一种输电铁塔监测方法与装置与流程

本发明涉及电力监测管理技术领域，具体涉及一种输电铁塔监测方法与装置。

背景技术：

传统的合成孔径雷达主要通过发射微波信号并接收地面的反射信号，获取目标方位向-距离向的信息，其获取的图像的本质是三维目标在二维平面上的投影。由于一些处于不同位置的目标与雷达的距离相等，最终会导致获取的信号为多个散射点的叠加，造成高程及形变速率的丢失。sar差分层析技术增加了高度向和形变速率向的合成孔径，通过采集同一区域的多时序和多航过的卫星雷达图像，实现对目标的四维重构，最终提取目标的高程及形变速率。

但是由于高压输电铁塔的特殊构造及其所在的复杂地形，观测图像中有比较强的环境噪声，大大增加了成像难度，且容易造成虚假成像，影响了成像质量。因此，为了能够准确地提取高压输电铁塔的高度和形变，需要建立有效的算法，减小误差，使提取结果满足应用需求。

技术实现要素：

本发明所要解决的技术问题是：由于高压输电铁塔的特殊构造及其所在的复杂地形，观测图像中有比较强的环境噪声，大大增加了成像难度，且容易造成虚假成像，影响了成像质量，本发明提供了解决上述问题的一种输电铁塔监测方法与装置。

本发明通过下述技术方案实现：

一种输电铁塔监测方法与装置，包括以下步骤：

步骤a，通过不同时序、不同航轨的卫星雷达获取同一输电铁塔区域的sar图像序列，并通过预处理操作得到观测数据和图像参数；

步骤b，提取出所述sar图像序列中位于输电铁塔上的永久散射点，得到稳定且可以进行重构的候选点；

步骤c，根据所述步骤a获得的观测数据，采用压缩采样匹配追踪算法重构出永久散射点对应输电铁塔位置的高程信息和形变速率信息。

进一步地，所述步骤a中，通过预处理获得一组观测数据[s1,s2,l,sm]，其中sm表示第m幅图像。

进一步地，所述图像参数包括sm和sm-1观测之间的垂直基线bm和时间基线tm，入射角大小θ，中心斜距长度r，波长λ，观测次数m，方位向分辨率和距离向分辨率。

进一步地，所述步骤a中，所述预处理操作是对原始sar图像进行图像配准、去斜和相位补偿处理。

由于sar图像观测过程中，受到卫星雷达平台轨道设计的制约，每次观测的卫星雷达很难保持在同一个平面内进行观测，因此需要进行去斜处理，将卫星雷达观测位置投影到同一平面内，并建立观测数据和重构信息的内在联系；同时，对观测数据进行相位补偿已消除实际观测中大气扰动引起的相位误差，得到预处理后的观测数据。

进一步地，所述步骤b中，采用振幅阈值法筛选sar图像序列中位于输电铁塔上的永久散射点：根据sar图像的振幅信息设定阈值，选取振幅信息大于阈值的分辨单元作为永久散射点的候选点。

一些人造的点状建筑物，如高楼、电线杆等，在长时间、空间基线情况下，仍能保持较高的相干性，则称这些目标为永久散射体。由于输电铁塔的构造及环境噪声影响，造成观测到的sar图像中并不是所有的分辨单元都能进行差分层析重构，因此可以通过进行永久散射点筛选，抑制环境噪声的影响。在实施例中，采用振幅阈值法对输电铁塔区域sar图像设定筛选阈值t减少sar图像数量的影响。

进一步地，所述振幅阈值法中阈值t的选取公式如式(1)所示：

式(1)中，为第k幅sar图像中(i,j)分辨单元的振幅，row为sar图像行大小，col为sar图像列大小。

进一步地，所述t的取值区间为[t，1.5t]。

进一步地，所述步骤c中，具体步骤包括：

步骤c1，选取输电铁塔上的永久散射点对应的观测数据为：

式(2)中，sm表示第m幅图像，λ为波长，r为中心斜距长度，bm和tm为m和m-1次观测时垂直基线和时间基线，γ(s,ν)为永久散射点沿高程向和形变速率向的分布函数，s和ν分别表示高程向和形变速率向；

步骤c2，将所述步骤a中的观测数据sm进行离散表示，如式(3)所示：

式(3)中p、o分别为高程向和形变速率向上的采样点数量；

步骤c3，将上述离散表达式(3)用矩阵表示，如式(4)所示：

y＝φγ+e(4)，

式中，y＝sm为m次观测数据，y＝[y1,y2,l,ym]^t；

为维观测矩阵，其中q＝p*o，表示kronecke积；

γ＝[γ(s1,v1),l,γ(s1,vo),l,γ(sp,v1),l,γ(sp,vo)]^t(7)，

e＝[e1,e2,l,em]^t(8)，

其中式(7)为需要重构的q×1维分布函数，式(8)为高斯白噪声；

步骤c4，对y进行压缩采样匹配追踪处理可重构出γ值，其中就包含了高程及形变速率信息。

由压缩感知定理可知，如果某个信号是稀疏的或者是可压缩的，那么就可以对该信号进行重构。根据sar成像原理，卫星雷达获取的观测数据是稀疏的，因此可以采用压缩感知算法进行重构。压缩采样匹配追踪算法是一种在匹配追踪算法上的改进算法，每次迭代选择多个原子，并每次迭代选择的原子在下次迭代中可能被抛弃，降低了原子选取的难度，提高了准确性。

进一步地，所述步骤c3中，具体操作方法包括以下步骤：

步骤c401，初始化参数：设置初始余量r0＝y，索引集合候选集迭代次数t＝1；其中，s表示迭代停止标志，表示空集；

步骤c402，对测量矩阵u中的原子进行筛选：计算u＝abs[φ^trt-1]，即＜rt-1φj＞1≤j≤m；选取u中2n个最大值对应φ的列索引构成集合j0并用于后面的迭代筛选；

步骤c403，令λt＝λt-1∪j0，φt＝φt-1∪φj(j∈j0)；

步骤c404，求y＝atγt的最小二乘解：

步骤c405，从中选取绝对值最大的n项记为对应的φt的n项记为φtn，对应的φ列索引记为λtn，更新集合λt＝λtn；

步骤c406，更新残差：

步骤c407，判断迭代停止条件：设置迭代的次数为s，当t≤s时，则返回步骤c402；当t＞s或者rt＝0时，则停止迭代；

步骤c407，输出重构后的高程信息h和形变速率信息ε。

一种用于输电铁塔监测的装置，包括预处理模块、永久散射点提取模块和重构模块；

所述预处理模块用于提取sar图像序列中的图像参数、并进行预处理获得观测数据；

所述永久散射点提取模块用于根据sar图像中的振幅信息筛选永久散射点；

所述重构模块用于根据观测数据重构出永久散射点对应输电铁塔位置的高程信息和形变速率信息。

本发明具有如下的优点和有益效果：

本发明的监测方法是通过多时段、多航轨的星载卫星雷达获取原始sar图像序列，并对其进行预处理，得到图像参数和用于重构的观测数据；根据sar图像的振幅信息设定阈值并筛选出永久散射点；并根据观测数据的稀疏性重构出输电铁塔的高程信息及形变速率信息。利用本发明的输电铁塔监测方法与装置有效地抑制了环境噪声的影响，筛选出合适的永久散射点，并提高了sar图像数量较少情况下的成像质量；

综上所述，与现有技术相比本发明通过永久散射点的筛选，有效地抑制环境噪声，提高了差分层析重构点的选取质量，并通过重构实现对输电铁塔的信息提取，减少了虚假成像，提高了成像质量。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明实施例中永久散射点选取流程图；

图2是本发明实施例中重构算法流程图；

图3是本发明实施例中示例输电铁塔的原始sar图像；

图4(a))是本发明实施例中的永久散射点分布图，阈值为t；

图4(b)是本发明实施例中的永久散射点分布图，阈值为1.5t；

图5是本发明实施例中的重构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1

本实施例提供了一种输电铁塔监测方法，具体操作方法如下：

步骤a，通过不同时序、不同航轨的卫星雷达获取同一输电铁塔区域的sar图像序列，进行图像配准获得图像数据，使图像序列中同名像素点对应相同的地物；并对图像序列进行去斜和相位补偿处理操作得到一组观测数据[s1,s2,l,sm]，其中sm表示第m幅图像；

其中，所述图像参数包括sm和sm-1观测之间的垂直基线bm和时间基线tm，入射角大小θ，中心斜距长度r，波长λ，观测次数m，方位向分辨率和距离向分辨率。

步骤b，提取出所述sar图像序列中位于输电铁塔上的永久散射点，得到稳定且可以进行重构的候选点，如图1所示：

所述的永久散射点筛选是采用振幅阈值法提取永久散射点。通常选取振幅信息大于阈值的分辨单元作为永久散射点的候选点，振幅阈值法的阈值t选取公式如式(1)所示：

式(1)中，为第k幅sar图像中(i,j)分辨单元的振幅，row为sar图像行大小，col为sar图像列大小。为了进一步减少环境噪声影响，t的取值可以选择在[t，1.5t]之间。

步骤c，根据所述步骤a获得的观测数据，采用压缩采样匹配追踪算法重构出永久散射点对应输电铁塔位置的高程信息和形变速率信息。具体操作步骤如下：

步骤c1，选取输电铁塔上的永久散射点对应的观测数据为：

式(2)中，sm表示第m幅图像，λ为波长，r为中心斜距长度，bm和tm为m和m-1次观测时垂直基线和时间基线，γ(s,ν)为永久散射点沿高程向和形变速率向的分布函数，s和ν分别表示高程向和形变速率向；

步骤c2，将所述步骤a中的观测数据sm进行离散表示，如式(3)所示：

式(3)中p、o分别为高程向和形变速率向上的采样点数量；

步骤c3，将上述离散表达式(3)用矩阵表示，如式(4)所示：

y＝φγ+e(4)，

式中，y＝sm为m次观测数据，y＝[y1,y2,l,ym]^t；

为维观测矩阵，其中q＝p*o，表示kronecke积；

γ＝[γ(s1,v1),l,γ(s1,vo),l,γ(sp,v1),l,γ(sp,vo)]^t(7)，

e＝[e1,e2,l,em]^t(8)，

其中式(7)为需要重构的q×1维分布函数，式(8)为高斯白噪声；

步骤c4，对y进行压缩采样匹配追踪处理可重构出γ值，其中就包含了高程及形变速率信息。

其中，所述步骤c3中，操作流程如图2所示，具体操作步骤如下：

步骤c401，初始化参数：设置初始余量r0＝y，索引集合候选集迭代次数t＝1；其中，s表示迭代停止标志，表示空集；

步骤c402，对测量矩阵u中的原子进行筛选：计算u＝abs[φ^trt-1]，即＜rt-1φj＞1≤j≤m；选取u中2n个最大值对应φ的列索引构成集合j0并用于后面的迭代筛选；

步骤c403，令λt＝λt-1∪j0，φt＝φt-1∪φj(j∈j0)；

步骤c404，求y＝atγt的最小二乘解：

步骤c405，从中选取绝对值最大的n项记为对应的φt的n项记为φtn，对应的φ列索引记为λtn，更新集合λt＝λtn；

步骤c406，更新残差：

步骤c407，判断迭代停止条件：设置迭代的次数为s，当t≤s时，则返回步骤c402；当t＞s或者rt＝0时，则停止迭代；

步骤c407，输出重构后的高程信息h和形变速率信息ε。

实施例2

本实施例提供了一种实现实施例1所述的用于输电铁塔监测方法的装置，包括预处理模块、永久散射点提取模块和重构模块；

所述预处理模块用于提取sar图像序列中的图像参数、并进行预处理获得观测数据；

所述永久散射点提取模块用于根据sar图像中的振幅信息筛选永久散射点；

所述重构模块用于根据观测数据重构出永久散射点对应输电铁塔位置的高程信息和形变速率信息。

实施例3

将实施例1和2提供的方法及装置的应用：在本实施例中提供的是18幅输电铁塔地区的二维sar图像。图3为裁剪后的原始sar图像，图像背景为山区地表和植被，输电铁塔位于图像中高亮部分，可以较为清楚的看到输电铁塔轮廓。对sar图像进行配准、去斜和相位补偿预处理操作，通过sarscape商业软件得到sar图像数据(sm和sm-1观测之间的垂直基线bm和时间基线tm，入射角大小θ，中心斜距长度r，波长λ，观测次数m，方位向分辨率和距离向分辨率。

图4(a)和图4(b)为永久散射点分布图。通过对sar图像序列进行永久散射点筛选得到，图4(a)的阈值为t，图4(b)的阈值为1.5t。通过对比可以发现，永久散射点大多数呈现成输电铁塔的形状，有效地抑制了环境噪声，图4(b)的永久散射点几乎全部分布在输电铁塔周围，图4(a)还有一些零散永久散射点分布在地表之上。

图5为重构结果图。选择图4(b)上的一个永久散射点进行重构，结果显示，该永久散射点对应的输电铁塔位置的高程向大小为67m，形变速率大小为0.007m/year。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。