觀測量，還可W提高運一時刻=維形變結(jié)果估計的精度。
[0123] 第四步:基于化rboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔。
[0124] 高分辨率SAR影像中輸電鐵塔識別屬于SAR圖像目標(biāo)檢測的一種類型。在本實施例 中，采用基于化rboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔。具體算法 流程如下：
[0125] (1)圖像預(yù)處理。獲取SAR圖像后，由于SAR圖像的相干斑噪聲嚴(yán)重影響視覺效果和 解譯分析，在目標(biāo)檢測之前首先需要對SAR圖像進(jìn)行濾波處理。我們采用non-local means 濾波方法處理SAR圖像來抑制相干斑的影響，同時對獲取的高分辨率SAR圖像進(jìn)行地理編碼 圖像配準(zhǔn)。
[0126] (2)高分SAR圖像多尺度聯(lián)合分割。采用化rboPixels分割算法對高分SAR圖像進(jìn)行 分割。TurboPixels算法一下五個優(yōu)點：分割的超像素區(qū)域大小均勻一致;分割的超像素區(qū) 域具有連通性;分割后的區(qū)域緊湊;分割結(jié)果光滑，邊界保持良好;分割后的超像素區(qū)域互 不交疊。實現(xiàn)步驟:初始化種子點;通過=個基本點迭代演變時間T時刻的邊界，估計未分割 區(qū)域的基本結(jié)構(gòu)，更新每個邊界點和未分割的靠近邊界點的速率直至邊界沒有變化。控制 圖像分割的邊界函數(shù)為
[0127]
(14)
[0128] 其中已經(jīng)劃分的點為正數(shù)，沒有劃分的點為負(fù)數(shù)，臨近邊界的點數(shù)值接近零。邊界 函數(shù)的巧化公古九，
[0129]
U巧
[0130] 其中Si、Sb分別表示的是圖像速率和邊界速率。當(dāng)SAR影像中的像素點（x，r)滿足 Ex,r[wn(x，r)> = 0]時，運些像素點則被劃分到已經(jīng)確定的區(qū)域，否則將終止迭代?？紤] 到有2幅高分SAR影像同時分割，采用聯(lián)合邊界函數(shù)來控制2幅圖像的分割。聯(lián)合分割函數(shù) 如下：
[01；31] Wi'j=max(Wi, Wj) (16)
[0132] 式中Wi，Wj分別表示主畐IjSAR影像的邊界函數(shù)，J為2幅SAR圖像的聯(lián)合邊界函 數(shù)。
[0133] (3)基于超像素的高分SAR圖像差異度計算。根據(jù)化rboPixels多尺度分割后的SAR 圖像，采用2幅影像的統(tǒng)計分布差異的交叉賭相似度測量方法提取兩幅影像的差異圖，用W 檢測輸電鐵塔。假設(shè)兩幅影像中相同超像素塊區(qū)域X和Y的分布函數(shù)可分別用fx和fy表示，貝U 兩者的差異度表示為
[0134]
(1-7)
[0135] 采用瑞利分布作為SAR幅度圖像的統(tǒng)計分布，它的概率密度函數(shù)表示為：
[0136]
(1巧
[0137] 瑞利分布的期望方差分別為
[013 引
（19)
[0139] 6親志撫未114^麻的化獻(xiàn)宏:獄.那次KT.陽南親達(dá)式為
[0140]
(20)
[0141] 對做了n個尺度分割后的兩幅SAR圖像分別計算每個尺度上的超像素塊的基于瑞 利分布的KL距離，每個尺度的超像素區(qū)域中像素點的差異度值表示為：
[0142] y (x,r) = { yi(x,r), y2(x,r),???, yk(x,r)} (21)
[0143] 其中k表示第k個尺度。那么就得到了多尺度的差異圖。
[0144] (4)基于高分SAR圖像差異度圖融合的鐵塔提取。對得到的多尺度差異圖，采用Max 算子分別取每個尺度上差異度最大值點作為最終融合的結(jié)果。其數(shù)學(xué)表達(dá)式為
[0145] yKL〇(x,r) =max( yi(x,r), y2(x,r),---, Tn(x,r)) (22)
[0146] 使用最大類間方差自動闊值法對融合后的差異圖進(jìn)行分割，結(jié)合電力塔本身結(jié)構(gòu) 在SAR影像中的亮點表現(xiàn)，識別SAR影像中的鐵塔，從而在地理編碼后的SAR影像上獲取鐵塔 的地理坐標(biāo)和像素坐標(biāo)，并在高分InSAR DEM上提取鐵塔的大地高。
[0147] 第五步:所述鐵塔塔基穩(wěn)定性自動分析。
[0148] 由于鐵塔數(shù)量眾多，=維形變時間序列柵格數(shù)據(jù)量大，需將鐵塔地質(zhì)體穩(wěn)定性分 析自動化。具體的自動化流程如下：
[0149] (1)首先將鐵塔識別結(jié)果矢量化，矢量地理參考設(shè)置與=維形變柵格圖一致。W鐵 塔為中屯、設(shè)置半徑為鐵塔相鄰塔墳間距2倍的圓形緩沖區(qū)。用緩沖區(qū)截取=維形變柵格圖 并計算緩沖區(qū)內(nèi)形變大小的均值和標(biāo)準(zhǔn)偏差值。
[0150] (2)基于垂直向形變的均值和標(biāo)準(zhǔn)偏差值大小和地質(zhì)形變在小范圍內(nèi)有連續(xù)性的 特點來分析鐵塔地質(zhì)體的穩(wěn)定性，具體識別原則如下：形變均值和標(biāo)準(zhǔn)偏差均低于闊值則 認(rèn)為鐵塔處于垂直向穩(wěn)定狀態(tài);形變均值超過闊值而標(biāo)準(zhǔn)偏差低于闊值則認(rèn)為鐵塔處于 穩(wěn)定下沉或者抬升狀態(tài);形變均值和標(biāo)準(zhǔn)偏差均超過闊值則進(jìn)一步分析，將該緩沖區(qū)格網(wǎng) 化，提取形變最大最小格網(wǎng)值位置，如果形變最大格網(wǎng)值位于塔基中屯、則認(rèn)為塔基處于中 屯、沉降狀態(tài);如果形變最大值處于塔基邊緣則認(rèn)為塔基處于傾斜沉降狀態(tài);形變均值低于 闊值而標(biāo)準(zhǔn)偏差超過闊值則認(rèn)為鐵塔處于傾斜狀態(tài)。
[0151] (3)根據(jù)形變均值或標(biāo)準(zhǔn)偏差大小超過闊值的程度和電力行業(yè)生產(chǎn)規(guī)范來標(biāo)識鐵 塔地質(zhì)體的垂直向不穩(wěn)定程度，對每種不穩(wěn)定性依次可設(shè)置黃、澄、紅=個預(yù)警級別。
[0152] (4)基于二維平面形變均值和標(biāo)準(zhǔn)方差值來和地質(zhì)形變在小范圍內(nèi)有連續(xù)性的特 點來分析鐵塔地質(zhì)體的穩(wěn)定性，具體識別原則如下：形變均值和標(biāo)準(zhǔn)偏差均低于闊值則認(rèn) 為鐵塔處于平面穩(wěn)定狀態(tài);形變均值高于闊值而標(biāo)準(zhǔn)偏差低于闊值則認(rèn)為鐵塔處于水平移 動狀態(tài);形變均值低于闊值而標(biāo)準(zhǔn)偏差高于闊值則進(jìn)一步分析。如果形變最大格網(wǎng)值位于 塔基中屯、則認(rèn)為塔基處于中屯、擠壓狀態(tài);如果形變最大值處于塔基邊緣則認(rèn)為塔基處于外 圍拉伸狀態(tài);形變均值和標(biāo)準(zhǔn)偏差均超過闊值則認(rèn)為鐵塔處于分散移動狀態(tài)。
[0153] (5)根據(jù)形變均值或標(biāo)準(zhǔn)偏差大小超過闊值的程度和電力行業(yè)生產(chǎn)規(guī)范來標(biāo)識鐵 塔地質(zhì)體的水平向不穩(wěn)定程度，將每種不穩(wěn)定性類別依次可設(shè)置黃、澄、紅=個預(yù)警級別。
[0154] W上所述，僅為本發(fā)明的【具體實施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 屬于本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明掲露的技術(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)。因此，本發(fā)明的保護(hù)范圍應(yīng)該W權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項】
1. 基于電網(wǎng)不良地質(zhì)體三維形變監(jiān)測的塔基穩(wěn)定性分析方法，其特征在于，包括如下 步驟： 第一步:選取符合要求的多平臺、多時域的高分辨率SAR影像； 第二步:采用PS-InSAR技術(shù)提取單個所述平臺高分辨率SAR影像中電網(wǎng)下不良地質(zhì)體 的形變估計； 第三步:基于單個所述平臺SAR影像中電網(wǎng)下不良地質(zhì)體的形變估計，采用卡爾曼濾波 技術(shù)估計電網(wǎng)不良地質(zhì)體的三維形變； 第四步:基于TurboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔； 第五步:鐵塔塔基穩(wěn)定性自動分析。2. 如權(quán)利要求1所述基于電網(wǎng)不良地質(zhì)體三維形變監(jiān)測的塔基穩(wěn)定性分析方法，其特 征在于，所述采用PS-InSAR技術(shù)提取單個所述平臺高分辨率SAR影像中電網(wǎng)下不良地質(zhì)體 的形變估計，包括如下步驟： 第一步:提取差分干涉圖； 第二步:對所述多時域SAR影像進(jìn)行輻射校正，對獲取的N幅覆蓋研究區(qū)域的多時域SAR 影像進(jìn)行輻射校正，輻射校正方法可選擇相對輻射校正法。先計算出每幅SAR影像的振幅均 值：其中，A(1』表示像素的原始振幅，m、n分別表示影像方位向和距離向的個數(shù)，t為影像的 時間序列，接著計算時間序列的振幅均值：.5 計算單個影像的相對振幅校正因子：利用振幅校正因子對每幅SAR影像進(jìn)行振幅糾正，使N幅SAR影像振幅值歸化，為PS點的 識別提供了基礎(chǔ)； 第三步:識別所述多時域SAR影像中保持的高質(zhì)量的永久散射體點PS; 第四步:對選取的PS點進(jìn)行連接并構(gòu)建PS網(wǎng)絡(luò)并進(jìn)行形變估計，對選取的PS點進(jìn)行連 接并構(gòu)建PS網(wǎng)絡(luò)并進(jìn)行形變估計，假設(shè)地表在SAR影像成像期間沿雷達(dá)視線線方向隨時間 有線性和非線性形變，則對于第i幅差分干涉圖中的任意一個PS像素點（x，y)，其相位值可 用一下模型表示：式中，及:1和Ti分別表示干涉對的時間基線和空間基線，Δ h (X，y)、v (X，y)、供廣仏，戈;P)_ 分別表示高程誤差、時刻雷達(dá)視線向（LOS)向形變速率和殘余形變，λ為雷達(dá)中心波長，Θ為 雷達(dá)入射角。殘余形變包括非線性形變、大氣相位和失相關(guān)噪聲； 采用Delaunay三角網(wǎng)并設(shè)定距離閾值進(jìn)行PS網(wǎng)建立，采用相鄰PS點差分方法減弱和空 間距離相關(guān)的誤差，以相鄰兩個PS的線性形變速率差和高程修正值作為網(wǎng)絡(luò)平差的函數(shù)模 型，采用區(qū)域網(wǎng)最小二乘方法和解空間搜索的方法進(jìn)行參數(shù)求解，并對殘留相位進(jìn)行時空 濾波分離出非線性形變，最后就估計出PS點的總形變。3.如權(quán)利要求1或2所述基于電網(wǎng)不良地質(zhì)體三維形變監(jiān)測的塔基穩(wěn)定性分析方法，其 特征在于，所述采用卡爾曼濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的三維形變，包括如下步驟： 第一步:基于差分干涉圖獲取所述電網(wǎng)不良地質(zhì)體的形變分量；假設(shè)不同平臺各有N 幅影像，采用PS-InSAR技術(shù)對每個平臺的SAR影像進(jìn)行處理，形成多個干涉圖，對于某個平 臺的第i幅干涉圖，其干涉相位可表示為：式中tB、tA為主副影像獲取時間，λ為雷達(dá)中心波長，X和r分別為像素方位向、距離向坐 標(biāo)，假設(shè)參考時間為to,該時刻雷達(dá)視線向（LOS)地表形變量等于0，d(tB，X，r)、d(t A，X，r)S 主副影像相對于to時刻的LOS累積形變量，表示地形殘差相位，與雷達(dá)入射角Θ成 反比，與干涉對垂直基線B丄成正比，為軌道誤差相位，為殘余相位，包括噪 聲、大氣相位和高頻形變相位等，其中L0S向的形變d可以寫成采用線性模型描述L0S向形變的低頻分量，所以 d = v · (t-to) = (a · Vu+b · Ve+c · vn) · (t~to) Δ妁(.v,r)中待求參數(shù)為XT=[Vll Ve vn Ah]，利用干涉相位組成矩陣就可以利用最小二 乘法進(jìn)行求解； 第二步：建立三維形變?yōu)V波模型;基于多平臺多時域的三維形變?yōu)V波模型建立，假設(shè)第 i幅干涉圖的任意一個觀測點，L0S向的觀測值L(i)和時刻i的狀態(tài)模型可以表示為 L(i)=H(i)X(i)+V(i) X(i)=F(i/i-l)X(i-l)+r (i-l)ff(i-l) 其中， X(i)T=[du(i) de(i) dn(i) vu(i) ve(i) vn(i)] 表示為狀態(tài)矢量;du(i) de(i) dn(i) vu(i) ve(i) vn(i)分別表示ti時刻的三維累計形 變(相對于時刻to)和三維形變速率，H(i) = [a(i) b(i) c(i) 0 0 0]為第i幅干涉圖的投 影矢量構(gòu)成的設(shè)計矩陣I狀態(tài)轉(zhuǎn)移矩陣;13為一個3 X 3的單位矩陣；Δ t為時刻ti-1和ti之間的時間間隔;V(i)表示觀測噪聲矢量;W(i)T= [wu(i) we(i) wn(i)]為 狀態(tài)噪聲矢量，Γ (i/i-l)T為噪聲分布矩陣； 第三步:采用卡爾曼濾波技術(shù)估計電網(wǎng)不良地質(zhì)體的三維形變，利用卡爾曼濾波方程 組，可估計時刻ti的狀態(tài)矢量，其中j(i)為增益矩陣;為狀態(tài)矢量的預(yù)測值和估計值，1和義α"-1)為 相應(yīng)的方差-協(xié)方差矩陣，Ε為單位陣，假設(shè)V( i)、W( i)為互不相關(guān)的白噪聲， Dw(i)=E(ff(i) · ff(i)T)其中為第i幅干涉圖的觀測噪聲的方差，卡爾曼濾波過程是對每個新的從影像進(jìn)行 重復(fù)操作，但在執(zhí)行此操作之前需要給卡爾曼濾波提過初始狀態(tài)矢量，在參考時間to時刻， 可假設(shè)該時刻的三維累計形變矢量和及其相應(yīng)的方差為〇;另外利用短時間基線的干涉圖、 采用最小二乘的方法對一定數(shù)量的時間序列差分干涉圖進(jìn)行平差，把得到的平均形變速率 及其方差來代替to時刻的三維形變速率矢量及其方差，在真實的數(shù)據(jù)處理中，卡爾曼濾波 所需的解纏差分干涉圖各項誤差足夠小，可將上一個歷元估計的干涉圖中的低頻形變和 地形殘差從干涉圖中減去，對殘余形變進(jìn)行2π的反纏繞和解纏操作，將低頻形變和解纏的 殘余相位相加，視線向觀測值就變成了其中兩知表示殘余相位的解纏差分干涉相位，對于某一個時刻獲取的SAR影像，可以和 該時刻之前的獲取的多個時刻形成短基線的干涉圖，這些干涉圖不僅可以為卡爾曼濾波提 供多余的觀測量，還可以提高這一時刻三維形變結(jié)果估計的精度。4.如權(quán)利要求3所述基于電網(wǎng)不良地質(zhì)體三維形變監(jiān)測的塔基穩(wěn)定性分析方法，其特 征在于，所述基于TurboPixels多尺度分割算法檢測高分辨率SAR影像中的輸電鐵塔，包括 如下步驟： 第一步：圖像預(yù)處理； 第二步:高分SAR圖像多尺度聯(lián)合分割;采用TurboPixels分割算法對高分SAR圖像進(jìn)行 分割，實現(xiàn)步驟:初始化種子點;通過三個基本點迭代演變時間T時刻的邊界，估計未分割區(qū) 域的基本結(jié)構(gòu)，更新每個邊界點和未分割的靠近邊界點的速率直至邊界沒有變化，控制圖 像分割的邊界函數(shù)為其中已經(jīng)劃分的點為正數(shù)，沒有劃分的點為負(fù)數(shù)，臨近邊界的點數(shù)值接近零，邊界函數(shù) 的迭代公式為：其中S^Sb分別表示的是圖像速率和邊界速率，當(dāng)SAR影像中的像素點（x，y)滿足Σχ,γ [Wn(x，y)> = 0]時，這些像素點則被劃分到已經(jīng)確定的區(qū)域，否則將終止迭代，考慮到有 2幅高分SAR影像同時分割，采用聯(lián)合邊界函數(shù)來控制2幅圖像的分割，聯(lián)合分割函數(shù)如下： VX)y=max( Ψχ, Ψγ) 式中Ψχ，Ψγ分別表示主副SAR影像的邊界函數(shù)，Ψχ,γ*2幅SAR圖像的聯(lián)合邊界函數(shù)； 第三步:基于超像素的高分SAR圖像差異度計算;根據(jù)TurboPixels多尺度分割后的SAR 圖像，采用2幅影像的統(tǒng)計分布差異的交叉熵相似度測量方法提取兩幅影像的差異圖，用以 檢測輸電鐵塔;假設(shè)兩幅影像中相同超像素塊區(qū)域X和Y的分布函數(shù)可分別用f x和fy表示，則 兩者的差異度表示為采用瑞利分布作為SAR幅度圖像的統(tǒng)計分布，它的概率密度函數(shù)表示為：瑞利分布的期望方差分別為S表示瑞利分布的形狀參數(shù)，那么KL距離表達(dá)式為對做了 η個尺度分割后的兩幅SAR圖像分別計算每個尺度上的超像素塊的基于瑞利分 布的KL距離，每個尺度的超像素區(qū)域中像素點的差異度值表示為： γ (i，j) = { yi(i，j), Y2(i，j)，···，yk(i，j)} 其中k表示第k個尺度。那么就得到了多尺度的差異圖； 第四步:基于高分SAR圖像差異度圖融合的鐵塔提取，對得到的多尺度差異圖，采用Max 算子分別取每個尺度上差異度最大值點作為最終融合的結(jié)果，其數(shù)學(xué)表達(dá)式為 Tkld(i, j)=max( yi(i,j), 72(1, j),···^ Tn(i, j)), 使用最大類間方差自動閾值法對融合后的差異圖進(jìn)行分割，結(jié)合電力塔本身結(jié)構(gòu)在 SAR影像中的亮點表現(xiàn)，識別SAR影像中的鐵塔，從而在地理編碼后的SAR影像上獲取鐵塔的 地理坐標(biāo)和像素坐標(biāo)，并在高分InSAR DEM上提取鐵塔的大地高。5.如權(quán)利要求1或4所述基于電網(wǎng)不良地質(zhì)體三維形變監(jiān)測的塔基穩(wěn)定性分析方法，其 特征在于，所述鐵塔塔基穩(wěn)定性自動分析，包括如下步驟： 第一步:矢量化鐵塔識別結(jié)果； 第二步:基于垂直向形變的均值和標(biāo)準(zhǔn)偏差值大小和地質(zhì)形變在小范圍內(nèi)有連續(xù)性的 特點來分析鐵塔地質(zhì)體的穩(wěn)定性； 第三步:根據(jù)形變均值或標(biāo)準(zhǔn)偏差大小超過閾值的程度和電力行業(yè)生產(chǎn)規(guī)范來標(biāo)識鐵 塔地質(zhì)體的垂直向不穩(wěn)定程度，對每種不穩(wěn)定性依次可設(shè)置黃、橙、紅三個預(yù)警級別； 第四步:基于二維平面形變均值和標(biāo)準(zhǔn)方差值來和地質(zhì)形變在小范圍內(nèi)有連續(xù)性的特 點來分析鐵塔地質(zhì)體的穩(wěn)定性； 第五步:根據(jù)形變均值或標(biāo)準(zhǔn)偏差大小超過閾值的程度和電力行業(yè)生產(chǎn)規(guī)范來標(biāo)識鐵 塔地質(zhì)體的水平向不穩(wěn)定程度，將每種不穩(wěn)定性類別依次可設(shè)置黃、橙、紅三個預(yù)警級別。
【文檔編號】G01S13/90GK105954747SQ201610246270
【公開日】2016年9月21日
【申請日】2016年6月20日
【發(fā)明人】程正逢, 胡俊, 胡吉倫, 趙蓉, 張健, 李佳, 周毅, 曾渠豐, 周冰
【申請人】中國電力工程顧問集團(tuán)中南電力設(shè)計院有限公司