InSAR技术(精选九篇)
InSAR技术 篇1
1 InSAR数据的处理流程
1.1 干涉数据的获取
合成孔径雷达干涉测量的数据处理能否成功关键就在于选取可利用的SAR数据。根据具体应用选取SAR图像数据需要考虑的因素主要包括以下几个方面:传感器类型、基线的时空分布获取图像时的地形、大气特征等[4]。目前可用于干涉测量的星载合成孔径雷达数据源主要有:欧空局 (European Space Agency, ESA) 的ERS-1/2、ENVISAT、加拿大的RADASAT和日本的JERS-1、ALOS。同时, 美国的奋进号航天飞机也可以提供部分干涉测量数据。
1.2 SAR图像的配准
SAR图像数据的空间配准是SAR图像干涉处理中关键的一步。图像配准是对取自不同时间、不同传感器或不同视角的同一景物的两幅图像或多幅图像匹配、叠加的过程。由于星载InASR中的两幅图像不是同步得到的, 它们之间的像素点不对应, 因此需要进行图元配准, 目的是将两个图像中同样位置的像素对应地面同一回波点, 以使两幅图像具备干涉的条件, 一般通过曲线插值和拟合等方法来实现。图像配准通常分粗配准和精配准两个步骤, 粗配准误差约为一个像素, 精配准能达到亚像元精度。
1.3 干涉图的生成
对于来自不同时间、不同传感器或不同视角的同一景物复雷达图像对, 由于两副天线与地面某一目标之间的距离不等, 使得在复雷达图像对同名象点之间产生相位差, 从而可以形成干涉纹图, 干涉纹图中的相位值即为两次成像的相位差测量值, 根据两次成像相位差与地面目标的三维空间位置之间存在的几何关系, 利用飞行轨道的参数, 即可测定地面目标的三维坐标, 生成干涉图。通常, 图像的配准误差必须在1/8个像元以下才对干涉条纹的质量没有明显影响。
1.4 干涉图的滤波
引起InSAR相位图中噪声的因素很多, 观测区域的地形、基线相关损失、相干斑点噪声、信号处理噪声、图像不匹配噪声、接收机热噪声等都是干涉相位图中噪声的重要来源。在InSAR成像处理中, 由于干涉相位图受到噪声的影响, 干涉条纹可能并不明显, 甚至会完全淹没在噪声之中, 因此需要对干涉相位图作滤波处理, 来降低其中由噪声引起的残余点数量, 提高干涉条纹的质量, 以利于干涉相位图的二维相位展开处理。
1.5 去平地效应
去除干涉图的噪声后, 就要对干涉图产生的平地效应进行去除。平地效应是干涉图在高度相同的平地上所表现出来的干涉条纹随距离向和方位向的变化而变化的一种现象。平地效应的变化具有一定的周期性。干涉图中, 有平地效应引起的条纹与地形起伏所引起的条纹夹杂在一起, 并不能反映真实的地表形变信息, 因此需要去除平地效应后再进行相位解缠。平地效应可通过对干涉纹乘以复相位函数来去除。
1.6 相位解缠
由于干涉相位图的条纹是由相位差形成的, 它与地面位置直接相关的相位以2π为模, 即只能测量出不足一个周期的相位差, 丢失了2kπ的模糊度。因此为了计算目标点的高程, 必须解出相位模糊度, 给相位测量值加上2kπ的相位周期。这种求解2kπ模糊性问题的技术称为相位解缠。它类似于GPS相位测量中的整周模糊度问题, 是一个重要而有难度的步骤, 解缠得到的相位值准确与否, 直接关系到提取出的目标高程信息的有效精度。目前, 所有的相位解缠可分为两个步骤:①基于缠绕相位计算解缠相位的相位梯度估算值;②积分。根据所采用的积分方法, 相位解缠方法主要分为两大类:路径跟踪法和最小二乘法。实践证明, 路径跟踪法比最小二乘法更加稳健和可靠[5]。在相位解缠完成后计算出形变信息, 最后将形变图投影至地理坐标系中。
2 InSAR技术应用实例——伊朗BAM地震
2.1 试验区简介
2003年12月26日, 德黑兰当地时间凌晨5点28分, 伊朗东南部地区发生里氏6.8级强烈地震, 震中位置为29.01N, 58.30E, 震源深度33km。地震震中位于距克尔曼省省会克尔曼市约180km的巴姆市。地震造成了大面积破坏, 巴姆市有60%的房屋倒塌, 一些具有历史价值的古迹也变成了废墟, 巴姆及其附近地区的通讯、水、电供应均遭中断。根据截至2004年1月8日的报道, 地震造成约3万人死亡[6]。
2.2 试验数据的获取
BAM地震发生以后, ENVISAT卫星监测到了BAM地震的全过程。利用欧空局ENVISAT卫星获取的3幅雷达影像数据进行差分干涉处理。三幅影像的轨道号依次为6687, 9192和9693, 成像时间分别为2003年6月7日, 2003年12月3日和2004年1月7日。其中, 6687和9192为BAM地震前获取的照度图像, 9693为地震后获取的照度图像。
2.3 处理结果
以6687和9192为Topo相对, 以9192和9693为Defo相对, 采用荷兰Delft大学的DORIS软件进行三轨法差分干涉处理, 其中采用Goldstein滤波方法进行滤波, 采用Snaphu网络流算法进行解缠, 在解算前先进行基线估算, 依次得到表1的干涉图基本参数信息, 只包含地形相位信息的干涉条纹图 (9192-6687, 图2) 与包含地形和形变的干涉条纹图 (9192-9693, 图1) , 包含形变信息的差分干涉条纹图 (图2) , 该地区地震前的DEM高程图 (图3) 以及视向上 (LOS) 的地表形变三维图 (图4) 。
由于BAM地区气候干燥, 植被比较稀少, 所以相隔35d和175d的干涉图其相关性依旧非常好。对比图1中的两幅图, 从包含形变信息的干涉条纹图 (a) 中就可以分辨出由于形变引起的条纹, 但是由于地形信息产生的相位影响, 形变条纹被淹没在地形条纹之中。采用三轨法可以获取地震前当地的DEM, 如图3所示, 然后减去由DEM产生的相位信息, 去除地形相位影响, 即可获得精确的地表形变未解缠干涉条纹图, 如图2所示。但是在形变中心之外还有2条明显的其他条纹, 这些残差是由于地形相位的残差以及基线误差的影响造成的。对于这种情况, 只有精确获取了当地的DEM数据和对ENVISAT图像的轨道进行优化, 才能消除这种影响[7]。从干涉图中得出地震形变场分布及形变信息, 对形变相位进行解缠之后, 得出地面各点的形变量ΔR。由于ASAR雷达采用C波段 (波长5.666cm) 微波成像, 所以每条整周干涉条纹代表约2.8cm的形变量, 由此得出地震造成的最大形变量约为30.4cm (图3) 。其中, 图4中南边地区的一瓣在雷达射线方向隆起25cm左右, 而北边则下沉约70cm。
3 结论
简要介绍了地表形变的一些危害及进行地表形变监测重要性, 合成孔径雷达技术基本原理及数据处理流程, 最后以BAM地震形变场的干涉处理过程及结果为例, 显示了星载合成孔径雷达技术在监测地表形变中的突出技术优势, 证明InSAR技术是地表形变监测的一种十分有效而且强大的工具。利用干涉雷达进行大面积、快速、低成本、高精度高分辨率的形变测量, 是其他传统方法, 包括现代的GPS都无法做到的[8]。
虽然InSAR本身的优势明显, 但由于其自身方面故有的技术限制, 特别是受到大气层延迟 (对流层延迟、电离层延迟等) 、卫星轨道误差、地表状况和时变去相关性等影响, 很容易导致InSAR图像解释错误, 而InSAR数据本身无法解决所存在的上述问题。随着雷达技术的进一步发展, 将会使InSAR的相关缺陷逐步得到解决。而新一代SAR卫星的发射升空, 如Radarsat-2及ALOS等, 将有可能对SAR数据资源在地震监测、火山活动、以及其他地表形变等现象进行更加深入和广泛的应用研究。可以预见, 合成孔径雷达干涉测量技术在地表形变监测中的应用将会越来越普遍, 作用也会越来越大, 进而成为形变监测中不可或缺的强大工具。
摘要:地表形变引发了一系列的地质灾害, 因此, 对地表形变进行监测显得尤为重要。卫星合成孔径干涉测量是一项极具潜力的区域地表形变监测技术, 具有很好的优越性, 应用前景广泛.介绍了地表形变及其带来的危害和SAR数据的基本处理流程等, 并以BAM地震为例对InSAR技术在地表形变监测中的具体应用进行了讨论与分析。
关键词:InSAR,地表形变,BAM地震
参考文献
[1]张宗枯.环境地质与地质灾害.第四纪研究[J], 2005, 25 (1) :1-5.
[2]刘国祥.利用雷达干涉技术检测区域地形形变 (中文摘要-英文版) [M].北京:测绘出版社, 2006.
[3]舒宁.雷达影像干涉测量原理[M].武汉:武汉大学出版社, 2003 (4) :13-14.
[4]周建民.InSAR技术及其在地表形变监测中的应用[D].南京:河海大学, 2006.
[5]陈强.基于永久散射体雷达差分干涉探测区域地表形变的研究[D].成都:西南交通大学, 2006.
[6]孙振凯.伊朗东南部发生里氏6.8级强烈地震[J].北京:国际地震动态, 2004, 1 (1) .
[7]李毅.用D-InSAR研究巴姆地震形变场[J].武汉:大地测量与地球动力学, 2008, 28 (1) .
InSAR技术 篇2
InSAR技术是20世纪后期发展起来的一种新的测量方法,由于其具有能够实现全天时、全天候的对地观测,现已成为空间对地观测技术的研究热点.D-InSAR技术是在InSAR技术基础上发展起来的一种可以用来检测地面微小运动的`新技术,其可以监测厘米级,甚至毫米级形变的精度.文中分析了D-InSAR技术用于形变监测中存在的误差及其减弱措施,并对该技术在西安地区的应用作了相应的分析.
作 者:杨成生 侯建国 季灵运 马静 YANG Cheng-sheng HOU Jian-guo JI Ling-yun MA Jing 作者单位:杨成生,马静,YANG Cheng-sheng,MA Jing(长安大学,地质工程与测绘工程学院,陕西,西安,710054)侯建国,HOU Jian-guo(长安大学,地质工程与测绘工程学院,陕西,西安,710054;黑龙江工程学院,黑龙江,哈尔滨,150050)
InSAR技术 篇3
关键词:采空塌陷;InSAR;遥感RadarSAT-2
前言
矿产资源的开采造成的采空塌陷对生态环境造成一定影响,成为严重制约矿区可持续发展的重要因素,它不仅破坏土地资源、导致生态环境恶化,而且影响人民的生产、房屋生活设施,进而诱发一系列社会、经济问题(图1、图2)。当前,生态文明建设已成为社会关注的热点,如何对生态环境进行恢复,如何快速的识别采空塌陷区的范围和沉降速率,成为治理和监测的首要目标。常规的水准测量、GPS测量监测矿区采空塌陷的技术存在监测周期长、成本高、无法达到区域全覆盖监测等问题。
近些年发展起来的合成孔径雷达干涉测量技术(Inter-ferometric SAR,InSAR)具有全天时、全天候的特点,可以从空间直接获取大范围、高精度的形变信息、高效可重复的动态监测,广泛地应用到地表形变、采空塌陷、地震形变、冰川移动、火山运动以及山体滑坡等方面。InSAR技术可以快速、准确、省时的监测到塌陷区的动态变化,节省大量资金,和传统的测量方式相比,有很大的优越性(表1)。本文以淮南煤矿区为例,采用二轨法对研究区采空塌陷进行信息提取与分析,为掌握和治理采空塌陷区提供基础资料与技术支持。
1.研究区概况和以往形变概况
研究区位于安徽省淮南市,坐标范围为东经114°50′~118°10′、北纬32°20′~34°40′之间。全市总面积2121km2,市辖田家庵、大通、谢家集、八公山、潘集五区和凤台县以及毛集综合实验区,总人口210万人。淮南是中国五大煤田之一。淮南目前已发展成为以煤炭、电力为主体,兼有纺织、电子等门类较为齐全的新型工业城市。淮南煤矿区长期矿产资源开采给社会带来巨大效益的同时也严重地破坏了周边的环境,采空塌陷就是直接表现,已成为影响和制约矿业城市可持续发展的重要因素。至2002年,全市范围内采煤塌陷区面积已近50km2。其中,形成水面的面积为13km2,占塌陷总面积的30%左右,主要分布在大通、谢家集、八公山、潘集4个区和凤台县。
2.数据源
采用的雷达数据为2012年~2013年编程订购加拿大MDA公司的RADARSAT-2(20~30m)作为主数据源,RA-DARSAT-2宽波束模式,分辨率为距离向30m,方位向26m,图像为150x150km,面积为22500km2,极化方式有HH、VV、HV和VH,本次选用VV,入射角为20°~45°,其基本信息见表2。
3.数据处理
对于采空塌陷快速形变类型,本次以GAMMA软件为数据平台,采用二轨法对获取的数据进行差分干涉处理,获取了采空塌陷的范围和沉降速率,主要步骤包括:(1)选取两期影像,利用主辅图像生成干涉图,去除平地效应,干涉条纹图中包含地形信息和形变信息;(2)将DEM数据转换为相位值,并获得模拟干涉条纹图;(3)从主辅图像生成的干涉条纹图中减去利用DEM模拟的干涉条纹图;(4)对差分干涉相位图进行处理,获得地表形变量;(5)将获取的地表形变图转换到地理坐标系中。通过以上处理,获得了干涉强度图、干涉图等图件(图3、图4),可以看出,获得效果较好。
4.采空塌陷区分析
通过常规差分干涉处理,获得了研究区的差分干涉图(图5),从图上可以准确的识别已发生的塌陷和潜在的塌陷区域,且通过干涉纹理测算出塌陷的沉降量(表3)。
从图5可以看出:淮南煤矿区采空塌陷区域主要集中分布于大通区的大通——九龙岗一带、谢家集区和八公山区的大山镇——八公山——谢家集——李郢孜一带、潘集区的董圩-泥河一带、凤台县的观音——岳张集——新集——刘集一带。根据塌陷区的分布,结合收集的矿山资料,采空塌陷区主要是由大型煤矿刘庄矿业区域、谢桥煤矿区域、张集煤矿区域、顾北煤矿区域、顾桥煤矿区域、丁集煤矿区域、潘集第三煤矿区域、潘集第一煤矿区域、新集二矿区域、新集三矿区域、李咀孜煤矿区域等矿山开采所形成。
5.野外实地验证
通过野外调查,结合2012年度的光学遥感影像和工作区矿山开采现状分布图等资料,进行综合分析,对采用常规差分干涉方法提取的采空塌陷区与实际情况做对比分析,其结果与实际情况吻合,结果真实可信。
如顾桥煤矿区域,通过遥感影像可以看出,在矿区内地表已经出现小范围塌陷,积水(图6),经过雷达差分干涉处理,发现此位置在2012年2月4日与2012年2月28日期间出现沉降,沉降量达到4.5cm/24天,通过后续3、4月的差分干涉图对比,发现采空区塌陷范围在逐步加大,与实地调查的结果一致。
通过差分干涉处理,获取图7所示煤矿区域沉降量为4.2cm/24天,结合光学遥感数据和雷达数据提取的采空塌陷区域(图8),进行野外实地调查,发现此区域地势明显低于周围,地上电线杆已发生倾斜,已开始形成塌陷(图9)。
5.结论与展望
(1)InSAR技术可以有效地识别出光学遥感未能识别的或潜在的采空塌陷区;可以估算出沉降区域沉降速率,通过实地调查和已有资料的对比分析,结果与实际情况一致,真实可靠。
InSAR技术 篇4
合成孔径雷达干涉测量技术 (In SAR) 是在20世纪60年代末出现的, 研究阶段是在80年代开始的, 至今三十多年的研究发展, 其应用也越来越被认可。其中, 差分合成孔径雷达干涉技术D-In SAR (Differential Synthetic Aperture Radar Interferometry) 在提取地表形变量时是利用多个时相SAR复数图像的相位信息进行的, 其精度已达到cm量级。
“第八届国际地面学术会议研讨会”于2010年10月在墨西哥克雷塔罗市召开, 对近5年来在地面沉降研究的成果做了总结。该会议在讨论地层位移和地表监测技术时, 证实了In SAR技术在地表变形监测方面得到了快速发展和应用。且已有诸多成果, 地区已经包括美国、英国、德国瑞士、墨西哥、意大利等大多数国家。
1 In SAR、D-In SAR、PS-In SAR基本原理
获取SAR干涉数据主要有三种方式:SAR交轨干涉测量 (XTI) 、SAR顺轨干涉测量 (ATI) 、SAR重复轨道干涉测量 (RTI) 。与前两种干涉测量不同, 重复轨道干涉测量只要安装一副天线, 来获取数据。
以其为例, 对干涉SAR的工作原理进行简单介绍。图1中, 对同一地区P点卫星两次成像的天线位置用S1和S2表示, 两天线之间的距离用B表示, 称为基线, 基线与水平方向的夹角用α表示, 平台高度用H表示, 地面任意点P到天线S1的距离用R表示, 到天线S2的距离用表示。表示第一幅天线的参考视线角, h表示P点的高度。S1和S2两点回波信号的相位差用表示, 即干涉相位。可以导出以下主要关系:
其中, h即为所要求解的高差。
差分干涉测量 (Differential In SAR, D-In SAR) 是In SAR技术应用的一个重要拓展。它主要是在发生地面沉降前后的一景或多景的合成孔径雷达干涉条纹中提取与目标区域地形形变有关的相位差信息。D-In SAR对形变信息非常敏感, 监测精度可以达到毫米量级。差分干涉测量的成像几何以三轨法为例表示如图2所示。
PS-In SAR (Permanent Scatter In SAR) 永久散射体干涉测量。它的显著特点是选取相位信息比较稳定且较高的自身散射特性的地面为目标点, 能够降低空间、时间相关及大气的影响, 通过长时间对一个地区进行地面沉降监测, 获取PS点时序形变信息, 提高其对地面的监测能力。
2 In SAR、D-In SAR、PS-In SAR在地面沉降监测中的应用
D-In SAR技术在地面沉降监测方面具有大面积、快速、准确的优势, 已经取得一些成果。在国外, Biegert等 (1997) 运用不同的卫星对美国加利福尼亚州Belridge和Lost山油田的地面沉降进行了研究, 得出70天内的沉降量达到6cm, 与该区域每年30cm的地面沉降速率一致。PS-In SAR技术是在1999年首次被A.Ferretti等人研究应用的, 监测了Ancona地区的地面沉降, 并获取精度较高的该地区的形变信息。2002年, A.Ferretti利用PS-In SAR技术, 从41景ERS卫星数据获得Pomona地区的地面形变信息, 得出1992年~1997年间地面沉降量最大为负20厘米, 隆起量最大为正6厘米。在Pomona沉降研究中, Ferretti将PS-In SAR技术与传统合成孔径雷达干涉测量技术进行比较, 证明PS-In SAR技术在地形形变监测中优势明显。
在国内, 李德仁院士对In SAR的研究比较早, 在2000年利用欧空局ERS-1/2相隔1天的重复轨道SAR数据, 经过D-In SAR技术对我国天津市地面沉降进行处理研究, 得到反应天津市地面沉降的干涉图。并与由重复水准测量法求得1995~1997年地面沉降等值线图进行比较, 其一致性和相似性比较明显。刘国祥等 (2001) 用卫星雷达差分干涉技术对香港赤腊角机场的地面沉降进行研究, 使用欧空局ERS-2获得该机场在1998~1999近一年内的非均匀沉降场, 地面空间分辨率为20m, 在填海区域内, 下降量呈0~50mm的空间变化, 与使用等精密水准测量方法的结果相关度较高, 相关系数达到0.89。证实了ERS-2干涉系统对微小的地表沉降具有很高的敏感性, 精度优于1cm。在国内, 对PS-In SAR技术的研究比较晚, 李德仁院士、王超等作了综述性、倡导性的介绍。2007年, 刘国祥、陈强等对永久散射体雷达差分干涉测量的识别方法及应用进行初步研究, 以我国上海市地面沉降场为研究对象, 利用欧空局ERS-1/2卫星获取1992~2002年间的26幅单视复数影像进行PS-In SAR处理, 实验所得的沉降速度场与地面精密观测结果吻合度高, 整体差异量约为正负4mm, 证实了PS-In SAR技术用于监测地面形变的可靠性。
3 总结
虽然在地面沉降监测方面已有一些成果, 但由于D-In SAR技术研究所需数据获取比较难且价格贵, 还有些干涉处理的若干理论和技术问题需要进一步解决, 所以其没有被大规模的实际应用。
重复轨道干设法进行干涉测量时, 会由于误配准、基线太长或太短、成像环境不一致引起相干误差, 不能获得好的干涉图像, 致使成功率不高。
星载双天线雷达, 可以较好地克服上述三个困难。但是, 由于时间、空间降低, 尤其是大气效应对星载D-In SAR形变测量误差的影响, 在对城市地面沉降进行监测时, 因为沉降量一般都很小, 大气效应就会在影像图中造成假象形变, 给后期数据处理和数据解缠带来困难, 所以必须考虑消除或减弱大气效应的影响。
为弥补常规方法的不足, 提高地面形变监测精度, 永久散射体 (Persistent Scatterers, PS) 往往比图像分辨单元还小, 几乎不受失相关噪声的影响, 即使相隔多年也能够保持较高且相对稳定的干涉相关性。SAR影像中的同一像元素, 对应于同一地面范围内, 该像元的回波信号是由强散射体构成, 弱散射体的作用可以忽略, 减弱失相干性, 这样就可以选择一系列相对稳定的点作为PS点, 消除大气干扰、DEM误差和噪声后, 高精度地估算地表形变量, 最大限度的提高了SAR数据的利用率, 且对外部DEM的要求不高。可见, 将来D-In SAR技术在城市地面沉降监测方面应用越来越受研究者青睐。
摘要:介绍SAR、In SAR、D-In SAR的发展状况, 以及In SAR、D-In SAR的基本原理。然后通过实例介绍In SAR、D-In SAR技术在地面沉降监测中的应用。最后对In SAR技术的应用前景进行了探讨。
关键词:InSAR,D-InSAR,PS-InSAR,地面沉降监测
参考文献
[1]王超, 张红, 刘智.星载合成孔径雷达干涉测量[M].北京:科学出版社, 2001.
[2]张阿根, 杨天亮.国际地面沉降研究最新进展综述[C].2011年华东六省一市地学科技论坛论文集.
[3]刘国祥, 刘文熙, 黄丁发.In SAR技术及其应用中的若干问题[J].测绘通报, 2001 (8) :10-12.
[4]Biegert E K, Berry J L, Oakley S D.Oil field sub-sidence monitoring using Spacebome Interferometric SAR[EB/OL], 1997.
[5]Ferretti A, Prati C, Rocca F.Non-linear Subsidence Rate Estimation Using Permanent Scatters in Differential SAR Interferometry[J].IEEE Transactions on Geoscience and Remote Sensing, 2002, 38 (5) :2 02-212.
[6]李德仁, 廖明生, 王艳.永久散射体雷达干涉测量技术[J].武汉大学学报, 2004, 29 (8) :664-668.
[7]刘国祥, 丁晓利, 陈永奇等.使用卫星雷达差分干涉测量技术测量香港赤腊角机场沉降场[J].科学通报, 2001, 46 (14) :1224-1228.
[8]李德仁, 周月琴, 马洪超.卫星雷达干涉测量原理与应用[J], 测绘科学2000, 25 (1) :9-12.
[9]刘国祥, 陈强, 丁晓利.基于雷达干涉永久散射体网络探测地表形变的算法与实验结果[J], 测绘学报, 2007, 36 (1) :13-18.
InSAR技术 篇5
关键词:合成孔径雷达干涉测量,数字高程模型,精度分析
0前言
合成孔径雷达干涉测量是一种新型的空间技术,主要应用之一就是大范围的数字高程模型(DEM)的生成,如美国在2000年进行的SRTM就是采用航天雷达干涉技术生成全球约80%区域的DEM,其精度和技术参数如表1所示[1]。除此之外In SAR还广泛应用于地球表面的监测,垂直形变和水平形变,如地震监测、火山监测、地面沉降、冰川、煤矿开采塌陷、滑坡、地裂缝等监测。本文以西安地区为研究区域,首先介绍了In SAR技术生成DEM的原理、方法及其存在的问题及其解决办法,最后对In SAR生成的DEM与当地1∶5万比例尺的外部的DEM进行了比较和分析。
1 In SAR技术生成DEM的原理与步骤
利用In SAR技术生成DEM的基本原理是利用SAR卫星在不同的时间以不同的视角获取的同一地区两幅SAR影像,通过对其配准并共轭相乘得到SAR干涉图;由于SAR干涉图中包含了地面高程的相位信息,所以在对干涉图进行了滤噪和去平地效应之后,再进行相位解缠,就可以得到地面高程信息。
图1显示了雷达干涉测量的几何示意图,式(1)给出了地面高程的计算式。
利用In SAR生成DEM的处理过程可用图2表示。
2 In SAR技术用于DEM生成存在的误差及其减弱措施
影响In SAR技术提取DEM的精度的因素很多,其主要误差来源归纳起来大致有如下几种:
(1)重复轨道干涉模式下,雷达单视复数影像的配准误差。影像的配准精度是影响In SAR测量高程精度的关键因素之一。如果两幅复数影像的同名点相互错开一个像素,虽然此时干涉图得到的能量图依然清晰可辨地形地貌特征,而两幅影像的相位信息将完全不相干,干涉相位图为纯噪声[2]。因此,配准精度越高越好,一般要达到1/8像素精度。但是,由于成像条件复杂多变,侧视成像造成的阴影与叠掩区域、时间失相关以及雷达图像特有的斑点噪声等原因,要达到十分理想的配准精度很困难。目前,很多学者对提高影像配准精度提出了若干比较成功的算法,在成像质量好的情况下,配准均能达到子像素级。
(2)复杂地区的相位解缠误差。相位解缠就是恢复雷达影像的原始相位值,而雷达信号的低信噪比、地形起伏引起的迭掩、阴影以及其它各种原因造成的去相关现象等都会造成相位数据的不连续,都会导致干涉相位图中相位的趋势和周期性的破坏,为各周期的分离带来了极大的困难。因此二维相位展开成为干涉SAR数据处理中最为困难的问题之一。因此,对于相位解缠误差可以根据实际的情况选择不同的解缠算法,通常Flynn最小不连续法和Snaphu网络流算法结果可靠性较好,在大多的情况下都能得到较好的全局解[3]。
(3)轨道参数的不确定性以及基线估算的不准确性引起的误差。从In SAR测高的基本原理可以知道基线估算的不准确将直接影响测高的精度。通常要获取准确的基线,需要根据卫星轨道星历表参数和雷达系统本身参数来估算。然而轨道参数的不确定性将会给基线估算引入误差。但目前还没有较好的算法来准确地确定基线。对于ERS-1/2以及envisat卫星的轨道数据可以从荷兰DELFT大学网站上免费下载,用来减少配准误差和去除平地效应[4],必要情况下还要人为地对基线进行调整。
(4)在有较多植被覆盖区域的去相关引起的相位噪声。由于两幅SAR影像获取期间作物或植被的生长,树木的季节变化(树叶的生长和掉落),以及风向变化引起的植被运动等等,都会引起相位的去相关,给干涉图造成相位噪声。人工角反射器的应用将会消弱此类相位噪声。
这些误差或是由于SAR所特有的成像方式引起的,或是干涉测量极力所引起的[5],所以仔细的处理数据是非常有必要的。适当的相位滤波和多视处理都能有效地消弱噪声的影响。
3 比较分析
为了分析In SAR生成的DEM在西安地区的精度,我们采用ERS-1卫星分别于1993年1月29日和3月5日获取的西安地区的影像数据作试验,影像参数见表2。
实验中假定本研究所购买的西安地区1∶5万比例尺的DEM为真实的西安地区的地面高程。
由于In SAR生成的DEM里面不仅包含了透视伸缩扭曲和垂直偏移,而且还与外部DEM之间存在着位置、方向和空间分辨率之间的不同[6],所以为了便于比较利用In SAR生成的DEM与1∶5万比例尺的DEM之间的差异,生成的DEM必须与外部DEM具有相同的输出格式,同时两个DEM也应该在同一坐标系下。还有,由于In SAR生成DEM过程中的地理编码是一个非线性复杂的过程,因此,同一坐标系下的两个DEM在同一点上的坐标值还存在着一定的差异,需要做一定的影像纠正。
本实验首先将1∶5万比例尺的DEM内插成20m地面分辨率的DEM,使之与SAR生成DEM具有相同的地面分辨率,然后再将两者作差比较。图3、图4分别为SAR生成DEM和1∶5万比例尺的DEM,图5是两者作差后的DEM。
两者的差值最大的达到71m,最小的达到-72.5m,绝对平均差值为11.953m。图6和图7是作差后的西安地区的DEM的对角剖面图,图8显示了差值绝对值在0~80m各段的分布情况,由上可知误差在20m以内的地区占82.2%。在图5中可以看到在图的左上部分存在一个系统残余,考虑到其范围比较大,很有可能是由三个方面的原因造成的:一是轨道及基线误差所引起的;二是大气延迟的影响;三是雷达卫星固有的侧视成像模式所造成的。
4 结论
通过以上的比较分析,可以认为利用In SAR生成的DEM在西安地区82.2%的高程误差在20m左右,绝对平均差值为11.953m,可以满足1∶25万地形图测量。
同时在实验的过程中还存在一个问题,相同范围DEM的选取方法还需要作进一步的优化,由于同一坐标系下两个DEM之间还存在着一定的差异,所以要选取相同的比较范围还要作一定的影像纠正,本文中则通过选取特征点,对两DEM之间的平移近似地做了平均,方法还比较粗糙,需要改进。
参考文献
[1]Farr,T.G.,M.Kobrick.Shuttle Radar Topography Mission produces a wealth of data[J].Amer.Geophys.Union Eos,583~585,2000.
[2]陈鹰,于晶涛.合成孔径雷达复数影匹配准方法研究[J].中国科技论文在线.
[3]李陶.重复轨道星载SAR差分干涉监测地表形变研究[D].武汉:武汉大学,2004.
[4]Scharroo,R.,Visser,P.N.A.M.,Mets,G.J.,1998,Precise orbit determination and gravity filed improvement for ERS satellites,Journal of Geophysical Research[J].101(E10),pp.23109~23125.
[5]廖明生,林珲.雷达干涉测量—原理与信号处理基础[M].北京:测绘出版社,2003.
InSAR技术 篇6
关键词:PS-InSAR,永久散射体,干涉相位,地表沉降
InSAR (Interferometric synthetic aperture radar, InSAR) 结合了合成孔径雷达成像技术和干涉测量技术, 利用传感器的系统参数和成像几何关系等精确测量地表某一点的三维空间位置及微小变化的测绘技术。合成孔径雷达差分干涉测量技术 (DInSAR) 是以合成孔径雷达复数影像的相位信息获取地表变化信息的技术, 是InSAR技术应用的一个拓展。在实际应用中, 相干雷达波由于在传递的过程中受大气效应影响, 以及地表变化造成的时间去相关和长基线引起的空间去相关, 严重地制约常规DInSAR在区域地表形变监测方面的应用, 尤其对于地表沉降这种缓慢累积形变监测来说, 时间失相关问题更为突出。为了克服常规DInSAR的局限性, 近年来国际上少研究者提出了基于部分相位稳定的雷达散射目标, 即永久散射体 (PS) 进行差分干涉相位处理达到监测区域地表形变的目的, 这种方法被称为永久散射体差分干涉测量技术 (P S-I n S A R) , 是对传统的I n S A R和D-InSAR技术的扩展应用, 可以突破时间、空间失相关和大气延迟的影响, 可以提高数据的利用率, 提取长时间、大范围的地表形变信息。
1 PS-InSAR技术
1.1 PS-InSAR的基本原理
PSInSAR技术的基本原理就是利用多景同一地区的SAR影像, 影像数目根据图像相干性情况而定, 一般数目要大于20幅。通过统计分析所有影像的幅度信息或者相位信息, 找出不受时间、空间和大气效应影响的永久散射体。然后利用选择的PS点建立关于变形和相位差的函数关系, 而在PS点上地形数据误差和大气延迟误差等通过外部数据或者相关的处理方法而被分离, 从而可以获得PS点上地表形变信息。由于选取的PS点在一段时间内具有很好的稳定性, 可以通过这些稳定点内插出其他低信噪比点的形变信息, 获取该地区的形变信息。
永久散射体, 即PS点, 从雷达信号上看是能够保持相位稳定的分辨单元;从物理上看就是某些建筑物, 或者是裸露的岩石。这些地物对雷达信号反射特性基本不受天气和时间变化的影响, 能够保持相位的稳定性。通过对永久散射体进行差分处理, 即使在干涉条件很差的情况下, 选取研究区域足够数量PS点, 也能够获取毫米级的地面变形信息, 扩大了干涉测量技术应用范围。
1.2 PS-InSAR的数据处理流程
设研究区有K+1幅不同时相的SAR影像, 选取其中一幅为公共主影像, 其余K幅为从影像分别与主影像进行配准, 得到K个干涉对, 借助已有的数字高程模型, 进行差分干涉处理, 就可得到K幅差分干涉图, 从而得到各像素的时间序列差分干涉相位。采用一定的算法探测出PS点, 获得PS的差分干涉相位后, 再采用合理的算法求解PS的高程误差和地表形变。PSInSAR的处理得主要处理步骤如下: (1) 选取K+1幅SAR影像, 以其中一幅作主影像, 其余作从影像, 分别与主影像配准并进行干涉处理, 获得K幅干涉图。 (2) 对K+1幅SAR影像进行辐射定标处理, 并将定标后的K+1幅SAR影像配准。 (3) 从定标和配准后的K+1幅SAR影像中探测出所有可作为永久散射体的点。 (4) 根据探测出的PS和K幅差分干涉图, 得到PS的差分干涉相位集。 (5) 根据地面形变情况, 建立合理的差分干涉相位函数模型。
1.3 PS-InSAR技术特点
PSInSAR技术具有其他InSAR技术显著不同的特点, 由于它利用的是稳定且小于像元尺寸的永久散射体, 实现了大气效应贡献值的有效去除, 获得了高精度的地表形变值。PSInSAR技术的特点如下: (1) 大信息量。永久散射体是一种新的信息资源, 它提供的基准点—永久散射体的密度远远大于其它传统测量手段得到的数据点的密度。可以处理时间上跨越十余年的干涉影像, 识别上百万个PS点。 (2) 低成本、高精度。利用几十景影像就可以监测十来年的地表形变, 节省了布置长期地面GPS观测站和布设水准测量的费用, 而理论精度几乎与这两种测量技术差不多。
2 PS-InSAR技术在地表沉降中的应用
现阶段地表沉降监测主要依赖传统水准测量或者静态GPS测量。在具体的测量实施过程中, 地表移动变形观测站的设置以剖面线形式为主, 监测数据主要反映的是反映的监测站的沉降情况, 只能对监测点绘制出沉降剖面曲线图进行分析。这种地面沉降监测方式, 不仅存在变形监测工作量大、费时、费财和测点难于长时间保存等缺陷, 通常还因监测精度等原因。PS-InSAR技术是基于遥感图像的地表形变监测手段, 可以快速的获取具有较高空间分辨率和时间分辨率的数据, 从而可以获取面域变形信息, 能够更好的分析发生沉降的原因。Fer r etti与Pr ati等人使用PS-InSAR技术研究了美国加州Pomona市区及附近地区的地表沉降, 总共使用了41幅E RS S AR影像, 最大的时间基线超过了6年, 探出了该地区同时存在沉降与隆起两种不同的地表位移现象 (分布在不同的子区域) , 处理结果显示, 6年中最大的沉降量有-20cm, 而最大的隆起量为+6cm。
3 结语
PS-InSAR技术在地表变形监测方面具有很好的应用前景, 它能够不受天气影响的、大范围的进行监测。雷达图像空间分辨率高, 特别是城市地区永久散射体的密度比较大, 相对其他的监测方法来说, 是一种高效的经济的监测方式, 而且能够大区域高密度的进行监测。
参考文献
[1]廖明生, 林珲.雷达干涉测量学.原理与信号处理基础[M].测绘出版社, 2003.
[2]丁晓利, 陈永奇, 李志林, 等.合成孔径雷达干涉技术及其在地表形变监测中的应用[J].紫金山天文台台刊, 2000, 19 (2) :158~167.
[3]李陶.重复轨道星载SAR差分干涉监测地表形变研究[D].武汉大学博士学位论文, 2004.
[4]陈强.基于永久散射体雷达差分干涉探测区域地表形变研究[D].西南交通大学博士学位论文, 2006.
[5]刘国祥, 丁晓利, 陈永奇, 等.使用卫星雷达差分干涉技术测量香港赤腊角机场沉降场[J].2001, 14 (46) :1224~1228.
InSAR干扰仿真系统研究 篇7
In SAR或IFSAR是近30年内发展起来的一项新的遥感技术[1,2], 既包含了传统的SAR技术和干涉技术, 又突破了SAR成像的局限性。涉及到侧视雷达系统、雷达回波信号处理技术以及雷达图像生成等诸多方面[3,4]。In SAR是以同一地区的2张SAR图像为基本处理数据, 通过求取2幅SAR图像的相位差, 获取干涉图像, 经相位解缠, 从干涉条纹中获取地形高程数据的空间对地观测新技术[5,6]。诸多学者认为, In SAR将可能成为建立全球数字地形高程图 (DEM) 唯一的有效技术。
对SAR干扰对抗方面有价值的研究相对较多[7,8,9,10,11], 但在In SAR干扰对抗方面就相对较少[12,13,14,15,16]。本文针对实际需求, 展开了对In SAR信息处理流程与多种干扰样式的仿真研究, 提出了几种新的干扰样式, 并进行了仿真验证, 在此基础上设计开发了In SAR干扰仿真系统软件。以上研究工作为In SAR干扰研究提供了理论支撑和实验仿真平台。
1 In SAR干扰仿真的基本原理
合成孔径雷达干涉测量的基本原理为:当不同视角的2个雷达天线同时接收或1个雷达天线2次沿平行轨道接收到天线向飞行平台一侧发射的雷达波束的后向散射回波时, 系统按照时间先后顺序以复影像对的形式记录下回波的强度信息以及相位信息。其中, 强度信息用来生成SAR影像, 相位信息结合雷达辅助参数用来生成干涉条纹图, 并最终转换成测量区域的DEM。
与常规二维成像SAR相比, 三维成像SAR具有如下特点:
①获取的信息更加丰富 (同一区域多次观测) , 通过多天线对消处理, 可显著消除干扰信号;利用三维高分辨特性, 可更有效地识别真假目标;
②系统处理环节更多 (包括许多非线性环节) , 复杂性大为增加, 系统的脆弱性和易损性也随之增加。
研究对三维成像In SAR系统的干扰技术, 就是要针对In SAR系统数据处理的特点, 提出能够破坏或欺骗其成像系统输出的干扰方法, 具体包括以下3个层次:
①提出In SAR难以进行多天线对消的二维调制干扰方法, 破坏或扰乱其二维成像, 从而阻止其进行三维成像;
②针对In SAR干涉处理关键环节 (如自聚焦、图像配准、去平地、相位滤波、相位解缠和高程反演等) , 提出相应的干扰方法, 破坏或扰乱其三维成像;
③研究具有虚假高程信息调制能力的In SAR假目标欺骗干扰方法, 在其三维像中注入假目标和假环境等欺骗信息。
2 In SAR干扰仿真系统主要模块
当In SAR对地面目标进行探测时, 侦察接收系统对In SAR发射信号进行侦察测量, 得到相关的频率、相位和PRI等参数信息, 进而根据侦察到的结果, 实施对In SAR的有效干扰。为了对In SAR干扰进行进一步研究, 本文开展了干扰条件下In SAR图像模拟的相关研究。
SAR作为高分辨的成像雷达, In SAR又是以SAR作为基础, 因此, SAR系统参数是仿真的最基本参数。仿真系统采用3个典型系统的参数作为默认值, 并给出一些可调参数的动态范围, 以用来仿真其他样式的机载In SAR系统。仿真系统支持平地、丘陵和山地等地形环境模拟;支持典型点、线、面、体4类干扰目标的模拟;支持图像配准、去平地相位、相位滤波、相位解缠和数字高程反演等信号处理功能。
仿真系统基于Matlab开发环境, 采用模块化设计思想, 将各信号处理部分打包到不同的模块, 系统功能模块图如图1所示。
系统总体分为3个主模块:初始化模块、核心算法模块和综合显示模块。其中核心算法模块又分为仿真参数设定模块、回波仿真模块、SAR成像算法实现模块、In SAR信息处理模块和不同干扰样式仿真实现模块。
2.1 仿真初始化模块
仿真初始化模块负责软件系统的正常运行, 使得整个系统能够顺利执行。功能包括:①仿真进程的控制, 包括系统初始化、参数初始化、仿真开始结束等;②地形类型、干扰类型等各类对象的统一管理;③负责结果综合显示部分的命令与控制;④有关仿真结果数据保存、显示的控制。
2.2 核心算法模块
2.2.1 仿真参数设定模块
(1) SAR系统参数设置
SAR系统参数设置模块共有12项内容, 主要功能如下:①载波频率、脉冲宽度、方位向和距离向分辨率、飞行高度和雷达运动速度等可在一定范围内由用户设置;②功率、天线增益、天线波束俯仰角和天线斜视角采用的是X波段机载SAR系统的典型配置, 不能更改。
(2) 仿真场景设置
在仿真场景设置模块中提供了平地、丘陵和山地3种地形, 平地是起伏特别小的地形, 丘陵起伏比较缓慢, 而山地则起伏特别大, 不同地形对仿真效果会影响比较大。每次只能选择最接近的一种地形来进行较逼真的系统仿真。
(3) 加入干扰及样式设置
加入干扰及样式设置模块是核心模块, 可以根据用户需求生成不同干扰样式。功能包括:是否加入干扰选择;提供了8种干扰样式;可对每种干扰进行仿真验证。
(4) 干扰机参数设置
干扰机参数设置模块可以控制干扰机的干扰功率比、干扰机增益和干扰机损耗, 这些参数都是控制干扰机功率的主要参数, 另外2个参数是控制干扰机位置的参数。
(5) 回波仿真
回波仿真模块主要是根据前面设置的SAR系统参数以及地形参数来仿真主天线、辅天线回波。后面成像模块会根据主、辅天线回波进行三维成像。
(6) SAR成像算法实现
SAR成像算法比较成熟, 主要有距离压缩、方位向傅里叶变换、距离徙动校正和方位向压缩等。
(7) In SAR信息处理实现
In SAR信息处理环节比较多, 主要有距离像滤波、图像配准、去平地处理、相位滤波、相位解缠和DEM高程反演等。
2.2.2 不同样式干扰仿真
不同干扰样式的仿真是本仿真软件的核心部分。仿真软件提供了8种干扰样式, 分别是:微动干扰、移频干扰、多抽头干扰、无源微动干扰、微动加移频混合干扰、微动加多抽头混合干扰、移频加多抽头混合干扰、微动和移频加多抽头混合干扰。
2.3 综合显示模块
进度显示模块模块主要功能包括:①清楚的显示已用时间和等待时间;②显示仿真进行的每一个主要步骤。
In SAR各个流程结果显示:本模块负责综合显示主天线图像、相干系数图、初始干涉图、相位滤波图、相位解缠图和反演后的数字高程图, 也可以单独放大显示每幅图像。
3 系统开发与仿真实现
仿真系统在对不同地形建模、回波仿真、干扰类型和三维成像方面做了深入研究, 模拟了平地、丘陵和山地等地形, 并仿真了不同地形的SAR回波, 建立了不同地形的SAR回波模型;在干扰仿真方面, 仿真系统支持了点、线、面、体4类目标的模拟仿真, 在仿真系统中总共加入了8种不同干扰样式的, 不同的干扰样式各有特点, 有干扰SAR成像处理环节的, 还有干扰In SAR信息处理环节的。In SAR干扰仿真系统完成了三维合成孔径成像的流程, 并在成像的基础上加入不同的干扰。In SAR干扰仿真控制流程图如图2所示。系统参数设置的一个子模块如图3所示。参数设置界面主要分为6个部分:雷达系统参数设置、仿真场景设置、干扰参数设置、原始图像与干扰基线参数设置、干扰样式参数设置和天线参数设置。
不加干扰时的高程图如图4所示。加入干扰时的高程图如图5所示。从图5中可以看出干扰效果比较明显, 基本上破坏了原有地形的特征。
上述仿真实例说明了本文研究开发的In SAR干扰仿真系统, 从地形仿真、回波模拟和三维成像处理到不同干扰样式的模拟仿真, 整个信号处理流程详尽完善, 干扰样式全面, 仿真结果合理, 具有很高的应用价值。
4 结束语
InSAR技术 篇8
针对相位展开技术,大致划分为两大类:局部法(即路径积分法)和全局法(即最小二乘法)[1]。在总结现有的相位展开技术优缺点的基础上,文中提出了一种新的合成相位展开算法。这种算法基于区域孤立的策略,将整个干涉图划分为可靠区域和不可靠区域,首先采用枝切法对全部的可靠区域进行相位展开,然后根据可靠区域的展开结果,引入掩模图对干涉图进行质量划分,得到低质量区域,从而得到采用有限元方法进行相位展开的剩余区域[2]。最后将这两种方法得到的相位展开结果进行缝合,平滑处理,得到最终的相位展开结果。这种合成算法充分利用了枝切法和有限元方法的优点,有效避免了相位误差从不可靠区域向可靠区域的传递,保证了可靠区域相位展开结果的精度。同时由于剩余区域的边界值主要来源于可靠区域,较大程度上提高了剩余区域相位展开结果的精度。仿真结果验证了这种合成算法的有效性。
1 合成相位展开方法
1.1 区域孤立的策略
基于干涉相位图的特性,SAR图像一般受到噪声、重叠和遮挡等干扰。在干涉图中的某些区域,由于大量残差点[1]的存在,干涉图中相位噪声较大,并且干涉条纹的边缘特性不是很明显,从而一般的相位展开方法难以在整个干涉相位图中进行,这样的区域称为不可靠区域;然而,在干涉图中仍然存在一些区域,含有较少的残差点,受到相位噪声的影响极小。这些区域的干涉条纹清晰而且连续,相干系数值都偏大,相干性能良好。这些区域中的相位信息比不可靠区域中的相位信息要可靠得多,因而称之为为可靠区域。鉴于以上特性,在可靠区域中,可以得到较好的相位展开结果,同时满足较小的相位误差传递。然而,在不可靠区域中,相位误差值较大,为了不影响可靠区域的相位展开值,提出区域孤立策略[3]。这就要求首先将干涉图分为两个部分:可靠区域和不可靠区域;主要利用残差图作为划分区域的指标。可靠区域内有较小的相位误差和相对平滑的地形特性,因而,首先对可靠区域进行相位展开。由于已经孤立了不可靠区域,在对可靠区域进行相位展开时,路径积分一般不会穿过不可靠区域,因而,相位展开过程将会在所有的可靠区域内进行。对于不可靠区域,因为噪声的存在,相位信息值较少,一般采用有限元方法对其进行相位展开并进行可靠和非可靠区域之间的缝合与平滑,最后得到整个干涉相位图的相位展开结果。
1.2 可靠区域的枝切相位展开
基于以上提到的区域孤立策略,首先对可靠区域进行相位展开。采用枝切法对可靠区域进行相位展开,得到的结果会更加精确。
设置枝切线是枝切法中重要的步骤。目的是平衡残差点,连接残差点的方法有多种,如将残差点连接到边缘、将极性不同相邻残差点互联形成残差偶极子对等,主要是根据具体的残差点进行相应的操作。在进行路径积分之前,先将整个干涉相位图进行划分,得到可靠区域。再在可靠区域中得到相应的积分起始点。最后对各个可靠区域独自进行相位展开。枝切算法的主要步骤如下:(1)识别残差点,对其进行标记,正残差点为1,负残差点为-1;(2)识别相邻的残差偶极子对;(3)在剩余的残差点之间设置枝切线;(4)根据残差图进行区域划分;(5)对可靠区域进行路径积分,得到可靠区域的相位展开结果。
1.3 掩模图的生成和剩余区域的定义
前面已提到,不可靠区域内的残差点密度较大,在这些区域内如果采用枝切法进行相位2π展开会使残差点之间的连接产生错误。错误连接的枝切线会造成展开相位整数倍的“跳跃”,因而需要将剩余的不可靠区域扩大,而不是仅仅在那些不可靠区域内进行相位展开。这里引入剩余区域这个概念,代表扩大了的不可靠区域。为了得到剩余区域,引入掩模图,目的是为了得到干涉相位图中的低质量区域。最后将低质量区域和不可靠区域的并集作为剩余区域。
掩模图一般通过对一个质量图设定一个阈值来得到。大于阈值的点设定为1,低于阈值的点相应地设定为0。掩模图的获得关键在于阈值的选择。质量图是一些值的矩阵分布,这些值代表着干涉图上每点的相位数据值的优劣,在干涉SAR处理中,涉及到几种质量图,例如复相关系数图、伪相关系数图等。复相关系数对从干涉SAR数据中提取出来的相位信息而言是一个较好的估计算子[4],因而选择复相关系数图作为得到掩模的质量图。为了划分高低质量区域,利用未通过枝切法进行相位展开区域的相关系数值,对这些值进行统计,得到统计直方图,选择最大值所对应点的值作为阈值。在实际处理中,如果存在几个较大值,选择其中最大值,或者将统计直方图中的突降点作为阈值,从而保证绝大多数的残差点包含在低质量区域内。需要注意的是,掩模图、干涉相位图和复相关系数图三者上的点应是一一对应的。
1.4 剩余区域的有限元相位展开
由以上可知,剩余区域的形状是不规则的。这些区域内的干涉条纹不清晰,相位信息不可靠。为了处理这些剩余区域,采用加权最小二乘算法,求解展开相位即为最小化如下泛函
其中,Φ是展开相位按一定顺序排列而构成的列向量;∇Φ是展开相位梯度构成的列向量;∇Ψ为对应缠绕相位梯度构成的列向量,因为是针对质量较低的剩余区域,这里的权系数统一设为1。
根据变分原理[5],上述求解泛函问题等价于求解诺曼和狄利克雷边界条件下的泊松问题[6,7],式(1)的等价式如下
其中,ϕ表示待求的展开相位;g为已知项;
在诺曼边界和狄利克雷边界条件下利用有限元方法求解展开相位的结构图,如图1所示,Ω是一块边界不规则的缠绕相位区域;Γn是图像的边界,
每个双线性矩形单元的结构图放大后,如图2所示,单元的顶点对应于图像上的像素点,而对每个像素点局部编号从左下角像素点开始沿逆时针方向进行,Δx,Δy分别是沿列向和行向的图像采样间隔,(x
用有限元方法求解式(1)中的展开相位,需要将区域Ω上的整体泛函写成每个双线性单元上的子泛函之和的形式[2]
这里,Φ=[ϕ1,ϕ2,…,ϕNn]T是展开相位按像素结点整体编号顺序排列而构成的列向量,其中,Nn是像素结点总数;E表示划分的双线性矩形单元总数;Φe=[ϕ
其中,Se是单元区域;∇ϕ
剩余区域的边界相位值来自可靠区域,因而采用有限元算法对其进行相位展开所得到结果的精度有了很大的提高。由于采用区域孤立的策略,需要将可靠区域和剩余区域之间的边界值进行修正,然后对各个区域之间进行平滑处理,最后得到所需要的相位展开结果。这种算法将相位误差限制在剩余区域内。
2 实验结果及分析
真实相位曲面由Matlab中peaks函数产生,其真实相位图,如图3所示。实验中产生一视相干系数为0.9,分布在区间[-b,b]的均匀噪声,它对应的噪声标准差为0.650 0 rad(方差为0.422 5 rad)。很容易求出b=1.125 8 rad。图4是对加入噪声的曲面进行缠绕后的相位。伪相干系数作为相位数据质量的评价指标,它可由下式计算获得
其中,求和符号的范围为中心像素点的k阶邻域。实验中k取3,计算出伪相干系数,并经过3×3邻域平均,如图5所示。利用枝切法展开可靠区域内的相位,如图6所示。图7表示阈值的选择,根据阈值得到低质量区域;图8表示剩余区域,随后利用有限元法展开剩余区域;最终得到的展开相位,如图9所示,与图3中的真实曲面接近。
为了分析、比较误差的二维分布情况,定义像素点展开相位误差为该点展开相位与真实曲面上对应点相位值之差的绝对值[2],将本文方法的误差与用枝切法、加权最小二乘法(邻域平均的伪相干系数作为权值)展开的相位误差进行比较,如图11所示。从图中可以看到本文方法误差分布范围较小,但也有一两处较大的误差分布于剩余区域的附近;枝切法不能展开孤立的不可靠区域,得到的是局部解;加权最小二乘法的误差分布范围较广,较大的误差主要集中在相位变化较大的区域。
3 结束语
文中主要介绍干涉SAR合成相位展开算法,根据区域孤立策略,引入掩模图和剩余区域的定义,充分利用了枝切法和有限元方法的优点,将两者结合起来。实验结果表明了这种合成相位展开算法的有效性和可执行性。
摘要:提出一种新的InSAR二维相位展开方法。该合成算法充分利用了枝切法和有限元方法的优点。方法的核心是确定相位可靠区域与不可靠区域,有效避免了相位误差从不可靠区域向可靠区域的传递,保证了可靠区域相位展开结果的精度,较大程度上提高了整体的相位展开结果精度。仿真数据实验结果验证了这种合成算法的有效性。
关键词:相位展开,枝切法,有限元法,掩模区域,干涉SAR
参考文献
[1]Goldstein R M,Zebker HA,Werner C L.Satellite Radar Interferometry:Two-dimensional Phase Unwrapping[J].Radio Science,1988,23(4):713-720.
[2]武楠.干涉合成孔径雷达信号处理技术研究[D].西安:西安电子科技大学,2007.
[3]Wu Nan,Feng Dazheng.InSAR Phase Unwrapping Algo-rithm Using the Branch-Cut and Finite Element Method[C].20047th International Conference on Signal Process-ing Proceedings(ICSP04),2004:1942-1945.
[4]Ghiglia D C,Pritt M D.Two-dimensional Phase Unwrap-ping:Theory,Algorithms,and Software[M].Newyork:Wiley,1998.
[5]Young WKwon,Hyochoong Bang.The Finite Element Method Using MATLAB[M].Newyork:CRC,2000.
[6]Chen C W,Zebker HA.Two-dimensional Phase Unwrap-ping with Use of Statistical Models for Cost Functions in Non-linear Optimization[J].Journal of the Optical Society of A-merica A,2001,18(2):338-351.
[7]Gianfranco Fornaro,Eugenio Sansosti.A Two-dimension-al Region Growing Least Squares Phase Unwrapping Algo-rithm for Interferometric SAR Processing[J].IEEE Trans-actions on Geosci.Remote Sensing,1999,37(1):2215-2226.
InSAR技术 篇9
1改进SUSAN算法
1.1 SUSAN算法的不足
待测图像为滤波后的InSAR干涉图像, 进行SUSAN算法边缘检测试验。根据实际图像边缘的形状, 以及目标和背景的灰度对待测图像为滤波后的InSAR干涉图像, 进行SUSAN算法边缘检测试验。根据实际图像边缘的形状, 以及目标和背景的灰度对比度。所得结果如图1所示。比度。所得结果如图1所示。
SUSAN边缘检测算法能够对窗口中心像素的结构属性进行检测和判断, 处理速度也得到提高, 并具有较高的抗噪声干扰能力。缺点是算法处理相对缓慢, 边缘检测效率低下。针对密集干涉条纹检测结果不够连续;稀疏干涉条纹则由于噪声干扰而较易漏检或过检边缘。
SUSAN算法的InSAR图像边缘检测结果
1.2对算法进行改进
改进如下:改进模版窗。对窗口像素的结构属性进行判定, 改进其窗口结构, 可以增强其对边界的判断能力, 减少因判定USAN值而增加的检测时间。
边界连接。基于密集干涉条纹因为噪声影响而存在断开的边缘, 采取边缘拟合, 连接断开的边缘。操作方法为形态学膨胀-腐蚀法。
边界修正。针对稀疏干涉条纹存在毛刺问题, 可采用形态学滤波进行细化操作。操作方法为分别引入形态学去毛刺算法, 片段式描绘法以及二次形态学去毛刺算法。
1) 改进模板窗:对SUSAN算法提到的模板窗进行改进, 方法是仍取7×7的近似圆形模版窗, 当窗口检测到周边区域内噪声较为明显时, 可通过圆形模版的中心进行定位, 假如为黑色 (灰度值为0时) , 则表明该区域即为边界, 此时USAN值 (SUSAN算法判定准则中的核值相似区) 为当前像素所在的区域与窗口重叠的部分, 无需再进行阈值判定, 原理如图2所示。可通过此方法认定边界, 减少SUSAN算法判定所引入的时间, 加快处理速度。
处理窗口的选取
2) 边界连接:
密集干涉条纹的边界连接
SUSAN算法对密集条纹干涉图像进行检测时存在边界断开现象, 需要对断开区域进行连接。边界连接的原理是采用闭运算, 即先膨胀后腐蚀算法, 先对断开的两条边缘进行膨胀操作使其连接在一起, 这时图像的边缘条纹变粗, 接着再进行腐蚀操作以细化条纹达到连接的目的。图3是对图1 (c) 图进行边界连接的结果, 其中 (a) 图为膨胀处理, (b) 图为对 (a) 图的腐蚀处理。结果显示顺利得到较为平滑的细干涉条纹边缘。
3) 边界修正:SUSAN算法所得稀疏干涉条纹边缘含有较为粗糙的毛刺, 条纹与噪声的干扰混叠问题突出, 需进行边界修正。方法是先利用形态学去毛刺, 然后利用片段式描绘法对边界进行修正, 必要时采用二次毛刺去除优化边缘。
1形态学去毛刺
稀疏干涉条纹SUSAN边缘检测结果, 如图1 (d) 图所示, 边缘含大量无关的噪声边缘寄生成分 (俗称毛刺) , 去除这些毛刺的过程称之为修剪。
修剪原理如图4所示。三角形称之为毛刺或突起, 修剪原理为将ab+bc用ab‘+b‘c来代替, 进行n次迭代操作, 可削平毛刺。
对图1 (d) 图进行试验, 结果如图5所示。其中图5 (b) 图为进行1次迭代, 图5 (c) 为进行5次迭代。注意并不是迭代次数越多越好, 该文给出10万次迭代处理, 如图5 (d) , 边缘并未产生明显变化, 表明之前的处理已无限趋于稳定了。
2片段式描绘法
片段式描绘法可用于分离噪声和条纹的边缘。基本原理是将整个图像片段化分割, 引入片段描绘子, 然后在相应位置分块描绘去除外围条纹多余噪声边缘, 原理如图6所示。
现分隔I-IV四个区域。其中a-d为处理图像所用片段式描绘算子, 改进原理是利用7×7的方形模版形态学模仿干涉条纹边缘的弧度曲线, 在上述四个区域放置算子以分离弧形边界外围多余噪声, 部分改进算子详见图7。图8 (b) 图为对图5的 (c) 图进行片段式描绘的结果, 最终得到有效边界。
3二次形态学去毛刺
经片段式描绘法处理后结果基本上可以用于后期形变分析了。当然还可以引入毛刺去除法进行二次毛刺去除, 清除外围少许毛刺。将图8 (b) 图二次形态学去毛刺处理后, 结果如图9 (b) 图所示, 该图像即为InSAR稀疏干涉条纹的最终所得的边缘检测结果。
2 试验结果分析
引入检测时间的长短和边缘信息检测准确与否两个指标来比较改进前后的优劣:
2.1检测时间的长短
表1是关于改进算法前后对两种干涉条纹检测时间的比较。
在含有大量噪声的情况下, InSAR稀疏、密集干涉条纹边缘检测用时分别减少了22.9%和21.55%, 改进算法显示出了相对较好的性能。
(时间/s)
2.2 边缘检测信息准确与否
可通过检测准确率看信息检测是否准确。检测过程中一般会漏检或过检边缘。其评价准则漏检率L (式1) 与过检率G (式2) 如下, 不难发现无论漏检率L还是过检率G, 其值越小检测精度越高。
其中, A为实际图像边缘像素点数, B为检测图像边缘像素点数。
注:空白表示此位置无相应计算数据。
改进算法前后漏检率与过检率值的变化情况详见表2。结果可知漏检率和过检率分别降低了4.3和4.35个百分点, 说明本改进算法具有一定的应用价值。
3 结束语
将改进的SUSAN算法引入对InSAR图像进行边缘检测中来, 结果表明改进算法有效, 这也为后期的一系列形变学研究奠定了坚实的基础。
摘要:SUSAN算法在对InSAR图像进行边缘提取的过程中存在诸多问题, 譬如将条纹边缘和噪声边缘一并检测出来, 缺乏鉴别噪声并有效去除噪声边缘的正确识别方法。鉴于算法在检测过程中存在的问题, 对其提出改进性研究。结果表明改进算法相对更好的得到了边缘信息。
关键词:InSAR,SUSAN算法,边缘检测,干涉条纹,图像边缘
参考文献
[1]秦襄培.MATLAB图像处理与界面编程宝典[M].北京:电子工业出版社, 2009.
[2]何儒云, 王耀南, 毛建旭.合成孔径雷达干涉测量 (InSAR) 关键技术研究[J].测绘工程, 2007, 16 (5) :44-65.
[3]马桂珍, 段丽.一种改进的SUSAN边缘检测算法[J].现代电子技术, 2007 (20) :129-133.
[4]李成.SUSAN边缘检测算法的设计与研究[J].图形、图像与多媒体, 2014, 33 (5) :37-39.
[5]王文正.基于边缘检测的显著区域提取方法[J].电子技术研发2014 (8) :14-16.
【InSAR技术】相关文章:
技术与技术联动07-22
技术技术论文范文05-11
环保技术节能技术07-03
技术人员专业技术知识12-31
技术技术论文提纲11-15
凯里技术职业技术学院05-16
技术创新技术措施08-17
建筑技术与技术经济07-13
生物技术与医学技术05-23
公司技术岗位公司技术岗位05-24