一种SAR数据的高精度沉降监测方法和装置与流程

本发明涉及数据处理的技术领域，尤其是涉及一种sar数据的高精度沉降监测方法和装置。

背景技术：

现有技术中公开了“一种基于双倍样本的增强谱分集方位向偏移量估计方法”（申请号：cn201910597877.6），首先在精密轨道数据和数字高程模型基础下对哨兵1号tops宽幅影像堆栈进行几何配准获取单视复数影像堆栈，利用伽马分布的先验统计特征对tops成像模式下的波束重叠区域进行同质像元的提取；利用双倍样本提取的同质像元对重叠波束进行精确的相干性估计；利用主辅影像相邻波束的重叠区域获取干涉图，并对生成的两干涉图继续进行复数共轭获取增强谱分集方位向偏移量；利用计算出的精确相干性对增强谱分集进行相干性加权，获得准确的增强谱分集方位向偏移量，然后提取几何配准残余的方位向偏移量。

上述的tops模式数据的配准方法，主要用于数据配准，考虑到配准的影像进行干涉差分中的差分相位还存在一定的误差干扰，考虑到生产实践中，对地面监测精度要求较高，因此仅仅是配准sar数据得到的差分干涉相位精度较差，自动化程度低，无法满足生产需求。

针对上述问题，还未提出有效的解决方案。

技术实现要素：

有鉴于此，本发明的目的在于提供一种sar数据的高精度沉降监测方法和装置，以缓解了现有的对sar数据的沉降监测方法对监测区域的线性形变信息的监测精度较低的技术问题。

第一方面，本发明实施例提供了一种sar数据的高精度沉降监测方法，包括：获取用户输入的待处理sar数据，其中，所述待处理sar数据为tops模式下的sar数据；对所述待处理sar数据进行高精度配准处理，得到多景影像；利用振幅离差阈值算法，确定出所述多景影像的散射体的预选点；对所述预选点进行相位改正处理，得到目标预设点，并利用所述目标预设点确定出目标散射体；对所述目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到所述待处理sar数据对应的区域的线性形变信息。

进一步地，所述待处理sar数据包括：主影像数据和辅影像数据，对所述待处理sar数据进行高精度配准处理，得到多景影像，包括：利用数字高程模型和卫星轨道数据，对所述待处理sar数据进行几何变换，得到所述待处理sar数据的初始配准偏移系数，其中，所述初始配准偏移系数用于表征所述主影像和所述辅影像之间的同名点像素的坐标差；利用所述初始配准偏移系数对所述辅影像进行重采样处理，得到目标辅影像；利用增强谱分级配准算法，对所述目标辅影像进行配准，得到所述多景影像。

进一步地，利用振幅离差阈值算法，确定出所述多景影像的散射体的预选点，包括：提取所述多景影像的幅度信息；利用所述幅度信息，计算所述多景影像中每个像素的平均幅度值和幅度标准差；计算每个像素的平均幅度值与幅度标准差的比值；将所述比值小于第一预设阈值的像素确定为所述预选点。

进一步地，对所述预选点进行相位改正处理，得到目标预设点，包括：利用空间自适应滤波算法，计算所述预设点的空间相关分量；利用所述空间相关分量，计算所述预设点的相干值和空间非相关误差；利用述预设点的相干值和第二预设阈值，确定出目标预设点，其中，所述第二预设阈值为可接受散射体集合中伪散射体比例。

进一步地，对所述目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到所述待处理sar数据对应的区域的线性形变信息，包括：对所述目标散射体进行所述相位解缠处理，得到解缠相位；利用最小二乘算法和所述解缠相位，计算出目标矩阵，其中，所述目标矩阵的第一列为所述主影像的大气与轨道误差相位，第三列为线性形变速率；去除所述解缠相位中的所述大气与轨道误差相位，得到目标解缠相位；对所述目标解缠相位进行低通滤波处理，得到所述待处理sar数据对应的区域的线性形变信息。

进一步地，对所述目标解缠相位进行低通滤波处理，得到所述待处理sar数据对应的区域的线性形变信息，包括：对所述目标解缠相位进行时间域内的低通滤波处理，得到第一滤波，其中，所述第一滤波包括：高频滤波和低频滤波；将所述低频滤波确定为所述待处理sar数据对应的区域的形变相位；对所高频滤波进行空间域内的低通滤波处理和去噪声处理，得到所述辅影像的大气与轨道误差。

第二方面，本发明实施例还提供了一种sar数据的高精度沉降监测装置，所述装置包括：获取单元，配准单元，第一确定单元，第二确定单元和处理单元，其中，所述获取单元，用于获取用户输入的待处理sar数据，其中，所述待处理sar数据为tops模式下的sar数据；所述配准单元，用于对所述待处理sar数据进行高精度配准处理，得到多景影像；所述第一确定单元，用于利用振幅离差阈值算法，确定出所述多景影像的散射体的预选点；所述第二确定单元，用于对所述预选点进行相位改正处理，得到目标预设点，并利用所述目标预设点确定出目标散射体；所述处理单元，用于对所述目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到所述待处理sar数据对应的区域的线性形变信息。

进一步地，所述待处理sar数据包括：主影像数据和辅影像数据，所述配准单元，用于：利用数字高程模型和卫星轨道数据，对所述待处理sar数据进行几何变换，得到所述待处理sar数据的初始配准偏移系数，其中，所述初始配准偏移系数用于表征所述主影像和所述辅影像之间的同名点像素的坐标差；利用所述初始配准偏移系数对所述辅影像进行重采样处理，得到目标辅影像；利用增强谱分级配准算法，对所述目标辅影像进行配准，得到所述多景影像。

第三方面，本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行第一方面中所述方法的步骤。

在本发明实施例中，通过获取用户输入的待处理sar数据；对待处理sar数据进行高精度配准处理，得到多景影像；利用振幅离差阈值算法，确定出多景影像的散射体的预选点；对预选点进行相位改正处理，得到目标预设点，并利用目标预设点确定出目标散射体；对目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到待处理sar数据对应的区域的线性形变信息，达到了对监测区域的线性形变信息进行监测的目的，进而解决了现有的对sar数据的沉降监测方法对监测区域的线性形变信息的监测精度较低的技术问题，从而实现了对监测区域的线性形变信息进行高精度监测的技术效果。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种sar数据的高精度沉降监测方法的流程图；

图2为本发明实施例提供的一种sar数据的高精度沉降监测方法的详细流程图；

图3为本发明实施例提供的一种sar数据的高精度沉降监测装置的示意图；

图4为本发明实施例提供的一种电子设备的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

根据本发明实施例，提供了一种sar数据的高精度沉降监测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种sar数据的高精度沉降监测方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，获取用户输入的待处理sar数据，其中，所述待处理sar数据为tops模式下的sar数据；

步骤s104，对所述待处理sar数据进行高精度配准处理，得到多景影像；

步骤s106，利用振幅离差阈值算法，确定出所述多景影像的散射体的预选点；

步骤s108，对所述预选点进行相位改正处理，得到目标预设点，并利用所述目标预设点确定出目标散射体；

步骤s110，对所述目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到所述待处理sar数据对应的区域的线性形变信息。

在本发明实施例中，通过获取用户输入的待处理sar数据；对待处理sar数据进行高精度配准处理，得到多景影像；利用振幅离差阈值算法，确定出多景影像的散射体的预选点；对预选点进行相位改正处理，得到目标预设点，并利用目标预设点确定出目标散射体；对目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到待处理sar数据对应的区域的线性形变信息，达到了对监测区域的线性形变信息进行监测的目的，进而解决了现有的对sar数据的沉降监测方法对监测区域的线性形变信息的监测精度较低的技术问题，从而实现了对监测区域的线性形变信息进行高精度监测的技术效果。

下面结合图1和图2对上述步骤s102至s108进行详细说明，图2为s102至s108的详细流程图。

在本发明实施例中，所述待处理sar数据包括：主影像数据和辅影像数据，则步骤s104包括如下步骤：

步骤s11，利用数字高程模型和卫星轨道数据，对所述待处理sar数据进行几何变换，得到所述待处理sar数据的初始配准偏移系数，其中，所述初始配准偏移系数用于表征所述主影像和所述辅影像之间的同名点像素的坐标差；

步骤s12，利用所述初始配准偏移系数对所述辅影像进行重采样处理，得到目标辅影像；

步骤s13，利用增强谱分级配准算法，对所述目标辅影像进行配准，得到所述多景影像。

在本发明实施例中，ops模式sar数据配准流程分为几何配准与增强谱分集技术配准两部分，首先通过dem进行辅助通过寻找同名点的方式进行主辅影像之间的粗配准，即几何配准，在几何配准的基础上，利用增强谱分集技术，对tops模式数据做精配准，实现方位向上的千分之一像素配准精度。

首先，利用辅助的dem（数字高程模型，digitalelevationmodel)与待处理sar数据进行配准，在卫星轨道数据辅助下，将dem通过地理编码实现地理编码转换至地图坐标系，实现几何变换，在主影像的均匀分布的选取一系列点，利用距离、多普勒方程，地球模型进行求解其坐标，反算这些点在辅影像的影像坐标系下的像素坐标，通过计算主辅影像之间的同名点的像素坐标差计算偏移量。

考虑效率问题，通过建立delaunary三角网内插的方法来获取所有像素的偏移量，得到初始配准偏移系数。在此基础上，对辅影像进行重采样，得到目标辅影像。

粗配准精度只能达到像素级，而干涉需要的精度需要1/10像素，tops模式数据如果要实现干涉相位不跳变需要方位向上配准精度控制千分之一的像素精度，普通方法配准无法达到，设计利用增强谱分集技术实现高精度配准。

考虑到tops模式数据采集时，相邻的每个burst存在一定的重叠区域，对与burst的重叠的每一个像素i，其配准误差△y与干涉相位差的关系可表述为：

；

其中，表示为重叠区域内的多普勒中心频率变化量，为方位向的采样频率，tops模式数据的波束姿态的变化时，多普勒中心在边缘地区可达到5khz，方位向频率为486hz，考虑到配准后的影像得到的干涉相位在相邻burst之间不存在明显的相位跳变，干涉相位差要达到3°以内，因此配准精度需要控制在千分之一的像素内。利用干涉相位差分技术先计算可得△y，利用esd算法通过相位差的平均值和多普勒中心变化的平均值进行计算，其公式可表示为：

；

其中，表示求取均值。

对于增强谱分集配准得到的配准精度可表示为：

；

其中表示相干性，实际生产实践中，考虑到增强谱分集技术无法一次就实现配准精度要求，设计采用多次迭代的形式进行计算，通过大量测试实验，采用最大10次迭代增强谱分集配准能够在保证计算效率的前提下保证配准成功，最终得到的偏移参数保证方位向上的配准精度达到千分之一。

在本发明实施例汇中，步骤s106包括如下步骤：

步骤s21，提取所述多景影像的幅度信息；

步骤s22，利用所述幅度信息，计算所述多景影像中每个像素的平均幅度值和幅度标准差；

步骤s23，计算每个像素的平均幅度值与幅度标准差的比值；

步骤s24，将所述比值小于第一预设阈值的像素确定为所述预选点。

在本发明实施例中，首先提取所述多景影像的幅度信息，并利用所述幅度信息，计算所述多景影像中每个像素的平均幅度值和幅度标准差，计算公式如下：

；

其中，表示为幅度信息的标准差，为幅度均值。表示为幅度离差值。通过大量实践分析，第一预设阈值设置为0.36较好。当小于第一预设阈值时，即将改像素确定为散射体预选点。

在本发明实施例中，步骤s108包括如下步骤：

步骤s31，对所述预选点进行相位改正处理，得到目标预设点，包括：

步骤s32，利用空间自适应滤波算法，计算所述预设点的空间相关分量；

步骤s33，利用所述空间相关分量，计算所述预设点的相干值和空间非相关误差；

步骤s34，利用述预设点的相干值和第二预设阈值，确定出目标预设点，其中，所述第二预设阈值为可接受散射体集合中伪散射体比例。

在本发明实施例中，首先建立格网，将多景影像进行分割，考虑格网内的所有散射体预选点的空间相关分量一致，考虑影像分辨率，通过大量实践分析，格网大小选择为100*100m2。

将每个格网内的散射体预选点进行加权计算，计算公式为：

；

其中为权重，首次利用振幅离差阈值来定义，即为1/da。

计算得到所有每个网格内的相位值，以n*n个网格作为输入数据，在此基础上通过设计空间自适应滤波的方法，得到该区域内的空间相关分量。

接着，计算散射体预选点相干值和空间非相关视角误差。

首先对差分干涉相位进行相位重组，得到去除空间相关分量的差分相位。

；

建立相干因子，其计算公式可表示为：

；

利用空间搜索法，记录当某一使得最大时，记录此时的和值。

最后，根据相干系数分布，设置第二预设阈值，筛选出目标散射体。

根据相干值构建概率密度函数，可表示为：

；

其中，是权系数，表示是散射体，表示为散射体的概率。

设计随机生成50万噪声点，得到噪声点的概率密度，并计算得出加权系数。在此基础上给定值（即，第二预设阈值），表示为可接受散射体集合中伪散射体比例，可表示为：

；

在此基础上可确定相干系数阈值，并对散射体进行筛选得到目标散射体。

在本发明实施例中，步骤s110包括如下步骤：

步骤s41，对所述目标散射体进行所述相位解缠处理，得到解缠相位；

步骤s42，利用最小二乘算法和所述解缠相位，计算出目标矩阵，其中，所述目标矩阵的第一列为所述主影像的大气与轨道误差相位，第三列为线性形变速率；

步骤s43，去除所述解缠相位中的所述大气与轨道误差相位，得到目标解缠相位；

步骤s44，对所述目标解缠相位进行低通滤波处理，得到所述待处理sar数据对应的区域的线性形变信息。

在本发明实施例中，散射体相位解缠的表达式如下：

；

然后，设有个干涉对和个散射体。构建干涉相对垂直基线与时间基线方的矩阵。解缠相位，协方差矩阵，基于协方差矩阵，利用最小二乘法，求解：

；

求解得到目标矩阵，其中，目标矩阵的第一列表示为主影像的大气与轨道误差相位，第三列为线性形变速率。

最后，对去除了空间相关视角误差和主影像的大气与轨道误差的解缠相位，进行时间域内的低通滤波，提取低频部分即得到形变相位。

对低通滤波得到的高频部分，在空间域内进行低通滤波，去噪声，得到辅影像的大气与轨道误差。

实施例二：

本发明实施例还提供了一种sar数据的高精度沉降监测装置，该sar数据的高精度沉降监测装置用于执行本发明实施例上述内容所提供的sar数据的高精度沉降监测方法，以下是本发明实施例提供的sar数据的高精度沉降监测装置的具体介绍。

如图3所示，图3为上述sar数据的高精度沉降监测装置的示意图，该sar数据的高精度沉降监测包括：获取单元10，配准单元20，第一确定单元30，第二确定单元40和处理单元50。

所述获取单元10，用于获取用户输入的待处理sar数据，其中，所述待处理sar数据为tops模式下的sar数据；

所述配准单元20，用于对所述待处理sar数据进行高精度配准处理，得到多景影像；

所述第一确定单元30，用于利用振幅离差阈值算法，确定出所述多景影像的散射体的预选点；

所述第二确定单元40，用于对所述预选点进行相位改正处理，得到目标预设点，并利用所述目标预设点确定出目标散射体；

所述处理单元50，用于对所述目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到所述待处理sar数据对应的区域的线性形变信息。

在本发明实施例中，通过获取用户输入的待处理sar数据；对待处理sar数据进行高精度配准处理，得到多景影像；利用振幅离差阈值算法，确定出多景影像的散射体的预选点；对预选点进行相位改正处理，得到目标预设点，并利用目标预设点确定出目标散射体；对目标散射体依次进行相位解缠处理，以及大气与轨道改正处理，得到待处理sar数据对应的区域的线性形变信息，达到了对监测区域的线性形变信息进行监测的目的，进而解决了现有的对sar数据的沉降监测方法对监测区域的线性形变信息的监测精度较低的技术问题，从而实现了对监测区域的线性形变信息进行高精度监测的技术效果。

实施例三：

本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

参见图4，本发明实施例还提供一种电子设备100，包括：处理器60，存储器61，总线62和通信接口63，所述处理器60、通信接口63和存储器61通过总线62连接；处理器60用于执行存储器61中存储的可执行模块，例如计算机程序。

其中，存储器61可能包含高速随机存取存储器（ram，randomaccessmemory），也可能还包括非不稳定的存储器（non-volatilememory），例如至少一个磁盘存储器。通过至少一个通信接口63（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线62可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器61用于存储程序，所述处理器60在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中，或者由处理器60实现。

处理器60可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现成可编程门阵列(field-programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61，处理器60读取存储器61中的信息，结合其硬件完成上述方法的步骤。

实施例四：

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。