理论教育 融合方法:利用雷达干涉测量与光学影像相关法获取表面运动三维信息

融合方法:利用雷达干涉测量与光学影像相关法获取表面运动三维信息

时间:2023-06-18 理论教育 版权反馈
【摘要】:雷达干涉测量法用于分析两个不同图像之间的微分相位的过程,旨在估算两次采集期间发生的位移。图9-2数据融合工作流程为了实现这一目标,需要考虑单个目标散射的电磁波;发射信号所覆盖的距离为式中,λ是波长,φ是相位。冰川位于比GBSAR定位高1200m的位置,其特征是所研究区域的海拔变化显著。光学影像的图像相关法与地基雷达干涉测量具有一定的技术互补性,可以通过融合以获得表面运动的三维信息。

融合方法:利用雷达干涉测量与光学影像相关法获取表面运动三维信息

该方法由三个主要程序组成:

(1)雷达图像的干涉处理;

(2)摄影数据的图像互相关(ICC);

图9-1 研究区域

(3)测量结果数据融合。

该方法的工作流程如图9-2所示。

事实证明,地面雷达干涉测量是监测冰川的有效工具。在研究中,进行干涉测量处理以监测冰川沿视线方向的表面运动。雷达干涉测量法用于分析两个不同图像之间的微分相位的过程,旨在估算两次采集期间发生的位移。

图9-2 数据融合工作流程

为了实现这一目标,需要考虑单个目标散射的电磁波;发射信号所覆盖的距离为

式中,λ是波长,φ是相位。因此,两次采集之间发生的运动位移为

其中,2nπ属于相位周期内在模糊性(即相位缠绕)。实际上,在雷达保持在相同位置(零基线)的情况下,干涉相位由不同项的总和给出,即

式中,φd是与目标位移直接相关的相位,φa是由于大气条件的变化(通常称为大气相位屏幕,APS)改变了电磁波的光路,φs包括由散射特性的变化引起的热噪声和相变。因此,需要进行数据处理来确定不同数据的影响并正确估算φd

本实验对雷达照射的阴影区域的信号进行了区分,进而对平均时间相干性γ低于经验阈值(即γ<0.55)的点进行了移除处理(见图9-3)。在其他研究中,散射点的选择由基于标准驱动的幅度色散(DA)决定。冰的变质作用和积雪沉积导致目标的介电特性发生强烈变化,引起散射信号幅度的可变性,并产生实际不同的幅值。实际上,在冰川区域观察到的幅度色散显示的值在0.4至1之间(图9-3)。因此,基于幅度色散的标准选择阴影区域是不合适的。

图9-3 

本实验需要解决应用二维展开算法的相位模糊问题。这种算法在非连通区域之间引入了不同的相位偏移。因此,有必要手动识别主要紧凑区域,然后减去相应的相位偏移。该操作进一步减少了误差并显著提高了结果的准确性和精度。由于有些干涉图可能受噪声影响严重,进而引入由于噪声或残余相位缠绕引起的误差,因此,建立了依据平均空间相干性γ<0.65的经验阈值来识别要去除的干涉图。

冰川位于比GBSAR定位高1200m的位置,其特征是所研究区域的海拔变化显著。驱动电磁波的光程长度的大气变量可能显著变化,从而影响干涉相位的测量。干涉测量过程的结果在具有恒定距离分辨率(即0.43m)的雷达图上表示。相反,方位角分辨率与测距大小线性相关。(www.daowen.com)

实验中采用的处理方法包括五个主要步骤:

(1)手动图像选择;

(2)匀光处理;

(3)影像配准;

(4)像素偏移匹配;

(5)自动化异常值检测。

图9-4说明了影像自相关法的具体步骤。

图9-4 图像处理步骤

为减少实验误差,实验中最好使用均匀照明的图像。因此,实验选取了没有太阳直射、漫射照明居多的冰川表面图像,特别是下午5—7时拍摄的照片。这样能保证表面粗糙度引起的阴影变化对互相关计算的影响最小。

图9-4图像处理步骤如下:I.通过对含有主成分的场景光源进行分析,进一步使在不同的图像之间的照明条件更均匀,保证所有图像都是相关的;II.通过减少相机由于移动或光路变化造成的误差,得到一个共同的图像;III.将匹配算法应用于稳定表面(即基岩)的区域,并获得像素偏移在垂直和水平方向上的图像;IV.大多数核心配准绝对值偏差小于5个像素,仅在少数图像中水平偏移为10像素,然后通过滑动窗口来估算位移值;V.阴影、非最佳照明、图像散焦或形态表面变化等因素都可能导致实验结果出现偏差,通过插值对相关异常值进行改正。

光学影像的图像相关法与地基雷达干涉测量具有一定的技术互补性,可以通过融合以获得表面运动的三维信息。融合不同数据的必要条件是它们具有统一的坐标系。因此,参考轴必须是平行的,且数据的地图分辨率必须一致。当形变矢量从不同的方向获取时,坐标系必须进行几何变换以使坐标轴平行。由于不同系统测量的运动不是正交的,因此有必要对独立的分量进行处理以获得实际的3D运动矢量。通过在规则网格上应用空间插值可以实现,但是需要支持投影数据的数字高程模型。最后,对具有相同空间坐标的相应数据进行地理编码。

对于雷达数据的地理参考而言,需要在3D空间中正确地对雷达数据进行地理编码,当2D雷达坐标系和3D地理坐标系的轴起点重合且各轴平行时,才能应用上述方法。因此,当不满足该条件时,需要根据雷达视线和地理北方之间的角度来旋转地理坐标。在理想情况下,可以通过GPS测量雷达边缘的坐标来估计其夹角;通过估算未知变换参数(即旋转角度),表示其最大化光学和雷达视域之间的空间相关性;通过分析后向散射信号的幅度来评估雷达视域。以上是数据地理配准的内容。

最后一步是两种数据的融合处理。假设GBSAR获取的视线向一维的时序位移向量为,而地面光学影像获取垂直光轴平面的时序二维形变向量为,如果设置光学影像的摄影方向与GBSAR视线向平行,则表示这三个轴向相互正交,通过直接叠加就可以得到真实的时序三维形变向量:

上式R为转换至三维地形坐标系(ENU)的旋转矩阵。然而受光照与视场条件等影响,光学影像的摄影方向往往无法与GBSAR视线向完全平行(见图9-5),因此可以将地基SAR的时序位移向量进行几何旋转,即:

图9-5 地基SAR与地面光学影像间的坐标几何关系

再将其与地面光学影像获得的时序二维形变向量叠加,最终得到数据融合后的时空4D形变场为:

上式中旋转参数(Ψ,θ,φ)可由GBSAR与光学影像间公共点来解算。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈