基于自适应高程约束的TomoSAR三维成像

层析合成孔径雷达成像(TomoSAR)是2010年以来SAR成像领域尤其是城市三维成像的热门研究方向。但在TomoSAR三维重建中,相位缠绕会引起高程散射剖面的周期性谱峰,并导致散射体高程向位置的错误估计和三维成像结果中建筑点云的分层,即高程模糊。该文针对这一现象,提出一种自适应调整高程搜索范围的方法,以提升散射体高程估计的准确度,并改善高程模糊。该方法首先进行场景的高度预估计,然后根据高度预估计构建高程采样中心线性函数并计算搜索半径,从而确定并更新各像素的高程搜索范围,保留真实谱峰并隔离模糊峰值。机载和星载的实测数据实验表明所提方法明显改善了高程模糊和伪影问题,提高了三维点云的空间集中度和连续性。

城区地表形变差分TomoSAR监测方法

压缩感知技术(CS)的差分TomoSAR技术解决了中高分辨率SAR数据在城区出现的叠掩问题,实现了城区地表形变信息的重构,但是该方法仅利用了目标的稀疏特性并没有考虑目标的结构特性,对具有这两种特性的目标进行重构时其性能较差。针对这一问题,本文采用联合Khatri-Rao子空间和块压缩感知(KRS-BCS),提出了一种差分SAR层析成像方法。该方法依据目标的结构特性和重构观测矩阵具有的Khatri-Rao积性质,将稀疏结构目标的差分TomoSAR问题转化为Khatri-Rao子空间下的BCS问题,然后对目标进行块稀疏的l1/l2范数最优化求解,最后通过理论分析和仿真试验对分辨能力和重构估计性能进行了定性和定量评价,仿真结果表明本文所采用的KRS-BCS方法不仅保持了高分辨率的优点,而且有效地降低了虚假目标出现的概率,大幅度提高了散射点准确重构概率,切实可行地解决了CS方法的不足。应用实例研究中,利用34景Envisat卫星ASAR时间序列影像对日本千叶县茂原市城区进行地表形变监测,并以一等水准点和实时测量的GPS站点观测数据作为参考形变结果进行验证,试验结果表明采用KRS-BCS方法反演的结果与参考形变结果保持了良好的一致性且形变速率整体偏差也较小,实现了较高精度的城区地表形变估计。

非盲源KPCA剩余噪声比阈值层析SAR成像方法

合成孔径雷达(SAR)层析成像技术是基于干涉SAR测量技术发展而来的先进三维成像技术。层析SAR通过第三维反演技术将叠掩在同一距离-方位分辨单元的散射体进行分离而实现SAR的三维成像。因此,叠掩在同一距离-方位分辨单元的散射体分离是层析成像的关键。文中提出了一种非盲源散射体分离算法,结合核主成分分析和剩余噪声比阈值,估计同一距离-方位分辨单元内散射体的个数,并反演其位置。在满足完整度的同时,尽可能抑制噪声。该方法利用核主成分分析,人为增加核矩阵维度,从而减少系统的导向向量偏差;并且加入剩余成分中噪声强度比的计算作为算法的约束条件,从而降低了噪声信号误判的可能性。实验结果表明,所提方法在各个方面都优于传统的层析反演方法,并且高度重建精度得到一定程度的提高。

基于交替方向乘子法的Capon层析SAR成像方法

合成孔径雷达(Sythetic Aperture Radar,SAR)层析成像(TomoSAR)是一种多基线干涉测量技术,可沿垂直于视线(Perpendicular to the Line-Of-Sight,PLOS)方向估计功率谱图(Power Spectrum Pattern,PSP)即后向散射系数,从而实现三维成像。本文提出一种改进的波束形成优化算法,在双约束鲁棒Capon波束形成算法(Doubly Constrained Robust Capon Beamforming,DCRCB)的基础上,结合L1范数的约束函数,构建交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的代价函数,将DCRCB恢复的后向散射系数进行进一步稀疏优化,实现层析SAR的三维成像。ADMM算法以增广拉格朗日算法为基础,将较为复杂的全局求解问题转换为两个或多个更易求解的简单局部子问题。ADMM算法在迭代中,各子问题可分别完成稀疏重构和降噪运算,被分离的局部子问题代数式都较为简单,均能较容易地求出确定的解,且不必对其进行收敛运算与约束操作。因此,ADMM算法具有重建精度高的优势。本文采用2021年中国科学院空天信息创新研究院发布的山西运城地区的8通道机载阵列干涉SAR数据进行了实验验证,实验结果验证了算法的有效性。

层析合成孔径雷达成像航迹分布优化方法

层析合成孔径雷达成像(tomography synthetic aperture radar,TomoSAR)将合成孔径原理用于高程向,通过不同入射角的多幅二维合成孔径雷达图像对高程向反射功率进行重建,从而实现三维成像。TomoSAR中,航迹分布是影响高程向重建的重要因素。针对高程向分布稀疏的情形,压缩感知方法被用于TomoSAR。基于压缩感知的TomoSAR中高程向重建质量取决于观测矩阵的性质,而航迹分布与观测矩阵的重构性能紧密相关。利用一种基于相关系数的观测矩阵优化准则,对航迹分布进行参数优化,从而在航迹数目一定的情况下,实现高程向的优化重建。仿真和实验结果验证了该方法的有效性。

基于块压缩感知的SAR层析成像方法

基于压缩感知(Compressive Sensing,CS)的SAR层析成像方法(SAR Tomography,TomoSAR),虽然实现了对目标的3维重构,但对于具有结构特性的目标其重构性能较差。针对这一问题,该文提出了采用块压缩感知(Block Cornpressive Sensing,BCS)算法,该方法首先在CS方法基础上将具有结构特性的目标信号重构问题转化为BCS问题,然后根据目标结构特性与雷达参数的关系确定块的大小,最后对目标进行块稀疏的l_1/l_2范数最优化求解。相比基于CS的SAR层析成像方法,该方法更好地利用了目标的稀疏特性和结构特性,其重构精度更高、性能更优。仿真数据和Radarsat-2星载SAR实测数据的试验结果验证了该方法的有效性。

差分层析SAR技术研究现状分析

差分层析SAR是在层析SAR基础上发展起来的一种四维信息反演技术。它不仅实现了对雷达目标的三维分辨能力,同时可以获取目标的形变速率信息,可实现对目标方位-距离-高度-时间四维成像,这对实现城市基础设施动态形变监测、古建筑风险评估、重要工程安全监测等应用具有重要实际意义和价值。本文基于差分层析SAR成像原理,分析了成像处理过程中存在的问题,总结了差分层析SAR成像算法研究现状和特点;最后列举了差分层析SAR技术的主要应用领域,并对其技术发展趋势进行了展望。

合成孔径雷达三维成像中的视觉语义浅析

"合成孔径雷达微波视觉三维成像",从概念上说,旨在将"视觉语义"引入到合成孔径雷达的成像模型中,以期提高三维成像的质量。对层析合成孔径雷达(TomoSAR)来说,"视觉语义"的引入可望有效减少TomoSAR所需的观测次数。然而,什么是"视觉语义"?从视觉感知的途径看,"单眼"和"双眼"均可以从场景感知三维结构信息;从场景内容看,不同的人对同一幅图像会有不同感受;从视觉神经加工机理看,三维信息加工和二维信息加工也存在一些本质差异。另外,人类视觉感知普遍存在错觉(illusion)现象。那么,到底什么类型的"视觉语义信息"可望在计算的层次上有助于微波三维成像呢?如何借鉴计算机视觉的理论和方法来提取微波三维成像中有用的"视觉语义"信息呢?该文对这些问题进行了一些初步探讨。

基于快速阈值迭代的SAR层析成像处理方法

合成孔径雷达层析成像(synthetic aperture radar tomography,TomoSAR)是将合成孔径原理应用到高程向进行三维成像,相比于传统的二维成像,增加了高程向的信息。传统谱估计方法可用于SAR层析成像,但其高程向分辨率较低。对于高程向分布稀疏的场景,压缩感知(compressive sensing,CS)方法可以用于高程向重建,且具有超分辨能力。阈值迭代算法(iterative shrinkage-thresholding,IST)可用于SAR层析成像,但其收敛速度比较慢。介绍了一种快速阈值迭代算法(fast iterative shrinkage-thresholding,FIST)用于SAR层析成像,该方法不仅保持了IST算法计算的准确性,而且具有较快的收敛速度。本文通过仿真实验说明FIST算法在多散射体分辨、单散射体位置估计等方面的特性,并利用TerraSAR-X北京地区实际数据进行SAR层析成像,分析成像效果。研究结果表明FIST算法在多散射体分辨、单散射体位置估计方面优势明显,其应用于SAR层析成像具有较好的成像效果。

基于幅相不一致准则的建筑物SAR层析成像

传统的谱分析和压缩感知(CS)等层析合成孔径雷达(TomoSAR)成像技术由于解斜处理需要估计得到精确的垂直雷达视线(PLOS)方向的垂直有效基线。为了避免此操作该文采用沿PLOS向进行搜索的空域波束形成(BF)方法进行层析聚焦。由于高分辨率SAR图像中城区建筑物结构复杂,不同航过SAR图像间存在观测视角差异,并且存在相干斑噪声影响,SAR图像中的所有同源点不能在相同的像素点同时进行精确地配准。为了从幅度和相位两个方面找出BF聚焦时最相关的像素点,提出了一种联合参考像素窗口中邻域像素点的幅度和相位来提取目标像素点的不一致性准则。根据不一致性准则的最小化提取出相应的同名像素点,以实现对层析成像的精确聚焦。利用仿真数据和高分辨X波段重复航过机载SAR系统录取的实测数据进行实验。实验结果中,利用传统方法聚焦得到的散射轮廓峰值位置在15.63 m而该文所提方法得到峰值位置在16.88 m,峰值位置更加接近建筑实际高度18 m。表明该方法能有效提高散射体在PLOS方向的聚焦能量,并精确提取建筑物的3维轮廓。

基于扰动的结合Off-grid目标的层析SAR三维成像方法

层析合成孔径雷达(TomoSAR)通过组合在不同高度上获取的多基线二维SAR数据,实现合成孔径雷达的三维成像。TomoSAR的求解本质是一维谱估计问题,基于压缩感知的方法可以在非均匀分布的少量基线观测下实现求解,逐渐成为了主流的成像方式。在经典的压缩感知算法流程中,需要将连续的高程向划分成固定的网格,并且假定目标正好位于所划分的网格上。然而该假设通常难以成立,从而引起"基失配"问题,目前该问题在TomoSAR中很少被讨论。该文首先讨论了目标不在网格(Off-grid)上的TomoSAR观测模型,提出了采用加性扰动项来修正目标偏离网格所带来影响的求解模型。在此基础之上,引入局部优化算法与L;范数最小化结合的方法,求解所提出的Off-grid TomoSAR模型。最后,利用仿真数据和机载阵列干涉SAR实际飞行数据进行了验证,结果表明,对于Off-grid目标,该方法能够得到比基于L;范数最小化的经典方法更准确的位置、幅度和相位求解结果,证明了方法的优越性。

层析SAR技术研究进展

合成孔径雷达(Synthetic Aperture Radar,SAR)通过将三维场景投影到距离-方位平面获取场景二维成像信息,但由此导致的叠掩问题影响图像解译。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)利用同一场景的多次航过数据在高程向合成孔径,获取目标三维成像结果,能够从根本上解决叠掩问题。本文从层析SAR信号模型出发,描述了不同维度下的层析SAR成像算法,系统地总结了应用于层析SAR研究的各机载和星载系统,阐述了层析SAR在城区、森林和冰川等场景下的应用,对于城区建筑物信息提取、森林参数信息提取和冰川结构参数提取中面临的主要问题和现有解决策略进行了详细的分析。最后,总结本文内容并展望层析SAR技术的发展前景。

基于高分三号SAR数据的城市建筑高分辨率高维成像

传统合成孔径雷达(SAR)只能获取方位-距离二维图像,无法准确反映目标的三维散射结构信息。层析合成孔径雷达(TomoSAR)是一种多基线干涉测量模式,它将合成孔径原理扩展至高程向,除了可对目标进行二维成像之外,还可以准确恢复目标的高度向散射信息,真正实现三维成像。差分层析合成孔径雷达(DTomoSAR)将合成孔径原理延伸至高程和时间方向,不仅可以获得目标的三维散射结构,还可以高精度获取观测目标的形变速率,实现对目标形变的有效监测。高分三号是我国首颗1 m分辨率C频段多极化SAR卫星。它具有高分辨率、大成像幅宽、多成像模式等特点,对我国高分对地观测技术的发展具有重要意义。目前高分三号数据主要应用于目标识别等图像处理领域,没有充分利用SAR图像的相位信息。而且,由于设计之初未考虑后续高维成像应用,现有高分三号获取的SAR图像存在有一定的空间、时间去相干问题,对应用于后续干涉系列处理产生了一定影响。为解决上述问题,该文基于7景高分三号SAR复图像,开展了对北京雁栖湖周围建筑的三维、四维层析成像研究,在获取了建筑物三维散射结构信息的同时,实现了对建筑物形变的毫米级高精度监测。该初步实验结果证明了高分三号SAR数据的应用潜力,为后续进一步扩展高分三号SAR卫星在城市感知与监测中的应用提供了技术支撑。

若干层析SAR成像方法在解叠掩性能上的对比分析

层析技术因具有解译城区SAR影像上复杂叠掩场景的能力而备受关注。层析成像包含两个部分:估计散射体在高程向的分布和确定散射体在混叠像元内的真实数目。该文以中科院空天院峨眉数据的机载阵列干涉系统参数为基础,选取了若干代表性的方法,包括OMP,SLIM和MUSIC等层析谱估计方法以及BIC和GLRT等模型定阶方法,进行了模拟叠掩目标的层析反演实验,使用了克拉默-拉奥界和重建成功率来评估实验结果。实验表明:在机载阵列数很有限的条件下,(1)使用2阶统计量反演的高程估计量的方差比单个观测矢量反演结果的方差更小;(2)叠掩散射体间的幅度比、相位差和散射间距会影响层析算法解叠掩的成功率;(3)叠掩散射体间的相位差会使层析算法的高程估计发生偏差。

SAR对地观测技术及应用新进展

自1960年4月诞生国际上第一部合成孔径雷达(SAR)以来,SAR技术及应用发展已进入一个新的阶段.在该阶段,对电磁波的波段、极化、振幅和相位等信息的利用更加深入和综合,其显著的技术特征为双/多站或星座观测、极化干涉测量、高时序高分宽幅测绘、三维/四维结构信息获取和超高分辨率观测,其显著的应用特征为面向全球性重大问题如全球变化和全球可持续发展实现地球表面动态过程高精细、大尺度和时间连续的监测和评估.本文首先介绍了SAR对地观测技术的研究背景及意义,然后就四种典型的先进SAR即极化SAR、极化干涉SAR、层析SAR和超高分辨率SAR论述了其近十年来的研究进展,最后,展望了未来这些先进SAR对地观测技术的发展趋势,并重点探讨了在多通道信息获取、多角度观测、高时相观测、分辨率和测绘幅宽提升等方面的发展趋势.

InSAR林下地形测绘方法:理论、进展、挑战与前景

近几十年来,森林覆盖区林下地形的重要意义与应用已得到广泛认可,许多学者对此开展了大量高精度林下地形绘图的研究。然而,森林场景的高时空动态性使得传统的测量技术难以重建精确的林下地形。微波遥感为林下地形测绘带来了契机,其能在有限的时间内大范围提取、重建林下地形,其中包括合成孔径雷达干涉测量(InSAR),极化合成孔径雷达干涉测量(PolInSAR)和层析SAR(TomoSAR)。本文首先介绍了基于InSAR生成数字高程模型(DEM)的主要原理以及森林区域SAR数据的获取。随后,综合分析了基于InSAR,PolInSAR和TomoSAR的林下地形提取方法,并讨论其相关的应用及反演性能。最后,重点介绍了未来高精度林下地形测绘所面临的四个方面的挑战,包括SAR数据采集,误差补偿和校正,散射模型重建与解译以及多源数据融合的解决方案与策略。

多基线层析SAR系统基线设计研究

随着SAR三维成像技术的不断发展,多基线层析SAR在很多领域发挥着重要的作用。为了解决多基线层析SAR三维成像时的基线设计难题,研究了多基线层析SAR的层析向分辨率、竖直向基线总长度、无模糊目标最大高度。推导了竖直向基线总长度的表达式,最大无模糊高度和分辨率、基线数的关系式。并结合SAR系统,计算了三维成像时基线间距离、竖直向基线总长度、无模糊目标最大高度。结果表明,在频率、飞行高度、高程分辨率确定情况下,当入射角为45°时,竖直向基线总长度最小;竖直方向上目标的最大无模糊高度和入射角、基线间隔数、高程分辨率有关,若要获得较大的目标最大无模糊高度,则需增加基线数、降低高程分辨率、增大入射角。

互质层析SAR最少航过数量估计方法

在层析SAR技术的实际应用中,航过数量通常受高昂成本等因素的限制。互质层析SAR技术通过稀疏分布航过位置、延长基线孔径长度,可以降低所需的航过数量。当采用子空间方法开展互质层析SAR重构处理时,为了获得可靠的层析图,研究最少航过数量估计问题。考虑到子空间方法的重构性能受多个参数的影响,因此航过数量的选择必须综合考虑所有相关参数对重构结果的影响。为此,通过样本特征值分析方式建立子空间方法的可靠性保证条件。根据这个可靠性保证条件,提出了一种估计最少航过数量的方法。与传统的最少航过数量估计方法相比,所提方法的优势在于:同时考虑所有的相关参数,且具有解析的数学描述式。最后,仿真实验证实由所提方法估算的航过数量确实接近最小,且能够保证重构结果可靠。

多极化层析SAR植被高度反演基线融合方法

植被高度反演属于森林定量遥感,在森林测绘、资源评估和生态监测等领域发挥着重要作用.本文基于多极化层析SAR数据进行基线融合植被高度反演,将森林散射相干模型推广到高维空间,通过复数域到幅度–相位域的转化降低模型非线性度,并提出了基于相干分布方差的广义幅相距离,进而发展了多基线联合参数反演方法.本文通过实测P波段极化层析SAR数据对所提方法进行了验证,同时将其与单基线反演法、基线选择法和欧式距离融合法进行了对比分析.实验结果表明,本文所提方法的反演结果与激光雷达获取的高度图相比,相关性更强,均方根误差更低,显著提高了植被高度反演的精度和稳定性.

InSAR林下地形测绘方法与研究进展

传统光学遥感技术手段在森林覆盖区难以准确获取林下地形,原因在于其只能测量森林冠层顶部高程。微波信号能够穿透森林冠层并记录森林垂直结构信息,为解决林下地形测绘难题带来了契机,如何准确获取林下地形已成为微波遥感领域的研究热点。首先介绍了面向林下地形测绘的合成孔径雷达(syntheticaperture radar,SAR)干涉测高原理及数据获取手段。然后对利用SAR进行林下地形测绘的方法进行了分类,主要包括基于合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)、极化合成孔径雷达干涉测量(polarimetric InSAR,PolInSAR)及基于多基线InSAR/PolInSAR数据的层析SAR(tomographicSAR,TomoSAR)技术的林下地形测绘方法,并介绍了上述3种方法的应用进展。最后在此基础上,从数据获取、误差改正及散射模型构建3个角度分析了林下地形测绘所面临的问题。