多视处理对时序InSAR技术的影响研究

高分辨率的SAR影像虽然可以细致刻画目标细节信息,但会大幅度增加运算量。为降低数据冗余、减轻运算负担,对基于多视处理的时序InSAR技术进行了研究。以天津市西郊地面沉降监测为例,利用2009年9月30日—2010年10月9日间获取的18景条带模式Terra SAR-X影像,以不同的倍数进行多视处理,然后分别采用时序InSAR技术筛选相干点目标,并反演地表沉降信息,研究了多视处理对形变反演精度、相干点目标的密度与分布等方面的影响。结果表明:同单视结果相比,3×3、5×5与10×10倍多视后仍可以反映形变的整体分布,但会在某些区域出现较大偏差;多视处理对形变精度、PS点空间分布的影响与地物属性有关。不同的多视倍数对形变精度的影响不同,并且与地物类型有关。     

机载LiDAR检校场布设及检校技术探讨

随着LiDAR技术的运用领域日益广泛,决定其所获取的点云数据精度的检校技术研究也显得越来越重要。本文通过项目的具体试验数据,对LiDAR检校场布设及整个航迹解算和激光检校过程进行较为详尽的探讨。     

基于地形的LiDAR数据缺失区域填充方法研究

针对机载激光点云数据栅格化过程中出现的空白区域进行研究,在对邻近填充和最低点填充分析的基础上,提出基于地形的填充方法。对缺失数据边界进行一维形态学滤波得到其边界各点地形高,利用边界点构建不规则三角网进行地形内插填充。实验结果表明,地形填充法可适应不同原因造成的区域数据缺失,能够有效保证高程的连续性并可提高滤波精度。     

基于Otsu方法点云粗分类的渐进三角网滤波算法研究

针对传统渐进三角网滤波方法需要针对不同的地形条件频繁调整滤波参数,并且对低矮地物滤波效果较差等问题,结合图像分割中的Otsu方法,提出一种基于Otsu方法点云粗分类的渐进三角网滤波算法。在对原始点云数据粗分类的基础上,以点云类别属性引导滤波过程。实验结果表明,方法简单可行,可以有效地控制低矮点被误分类成地面点的可能性,提高滤波处理结果的准确性。     

基于参考DEM的机载InSAR定标方法

研究无人工靶标的干涉定标方法对促进机载InSAR技术在山区等复杂地形的测绘、制图等定量应用有重要的实用价值。本文提出一种新的基于参考DEM的干涉定标方法,在InSAR定标中用已知高程精度的参考DEM与待定标的InSAR系统生成的DEM进行比较,利用参考DEM模拟SAR图像,获得大量定标所需的控制点坐标来建立敏感度矩阵,并对敏感度方程的解算进行了改进,同时将干涉处理与定标过程相结合,改进了干涉处理过程,最后得到定标后的干涉参数并生成DEM,利用机载数据进行了实验验证,并分析了无人工靶标干涉定标实验结果的误差。     

基于Bayes决策的机载全极化SAR图像滑坡信息提取

将雷达遥感技术应用于滑坡灾害调查是地学应用的一个重要方向,特别是在多云多雨地区。由中国科学院电子学研究所研发的高效能机载SAR系统(high–performance airborne synthetic aperture Radar system,HASARS)具备X波段双基线干涉和P波段全极化观测的能力,是国内首家多频段多模式机载SAR系统。从多极化机载SAR数据的特征选择和信息提取等角度,评估了不同极化模式组合对滑坡信息提取精度的影响;并基于Bayes决策理论,提出了多极化SAR图像分类的特征选择方法。利用不同研究样区的特征选择结果提取了多个滑坡的范围,提取精度均在90%以上。HASARS的高空间分辨率及其获取的高精度DEM和P波段全极化观测,可以近实时、高精度地获取地表滑坡灾害专题信息,在滑坡等减灾救灾领域具有广阔的应用前景。     

地面沉降-回弹及地下水位波动的InSAR长时序监测——以德州市为例

过量开采地下水是诱发地面沉降的主要原因。以山东省德州地区季节性地面沉降-回弹为例,研究了利用相干目标(coherent target,CT)时序分析技术的地表形变InSAR监测技术。通过对该地区ENVISAT卫星ASAR数据的时序分析,获取了2004年1月—2010年10月近7 a间地面沉降场的时空演变过程。针对德州市地面变形表现出的季节性特征,综合地下水开采、水准监测和降水量等资料的分析结果表明:该地区地面沉降主要受地下水季节性开采以及年降水量变化的控制,形成了每年3—8月快速下降,9月—翌年2月逐步回弹的变化特征,因此认为该区地面沉降与地下水位变化密切相关。     

浙江省平地区域机载LiDAR数据处理及DEM制作实践

为了进行平地区域原基础测绘产品高程的更新,我省进行了针对平地区域的机载LiDAR测高项目,为了获取高精度的DSM和DEM成果,在实际生产中开展了机载LiDAR数据处理及DEM成果的制作方法研究。本文将利用TerraSolid软件,从LiDAR点云数据的高程精度控制、点云滤波分类要求和如何利用特征线进行无点云数据区域的DEM精度控制等关键技术方面进行研究。     

融合航空影像的机载激光扫描数据分类与特征提取

机载激光扫描测距技术（LIDAR）在快速数据采集、建模、分析和使用等方面得到广泛应用。然而,目前的激光扫描数据处理技术,尤其是点云数据后处理技术方面,仍然存在许多有待改进之处。本文从硬件系统和原始数据处理入手,研究了点云数据的数据预处理、点云数据分类、点云与影像匹配以及基于匹配结果的特征提取的理论与方法。本文的主要工作在于： 1,系统总结了当前主要的机载激光扫描系统测距原理和系统组成,并给出了自2008年以来,世界上的主要机载LIDAR系统的参数对比。 2,以Leica公司的ALS50系统为例,总结了使用该系统数据采集、数据内业处理的流程。同时,研制了一个自动化处理的软件用于原始数据的自动化处理,提高用户处理效率。 3,从GPS差分数据结果出发,总结了数据处理过程的三个重要模型：载体航迹线推算模型、点云定位计算模型以及机载激光扫描角度反算模型。并以IPAS和ALSPP软件输出结果为依据,进行了模型的计算和验证。 4,将在图像直方图分割领域的两种方法：全局迭代算法和最大类间方差算法引入点云数据的分类过程。针对点云数据一般具备多对象的特点,引入多阈值的直方图分割方法。大范围区域点云的高程直方图与小范围区域点云的直方图表现不一致,因此本文提出一种多子区的直方图分割方法,实现大范围点云分类。 5,将在模式识别和对象跟踪领域应用广泛的Mean Shift算法引入到点云数据分类过程中,总结提出了基于Mean Shift算法的点云数据分类方法。 6,提出一种新的分类方法：基于三维数学形态学的点云数据分类方法。在点云数据三维数字图像表达的基础上,扩展形态学膨胀和腐蚀运算的空间适用性,将二维的膨胀和腐蚀运算扩展到三维空间。对点云数据三维数字图像进行膨胀运算,然后通过聚类分析,得到连接成片的像素（点云片）,并以此为依据,分类点云数据。 7,总结了点云数据与航空影像进行两种匹配方法：粗匹配和三维数学微分纠正。并提出了一种拟合选取特征点方法用于粗匹配过程。 8,基于点云和影像的融合结果,扩展了Mean Shift算法的应用范围,尝试对多维异源点云数据进行目标分类。该方法可将光谱和回光强度信息一起参与Mean Shift算法的计算。 9,在目标分类的基础上,使用二维形态学方法对分类后的点云进行了分割处理和边缘特征提取。经过点云分割,可得到每个对象的点云以及对象的二维边缘特征。 10,基于点云与影像的融合结果,考虑LIDAR系统采用激光的特定光谱特性,提出基于融合结果的影像水体提取方法。通过由点云形成的不规则三角网对水体区域进行大致定位和提取,并采用Mean Shift算法对水体进行精化,得到精确的水体边缘。本文的创新点主要在于： 1,提出一种点云的扫描角度计算验证模型。基于航迹线数据和点云数据,该模型可以反算激光扫描角。 2,提出一种新的点云数据分类方法：基于三维数学形态学的点云分类方法。 3,提出一种融合点云的航空影像水体特征提取方法。     

推扫式相机和机载激光雷达同机航测飞行试验经验探讨

一、引言 随着新型航空传感器应用的逐步成熟和普遍,越来越多的测绘生产任务都开始采用DGPS/GNSS双星系统、高精度的IMU惯导系统,以及更加精密的陀螺稳定平台。