基于旋转域极化相干特征的建筑物倒损率估计方法与流程

文档序号:12269063阅读:233来源:国知局
基于旋转域极化相干特征的建筑物倒损率估计方法与流程

本发明属于全极化SAR(Synthetic Aperture Radar,合成孔径雷达)成像遥感技术领域,涉及一种基于旋转域极化相干特征的全极化SAR建筑物倒损率估计方法。



背景技术:

近年来,具有较大破坏力的地震等自然灾害频发,严重威胁着人民的生命和财产安全。据统计(Debarati Guha-Sapir,Philippe Hoyois,Regina Below,“Annual disaster statistical review2013:The numbers and trends,”CRED,Brussels,Belgium,Technical Report,2014),2000年以来,每年世界范围内7级以上地震超过240次。其中,2008年汶川地震造成约919亿美元的损失,2011年东日本大地震大海啸造成约2175亿美元的损失。房屋建筑物倒损直接关系人员伤亡和经济损失,对建筑物目标倒损的定量评估能够为灾后救援和重建提供关键信息支撑。作为微波成像遥感的极化SAR能够全天候全天时地对地观测,不受地面状况限制,具有快速、灵活、广域等优势,是快速全面掌握灾区受灾情况最为有效的技术途径。

极化SAR通过收发极化状态正交的电磁波能够获得目标的全极化信息,对目标的几何结构和散射特性进行完整刻画。建筑物目标在损毁前后对电磁波的响应和极化调制机理是明显不同的。极化特征量能够表征目标固有的结构属性和散射特性,基本不受时间/空间基线等参数影响,相比于传统的单极化SAR图像后向散射系数幅度和相关系数等特征量,具有更稳健的性能。目前,基于全极化SAR数据分析的建筑物损毁研究十分有限,并基本处于定性研究阶段。当前,全极化SAR的建筑物倒损估计方法仅能给出粗略的倒损程度划分,如严重损毁、中度损毁、轻度损毁和未损毁等有限等级。因此,亟待发展具有高稳定度和准确度的建筑物倒损率精细定量估计技术。利用建筑物倒损前(一般指灾前)和倒损后(一般指灾后)的多时相全极化SAR数据,研究建筑物倒损率精确定量评估方法,对全极化SAR图像解译、灾害救援、灾后重建和减灾防灾等领域都有显著的应用价值。



技术实现要素:

本发明要解决的技术问题是,提供一种基于旋转域极化相干特征的全极化SAR建筑物倒损率估计方法,本方法能够准确、快速地估计建筑物倒损率,并给出定量结果。

本发明的基本思路是:极化相干特征敏感于目标姿态与雷达视线的相对几何关系。同一目标在不同姿态条件下,其极化相干特征的取值可能会发生显著变化。通过将获取的极化散射矩阵绕雷达视线进行旋转处理,能够改变目标姿态与雷达视线的相对几何关系。这样,通过遍历绕雷达视线旋转域中的每一个旋转角,就能够得到旋转域中的极化相干特征序列。对建筑物倒损前全极化SAR图像而言,建筑物区域主要由“墙体-地面”构成的二面角结构所形成的二次散射机理为主散射机理。对倒损后全极化SAR图像,“墙体-地面”这种二面角结构随着建筑物倒损而相应地减少。倒损建筑物区域二面角结构的减少会引起旋转域极化相干特征序列特性如极化相干起伏度的改变。利用旋转域极化相干特征序列特性的变化,则可估计建筑物区域的倒损情况。这就是本发明的原理基础。本发明利用灾前和灾后建筑物区域的全极化SAR数据,通过极化散射矩阵旋转处理,提取建筑物区域的灾前极化相干特征序列和灾后极化相干特征序列;计算灾前和灾后极化相干特征序列的极化相干起伏度,构建表征建筑物区域倒损变化的极化特征量(称为建筑物极化倒损因子),建立建筑物极化倒损因子与建筑物倒损率的反演关系式,得到建筑物倒损率的定量估计。

本发明的技术方案是:一种基于旋转域极化相干特征全极化SAR建筑物倒损率估计方法,具体包括下述步骤:

利用配准的灾前和灾后包含建筑物区域的全极化SAR图像,分别获得建筑物区域倒损前的极化散射矩阵Sipre-event,i=1,2,…,W,和建筑物区域倒损后的极化散射矩阵Sipost-event,i=1,2,…,W,i表示全极化SAR图像第i个像素,W为全极化SAR图像的像素点个数。令极化散射矩阵S=Sipre-event或S=Sipost-event,先对上述每一个极化散射矩阵进行下面第一步至第三步的处理:

第一步,极化散射矩阵绕全极化雷达视线作旋转处理;

令极化散射矩阵SHH为在水平极化H发射和水平极化H接收条件下获取的复后向散射系数;SVH为在水平极化H发射和垂直极化V接收条件下获取的复后向散射系数;SHV为在垂直极化V发射和水平极化H接收条件下获取的复后向散射系数;SVV为在垂直极化V发射和垂直极化V接收条件下获取的复后向散射系数;

在绕全极化雷达视线方向,对极化散射矩阵S进行旋转处理,对旋转域中的旋转角θ,θ∈[0,2π],计算经旋转处理后的旋转极化散射矩阵S(θ)的表达式:

其中,旋转极化散射矩阵旋转矩阵上标T为转置处理。

由上式可得,旋转极化散射矩阵S(θ)各元素在旋转域中的表达式为:

SHH(θ)=SHHcos2θ+SHVcosθsinθ+SVHcosθsinθ+SVVsin2θ

SHV(θ)=-SHHcosθsinθ+SHVcos2θ-SVHsin2θ+SVVcosθsinθ

SVH(θ)=-SHHcosθsinθ-SHVsin2θ+SVHcos2θ+SVVcosθsinθ

SVV(θ)=SHHsin2θ-SHVcosθsinθ-SVHcosθsinθ+SVVcos2θ;

第二步,计算旋转域中的极化相干特征序列;

将旋转域中的旋转角θ进行离散化处理,得到离散化的旋转角序列θj,j=0,1,…,N,j表示第j个旋转角,N+1为旋转角θ的个数,其取值根据实际情况确定,通常取N=1000;对极化通道HH和VV,计算旋转角序列θj对应的极化相干特征序列|γHH-VVj)|:

其中,<·>为集合平均处理,|·|为取绝对值处理,上标*为共轭处理。可见0≤|γHH-VVj)|≤1。

第三步,计算极化相干起伏度;

计算极化相干特征序列|γHH-VVj)|的极化相干起伏度(|γHH-VV|std)i

(|γHH-VV|std)i=std{|γHH-VVj)|}

其中,std{·}为求序列的极化相干特征标准差。

利用上述第一步至第三步,分别求得建筑物倒损前和倒损后全极化SAR图像中建筑物区域的极化相干起伏度(|γHH-VV|std)i,分别记为和

第四步,计算建筑物极化倒损因子;

以倒损后和倒损前建筑物区域的极化相干起伏度的比值作为建筑物极化倒损因子即

第五步,建筑物倒损率估计。

建筑物极化倒损因子与建筑物倒损率DLi的关系为:取值越大,建筑物倒损率DLi越大。这样,建立的建筑物倒损率DLi的反演表达式为:

其中,p1、p2、p3、p4和p5为拟合参数,基于建筑物区域内部分已知倒损情况(即真实倒损率)的样本像素,利用该真实倒损率和估计倒损率,通过多项式拟合得到。本发明取p1=-0.02325、p2=0.33230、p3=-1.7640、p4=4.1330和p5=-2.6150。

遍历极化SAR图像中的所有建筑物区域,即可得到建筑物倒损率估计图。

采用本发明可取得以下技术效果:

本发明所述的基于旋转域极化相干特征的全极化SAR建筑物倒损率估计方法,利用了建筑物目标倒损前和倒损后在旋转域的极化相干特征的差异,通过分析旋转域极化相干起伏度特性,构建敏感于建筑物倒损率的极化倒损因子,实现对建筑物倒损率的反演。本发明实现简单,对不同建筑物目标具有很好的鲁棒性,并且实施起来也非常方便,可直接用于对各种全极化SAR系统获得的多时相全极化SAR图像进行处理。本发明对于全极化SAR建筑物倒损评估、减灾防灾等应用领域有着重要的参考价值。

附图说明

图1本发明的实施流程图;

图2建筑物震灾倒损前后的光学图;

图3建筑物震灾倒损情况真值图;

图4建筑物震灾倒损前后的极化SAR图;

图5极化相干起伏度图;

图6建筑物极化倒损因子图;

图7具有不同倒损率的建筑物区块倒损情况真值图;

图8建筑物极化倒损因子与建筑物真实倒损率关系图;

图9建筑物倒损率估计图。

具体实施方式

为了更好地理解本发明的技术方案,以下结合附图对本发明的实施方式作进一步描述。

图1为本发明的实施流程图,主要由五步组成:第一步,极化散射矩阵绕全极化雷达视线作旋转处理;第二步,计算旋转域中的极化相干特征序列;其中,集合平均处理中相似性样本像素的选取采用基于相似性检测的SimiTest算法进行处理,具体算法内容参见文献Si-Wei Chen,Xue-Song Wang and Motoyuki Sato,“PolInSAR complex coherence estimation based on covariance matrix similarity test,”IEEE Transactions on Geoscience and Remote Sensing,vol.50,no.11,pp.4699–4710,Nov.2012。第三步,计算极化相干起伏度;第四步,计算建筑物极化倒损因子;第五步,建筑物倒损率估计,得到建筑物倒损率估计图。

图2至图9是利用本发明的具体实施方式对ALOS/PALSAR系统获得的2011年3月11日日本大地震大海啸受灾严重的石卷市城区实测多时相全极化SAR数据的处理结果。震前ALOS/PALSAR全极化SAR数据获取于2010年11月21日,震后ALOS/PALSAR全极化SAR数据获取于2011年4月8日。

图2为建筑物震灾倒损前后的光学图。光学图由ALOS系统获取。图2(a)为灾前光学图像,获取于2010年8月23日,图2(b)为灾后光学图像,获取于2011年4月10日。其中,图像中的右侧区域为太平洋,大地震引发的大海啸在该区域到达了10米以上,海啸横扫了海岸线附近的大量建筑物,造成大量建筑物的倒损。从图中可以看出,许多沿岸附近的建筑物区域发生了严重倒损。

图3为建筑物震灾倒损情况真值图,反映了建筑物震灾倒损的真实情况。其中,黑色图例表示倒损的建筑物,灰色图例表示未倒损的建筑物,浅灰色图例表示被海啸淹没的区域。

图4为建筑物震灾倒损前后的极化SAR图。其中,图(a)为倒损前HH极化能量图;图(b)为倒损前HV极化能量图;图(c)为倒损前VV极化能量图;图(d)为倒损后HH极化能量图;图(e)为倒损后HV极化能量图;图(f)为倒损后VV极化能量图。对比震前和震后对应的极化通道能量图,可以看到倒损建筑物区域的后向散射能量差别并不明显。

图5为建筑物极化相干起伏度图。其中极化相干起伏度不为0的区域为提取得到的建筑物区域。对比震前和震后建筑物区域极化相干起伏度图,可以看到倒损建筑物区域的极化相干起伏度显著下降。同时,极化相干起伏度下降程度随建筑物区域的倒损程度的增大而增大。

图6为建筑物极化倒损因子图。对提取得到的建筑物区域,计算建筑物极化倒损因子。图中,像素点灰度值越深,倒损因子取值越小。对比建筑物震灾倒损情况真值图(图3)可以看到,建筑物极化倒损因子能够很好地指示建筑物倒损区域。对没有建筑物倒损的区域,建筑物极化倒损因子取值小于1;对有建筑物倒损的区域,建筑物极化倒损因子取值大于1。

图7为具有不同倒损率的建筑物区块倒损情况真值图,对应图4(d)中用正方形标示的10块建筑物区块的倒损情况真值图。其中,黑色图例表示倒损的建筑物,灰色图例表示未倒损的建筑物,浅灰色图例表示被海啸淹没的区域。在图7中,图(a)对应建筑物区块的真实倒损率为95%;图(b)对应建筑物区块的真实倒损率90%;图(c)对应建筑物区块的真实倒损率为80%;图(d)对应建筑物区块的真实倒损率为75%;图(e)对应建筑物区块的真实倒损率为70%;图(f)对应建筑物区块的真实倒损率为60%;图(g)对应建筑物区块的真实倒损率为40%;图(h)对应建筑物区块的真实倒损率为25%;图(i)对应建筑物区块的真实倒损率为20%;图(j)对应建筑物区块的真实倒损率为5%。

图8为极化倒损因子与建筑物真实倒损率关系图。其中,横坐标为建筑物倒损率DLi,对应图7中的10块建筑物区块;纵坐标为估计得到的建筑物极化倒损因子圆圈和竖线分别代表估计得到的该建筑物区块的建筑物极化倒损因子的均值和方差,虚线代表倒损率反演关系式其中p1=-0.02325、p2=0.33230、p3=-1.7640、p4=4.1330和p5=-2.6150。可以看到,估计得到的建筑物极化倒损因子能够很好地区分具有不同倒损率的建筑物区块。同时,随着倒损率的增加,建筑物极化倒损因子取值增大。

图9为建筑物倒损率估计图。根据计算得到的建筑物极化倒损因子和倒损率反演表达式,得到石卷市建筑物倒损率估计图。与建筑物倒损情况真值图(图3)相比,建筑物倒损率估计准确、精度高。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1