一种基于高分辨率SAR图像相干性的高铁干线提取方法与流程

本发明涉及一种基于高分辨率SAR图像相干性的高铁干线提取方法，属于遥感技术应用领域。

背景技术：

合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时、全天候的工作能力，在地物识别提取方面，是对传统光学传感器很好的补充。合成孔径雷达干涉测量(Interferometric SAR，InSAR)是近年来发展比较成熟的遥感技术，在大地精准测量方面具有明显的优势。目前InSAR数据获取较为方便，不同波段、不同分辨率的SAR数据存档丰富，InSAR技术在高铁干线沉降形变监测方面的应用会越来越广泛，测量精度也会越来越高。InSAR技术基本原理是利用覆盖同一个地区的两景或两景以上SAR图像,利用包含在SAR图像中的相位信息提取出雷达天线到地表之间的距离,进行干涉处理,结合卫星轨道参数可获得地表的数字高程模型,也可获得地表的形变量(可以达到厘米到毫米级精度)。在测量高铁干线沉降形变之前，利用高分辨率SAR图像数据提取高铁干线在监测重大交通干线运营安全方面具有重要意义。与传统提取方法不同的是利用InSAR相干图提取高铁干线，针对性强，效率高，准确。目前遗传算法、边缘检测和霍夫变换等算法用来提取线性目标非常合适。遗传算法能够计算出比较合理的二值化阈值，并且利用边缘检测以及霍夫变换在高铁线性目标识别提取方面效果明显。

技术实现要素：

本发明要解决的技术问题是：克服现有技术手段的缺点，提出一种基于高分辨率SAR图像相干性的高铁干线提取方法，能够自动快速地从高分辨率InSAR数据中识别出高铁干线目标，进一步通过遗传算法处理，边缘检测和霍夫变换能够很快提取得到高铁干线。

为了解决上述技术问题，本发明提出的技术方案是：一种基于高分辨率SAR图像相干性的高铁干线提取方法，包括以下步骤：

第一步、将两景原始影像数据转换为单视复图像，并获得两景原始影像的强度图；

第二步、对两景单视复图像进行配准；

第三步、对两景单视复图像进行干涉处理，两景单视复数图像同名像元进行复共轭相乘，得到干涉相位图；

第四步、结合强度图和干涉相位图，利用相干性函数计算两景单视复图像的相干系数，得到相干图；

第五步、从相干图中提取线状地物，获得高铁干线提取结果。

本发明“一种基于高分辨率SAR图像相干性的高铁干线提取方法”，还具有如下改进：

1、所述第一步中，选择高分辨率X波段SAR数据为原始影像数据，单视复图像的像元用复数表示：A＝u(n,m)e^iφ(n,m)，其中A表示复数像元，u(n,m)表示第n行第m列像元的幅度值，φ(n,m)表示第n行第m列像元的相位值。

2、所述第二步中，采用幅度互相关函数进行特征匹配来获取配准函数的参数，然后将辅影像重采样到主影像空间。

3、所述第二步中，采用迭代计算优化配准函数的参数，达到配准精度要求，所述配准精度要求为1/8个像元。

4、所述第四步中，选择N×M窗口大小近似估算两景影像像元之间的相干系数相干系数计算公式如下：其中为相干系数，和分别表示主辅影像中第n行第m列的复数像元，*表示复共轭相乘。

5、所述第五步中，从相干图提取线状地物的方法是：

a、依据二值化阈值对相干图进行二值化处理；

b、对二值化处理后的相干图进行边缘检测；

c、对边缘检测后的相干图进行霍夫变换处理，提取高铁干线。

6、步骤a中，所述二值化阈值通过遗传算法对相干图进行计算获得。

本发明利用高分辨率SAR图像相干性以及线状目标检测算法，实现了高铁干线自动化提取，大大提高了高铁干线提取效率和精度；传统方法只是单纯从灰度影像或者SAR强度图中提取线状目标，容易受周边地物的影响，提取难度大，效果不明显，本发明所述方法则更有针对性，排除了低相干目标，保留高铁干线的高相干目标，更加突出了高铁干线的条带特性。

本发明涉及到的SAR数据覆盖范围太大，为了方便试验说明，针对原始SAR图像进行了范围裁剪，选择了1500*1000的试验区域，对裁剪后的图像进行干涉处理、相干性计算。

本发明在对相干图进行二值化之前，利用遗传算法计算出最佳的二值化阈值，这可以使得二值化的效果更好，更合理。遗传算法成熟，计算方便，能够很好地辅助后面的操作。另外在进行线状目标提取时，采用传统边缘检测和霍夫变换算法方便合理，执行简单，提取速度快捷。

综上所述，本发明方法的执行步骤简单易行，利用高铁在InSAR图像中的高相干特性，利用成熟的线状地物识别算法提取高铁干线，能够方便准确地识别高铁干线目标，加快了高铁干线的提取速度。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明基于高分辨率SAR图像相干性的高铁干线提取方法流程图。

图2是主影像SLC数据，获取日期为20120324。

图3是辅影像SLC数据，获取日期为20120425。

图4是两景SLC图像做干涉得到的干涉图。

图5是经过相干系数计算后得到的相干图。

图6是经过二值化处理后得到的结果。

图7是经过边缘检测后得到的结果。

图8是经过霍夫变换处理后得到的结果。

具体实施方式

下面根据附图详细阐述本发明，使本发明的目的和效果变得更加明显。

目前利用高铁干线强相干性从InSAR数据中提取高铁线状目标的方法很少，因此本发明的实例采用的数据选择了两景X波段(波长为3.1cm)COSMO-SkyMed高分辨率的SAR影像，两景影像的获取日期分别为2012年3年24日和2012年4月25日，时间间隔为32天，影像分辨率为3m，高分辨率影像具有很好的高铁干线细节特征。另外，在时间基线很长的情况下，高铁目标依然能够保持很好的相干性和明显的条带特征。为了更完整且更清晰地描述本发明的实施方式，下文仍将逐步做详细说明。

图1所示，为本发明实施例“一种基于高分辨率SAR图像相干性的高铁干线提取方法”的流程图，具体包括如下步骤：

第一步、挑选了两景原始COSMO-SkyMed SAR影像数据，利用GAMMA软件将H5格式的数据转为单视复图像(Single Look Complex，SLC)，命名为20120324和20120425，影像大小均为19962*19236，为短整型的复数影像，距离向像元间距为0.92m，方位向像元间距为2.2m。单视复图像的像元用复数表示：A＝u(n,m)e^iφ(n,m)，其中A表示复数像元，u(n,m)表示第n行第m列像元的幅度值，φ(n,m)表示第n行第m列像元的相位值。

第二步、对两景单视复图像进行精确互配准。采用幅度互相关函数进行配准，利用GAMMA软件的offset_pwr进行多项式的偏移估计，逐步调整配准函数的参数，使得距离向和方位向偏移误差小于0.125。为了减少人为干预，提高配准效率，这一步采用GAMMA软件SLC_resamp_all批处理配准的方法。最后的配准结果较为理想，距离向配准精度达到0.0289，方位向达到0.0242。这样能够保证较好的干涉质量。配准完成之后需要对辅影像20120425进行重采样，保证同名像元同一位置。由于影像太大，裁剪研究区可以提高试验效率，这一步利用GAMMA软件的SLC_copy_all程序对配准后的两景单视复图像进行裁剪，裁剪出1500*1000大小的单视复图像(图2和图3所示)，至此整个数据准备工作已经完成，可供后续步骤使用。

第三步、两景单视复图像进行干涉处理，两景单视复图像同名像元进行复共轭相乘，得到干涉相位图。这一步是利用GAMMA软件里SLC_intf函数将裁剪后的两景SLC图像进行复共轭相乘，得到1500*1000大小的干涉相位图(图4所示)。

第四步、结合强度图和干涉相位图，利用相干性函数计算两景单视复图像的相干系数，得到相干图。利用InSAR方法计算两景影像的相干系数，相干系数计算公式如下：其中为相干系数，和分别表示主辅影像中第n行第m列的复数像元，*表示复共轭相乘，M和N分别表示影像的总行列数。

本例中，直接利用GAMMA软件里cc_wave函数计算两景影像之间的相干系数，利用强度图和去平后的干涉相位图估计出相干系数，相干系数值在(0，1)之间。图5所示，为相干图。

第五步、通过遗传算法计算获得二值化阈值，依据该二值化阈值对相干图进行二值化处理。这一步是将相干图转为灰度图，为bmp格式，利用Matlab读取bmp格式相干图后，采用遗传算法进行阈值计算，最后计算出最佳的二值化阈值为83，并按阈值83对相干图进行二值化。图6所示，为二值化后的相干图。

第六步、对二值化处理后的相干图进行边缘检测。这一步在Matlab里面对二值图进行边缘检测处理，采用常规的Canny算子进行处理。如图7所示，为边缘检测后的结果图。

第七步、对边缘检测后的相干图进行霍夫变换处理，提取高铁干线。这一步在Matlab里面采用霍夫变换函数，从边缘检测结果里面提取得到高铁干线。如图8所示，为最终提取结果。

由于一些建筑物的影响，提取结果有一些噪声，后期可以进行适当的人工修正，总体来看，本发明方法的提取效果比较好，可作为参考数据应用于InSAR高铁干线形变监测领域。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。