42雷达干涉测量原理与应用-图文

1、4 雷达干预测量原理与应用 INSAR基本原理相位关系+空间关系 雷达波的相位信息的准确提取是决定干预测量精度的主要因素 数据处理流程INSAR 影像对输入基线估算去除平地效应高程计算影像配准干预成像噪声滤除相位解缠INSAR数据处理的特点 复数据处理海量数据干预图与一般景物影像不同处理流程与一般遥感影像处理不同INSAR数据处理的要求 自动化 高精度 海量数据处理INSAR数据处理的关键 相位信息 空间参数主要内容§4.1 雷达干预测量概述§4.2 复数影像配准§4.3 干预图生成与相位噪声滤波§4.4 相位解缠§4.5 InSAR发展与应用

2、4.2 复数影像配准本节要点本节系统地论述INSAR复数影像精确配准的重要性,研究配准精度对于干预图质量的影响,对INSAR数据配准方法发展的现状进行评述,分析存在的问题;然后详细论述从粗到细的影像匹配策略和实施方案,以及最小二乘匹配方法在INSAR数据配准中的应用等。主要内容1 影像配准的基本原理2 干预图质量评估与配准精度3 INSAR复数影像配准方法概述4 幅度影像的从粗到细匹配策略5 幅度影像相关系数用于精确匹配6 相干性测度用于精确配准影像配准的基本原理配准问题的提出 在遥感影像的集成应用中,包括数据融合、变化检测和重复轨道干预成像等,均首先需要解决来自不同传感器或者不同时相的影像高

3、精度快速配准的问题 在多源数据综合处理的过程中,影像配准往往是一个瓶颈,制约整个数据处理自动化的实现 由重复轨道获得的两幅复数SAR影像,欲得到准确的干预相位,必须精确地配准。理论上,配准精度需要到达子像素级(1/10像素INSAR数据配准问题的困难 INSAR影像对是单视数的复数影像,也就是未经任何辐射分辨率改善措施的影像,纹理模糊,还有斑点噪声的影响,要到达这样的要求并非易事 单视数复数影像的高精度自动配准,无法用人工方法配准 自动配准比光学影像之间的配准要困难得多,其配准的实施流程比较复杂影像配准的一般步骤 影像配准的一般步骤1控制点确实定:影像自动匹配2几何变换模型:多项式变换(相对配

4、准3质量评估:多项式拟合4复数影像重采样:三次样条、实部/虚部5过采样:防止频谱混迭质量指标 相干性测度的估计 干预图的噪声来源系统噪声地表变化影像配准聚焦不一致基线去相关后处理后处理精确配准控制成像过程控制成像过程配准精度的影响(1影像大小:2500 × 2500波段:L ,C配准精度的影响(2 相干系数分布(C波段(a精确配准后生成(b未精确配准后生成配准精度的影响(3 配准精度与相干性的变化趋势图INSAR复数影像配准方法概述配准是INSAR数据处理关键技术之一 配准精度需要到达子像素级(1/10像素 星载SAR几何变形复杂:* 方位向是系统性的* 距离向与地形起伏有关简单的平

5、移和比例缩放要到达高精度配准是很困难的斑点噪声的影响已有方法之一:相干系数法k 参考影像目标区域l搜索区域输入影像以相干系数为匹配测度已有方法之二:最大干预频谱法 对干预图u进行FFT计算,得到对应的二维频谱F。频谱中最大值(复频谱的幅度峰值表示了最亮的干预条纹的空间频率分量,其位置则表示了最亮条纹的空间分布频率 频谱中的信噪比(SNR可以用来衡量最亮条纹的相对质量,即最大分量与其他各分量之和的比值 根据(3-3式,信噪比与相干系数是等效的已有方法之三:平均波动函数法 无地形变化时的理想相位差分布INSAR数据配准方法存在的问题(1 算法均为单点匹配算法某一点结果的正确与否与周围点无关可能出现

6、多峰值或谷点的情况这种孤立的、不考虑与周围的同名点对关系的单点影像匹配结果之间可能会出现矛盾INSAR数据配准方法存在的问题(2 判断最正确点位置的难度和计算量很大或以整像素间隔为移动距离,然后对定位结果进行多项式拟合,求出最正确点本质上与多项式拟合的方法没有区别,并不能保证精度的明显提高I NSAR数据配准方法存在的问题(3 从干预条纹图的质量出发来设计匹配测度,需要反复生成局部的干预图只有在配准精度到达一定程度时,才能看到明显的条纹图直观上很难判断复数像对之间的相似性程度,难以对运算过程加以监控INSAR数据配准方法存在的问题(4 在一定的搜索范围内逐点计算和比较实际上引进了大量的重复运算

7、(相干性,FFT的计算等主要思路 从粗到细的影像匹配策略 以相干性作为高精度匹配的测度匹配策略的要求根据SAR影像的特点,把不同特点的匹配方法有机地组合起来,既要保证匹配的高精度,又要保证可靠性和效率主要步骤特征点提取选择兴趣算子挑选候选点基于灰度的粗匹配确定下一级匹配的初始值整体概率松弛匹配改善抗噪声能力,提高可靠性最小二乘匹配逐点精化,到达子像素级的精度组合算法的目的 匹配算法基于幅度分量或功率影像(幅度的平方实数运算大大减少了需处理的数据量 多种匹配方法的组合保证精度和可靠性 最小二乘匹配是灰度相似性导引的最速下降算法少量的迭代次数就可到达所需精度,防止了传统方法的逐点搜索、重复计算实施

8、方案(1 先用Förstner算子选择兴趣点 采用归一化的相关系数作为匹配的测度max (x, y =g1g2 g1g1 g2 g2作为初级匹配测度之特点:灰度线性畸变通常存在于由不同传感器或者在不同时相获取的遥感影像之间,是灰度平移、比例尺变形之不变量实 施 方 案(2 松弛法整体影像匹配 + 跨接法原理 跨接法:先重采样消除相对几何形变, 再计算影像段的相似性度量 k j 3 k 4 k 3 ih 和 jk 的相关系数: ( ih ,jk j j 3 j 1 i h k 2 k 1 当| ih | | jk |时重采样实施方案(3 松弛法整体影像匹配 + 跨结法原理C(i,j;h

9、,k( ih , jk 实施方案(4 松弛法整体影像匹配 + 跨接法原理 P(i, j: i, j 两点之间的相关系数ijn(H为相邻匹配点个数,m(K和m(J为候选匹配点个数P(r > T停止迭代,确定可靠点对。B为经验系数 实 施 方 案(5 单点最小二乘匹配出发点是“灰度差的平方和最小” 具体化:n 1 + g 1 ( x , y = n 2 + g 2 ( x , y vv = min v = g 1 ( x , y g 2 ( x , y 考虑辐射畸变(窗口小时可认为是一次线性畸变:g ( x , y = h 0 + h 1 g 2 ( x , y 实 施 方 案(6只考虑相对

10、位移的情况下(基线短: g 1(x , y + n 1(x , y = g 2 (x + x , y + y + n 2 (x , y 线性化后:v (x , y = g 2x (x , y x + g 2 y (x , y y g 1(x , y g 2 (x , y 实施方案(7 实施方案(8 求解误差方程可得影像坐标改正值: x y 输入影像灰度重新采样 计算匹配测度, 决定是否继续迭代计算? 输入影像相对纠正SIR-C数据与实验区 C波段幅度影像(site1L波段幅度影像(site1SIR-C数据与实验区L波段幅度影像(site2初步的实验结果 Site1 / L波段幅度影像对和同名点

11、对初步的实验结果表 4-1 松弛法匹配结果(二次多项式拟合误差类别点数X 方向RMS(像素Y 方向RMS总的RMS(像素最大残差(像素(像素Site1 松弛法匹配结果(C 波段Site1 松弛法匹配结果(L 波段Site2 松弛法匹配结果(L 波段106155166结果分析:松弛法匹配的效果明显,所有确定的同名点(控制点的残差都很小,没有明显的粗差点,可靠性较高初步的实验结果表 4-2 最小二乘匹配结果(site2, 二次多项式拟合匹配窗口大小误差类别X 方向RMSY 方向RMS总的 RMS(像素最大残差(像素 (像素 (像素实验结果分析(2 从幅度影像看,整个SAR影像的纹理特征远不如光学影

12、像,纹理都很模糊。但是,通过最小二乘匹配,匹配的精度有明显改善 窗口大小N的选择对匹配精度有明显影响。但是随着N增加到一定程度后,对于减少RMS的效果不太明显(相对变形存在的问题(1 N=51甚至71时,还是不能够到达1/10像素的精度要求原因主要是:SAR影像纹理特征相对非常比较模糊。从影像匹配理论可知,影像匹配的精度与纹理特征有密切关系,后面的讨论说明幅度影像相关系数难以控制匹配质量如果N太大,除了计算量的问题,相对变形也会更复杂存在的问题(2 匹配前后的相关系数变化不大,可以说明配准质量的改善不明显表4-3 最小二乘匹配前后的相关系数的变化最大值最小值均值标准差迭代前存在的问题(3 的实际动态范围比较小,相关系数与残差之间的相关性不明显在建立几何变形模型时,假设以为依据来判断(加权或剔除一些质量不高的点很困难解决问题的可能途径 将幅度和相位信息的利用结合起来,在不明显增加运算量的情况下,进一步提高配准精度使用相干系数(coherence 寻找相干系数的快速估计方法* = N M N M 2 2 相干系数的快速估计 (4-4式是相干系数的无偏估计,在估计窗口足够大,并且相干性不是特别小时,估计的质量是很好的 N M |