本发明专利技术涉及利用遥感SAR影像的林下地形反演领域，提供一种基于非局部平均的TomoSAR林下地形反演方法及系统，包括步骤：S1：获取N景SLC影像数据，对各所述SLC影像数据进行预处理，获得观测值数据集；S2：计算所述观测值数据集中，各像素的最佳协方差矩阵；S3：通过谱估计公式对各所述像素的最佳协方差矩阵进行谱估计，获得高精度林下地形。本发明专利技术既最大限度地利用了邻域信息，保证了联合估计出的中心像素的真实性，又通过加权的方式剔除了邻域内的噪声信息或者异质信息等干扰信息，提升了中心像素估计值的准确性，进而有效提高了TomoSAR反演林下地形的精度和普适性。演林下地形的精度和普适性。演林下地形的精度和普适性。
【技术实现步骤摘要】
基于非局部平均的TomoSAR林下地形反演方法及系统
[0001]本专利技术涉及利用遥感SAR影像的林下地形反演领域，尤其涉及一种基于非局部平均的TomoSAR林下地形反演方法及系统。
技术介绍
[0002]林下地形作为重要的森林资源调查参数，不仅影响森林资源的空间分布，还与森林生态系统的稳定性密切相关。然而，在森林覆盖区，传统航测或光学遥感手段只能获取森林冠层顶部的高度信息，无法获得真正的林下地形。长波合成孔径雷达层析(Tomographic Synthetic Aperture Radar，TomoSAR)技术，尤其是长波长SAR系统，能够穿透森林冠层到达地面并记录森林垂直结构信息，为林下地形测绘提供了可能。SAR层析技术通过引入谱估计理论，对每个分辨单元内的散射回波在高度向上进行断层扫描，获得每个高度位置的散射回波，将传统二维成像扩展为三维成像，能够有效分离同一分辨单元内不同高度位置的散射体，已被大量用于林下地形反演。
[0003]对于森林这类分布式散射体，其垂直向的后向散射功率包含在协方差矩阵的幅度和相位中，因而森林SAR层析三维成像均是对协方差矩阵进行处理。但是真实的协方差矩阵无法获取，通常是通过样本协方差矩阵来直接代替协方差矩阵，以此来进行SAR层析三维聚焦。目前，常用的样本协方差矩阵估计是局部平均(local means,LM)法，即将滑动窗口内的所有像素进行统计平均。该方法虽然简单易行，但是仅当窗口内的像素统计信息一致时才能获得正确的估计值。如果不加区分，会造成协方差矩阵估计不准确，易引起不同散射机制的混合叠加，层析谱不精细，损失细节信息，降低地形信息估计的精度，如坡面经过LM法处理后会变成平坦的地面。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0005]本专利技术的主要目的在于，解决现有技术中，协方差矩阵估计不准确，易引起不同散射机制的混合叠加，层析谱不精细，损失细节信息，降低地形信息估计的精度的技术问题。
[0006]为实现上述目的，本专利技术提供一种基于非局部平均的TomoSAR林下地形反演方法，包括步骤：
[0007]S1：获取N景SLC影像数据，对各所述SLC影像数据进行预处理，获得观测值数据集；
[0008]S2：计算所述观测值数据集中，各像素的最佳协方差矩阵；
[0009]S3：通过谱估计公式对各所述像素的最佳协方差矩阵进行谱估计，获得高精度林下地形。
[0010]优选地，步骤S1中，所述对各所述SLC影像数据进行预处理，具体为：
[0011]将各所述SLC影像数据，进行单视复数影像序列配准、去平地效应和相位补偿操作，所述相位补偿包括：去斜、去大气扰动和去轨道误差。
[0012]优选地，步骤S2具体为：
[0013]S21：选取所述观测值数据集中的某一像素作为目标像素x0，所述目标像素x0位于搜索窗口W的中心坐标(m,n)处，计算所述目标像素x0的样本协方差矩阵和所有邻域像素x
i
的样本协方差矩阵其中i表示邻域像素的编号，0＜i＜T，T为搜索窗口W内的像素总数；
[0014]S22：计算所述目标像素x0的匹配窗口P与邻域像素x
i
的匹配窗口的空间相似度f
s
(x0,x
i
)和辐射相似度f
r
(x0,x
i
)；
[0015]S23：通过所述空间相似度f
s
(x0,x
i
)和所述辐射相似度f
r
(x0,x
i
)，计算获得所述邻域像素x
i
的权重计算公式为：
[0016][0017]S24：重复步骤S22到S23，获得所有邻域像素的权重，联合所有所述邻域像素的样本协方差矩阵及其权重进行加权计算，获得所述目标像素x0的最佳协方差矩阵，计算公式为
[0018][0019]S25：重复步骤S21到S24，获得各像素的最佳协方差矩阵。
[0020]优选地，步骤S21中，像素的样本协方差矩阵R的计算公式为：
[0021][0022]其中，L表示多视数，g(l)表示l处SLC影像HH极化通道观测值，H为共轭转置操作符。
[0023]优选地，所述搜索窗口W的大小为w
×
w，所述目标像素x0的匹配窗口P的大小为p
×
p，其中，w的取值范围为11
‑
21，p的取值范围为3
‑
5；
[0024]步骤S22中，所述空间相似度f
s
(x0,x
i
)的计算公式为：
[0025][0026]所述辐射相似度f
r
(x0,x
i
)的计算公式为：
[0027][0028]其中，x0表示目标像素，x
i
表示邻域像素，P2表示目标像素x0的匹配窗口P中像素的数量；
[0029]和的定义式为；
[0030]g
γ
(x)＝exp[
‑
(γ
‑1x)2][0031]其中，γ为自定义滤波尺度因子，γ
s
为控制着滤波的空间范围，γ
r
为根据两个像素之间的辐射相似度来控制过滤量；
[0032]函数为两个厄米特矩阵之间的仿射不变距离，表示为：
[0033][0034]其中，‖
·
‖
F
表示Frobenius范数，log表示求矩阵对数。
[0035]优选地，步骤S3中，所述谱估计方法包括：波束形成方法、自适应波束形成法和多重信号分类法；
[0036]所述波束形成方法的计算公式为：
[0037][0038]其中，a(z
d
)为映射矩阵A(z)＝[a(z1),a(z2),
…
,a(z
D
)]的第d个映射矢量，N为SLC影像数据的景数，为像素的最佳协方差矩阵；
[0039]所述自适应波束形成法的计算公式为：
[0040][0041]所述多重信号分类法的计算公式为：
[0042][0043]其中，U表示观测值的特征值向量，T为转置操作符。
[0044]一种基于非局部平均的TomoSAR林下地形反演系统，包括以下模块：
[0045]观测值数据集获取模块，用于获取N景SLC影像数据，对各所述SLC影像数据进行预处理，获得观测值数据集；
[0046]最佳协方差矩阵计算模块，用于计算所述观测值数据集中，各像素的最佳协方差矩阵；
[0047]林下地形生成模块，用于通过谱估计公式对各所述像素的最佳协方差矩阵进行谱估计，获得高精度林下地形。
[0048]本专利技术具有以下有益效果：本专利技术提出的方法既最大限度地利用了邻域信息，保证了联合估计出的中心本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于非局部平均的TomoSAR林下地形反演方法，其特征在于，包括步骤：S1：获取N景SLC影像数据，对各所述SLC影像数据进行预处理，获得观测值数据集；S2：计算所述观测值数据集中，各像素的最佳协方差矩阵；S3：通过谱估计公式对各所述像素的最佳协方差矩阵进行谱估计，获得高精度林下地形。2.根据权利要求1所述的基于非局部平均的TomoSAR林下地形反演方法，其特征在于，步骤S1中，所述对各所述SLC影像数据进行预处理，具体为：将各所述SLC影像数据，进行单视复数影像序列配准、去平地效应和相位补偿操作，所述相位补偿包括：去斜、去大气扰动和去轨道误差。3.根据权利要求1所述的基于非局部平均的TomoSAR林下地形反演方法，其特征在于，步骤S2具体为：S21：选取所述观测值数据集中的某一像素作为目标像素x0，所述目标像素x0位于搜索窗口W的中心坐标(m,n)处，计算所述目标像素x0的样本协方差矩阵和所有邻域像素x
i
的样本协方差矩阵其中i表示邻域像素的编号，0＜i＜T，T为搜索窗口W内的像素总数；S22：计算所述目标像素x0的匹配窗口P与邻域像素x
i
的匹配窗口的空间相似度f
s
(x0,x
i
)和辐射相似度f
r
(x0,x
i
)；S23：通过所述空间相似度f
s
(x0,x
i
)和所述辐射相似度f
r
(x0,x
i
)，计算获得所述邻域像素x
i
的权重计算公式为：S24：重复步骤S22到S23，获得所有邻域像素的权重，联合所有所述邻域像素的样本协方差矩阵及其权重进行加权计算，获得所述目标像素x0的最佳协方差矩阵，计算公式为S25：重复步骤S21到S24，获得各像素的最佳协方差矩阵。4.根据权利要求3所述的基于非局部平均的TomoSAR林下地形反演方法，其特征在于，步骤S21中，像素的样本协方差矩阵R的计算公式为：其中，L表示多视数，g(l)表示l处SLC影像HH极化通道观测值，H为共轭转置操作符。5.根据权利要求3所述的基于非局部平均的TomoSAR林下地形...
【专利技术属性】
技术研发人员：汪友军，彭星，龙诗琳，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。