本公开涉及地基雷达自适应阈值永久散射体识别方法、装置及存储介质,对获取的时序SAR图像进行分组操作;利用幅度阈值法得到每组SAR图像的候选永久散射体点集合;基于候选永久散射体点集合中各个像素的相干系数生成相干系数序列,以通过聚类算法得到高相干永久散射体类;基于高相干永久散射体类中各个像素的振幅离差信息和相位稳定性信息,分别通过聚类算法得到对应的低振幅离差永久散射体类和高相位稳定性永久散射体类;基于低振幅离差永久散射体类和高相位稳定性永久散射体类识别出目标永久散射体点。通过本公开的各实施例,能够对PS点数量的稳定性大幅提高,实现了地基雷达自适应阈值PS点选择,为高精度形变反演奠定了良好的基础。了良好的基础。了良好的基础。
【技术实现步骤摘要】
地基雷达自适应阈值永久散射体识别方法、装置及存储介质
[0001]本公开涉及雷达干涉测量数据处理
,具体涉及一种地基雷达自适应阈值永久散射体识别方法、地基雷达自适应阈值永久散射体识别装置及计算机可读存储介质。
技术介绍
[0002]现有技术中永久散射体(Permanent Scatterers,PS)点选取方法往往需要设定固定的阈值来实现,这样容易造成PS点的错选和漏选。由于地基干涉合成孔径雷达(Ground
‑
based Interferometric Synthetic Aperture Radar,GB
‑
InSAR)在长时间观测过程中环境比较复杂,监测结果受到一定的影响,导致PS点会出现消失或者新生的现象。如果仅仅依靠固定阈值来进行PS点的选取,不能达到应对不同场景情况下的自适应性,可能会造成PS点不能及时的得到更新,导致在长时间观测过程中筛选出的PS点存在数量和质量的差异,这样会引入较大的形变反演误差,从而影响最终的形变反演结果。
技术实现思路
[0003]本公开意图提供一种地基雷达自适应阈值永久散射体识别方法、地基雷达自适应阈值永久散射体识别装置及计算机可读存储介质,能够对PS点数量的稳定性也有大幅提高,实现了地基雷达自适应阈值PS点选择,为高精度形变反演奠定了良好的基础。
[0004]根据本公开的方案之一,提供一种地基雷达自适应阈值永久散射体识别方法,包括:
[0005]对获取的时序SAR图像进行分组操作;
[0006]利用幅度阈值法得到每组SAR图像的候选永久散射体点集合;
[0007]基于候选永久散射体点集合中各个像素的相干系数生成相干系数序列,以通过聚类算法得到高相干永久散射体类;
[0008]基于高相干永久散射体类中各个像素的振幅离差信息和相位稳定性信息,分别通过聚类算法得到对应的低振幅离差永久散射体类和高相位稳定性永久散射体类;
[0009]基于低振幅离差永久散射体类和高相位稳定性永久散射体类识别出目标永久散射体点。
[0010]在一些实施例中,其中,所述对获取的时序SAR图像进行分组操作,包括:
[0011]响应于第N幅SAR图像生成,形成一组SAR图像进行永久散射体点选择处理;
[0012]响应于每新生成一幅SAR图像,与之前N
‑
1幅SAR图像结合形成新的分组进行永久散射体点选择处理;
[0013]其中:N为大于20的整数。
[0014]在一些实施例中,其中,所述利用幅度阈值法得到每组SAR图像的候选永久散射体点集合,包括:
[0015]对比一组N幅SAR图像中提取的各个像素点的幅度时间序列最小值,将幅度时间序列最小值大于幅度阈值的像素点作为候选永久散射体点。
[0016]在一些实施例中,其中,所述基于候选永久散射体点集合中各个像素的相干系数生成相干系数序列,以通过聚类算法得到高相干永久散射体类,包括:
[0017]根据组内每相邻两幅已配准的SAR图像候选永久散射体点集合中各个像素的相干系数生成相干系数序列;
[0018]将相干系数序列作为聚类算法的输入,从候选永久散射体点中聚类出高相干永久散射体类。
[0019]在一些实施例中,其中,得到低振幅离差永久散射体类的方式,包括:
[0020]利用组内时序SAR图像中每个像素振幅的标准差与均值的比值得到高相干永久散射体类中各个像素的振幅离差信息;
[0021]将高相干永久散射体类中各个像素的振幅离差信息作为聚类算法的输入,从高相干永久散射体类中聚类出低振幅离差永久散射体类。
[0022]在一些实施例中,其中,得到高相位稳定性永久散射体类的方式,包括:
[0023]对于一组N幅时序SAR图像,每相邻两景通过干涉处理生成N
‑
1幅干涉相位图,计算每个像素的时间相关性的相关值得到高相干永久散射体类中各个像素的相位稳定性信息;
[0024]将高相干永久散射体类中各个像素的相位稳定性信息作为聚类算法的输入,从高相干永久散射体类中聚类出高相位稳定性永久散射体类。
[0025]在一些实施例中,其中,所述基于低振幅离差永久散射体类和高相位稳定性永久散射体类识别出目标永久散射体点,包括:
[0026]将低振幅离差永久散射体类集合与高相位稳定性永久散射体类集合取交集,以交集中的永久散射体点作为识别出的目标永久散射体点。
[0027]在一些实施例中,其中,执行聚类算法的步骤采用高斯混合模型聚类算法。
[0028]根据本公开的方案之一,提供一种地基雷达自适应阈值永久散射体识别装置,
[0029]处理模块,其配置为对获取的时序SAR图像进行分组操作,利用幅度阈值法得到每组SAR图像的候选永久散射体点集合;
[0030]聚类模块,其配置为基于候选永久散射体点集合中各个像素的相干系数生成相干系数序列,以通过聚类算法得到高相干永久散射体类;基于高相干永久散射体类中各个像素的振幅离差信息和相位稳定性信息,分别通过聚类算法得到对应的低振幅离差永久散射体类和高相位稳定性永久散射体类;
[0031]识别模块,其配置为基于低振幅离差永久散射体类和高相位稳定性永久散射体类识别出目标永久散射体点。
[0032]根据本公开的方案之一,提供计算机可读存储介质,其上存储有计算机可执行指令,所述计算机可执行指令由处理器执行时,实现:
[0033]根据上述的地基雷达自适应阈值永久散射体识别方法。
[0034]本公开的各种实施例的地基雷达自适应阈值永久散射体识别方法、地基雷达自适应阈值永久散射体识别装置及计算机可读存储介质,对获取的时序SAR图像进行分组操作;利用幅度阈值法得到每组SAR图像的候选永久散射体点集合;基于候选永久散射体点集合中各个像素的相干系数生成相干系数序列,以通过聚类算法得到高相干永久散射体类;基于高相干永久散射体类中各个像素的振幅离差信息和相位稳定性信息,分别通过聚类算法得到对应的低振幅离差永久散射体类和高相位稳定性永久散射体类;基于低振幅离差永久
散射体类和高相位稳定性永久散射体类识别出目标永久散射体点。通过对获取的时序SAR图像进行分组,对每组SAR图像的PS点进行不断地更新,这样保证了PS点选择算法的实时性;然后利用振幅阈值法对每组SAR图像中各个像素进行粗选,得到候选永久散射体点集合;之后计算出候选永久散射体点集合中各个像素的相干系数序列作为聚类算法的输入,将候选永久散射体点集合划分为两类,分为高相干永久散射体类和低相干永久散射体类类,分别计算出高相干永久散射体类中各个像素的振幅离差信息和相位稳定性信息作为第二次和第三次聚类算法的输入,分别又将高相干永久散射体类各自分成两类,取低振幅离差永久散射体类集合和高相位稳定性永久散射体类集合的交集得到的高质量像素点作为目标永久散射体点。
[0035]应当理解,前面的大体描述以及后续的详细描述只是示例性的和说明性本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.地基雷达自适应阈值永久散射体识别方法,包括:对获取的时序SAR图像进行分组操作;利用幅度阈值法得到每组SAR图像的候选永久散射体点集合;基于候选永久散射体点集合中各个像素的相干系数生成相干系数序列,以通过聚类算法得到高相干永久散射体类;基于高相干永久散射体类中各个像素的振幅离差信息和相位稳定性信息,分别通过聚类算法得到对应的低振幅离差永久散射体类和高相位稳定性永久散射体类;基于低振幅离差永久散射体类和高相位稳定性永久散射体类识别出目标永久散射体点。2.根据权利要求1所述的方法,其中,所述对获取的时序SAR图像进行分组操作,包括:响应于第N幅SAR图像生成,形成一组SAR图像进行永久散射体点选择处理;响应于每新生成一幅SAR图像,与之前N
‑
1幅SAR图像结合形成新的分组进行永久散射体点选择处理;其中:N为大于20的整数。3.根据权利要求2所述的方法,其中,所述利用幅度阈值法得到每组SAR图像的候选永久散射体点集合,包括:对比一组N幅SAR图像中提取的各个像素点的幅度时间序列最小值,将幅度时间序列最小值大于幅度阈值的像素点作为候选永久散射体点。4.根据权利要求3所述的方法,其中,所述基于候选永久散射体点集合中各个像素的相干系数生成相干系数序列,以通过聚类算法得到高相干永久散射体类,包括:根据组内每相邻两幅已配准的SAR图像候选永久散射体点集合中各个像素的相干系数生成相干系数序列;将相干系数序列作为聚类算法的输入,从候选永久散射体点中聚类出高相干永久散射体类。5.根据权利要求4所述的方法,其中,得到低振幅离差永久散射体类的方式,包括:利用组内时序SAR图像中每个像素振幅的标准差与均值的比值得到高相干永久散射体类中各个像素的振幅离差信息;将高相干永久散射体类中...
【专利技术属性】
技术研发人员:黄平平,冯怀超,乞耀龙,谭维贤,徐伟,韩阔业,
申请(专利权)人:内蒙古工业大学,
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。