-
公开(公告)号：CN113341410B
公开(公告)日：2022-11-04
申请号：CN202010771942.5
申请日：2020-08-04
Applicant: 中南大学
IPC: G01S13/90
Abstract: 本发明公开了一种大范围林下地形估计方法、装置、设备及介质，其方法为：步骤1，获取TanDEM‑X双站SLC数据进行处理得到干涉相位和相干幅度；步骤2，使用外部DEM数据计算地形残差，并对外部DEM数据进行补偿，得到TanDEM‑X双站干涉条件下的高精度的InSAR DEM；步骤3，根据干涉幅度计算森林研究区域全场景的穿透深度d，然后利用引入的稀疏分布的先验点森林高度信息，拟合有关于穿透深度与森林高度之间的线性关系，从而计算研究区域全场景的森林高度以及散射相位中心高度；步骤4，从步骤2得到的TanDEM‑X双站的InSAR DEM中扣除步骤3得到的散射相位中心高度，即实现大范围林下地形重建。
-
公开(公告)号：CN108761397B
公开(公告)日：2022-05-27
申请号：CN201810536823.4
申请日：2018-05-30
Applicant: 中南大学
IPC: G01S7/02
Abstract: 本发明公开了一种基于电磁散射模拟的极化SAR模型分解评价方法，步骤S1：设置地表电磁几何参数、飞机飞行参数和雷达卫星位置参数，并采用经典正演模型计算目标场景的地表真实β值；步骤S2：利用待评价极化SAR模型分解方法，对目标场景的极化SAR模拟数据进行处理，反演得到反演β值；步骤S3：计算反演β值与地表真实β值的均方根误差，以均方根误差越小，分解方法的效果越好为原则，对待评价极化SAR模型分解方法进行评价。本发明方案将电磁散射模拟理论与极化SAR模型分解理论进行有机结合，从电磁波模拟的角度和模型分解的角度对分解算法进行评价，该方法公平、公正，可为不同的应用场景选择相应较优的模型分解方法提供参考。
-
公开(公告)号：CN112797886B
公开(公告)日：2022-04-22
申请号：CN202110111179.8
申请日：2021-01-27
Applicant: 中南大学
Abstract: 本发明属于干涉合成孔径雷达技术领域，具体涉及面向缠绕相位的InSAR时序三维形变监测方法。包括：收集多轨道时序SAR影像，并获取干涉对数据集和时序高相干点数据集，并构建狄洛尼三角网，基于地表应力应变模型建立多轨道时序InSAR缠绕相位与时序三维地表形变梯度之间的函数关系；采用迭代加权最小二乘方法求解时序三维地表形变梯度，得到目标弧段时序三维地表形变，通过空间积分获得每个高相干点上的时序三维地表形变，该方法避免了地表形变求解过程中干涉图解缠步骤，并降低了粗差及误差较大的观测值对未知参数解算的影响，InSAR三维地表形变监测过程高效、准确。
-
公开(公告)号：CN112816983A
公开(公告)日：2021-05-18
申请号：CN202110012357.1
申请日：2021-01-06
Applicant: 中南大学
IPC: G01S13/90
Abstract: 本发明提供了基于优化干涉图集的时序InSAR湍流大气延迟校正方法，包括以下步骤：步骤1：优化选择获取M1幅高质量的干涉对；步骤2：进一步优化选择获取短时间基线的M2幅高质量的干涉对；步骤3：利用M2幅高质量的干涉对获取N景SAR影像的相对湍流大气；步骤4：结合获取的N景SAR影像的相对湍流大气和选择的M1幅高质量干涉图对应的构网方式获取M1幅高质量的干涉图对应的差分湍流大气，从而完成时序InSAR湍流大气延迟相位的校正；为了充分利用干涉图中湍流大气相位的物理特性发掘一种方便获取的、不受外部条件限制的、通用的时序InSAR湍流大气校正方法，提高时序InSAR技术的形变监测精度。
-
公开(公告)号：CN112797886A
公开(公告)日：2021-05-14
申请号：CN202110111179.8
申请日：2021-01-27
Applicant: 中南大学
Abstract: 本发明属于干涉合成孔径雷达技术领域，具体涉及面向缠绕相位的InSAR时序三维形变监测方法。包括：收集多轨道时序SAR影像，并获取干涉对数据集和时序高相干点数据集，并构建狄洛尼三角网，基于地表应力应变模型建立多轨道时序InSAR缠绕相位与时序三维地表形变梯度之间的函数关系；采用迭代加权最小二乘方法求解时序三维地表形变梯度，得到目标弧段时序三维地表形变，通过空间积分获得每个高相干点上的时序三维地表形变，该方法避免了地表形变求解过程中干涉图解缠步骤，并降低了粗差及误差较大的观测值对未知参数解算的影响，InSAR三维地表形变监测过程高效、准确。
-
Patent Agency Ranking
公开(公告)号：CN110058237B
公开(公告)日：2020-10-09
申请号：CN201910427521.8
申请日：2019-05-22
Applicant: 中南大学
Abstract: 本发明提供了一种面向高分辨率SAR影像的InSAR点云融合及三维形变监测方法，包括：选择合适的时序DS‑InSAR技术分别对每个平台的多时域数据根据时空基线进行干涉对组合和单视干涉处理，引入外部DEM数据来削弱区域地形引起的密集条纹，对得到的差分干涉图进行nonLocal滤波和相干性重估计，得到最佳的参数估计值；利用地形残差估计值纠正每个分布式散射体的编码高程值，获取所有DS的三维大地坐标，利用ICP技术对多个平台DS点云进行精确配准融合。本发明通过对多源SAR数据进行精确融合，减少了参数估计过程的观测值误匹配率，提高了监测的精度和准确性，结合少量地面控制点，可以获得研究区三维立体增强信息。
-
公开(公告)号：CN111650587A
公开(公告)日：2020-09-11
申请号：CN202010589927.9
申请日：2020-06-24
Applicant: 中南大学
Abstract: 本发明公开了一种顾及移动规律的矿区地表三维动态形变估计方法、装置及存储介质，获得待监测矿区地表沿雷达视线向的多时相形变监测值；将多时相一维雷达视线向形变转换为垂直沉降；利用一种新型矿区地表动态沉降模型和与其对应的参数估计智能算法对多时相垂直沉降进行拟合解算，得到矿区地表各点对应的动态沉降模型参数值，既而得到矿区地表动态沉降；基于矿区地表水平移动与对应方向的沉降梯度之间的线性比例关系函数模型和解算得到的矿区地表动态沉降，对矿区地表动态二维水平位移建模并求解。所提出的矿区地表动态三维形变模型，不仅能够对矿区地下单工作面开采导致的地表形变进行准确预计，而且对于多工作面重复采动导致的地表形变同样具有良好的拟合效果。
-
公开(公告)号：CN111273293A
公开(公告)日：2020-06-12
申请号：CN202010139778.6
申请日：2020-03-03
Applicant: 中南大学
Abstract: 本发明公开了一种顾及地形起伏的InSAR残余运动误差估计方法及装置，其中方法包括：获取多景SAR影像并进行预处理，计算包含InSAR残余运动误差的地形相位；利用外部DEM数据计算模拟地形相位；将包含InSAR残余运动误差的地形相位与模拟地形相位求差，并对差值进行相位解缠处理，再将解缠差分干涉相位作为观测值；构建有关于InSAR干涉几何参数、DEM误差以及基线误差分量的差分干涉相位参数化模型；针对每个从影像的每一距离行像素，均将差分干涉相位的观测值与差分干涉相位参数化模型进行匹配构建等式，得到观测方程；解算多基线观测方程组中的DEM误差和基线误差分量。本发明能准确地估计残余运动误差。
-
公开(公告)号：CN109738895A
公开(公告)日：2019-05-10
申请号：CN201910098827.3
申请日：2019-01-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于二阶傅里叶-勒让德多项式的植被高度反演模型的构建与反演方法，其中构建方法为：首先获取关于植被覆盖层垂直结构的SAR影像，进行极化干涉处理并生成极化复相干系数γ(ω)；然后将SAR影像所对应的植被覆盖层垂直结构表述为二阶傅里叶-勒让德多项式；最终将极化复相干系数γ(ω)作为观测值，基于傅里叶-勒让德系数a00,a10,a20、植被高度hv和地表高程hg，建立基于二阶傅里叶-勒让德多项式的植被高度反演模型。本方案的植被高度反演模型，将植被高度、地表高程、用来表述植被覆盖层垂直结构的傅里叶-勒让德系数有机结合到同一个函数方程中以作为模型参数并建立植被高度反演模型，其建模过程简单明了，易于实现。
-
公开(公告)号：CN109166084A
公开(公告)日：2019-01-08
申请号：CN201811058051.4
申请日：2018-09-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于邻近点梯度关系的SAR几何畸变定量模拟的方法。首先获取DEM的地形参数如坡度角、坡向角、高程，然后计算出SAR数据每个点的入射角和方位角，进而建立DEM与几何畸变的函数关系，用于求取几何畸变主动区域结果，随后建立几何畸变主动区与被动区间的邻近点梯度关系，获得几何畸变的被动区域结果，最后根据叠掩、阴影与透视收缩这三种几何畸变的空间关系，校正几何畸变区域范围大小。本发明不仅对SAR数据的配置优化和精度评估，推动InSAR滑坡监测技术的工程化和市场化，并且提高了现有SAR数据的利用率，对未来SAR硬件和平台的设计和参数选择，也具有重要的科学价值和指导意义。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.091 seconds)
