π/4简缩极化干涉合成孔径雷达分解方法

    公开(公告)号:CN114594475B

    公开(公告)日:2025-02-11

    申请号:CN202210252369.6

    申请日:2022-03-15

    Abstract: 本发明公开了一种π/4简缩极化干涉合成孔径雷达分解方法,包括:获取极化干涉SAR图像数据,根据全极化SAR数据与简缩极化SAR数据间的转换关系,将全极化SAR数据转换为简缩极化SAR数据;计算极化干涉最优参数,确定体散射模型的优化因子;根据所述体散射模型优化因子对体散射模型进行优化;根据所述优化后的体散射模型推导体散射能量、表面散射能量和二面角散射能量的表达形式。本发明将简缩极化目标分解方法扩展至简缩极化干涉目标分解算法,改善了现有简缩极化干涉SAR分解方法较为稀缺的现状。与简缩极化目标分解算法相比,倾斜建筑物区域的体散射能量过估计问题得到明显的改善,分解结果与实际地物散射机制较为相符。

    π/4简缩极化合成孔径雷达建筑物区域提取方法

    公开(公告)号:CN114594476B

    公开(公告)日:2024-12-13

    申请号:CN202210252371.3

    申请日:2022-03-15

    Abstract: 本发明公开了一种π/4简缩极化合成孔径雷达建筑物区域提取方法,该方法利用简缩极化特征,合理地提取建筑物区域,为π/4简缩极化SAR建筑物提取方法提供了新思路。该方法包括:π/4简缩极化SAR图像数据预处理;获取预处理后的π/4简缩极化SAR图像,计算得到简缩极化特征;利用简缩极化特征,计算得到水体提取器、建筑物区域平行/垂直于雷达视线方向的正交建筑物区域提取器和建筑物区域与雷达视线方向存在大型倾斜角度的倾斜建筑物区域提取器;通过选取典型区域进行统计分析,得到水体提取器、正交建筑物提取器和倾斜建筑物区域提取器阈值,并将阈值用于提取建筑物区域,获取建筑物区域提取结果。

    融合CR和GNSS的InSAR滑坡形变时序监测方法和存储介质

    公开(公告)号:CN117761716A

    公开(公告)日:2024-03-26

    申请号:CN202311775084.1

    申请日:2023-12-21

    Abstract: 本发明公开了一种融合CR和GNSS的InSAR滑坡形变时序监测方法和存储介质。根据本发明的实施例,通过将至少一套CR和GNSS设备布设在滑坡的同一位置处,并将GNSS设备记录的地理坐标转换为SAR距离多普勒坐标,从而识别CR在SAR主影像上的位置,然后将GNSS设备观测值转换为雷达视线向观测值并确定时间基线阈值,进而根据时间基线阈值筛选确定既能够满足相干性、又能恢复出正确形变信息的差分干涉图,基于多幅差分干涉图进行干涉点目标分析得到相干点目标的形变速率和形变时间序列。因此,采用本发明能够将CR和GNSS定位、GNSS点上形变时序观测以及高分辨率InSAR提取面上形变信息进行无缝衔接,实现大变形滑坡形变演化过程分析。

    基于视觉大模型的滑坡自动识别方法、系统和计算机设备

    公开(公告)号:CN117671480A

    公开(公告)日:2024-03-08

    申请号:CN202311352030.4

    申请日:2023-10-18

    Abstract: 本发明公开了一种基于视觉大模型的滑坡自动识别方法、系统和计算机设备,涉及滑坡识别技术领域,方法包括:构建滑坡语义分割模型,对滑坡语义分割模型进行训练,得到训练好的滑坡语义分割模型;利用训练好的预设深度学习模型,得到待识别滑坡图像的滑坡目标的检测框,根据待识别滑坡图像的滑坡目标的检测框,得到待识别滑坡图像的滑坡语义提示信息;将待识别滑坡图像的滑坡语义提示信息输入训练好的滑坡语义分割模型,得到待识别滑坡图像的语义分割掩膜。本发明将遥感大数据与视觉大模型的优势相结合,有效改善了传统滑坡识别方法在空间泛化能力差、样本依赖性强等方面的问题。

    CTLR简缩极化干涉合成孔径雷达分解方法

    公开(公告)号:CN117034559A

    公开(公告)日:2023-11-10

    申请号:CN202310829775.9

    申请日:2023-07-07

    Abstract: 本发明公开了一种CTLR简缩极化干涉合成孔径雷达分解方法,包括:获取极化干涉SAR图像数据,根据全极化SAR数据与CTLR简缩极化SAR数据间的转换关系,将全极化SAR数据转换为CTLR模式简缩极化SAR数据;计算极化干涉最优参数,确定体散射模型的优化因子;根据体散射模型优化因子对体散射模型进行优化;根据优化后的体散射模型推导体散射能量、表面散射能量和二面角散射能量的表达形式。本发明将CTLR简缩极化目标分解方法扩展至CTLR简缩极化干涉目标分解算法,改善了现有CTLR简缩极化干涉SAR分解方法较为稀缺的现状。与CTLR简缩极化目标分解算法相比,该算法同时利用了图像干涉信息和极化信息,倾斜建筑物区域的体散射能量过估计问题得到明显的改善,分解结果与实际地物散射机制较为相符。

    π/4简缩极化合成孔径雷达建筑物区域提取方法

    公开(公告)号:CN114594476A

    公开(公告)日:2022-06-07

    申请号:CN202210252371.3

    申请日:2022-03-15

    Abstract: 本发明公开了一种π/4简缩极化合成孔径雷达建筑物区域提取方法,该方法利用简缩极化特征,合理地提取建筑物区域,为π/4简缩极化SAR建筑物提取方法提供了新思路。该方法包括:π/4简缩极化SAR图像数据预处理;获取预处理后的π/4简缩极化SAR图像,计算得到简缩极化特征;利用简缩极化特征,计算得到水体提取器、建筑物区域平行/垂直于雷达视线方向的正交建筑物区域提取器和建筑物区域与雷达视线方向存在大型倾斜角度的倾斜建筑物区域提取器;通过选取典型区域进行统计分析,得到水体提取器、正交建筑物提取器和倾斜建筑物区域提取器阈值,并将阈值用于提取建筑物区域,获取建筑物区域提取结果。

    地质灾害隐患变形强度分布图的生成方法和存储介质

    公开(公告)号:CN113192086B

    公开(公告)日:2022-01-28

    申请号:CN202110525324.7

    申请日:2021-05-11

    Abstract: 本发明公开了一种地质灾害隐患变形强度分布图的生成方法和存储介质。根据本发明的实施例,利用改进的Mask RCNN实例分割方法对年平均形变相位图进行学习,初步确定疑似滑坡隐患点的位置和边界,再根据水文分析法实现特定条件约束的斜坡单元划分与修正,在斜坡单元基础上,进一步优化处理最终确定斜坡隐患点InSAR显著形变区边界矢量图,将边界矢量图和雷达视线方向上的年平均形变速率栅格图进行空间叠加分析后,获得广域尺度下滑坡灾害隐患InSAR显著性形变区的变形强度分布图。因此,采用本发明能够基于初始形变相位图自动识别和确定全国范围的滑坡地质灾害隐患InSAR形变的变形强度和活动状态,快速掌握大范围活动性滑坡分布,进而有效规避灾害风险。

Patent Agency Ranking