-
公开(公告)号：CN110058236B
公开(公告)日：2023-04-07
申请号：CN201910423735.8
申请日：2019-05-21
Applicant: 中南大学
Abstract: 本发明公开了一种面向三维地表形变估计的InSAR和GNSS定权方法，包括：步骤1：利用待监测区域升轨和降轨InSAR数据，以及所述待监测区域的GNSS数据，基于地表应力应变模型及观测值成像几何建立未知点三维形变d0与周围点一定数量的InSAR/GNSS数据Li之间的函数关系；步骤2：对升轨和降轨InSAR和GNSS等观测值Li内部的Ki个观测数据进行相对定权，确定InSAR/GNSS各类观测值的初始权重矩阵Wi；步骤3：利用方差分量估计确定InSAR/GNSS各类观测值之间的精确权重矩阵基于最小二乘准则求解高精度的所述三维地表形变d0；步骤4：对每一个地表点经过上述步骤1‑3实现InSAR和GNSS融合估计高精度三维地表形变场。
-
公开(公告)号：CN111965645A
公开(公告)日：2020-11-20
申请号：CN202010795372.3
申请日：2020-08-10
Applicant: 中南大学
IPC: G01S13/90
Abstract: 本发明公开了一种顾及几何约束的多基线植被高度反演方法及装置，其中方法包括：获取多景SAR影像进行预处理，得到多个干涉对各多种极化复相干系数；指定主干涉对和几何约束干涉对；指定RVoG模型作为植被高度反演模型，利用主干涉对的极化复相干系数建构观测方程组，并采用三阶段植被高度反演算法计算多参数初值；利用几何约束干涉对的极化复相干系数进行直线拟合，并构建有关于植被高度和消光系数的几何约束条件；利用各参数初值和几何约束条件，采用非线性迭代算法求解观测方程组中包括植被高度的未知参数。本发明在具有多景SAR影像的情况下，将植被参数与数据本身之间的关系转化为几何约束条件，植被高度反演效果较好。
-
公开(公告)号：CN109884635B
公开(公告)日：2020-08-07
申请号：CN201910214782.1
申请日：2019-03-20
Applicant: 中南大学
Abstract: 本发明提供了一种大范围高精度的InSAR形变监测数据处理方法，包括：对多幅SAR影像进行辐射定标，通过选取不同程度的相干系数阈值和振幅离差阈值，选出不同质量等级的PS点；将所选PS点的像素位置和坐标信息归入不同的规则格网内，相邻格网间设置第一预设范围的重叠区域；每个格网内的解算高等级PS点构成该格网内PS点的候选参考点集，通过某一候选点与其余候选点构网解算求解判断残差大小的形式，选出该格网内的最优参考点。本发明能够有效解决海量数据下PS‑InSAR用于大范围形变监测中的误差传递导致解算结果精度较低的问题，以及数据处理和存储过程中对计算机内存需求过大易导致的内存溢出解算失败问题。
-
公开(公告)号：CN111398959A
公开(公告)日：2020-07-10
申请号：CN202010265777.6
申请日：2020-04-07
Abstract: 本发明提供了一种基于地表应力应变模型的InSAR时序地表形变监测方法，包括：步骤1，收集覆盖待监测区域的时序SAR影像，基于现有软件实现时序SAR影像的配准、差分干涉，生成满足预设时空基线阈值的干涉图；步骤2，基于干涉图中的所有像素点构建局部狄洛尼三角网。本发明利用地表应力应变模型来描述地表临近点形变之间的物理力学关系，可显著提高InSAR时序地表形变监测的精度，基于邻近点组成的弧段进行建模和参数求解，因此无需对干涉图进行解缠，可有效提高InSAR数据处理效率，考虑了观测数据在空间上的物理力学关系，因此无需对干涉图中的低相干区域进行掩膜，即可获取空间覆盖密度大的高精度InSAR形变监测结果。
-
公开(公告)号：CN109738892B
公开(公告)日：2020-06-30
申请号：CN201910067804.6
申请日：2019-01-24
Applicant: 中南大学
Abstract: 本发明公开了一种矿区地表高时空分辨率三维形变估计方法，将各轨道SAR数据分别组成InSAR干涉对集合；再得到矿区地表一维雷达视线向多时相形变监测数据集；将矿区地表一维雷达视线向多时相形变监测数据集和矿区开采沉陷导致的水平移动与下沉梯度呈线性比例关系的先验模型进行联合解算得到矿区地表沿着垂直、东西和南北方向的三维多时相形变观测场；建立多轨SAR影像数据集中时间相邻的SAR影像期间的三维形变速率与三维多时相形变观测场的观测方程；解算观测方程得到矿区地表高时空分辨率三维形变。本发明克服传统InSAR三维形变估计方法对观测量和观测几何的苛刻要求和限制；明显提高监测结果的时间分辨率，得到更精准的结果。
-
Patent Agency Ranking
公开(公告)号：CN109738895B
公开(公告)日：2020-04-07
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：CN109738892A
公开(公告)日：2019-05-10
申请号：CN201910067804.6
申请日：2019-01-24
Applicant: 中南大学
Abstract: 本发明公开了一种矿区地表高时空分辨率三维形变估计方法，将各轨道SAR数据分别组成InSAR干涉对集合；再得到矿区地表一维雷达视线向多时相形变监测数据集；将矿区地表一维雷达视线向多时相形变监测数据集和矿区开采沉陷导致的水平移动与下沉梯度呈线性比例关系的先验模型进行联合解算得到矿区地表沿着垂直、东西和南北方向的三维多时相形变观测场；建立多轨SAR影像数据集中时间相邻的SAR影像期间的三维形变速率与三维多时相形变观测场的观测方程；解算观测方程得到矿区地表高时空分辨率三维形变。本发明克服传统InSAR三维形变估计方法对观测量和观测几何的苛刻要求和限制；明显提高监测结果的时间分辨率，得到更精准的结果。
-
公开(公告)号：CN106767380B
公开(公告)日：2019-04-19
申请号：CN201710038785.5
申请日：2017-01-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于两景SAR强度影像的矿区地表大量级三维形变估计方法，利用SAR强度偏移量追踪算法从两景SAR强度影像中生成矿区地表雷达视线向和方位向形变；基于矿区地表水平移动与下沉梯度的比例关系建立东西、南北方向水平移动与下沉之间的函数模型；分别建立矿区地表下沉与视线向和方位向形变的观测方程组；利用最小二乘法估计求解矿区地表下沉；基于求解的地表下沉，使用矿区地表水平移动与下沉梯度的比例关系估计矿区地表在东西、南北方向的水平移动。实现了仅利用两景SAR强度影像估计矿区地表大量级三维形变，有效地克服了传统方法无法从单个InSAR干涉对中获取大量级三维形变的局限。
-
公开(公告)号：CN108132468A
公开(公告)日：2018-06-08
申请号：CN201711417716.1
申请日：2017-12-25
Applicant: 中南大学
IPC: G01S13/90
Abstract: 本发明公开了一种多基线极化干涉SAR建筑物高度提取方法，包括：步骤1，对多基线极化干涉SAR数据进行预处理；步骤2，对所述步骤1中预处理后的数据进行极化干涉处理；步骤3，NR相干最优相位中心计算；步骤4，叠掩区域选取及不同散射体相位差均值计算；步骤5，长-短基线组合计算整周缠绕倍数；步骤6，基于高程精度因子的建筑物高度最小二乘平差解算。所述多基线极化干涉SAR建筑物高度提取方法解决了建筑物叠掩区域无法解缠的问题，并在此基础上使用多基线干涉对，利用基于高程精度因子定权的最小二乘平差，抑制了干涉失相干及噪声等的影响，从而能够反演得到较为精确的建筑物高度。
-
公开(公告)号：CN105938193B
公开(公告)日：2018-04-06
申请号：CN201610554394.4
申请日：2016-07-14
Applicant: 中南大学
IPC: G01S13/90
Abstract: 本发明公开了一种无需地面辅助的升降轨InSAR监测沉降区绝对地表形变的方法，首先利用升轨和降轨InSAR数据获取地表在两个不同斜距向上的相对地表形变测量值；然后融合升轨和降轨InSAR相对形变场估计地表在垂直向和东西向上的相对形变；进而利用东西向相对形变量级小于一定阈值的地面点计算升轨和降轨InSAR相对形变测量值的绝对偏移量；最后利用经绝对偏移量改正后的升轨和降轨InSAR形变值估计地表在垂直向和东西向上的绝对形变。突破了传统InSAR只能获取相对地表形变的技术瓶颈，无需布设地面控制点或者假设远场形变为零就可以得到地表在垂直向和东西向上的绝对形变结果。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.073 seconds)
