圆迹SAR子孔径图像序列联合相关DEM提取方法与流程

文档序号:16745153发布日期:2019-01-28 13:27阅读:307来源:国知局
圆迹SAR子孔径图像序列联合相关DEM提取方法与流程

本发明属于信号处理技术领域,特别涉及利用圆迹合成孔径雷达(syntheticapertureradar,sar)子孔径图像序列提取观测场景地形高程模型(digitalelevationmodel,dem),具体是一种圆迹sar子孔径图像序列联合相关dem提取方法,可用于在圆迹sar模式下直接获取观测场景dem。



背景技术:

目前,合成孔径雷达(syntheticapertureradar,sar)获取观测场景地形高程模型(digitalelevationmodel,dem)主要通过两种技术途径:雷达立体摄影技术和雷达干涉测高技术。基于不同雷达下视角下获取的两幅sar图像,雷达立体摄影利用视差提取目标高程,而雷达干涉测高技术利用相位差提取目标高程。由于单一照射方向获取的sar图像存在叠掩和阴影区域,导致利用雷达立体摄影技术和雷达干涉测高技术均无法获取观测场景全方位地形高程模型dem。圆迹sar(circularsar,csar)作为一种新体制sar模式,其成像模型如图2(a)和2(b)所示,相比于常规直线轨迹sar,圆迹sar平台以观测场景为中心作360°圆周运动,波束始终照射同一地面场景,形成圆形合成孔径,实现对目标场景的全方位观测。csar具有高平面分辨率、三维重建能力和360°全方位多角度观测能力,因此,利用csar可以提取观测场景全方位dem。现有的基于csar子孔径图像序列的dem提取方法的具体实现步骤是:(1)将360°圆环划分为多段分组圆弧,每段分组圆弧划分为多个子孔径,对csar子孔径回波进行聚焦成像处理,获取csar子孔径图像序列;(2)针对每段分组圆弧,利用分组圆弧内csar子孔径图像序列间的相关性估计观测场景dem,选出中心csar子孔径图像,利用分组圆弧内各csar子孔径图像与中心csar子孔径图像间相关系数的和值作为测度函数,每段分组圆弧提取一幅dem,由于叠掩和阴影的影响,不同段分组圆弧提取的dem中存在不同的无效高程值区域,融合不同段分组圆弧dem获取全方位dem。或者利用分组圆弧内各csar子孔径图像与中心csar子孔径图像间的相关系数分别作为测度函数,获取多幅dem后进行平均,最终获取一幅dem,得到观测场景的高程信息。以分组圆弧内各csar子孔径图像与中心csar子孔径图像间相关系数的和值作为测度函数的dem提取方法称为和相关法。对每段分组圆弧而言,现有的基于csar子孔径图像序列的dem提取方法只利用了各csar子孔径图像与中心csar子孔径图像之间的相关性信息,其他csar子孔径图像对之间的相关性信息没有充分利用,导致dem提取精度不高,则场景中目标的定位精度不高,适用性和实用性较弱。



技术实现要素:

本发明的目的在于克服现有技术的不足,提出一种显著提高dem提取精度的圆迹sar子孔径图像序列联合相关dem提取方法。

本发明是一种圆迹sar子孔径图像序列联合相关dem提取方法,其特征在于,包括有如下步骤:

(1)获取csar子孔径图像序列:根据圆迹sar对观测场景成像分辨率的要求确定子孔径方位角宽度,将圆迹sar的360°圆环形航迹均匀划分,划分得到的每一段圆环形航迹称为子孔径,利用后向投影算法对各子孔径获取的雷达回波进行聚焦成像处理,得到csar子孔径图像序列;

(2)将csar子孔径图像序列向三维空间投影:在地面坐标系下建立三维格网,将csar子孔径图像序列向所建立的三维格网投影,校正csar子孔径图像序列的几何形变,得到无几何形变的csar子孔径图像序列;

(3)对无几何形变的csar子孔径图像序列进行分组:随机选择一个csar子孔径的起点作为划分起点,根据相关性准则确定分组圆弧方位角宽度,分组圆弧方位角宽度内相邻且连续的数个csar子孔径形成第一段分组圆弧,将第一段分组圆弧内所有csar子孔径对应的无几何形变的csar子孔径图像序列分为第一组,然后以第一段分组圆弧中的某一个csar子孔径的起点再作为划分起点,以同样的方法和原则继续划分得到第二组,以此类推,直到所有csar子孔径图像都被完整分组,完成对无几何形变的csar子孔径图像序列的分组;

(4)利用联合相关系数提取每段分组圆弧的观测场景地形高程模型dem:计算分组圆弧内csar子孔径图像序列间的联合相关系数,将分组圆弧内csar子孔径图像序列间的联合相关系数作为测度函数,以测度函数联合相关系数最大时对应的高度值作为该分组圆弧的观测场景地形高程模型dem,以同样的方法计算得到圆迹sar圆环形航迹中其他所有段分组圆弧的观测场景地形高程模型dem;

(5)融合所有分组圆弧观测场景地形高程模型dem获取全方位dem:将计算得到的圆迹sar圆环形航迹中所有分组圆弧的观测场景地形高程模型dem进行融合,得到观测场景全方位dem。

本发明能够充分利用csar子孔径图像序列间的相关性信息,提高观测场景全方位dem提取精度,可用于在圆迹sar模式下直接获取观测场景dem。

本发明与现有的技术相比具有以下优点:

第一,本发明中将csar子孔径图像序列向三维空间投影,校正了csar子孔径图像序列的几何形变,消除了csar子孔径图像间几何形变变化对csar子孔径图像间相关性的影响,进而提高了csar子孔径图像序列间的相关性,为提高dem提取精度奠定了基础。

第二,本发明中以分组圆弧内csar子孔径图像序列间的联合相关系数作为测度函数,计算测度函数联合相关系数最大时对应的高度值作为该分段圆弧的观测场景dem,充分利用了该分组圆弧中csar子孔径图像序列之间的相关信息,csar子孔径图像序列之间的相关信息利用的越充分,提取出的分组圆弧dem精度越高,融合各段分组圆弧高精度的dem得到的观测场景全方位dem的精度必然会较高。

附图说明

图1是本发明的实现流程图;

图2是csar成像几何模型,其中图2(a)为透视图,图2(b)为俯视图;

图3是本发明csar子孔径及分组圆弧划分示意图;

图4是采用afrlcsar系统获取的观测场景成像结果及该观测场景的光学成像结果,其中图4(a)为该观测场景的光学正射影像,图4(b)为该观测场景的sar子孔径图像;

图5是本发明将csar子孔径图像向三维空间投影的示意图;

图6是测度函数灵敏度随分组圆弧方位角宽度的变化趋势图,其中图6(a)为相关系数的主瓣宽度随分组圆弧方位角宽度的变化曲线图,图6(b)为相关系数的峰值旁瓣比随分组圆弧方位角宽度的变化曲线图;

图7是现有技术中和相关法提取观测场景的dem结果;

图8是本发明联合相关法提取观测场景的dem结果;

图9是观测场景中停车场停靠的部分汽车的照片;

图10是图9中汽车f的dem提取结果图,其中图10(a)是汽车f的sar图像,图10(b)为汽车f的和相关法dem提取结果,图10(c)为本发明联合相关法对汽车f的dem提取结果。

具体实施方式

下面结合附图对本发明详细说明:

实施例1

雷达单一方向照射场景目标时获取的sar图像存在叠掩和阴影区域,利用雷达立体摄影技术和雷达干涉测高技术无法获取观测场景全方位dem。圆迹sar随雷达平台以观测场景为中心作360°圆周运动,如图2(a)所示,波束始终照射同一地面场景,实现对观测场景的全方位观测,利用csar可以提取观测场景全方位地形高程模型dem。现有的基于csar子孔径图像序列的dem提取方法只利用了各csar子孔径图像与中心csar子孔径图像之间的相关性信息,各csar子孔径图像相互之间的相关性信息没有充分利用,dem提取精度不高,比如和相关法。

为了解决这个问题,本发明提出了圆迹sar子孔径图像序列联合相关dem提取方法。

本发明是一种圆迹sar子孔径图像序列联合相关dem提取方法,参见图1,包括有如下步骤:

(1)获取csar子孔径图像序列:根据圆迹sar对观测场景成像分辨率的要求确定子孔径方位角宽度,即子孔径方位角大小,将圆迹sar的360°圆环形航迹均匀划分,划分得到的每一段圆环形航迹称为子孔径,利用后向投影算法对各子孔径获取的雷达回波进行聚焦成像处理,得到csar子孔径图像序列。根据圆迹sar对观测场景成像分辨率要求,本领域技术人员依据经验选择子孔径方位角宽度,将圆迹sar的360°圆环形航迹均匀划分为多个子孔径,如图3所示,这是获取csar子孔径图像序列的前提。由于是均匀划分,各个子孔径的方位角宽度相等,用α表示子孔径方位角宽度,则子孔径个数b的取值为b=360/α。划分子孔径后对各个子孔径回波作成像处理得到csar子孔径图像序列,提取观测场景dem的所有操作都是基于csar子孔径图像序列的,因此获取csar子孔径图像序列是所有csar模式下dem提取方法中最首要的一步。

(2)将csar子孔径图像序列向三维空间投影:在地面坐标系下建立三维格网,将csar子孔径图像序列向所建立的三维格网投影,参见图5,投影的目的是将格网点对应的高程与目标高程保持一致,也就是校正csar子孔径图像序列的几何形变,得到无几何形变的csar子孔径图像序列。本发明为了消除csar子孔径图像间几何形变变化对其相关性的影响,需要将csar子孔径图像序列向三维空间投影。根据观测场景的先验平面位置和目标高程范围,在地面坐标系下建立三维格网,利用csar子孔径图像序列对应的雷达下视角和方位角,将其向所建立的三维格网进行投影。当格网点对应的高程与目标高程一致时,csar子孔径图像序列的几何形变得到校正,无几何形变的csar子孔径图像序列间相关性最高,这为提高dem提取精度奠定了基础。

(3)对无几何形变的csar子孔径图像序列进行分组:随机选择一个csar子孔径的起点作为划分起始点,根据相关性准则确定分组圆弧方角宽度,分组圆弧方位角宽度内相邻且连续的数个csar子孔径形成第一段分组圆弧,将第一段分组圆弧内所有csar子孔径对应的无几何形变的csar子孔径图像序列分为第一组,然后以第一段分组圆弧中的某一个csar子孔径的起点再作为划分起始点,以同样的方法和原则继续划分得到第二组,以此类推,直到所有csar子孔径图像都被完整分组,完成对无几何形变的csar子孔径图像序列的分组。csar子孔径的两个端点均可以作为csar子孔径的起点,定义一个端点为起点,则另一个端点为终点,参见图3。由于两个csar子孔径图像之间的方位夹角越大,csar子孔径图像之间相关性越低,dem提取精度越低,而两个csar子孔径图像间方位夹角较小时,目标平面位置偏移量对目标高程不敏感,也会导致dem提取精度较低,在对csar子孔径图像序列进行分组时,需要根据经验设定合适的分组圆弧方位角宽度,可在21°~87°之间选择。根据分组圆弧方位角宽度,将圆迹sar圆环形航迹按顺时针或逆时针方向划分为多段分组圆弧,每段分组圆弧的方位角宽度均相等,图3显示了按逆时针方向划分分组圆弧的情况,顺时针划分原理与逆时针相同,只是方向相反。csar子孔径的起点指向终点的方向应与分组圆弧的划分方向保持一致。相邻分组圆弧之间有重叠,即相邻分组圆弧之间包含共同的csar子孔径,如图3所示,相邻分组圆弧之间重叠的csar子孔径数量越多,dem提取精度越高,但运算量也会越大,实际操作中根据dem精度提取要求选定合适的csar子孔径重叠数量。每段分组圆弧内包含的csar子孔径数量相等,具体由分组圆弧方位角宽度和csar子孔径方位角宽度决定,每段分组圆弧内包含的csar子孔径数量c=φ/α,φ为分组圆弧方位角宽度,α为子孔径方位角宽度。在不同段分组圆弧内照射观测场景时出现的叠掩和阴影不同,导致不同分组圆弧内提取出的dem存在的无效高程值区域不同,某一段分组圆弧dem存在的无效高程,在其他分组圆弧dem中是有效高程,融合所有分组圆弧的dem得到观测场景全方位的dem均为有效高程,这是圆迹sar较直线sar的一大优点。

(4)利用联合相关系数提取每段分组圆弧的观测场景地形高程模型dem:为了充分利用分组圆弧内的各个csar子孔径图像序列之间的相关性,计算分组圆弧内csar子孔径图像序列的联合相关系数,将分组圆弧内csar子孔径图像序列的联合相关系数作为测度函数,该测度函数随目标高程变化,以测度函数最大时对应的高度值作为该分组圆弧的观测场景地形高程模dem。分别计算出圆迹sar360°圆环形航迹上所有分组圆弧内的csar子孔径图像序列的联合相关系数,作为各段分组圆弧的测度函数,以测度函数最大时对应的高程值作为各段分组圆弧提取出的观测场景地形高程模dem。为了提高dem提取精度,要充分利用各csar子孔径图像对间的相关性信息,每段圆弧dem的提取精度会直接影响观测场景全方位dem的提取精度,本发明通过充分利用各分组圆弧中csar子孔径图像对间的相关信息,提高每段分组圆弧dem的提取精度,进而提高观测场景全方位dem的提取精度。

(5)融合不同段分组圆弧观测场景地形高程模型dem获取全方位dem:将计算得到的圆迹sar圆环形航迹中不同段分组圆弧的观测场景地形高程模型dem进行融合,得到观测场景全方位dem。虽然依旧存在叠掩和阴影的影响,但是不同段分组圆弧提取的dem中无效高程值区域是不同的,因此对不同段分组圆弧的dem进行融合可以获取观测场景全方为dem。

本发明通过后向投影算法对各csar子孔径获取的回波进行聚焦成像处理获取csar子孔径图像序列,由于成像平面高程与目标实际高程不一致,目标在csar子孔径图像序列上的平面位置与实际不一致,引起csar子孔径图像序列发生几何形变。为了校正csar子孔径图像序列的几何形变,本发明将csar子孔径图像序列向三维空间投影,消除了csar子孔径图像序列间几何形变变化对其相关性的影响,提高了csar子孔径图像序列间的相关性,对提高dem提取精度产生了积极影响。现有的基于csar子孔径图像序列的dem提取方法只利用了各csar子孔径图像与中心csar子孔径图像之间的相关性信息,dem提取精度不高。本发明充分利用各段分组圆弧中csar子孔径图像对间的相关信息,使各段分组圆弧的dem提取精度较高,融合所有分组圆弧的高精度dem得到的观测场景全方位dem的提取精度必然会较高。

实施例2

圆迹sar子孔径图像序列联合相关dem提取方法同实施例1,步骤(2)中所述的将csar子孔径图像序列向三维空间投影,包括有如下步骤:

(2a)根据观测场景的先验平面位置和目标高程范围,在地面坐标系下建立三维格网,参见图5。

(2b)利用csar子孔径图像序列对应的雷达下视角和方位角,根据下面的式子将csar子孔径图像序列向所建立的三维格网进行投影,假设所处理的csar子孔径图像为i,其对应的雷达轨迹中心为ci,如图2(b)所示,目标在子孔径图像上的平面位置i相对于实际位置的偏移量为,

其中,θi为csar子孔径图像i的雷达下视角,为csar子孔径图像i的方位角,δh为观测场景中一个目标点p实际高程与聚焦平面高程之差,如图2(a)所示,δxi为目标点p在csar子孔径图像i上的平面位置相对于实际位置沿x轴的偏移量,δyi为目标点p在csar子孔径图像i上的平面位置相对于实际位置沿y轴的偏移量。

(2c)当格网点对应的高程与目标高程一致时,csar子孔径图像几何形变得到校正,将所有csar子孔径图像都向建立的三维坐标系投影,校正所有csar子孔径图像,使csar子孔径图像序列间相关性最高。

由于成像平面高程与目标实际高程不一致,目标在csar子孔径图像上的平面位置与实际不一致,引起csar子孔径图像发生几何形变,csar子孔径图像序列间几何形变变化会对csar子孔径图像序列间的相关性产生影响,降低dem提取精度,为了消除此影响,本发明将csar子孔径图像序列三维空间投影,校正了csar子孔径图像序列的几何形变,提高了csar子孔径图像序列间的相关性,对提高dem提取精度奠定了良好基础。

实施例3

圆迹sar子孔径图像序列联合相关dem提取方法同实施例1-2,步骤(4)中利用联合相关系数提取每段分组圆弧的观测场景地形高程模型dem,包括有如下步骤:

(4a)计算分组圆弧内csar子孔径图像序列间的联合相关系数:对每段分组圆弧而言,计算分组圆弧内所有csar子孔径图像间的联合相关系数jc,计算公式如下所示:

其中,m为分组圆弧内csar子孔径图像的数量;sm(l,k)为所选窗口内图像m的像素幅度值;μm为相应的幅度平均值;(2l+1)×(2k+1)为所选窗口大小。对于每一平面坐标(x,y),沿高程方向计算联合相关系数jc随h的变化,为h场景目标高程。

(4b)将分组圆弧内csar子孔径图像序列间的联合相关系数作为测度函数,以测度函数联合相关系数最大时对应的高度值作为该分组圆弧的观测场景地形高程模型dem:选择使联合相关系数jc取最大值时的h作为该段分组圆弧的观测场景地形高程模型dem,即

其中,h(x,y)即为平面坐标(x,y)处联合相关系数jc取最大值时的h,将其作为该段分组圆弧的观测场景地形高程模型dem。

(4c)以同样的方法计算得到圆迹sar圆环形航迹中其他所有段分组圆弧的观测场景地形高程模型dem:以相同的窗口大小,计算所有分组圆弧内csar子孔径图像序列的联合相关系数,当联合相关系数jc取最大值时得到所有分组圆弧的观测场景地形高程模型dem。

本发明计算分组圆弧内csar子孔径图像序列间的联合相关系数,将其作为测度函数,当测度函数取得最大值时,将计算出的高程值h作为分组圆弧内提取出的观测场景dem。本发明每段分组圆弧都充分利用了分组圆弧中csar各子孔径图像间的相关信息,提高了分各段分组圆弧dem的提取精度,为提高观测场景全方位dem的提取精度提供了必然条件。

下面给出一个更加详尽的例子,并结合实验和仿真结果对本发明的技术效果再做说明:

实施例4

圆迹sar子孔径图像序列联合相关dem提取方法同实施例1-3,下面结合附图,根据afrl公开发布的csar实测数据中航过1、hh极化方式的数据提取dem,以此为例,对本发明做进一步的描述。为了对比分析本发明的性能,同时利用和相关法提取相应数据的dem。

参照附图1,具体实施步骤如下:

步骤1,获取csar子孔径图像序列。

afrl公开发布的csar实测数据中航过1、hh极化方式的数据由x波段、640mhz的雷达系统录取得到,美国地理学会(usgeographysociety,usgs)获取的观测场景的光学正射影像如图4(a)所示。根据雷达成像分辨率要求,设定每个子孔径对应的方位角宽度为3°,将360°圆环划分为120个子孔径,成像平面高程为0m,格网间距为0.2m,图像大小为501×501像素,利用后向投影算法对每个子孔径的回波数据在地面坐标系下进行聚焦成像,得到csar子孔径图像序列,对所有csar子孔径图像进行非相干叠加获取的sar图像如图4(b)所示。对比图4(a)和图4(b)可以发现,圆迹sar模式下照射观测场景得到的sar图像可以清晰地反映出其地物特征。

步骤2,将csar子孔径图像序列向三维空间投影。

(2a)根据观测场景的先验平面位置和目标高程范围,在地面坐标系下建立三维格网;

(2b)利用csar子孔径图像序列对应的雷达下视角和方位角,根据下面的式子将csar子孔径图像序列向所建立的三维格网进行投影,假设所处理的csar子孔径图像为i,目标在子孔径图像i上的平面位置相对于实际位置的偏移量为,同式(1),

其中,θi为csar子孔径图像i的雷达下视角,为csar子孔径图像i的方位角,δh为观测场景中一个目标点p实际高程与聚焦平面高程之差,δxi为目标点p在csar子孔径图像i上的平面位置相对于实际位置沿x轴的偏移量,δyi为目标点p在csar子孔径图像i上的平面位置相对于实际位置沿y轴的偏移量.

(2c)当格网点对应的高程与目标高程一致时,csar子孔径图像几何形变得到校正,csar子孔径图像序列间相关性最高。

如图5所示,将csar子孔径图像向三维空间投影,当格网点对应的高程与目标高程一致时,csar子孔径图像几何形变得到校正,csar子孔径图像序列间相关性最高。

步骤3,对无几何形变的csar子孔径图像序列进行分组。

设定分组圆弧方位角宽度为60°,即分组圆弧内边缘csar子孔径图像与中央csar子孔径图像之间的方位角宽度为30°,将雷达的360°圆环形航迹划分为相互重叠的24个分组圆弧。

步骤4,利用联合相关系数提取每段分组圆弧的观测场景地形高程模型dem。

(4a)提取分组圆弧的观测场景地形高程模型dem:针对每一平面坐标(x,y)计算和相关系数和联合相关系数随目标高程h的变化作为测度函数,分别估计测度函数主瓣3db宽度(称之为主瓣宽度)和第一旁瓣峰值与主瓣峰值的比值(称之为峰值旁瓣比)。在每一段分组圆弧方位角宽度内均随机选择5组csar子孔径图像,选择大小为5×5和11×11像素的两种窗口计算相关系数随目标高程的变化,将得到的两组相关系数在对应高程处相乘,基于此提取观测场景地形高程模型dem。

(4b)测度函数灵敏度分析:本发明以csar子孔径图像序列间的联合相关系数作为测度函数,利用主瓣宽度和峰值旁瓣比评价测度函数灵敏度。主瓣宽度和峰值旁瓣比越小,表明测度函数灵敏度越高,dem提取精度越高。图6给出了和相关系数和本发明联合相关系数的主瓣宽度和峰值旁瓣比的均值随分组圆弧方位角宽度的变化曲线图,本发明中分组圆弧方位角宽度的变化范围为21°~87°,本例中分组圆弧方位角宽度为60°。图6(a)为和相关系数和本发明联合相关系数的主瓣宽度随分组圆弧方位角宽度的变化曲线图,分析图6(a)可以发现,和相关法在5×5和11×11像素窗口内计算的和相关系数的主瓣宽度均比本发明的联合相关法在5×5和11×11像素窗口内计算的联合相关系数的主瓣宽度要高。改变像素窗口大小时,和相关法计算的和相关系数的主瓣宽度变化较大,而本发明联合相关法计算的联合相关系数的主瓣宽度随窗口变化的波动较小。图6(b)为和相关系数和本发明联合相关系数的峰值旁瓣比随分组圆弧方位角宽度的变化曲线图,和相关法在5×5和11×11像素窗口内计算的和相关系数的峰值旁瓣比均比本发明的联合相关法在5×5和11×11像素窗口内计算的联合相关系数的峰值旁瓣比要高。改变像素窗口大小时,和相关法计算的和相关系数的峰值旁瓣比变化较大,而本发明联合相关法计算的联合相关系数的峰值旁瓣比随窗口变化的波动较小,说明本发明性能稳定可靠。

观察图6(a)和6(b)可以发现,本发明提出方法中的测度函数的主瓣宽度和峰值旁瓣比更小,测度函数灵敏度更高,dem提取精度更高。

步骤5,融合所有分组圆弧观测场景地形高程模型dem获取全方位dem。

(5a)dem提取结果及分析:将提取出的不同段分组圆弧的观测场景地形高程模型dem进行融合,得到观测场景全方位dem。观测场景内目标高程范围为-2~2m,格网间隔选择0.2m。和相关法dem提取结果如图7所示,本发明提出的联合相关法dem提取结果如图8所示,对比图7和图8的结果可以发现,按照本发明提出方法提取dem时,汽车轮廓和形状更清晰,证明本发明dem提取精度更高。

(5b)定量评估本发明所提方法的性能:图7和图8的对比给出了本发明和现有技术的dem提取精度定性的对比结果,为了定量评估本发明提出的联合相关dem提取方法的性能,选择图4(b)中所标注的七辆汽车来评估所提取的dem精度,图中箭头指向汽车的车头方向,七辆汽车的照片如图9所示,七辆汽车的实际长、宽和高如表1所示。

表1汽车实际长、宽和高(m)

七辆汽车中标注为f的汽车的dem提取结果如图10所示,选择图10(a)中内框所示的区域评估dem提取精度,图10(b)为汽车f的和相关法dem提取结果,图10(c)为本发明联合相关法对汽车f的dem提取结果,对比图10(b)和图10(c)可以发现,本发明统计联合相关法对汽车f的dem提取结果更精确,dem提取精度更高。下面用目标高程的均值和均方根误差定量评估汽车a~j的dem提取精度,所提取目标高程的均值和均方根误差,其中均方根误差的计算公式为,

其中,q表示用于精度评估的像素数量,hq表示第q个像素的实际值,hq表示第q个像素的估计高程值,汽车a~e和j采用与汽车f相同的方法评估dem提取精度。汽车a~j的估计高程均值和均方根误差如表2所示。

表2汽车的高程估计结果(m)

估计高程均方根误差越小,估计高程与目标实际高程越接近,dem提取精度越高,分析表2中的数据可以发现,通过本发明联合相关法获取的汽车a~j的估计高程均方根误差均低于通过和相关法获得的估计高程均方根误差,和相关法关于七辆汽车的估计高程均方根误差均值为1.265m,本发明联合相关法关于七辆汽车的估计高程均方根误差均值为0.861m,联合相关法下的估计高程均方根误差均值较小,比和相关法提高了30%多,因此本发明提出的联合相关法的dem提取精度更高。

简而言之,本发明公开的一种圆迹sar子孔径图像序列联合相关dem提取方法,主要解决利用圆迹sar子孔径图像序列提取观测场景地形高程模型的问题。实现步骤是:获取csar子孔径图像序列;将csar子孔径图像序列向三维空间投影;对无几何形变的csar子孔径图像序列进行分组;利用联合相关系数提取每段分组圆弧的观测场景地形高程模型dem;融合不同段分组圆弧观测场景地形高程模型dem获取全方位dem。本发明根据观测场景的先验平面位置和目标高程范围,在地面坐标系下建立三维格网,将csar子孔径图像序列向其投影,校正了csar子孔径图像序列的几何形变,使csar子孔径图像间相关性不再受csar子孔径图像序列的几何形变的影响,进而提高了csar子孔径图像序列间的相关性,csar子孔径图像序列间较强的相关性是影响高精度提取dem的重要因素。本发明以分组圆弧内csar子孔径图像序列间的联合相关系数作为测度函数,以测度函数最大时对应的高度值作为分组圆弧的dem,每段分组圆弧内提取出的dem精度均较高,融合较高精度分组圆弧的dem得到的观测场景全方位dem与观测场景实际高程较为接近,观测场景定位较为精确。

当前第1页1 2 
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