基于广义正交匹配追踪的层析SAR三维点云生成方法与流程

本发明涉及电子信号处理技术领域，更具体地，涉及一种基于广义正交匹配追踪的层析SAR三维点云生成方法。

背景技术：

目前的层析SAR城市建筑物三维点云生成方法大都是利用傅里叶变换聚焦算法和空间谱估计的超分辨层析成像算法(MUSIC、APES等)，空间谱估计层析成像算法中MUSIC算法(International Geoscience and Remote Sensing Symposium)是通过对观测信号的协方差阵进行特征值分解，得到噪声子空间的估计，然后利用信号子空间与噪声子空间的正交特征来检测信号，在目标回波的到达角(Direction of Arrival,DOA)上可以获得超分辨率效果，然后通过几何变换就可以将DOA估计转化为高度估计，从而实现层析SAR城市建筑物三维点云生成。

利用傅里叶变换聚焦算法和空间谱估计的超分辨层析成像算法进行层析SAR成像，必须满足奈奎斯特采样定理才能恢复出信号，且受到航迹数量有限和分布不均匀的限制，很难有效的成像。

技术实现要素：

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于广义正交匹配追踪的层析SAR三维点云生成方法，克服奈奎斯特采样定律的限制，同时可以快速、准确的利用层析SAR技术重构出城市建筑物的三维信息。

根据本发明的一个方面，提供一种层析SAR三维点云生成的方法，对城市单体建筑物进行三维成像，包括以下步骤：

S1、获取目标建筑物多时相的SAR影像数据；

S2、通过基于广义正交匹配追踪的压缩感知算法进行高度维聚焦；

S3、获取目标高程信息，用插值法加密点云，将重构的目标表示出来并输出。

作为优选的，所述步骤S1具体包括：通过传感器在不同时间、不同航迹位置对同一目标获取二维SAR影像数据。

作为优选的，所述二维SAR影像数据包括轨道高度、重访周期、入射角范围、方位分辨率、距离分辨率，单通道场景大小、最大获取长度。

作为优选的，所述步骤S2具体包括：

S21、将多时相的SAR二维影像数据，构建一个时间序列的三维数据集；

S22、对每一个散射单元的时间序列信号进行重构，以获取高度维信息。

作为优选的，所述步骤S21具体包括：分别确定被截取目标影像的方位向和距离向的起点和终点，将二维SAR复数影像数据保存成二维复数数组形式，将多时相的影像数列构成一个时间维度的第三维。

作为优选的，所述步骤S22具体包括：对三维数组进行处理，得到用于广义正交匹配追踪算法的信号稀疏度K、测量矩阵Ф和观测信号y，并输入到广义正交匹配追踪算法中进行高度维聚焦，以获取层析向的后向散射系数。

作为优选的，所述广义正交匹配追踪算法具体包括：

a、初始化，残差初始化r₀＝y，信号支撑集Λ₀＝Φ，重构信号初始化迭代次数t＝1，选择院子个数N；

b、通过残差，选择与之相关的N个原子，并加入信号支撑集中：

Λ_i＝Λ_i-1∪Γ_i

c、筛选索引集：

d、更新残差：

e、i＝i+1，若满足i≥K，算法停止并输出重构信号否则重复步骤b至d。

作为优选的，所述步骤b中，通过计算残差与稀疏矩阵某一列的内积，并找出内积绝对值最大的N个原子，对与残差相关的原子进行选择。

作为优选的，所述步骤S1还包括对SAR影像数据进行配准、去斜处理、相位误差补偿。

与现有技术相比，本发明的有益效果在于：本发明利用基于广义正交匹配追踪(Generalized Orthogonal Matching Pursuit，GOMP)的压缩感知算法获取目标单体建筑的斜距垂向信息，在进行迭代运算时，每次选择最佳原子个数为最大的N个，简化了正交匹配追踪算法的计算复杂度，克服了传统层析SAR成像方法必须满足奈奎斯特采样定律的情况下才能恢复信号的限制；减少了对航过次数和对航线精确控制的要求；在保证重构稳健性的同时，降低了运算的复杂度，因此在运行效率方面比正交匹配追踪算法更有优势。

附图说明

图1为本发明实施例1的层析SAR三维成像方法流程框图；

图2为本发明实施例1中图1的具体流程示意图；

图3是本发明实施例1的广义正交匹配追踪算法流程图；

图4是本发明实施例2的SAR成像结果示意图。

图5是本发明实施例2的SAR成像结果插值加密后的示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

最后，本申请的方法仅为较佳的实施方案，并非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，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

实施例1

图1和图2示出了一种层析SAR城市建筑物三维点云生成方法，包括以下步骤：

S1、获取目标建筑物多时相的SAR影像数据；

S2、通过基于广义正交匹配追踪的压缩感知算法进行高度维(斜距垂向)聚焦；

S3、获取目标高程信息，用插值法加密点云，将重构的目标表示出来并输出。

作为优选的，所述步骤S1具体包括：通过传感器在不同时间、不同航迹位置对同一目标获取N景二维SAR影像数据。

作为优选的，所述二维SAR影像数据包括轨道高度、重访周期、入射角范围、方位分辨率、距离分辨率，单通道场景大小、最大获取长度。

作为优选的，所述步骤S2具体包括：

S21、将二维SAR影像数据组成一个三维数组；

S22、对三维数组进行压缩感知处理，获取目标建筑在斜距垂向的信息。

作为优选的，所述步骤S21具体包括：分别确定被截取目标影像的方位向和距离向的起点和终点，将二维SAR影像数据以二维数组的形式表示，再将二维数据构成一个三维数组，确定目标影响区域。

在本实施例中，采用二维数组构建三维数组的方法。具体如：

一个二维数组D1＝[1 2 3；4 5 6；7 8 9]，

构建一个三维数组D,

第一层D(；，；，1)＝D1,

第二层D(；，；，2)＝2*D1,

第三层D(；，；，3)＝3*D1，便可以得到一个三维数组D，确定目标影像区域以便于对影像数据参数初始化，包括光速c、载波频率f、波长、入射角、近距、中心距、远距、方位向分辨率、距离向分辨率、斜距、水平距离、基线向量、高程参考值等。

由压缩感知理论可知，如果信号在某个变换域稀疏或可压缩，可以利用低于奈奎斯特采样率的观测数据对该信号重构。由于SAR的成像原理，SAR影像获取的斜距垂向信号可以作为稀疏信号，因此可以将压缩感知应用到层析SAR三维成像中，获取目标地物在斜距垂向的信息，从而提取出地物的高程信息。所述步骤S22具体包括：对三维数组进行处理，得到用于广义正交匹配追踪算法的信号稀疏度K、测量矩阵Ф和观测信号y，并输入到广义正交匹配追踪算法中进行斜距垂向信息重构。

作为优选的，如图3所示，所述广义正交匹配追踪算法具体包括：

a、获取分辨单元内的信号序列，建立稀疏基重构矩阵，初始化，残差初始化r₀＝y，信号支撑集Λ₀＝Φ，重构信号初始化迭代次数t＝1，选择原子个数N；

b、通过残差，选择与之相关的N个原子，即计算残差与稀疏基矩阵的内积，找出内积绝对值最大的N个原子，并加入信号支撑集中，更新增量矩阵：

Λ_i＝Λ_i-1∪Γ_i

c、筛选索引集：

d、根据增量矩阵对信号进行最小二乘差估计，更新残差：

e、i＝i+1，若满足i≥K，算法停止并输出重构信号否则重复步骤b至d。

从测量矩阵中利用迭代选取的方式选择与信号相关性最大的N个列向量，接着，在每次迭代过程中，通过测量矩阵来寻找与参与向量最相关的N列向量(最相关就是测量矩阵某一列向量与残余向量的内积最大)，并记录这N列向量。将索引值更新到索引集合中，并记录搜索到的重构原子集合，再减去观测矩阵中相关部分来更新残差向量。当迭代次数i达到稀疏度K时，停止迭代。广义正交匹配追踪(Generalized Orthogonal Matching Pursuit，GOMP)是OMP改进算法中的一种，在进行迭代运算时，每次选择最佳原子个数为最大的N个，在保证算法稳健性的同时，简化了正交匹配追踪算法的计算复杂度。

所述步骤S1还包括对SAR影像数据进行配准、去斜处理、相位误差补偿。

与现有技术相比，本发明的有益效果在于：本发明利用GOMP的压缩感知算法获取目标单体建筑的斜距垂向信息，在进行迭代运算时，每次选择最佳原子个数为最大的N个，简化了正交匹配追踪算法的计算复杂度，克服了传统层析SAR成像方法必须满足奈奎斯特采样定律的情况下才能恢复信号的限制；减少了对航过次数和对航线精确控制的要求；在保证重构稳健性的同时，降低了运算的复杂度，因此在运行效率方面比正交匹配追踪算法更有优势。

实施例2

选取北京地区2011年-2013年间的“TerraSAR-X”HH极化模式下的14景升轨影像为实验数据，斜距分辨率为1.2m，地距分辨率为2.15m，方位向分辨率为3.3m，并以北京盘古七星酒店作为实例对象。实例以2011年12月的影像为主影像，其他影像为从影像。经过SAR影像的配准，单体建筑物的选取与裁剪，影像的去斜与相位误差补偿等数据预处理后，根据上述第5部分所阐述的步骤基于广义正交匹配追踪算法实现实例建筑物的三维成像，其结果如图4所示,插值加密后的点云如图5所示。

最后，本申请的方法仅为较佳的实施方案，并非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，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。