基于D-TomoSAR技术的北京城区形变序列获取及预测建模

发布时间：2020-10-27 19:22

　　 近年来,随着高分辨率SAR数据资源的日益丰富,在很多应用场景中获取目标三维(距离-方位-高度)信息的需求越来越多。而在城市基础设施动态形变监测、重要工程安全监测、地质灾害监测、环境监测等研究领域,除了需要获取目标物的三维信息外,往往还需要第四维信息,也就是目标的高度在时间维度上的变化规律,即形变信息。层析SAR技术的出现满足了三维信息应用的需求,在传统二维SAR(方位-距离向)成像平面基础上,利用同一地区多幅SAR复图像在高程向上合成孔径得到目标的三维信息。当利用的多幅SAR影像是在一个长时间序列中获得时,可认为层析SAR(Tomographic Synthetic Aperture Radar,TomoSAR)在时间维的合成孔径,获得目标沿高度向的形变速率信息,实现四维成像。随着多平台SAR数据的批量获取以及层析SAR技术本身独特的三维和四维高分辨率成像能力,这一信息获取方式受到了国内外广大学者的广泛关注和深入研究,在地质、生态、地理等多个领域内都有重要的应用前景。差分层析SAR(Differential TomoSAR,D-TomoSAR)技术应用在城市形变监测领域具有其独特的技术优势,可以获取重点区域高精度(mm级)形变量大小,数据覆盖范围大,同时获取三维结构和形变信息,所获取数据序列密集。但同时,差分层析SAR技术也面临着一些难点问题,主要是高精度成像算法的应用,以及缺乏对获得的时序形变数据提供有效的预测方法,不能提供监测目标长期形变量大小的预测分析。本文从这一思路出发,介绍了差分层析SAR成像技术基本原理与数据处理流程,采用北京地区TerraSAR影像数据进行实际应用,获取实验区域内的三维结构和地表形变信息,基于获取的时序形变信息,结合形变预测模型建立形变预测评价机制,这对于实现重点区域建筑物及时有效的形变分析具有实际的意义。
【学位单位】：北京建筑大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：P237;TU196.1
【部分图文】：

第4章基于差分层析SAR技术的形变数据获取及预测建模30第4章基于差分层析SAR技术的形变数据获取及预测建模本章基于北京地区TerraSAR-X条带式SAR影像数据，进行北京城区差分层析SAR三维点云数据及形变数据获取实验，并利用差分层析SAR处理获得的形变时间序列数据进行重点形变区域的预测建模分析。4.1差分层析SAR技术的形变数据获取4.1.1数据介绍实验区数据为北京地区25景TerraSAR-X影像数据，极化方式为HH。影像获取时间范围为2011年1月到2014年1月，跨度3年。影像的方位向分辨率为3.3m，距离向分辨率为2.15m。选取2013年1月19日的影像为主影像。图4-1为影像数据在GoogleEarth上的大致范围。图4-1影像在GoogleEarth上的范围Fig.4-1ImagesrangeonGoogleEarth25景TerraSAR影像数据的时间-基线参数如表4-1：表4-125景TerraSAR影像数据参数表Tab.4-1Parameterof25terraSARimages编号获取日期入射角（°）基线长度（m）时间基线（day）编号获取日期入射角（°）基线长度（m）时间基线（day）

112833.128-282.991-418222013070333.196135.066165102011122033.126-138.05-396232013110133.206-201.137286112011022433.201-200.632-330242013121533.219-151.835330122012040833.204-127.939-286252014012833.200-164.569374132012060233.191245.837-231所使用的DEM参考影像为30m分辨率的SRTMDEM，实验截取区域像素大小为：8507*4901，截取的北京区域的SAR图像像素中心经纬度坐标为：纬度：39.89275569°，经度：116.39445128。入射角：33.1276°；实验数据为升轨数据，即卫星从南至北飞过拍摄，影像数据上下翻转。图4-2为截取的实验区域：图4-2实验区域光学影像（左）和SAR影像（右）Fig.4-2opticalimage(left)andSARimage(right)ofexperimentalarea4.1.2实验处理过程基于SARStudio数据处理平台，对数据进行预处理（主影像选娶影像配准、截取实验区域、多视、基线估计等）、PS-InSAR（PS点选取和干涉处理）技术、残余相位解缠、三维成像处理、形变时间序列获取等操作。在预处理部分，1.首先，对影像对进行配准工作，选取2012年4月8日的影像作为主影像，将其他24幅影像与主影像配准，使影像的同名像素点映射到同一像素单元内；2.对影像进行多视处理，单视复图像（SingleLookComplex，SLC）产品中具有很多的斑点噪声，为了抑制SAR图像的斑点噪声，得到较高空间分辨率的SAR图像，进行多视处理。其中方位向视数为4，距离向视数为4；3.SAR系统是测量发射和返回脉冲的功率比值，这个比值就是后向散射，被

112833.128-282.991-418222013070333.196135.066165102011122033.126-138.05-396232013110133.206-201.137286112011022433.201-200.632-330242013121533.219-151.835330122012040833.204-127.939-286252014012833.200-164.569374132012060233.191245.837-231所使用的DEM参考影像为30m分辨率的SRTMDEM，实验截取区域像素大小为：8507*4901，截取的北京区域的SAR图像像素中心经纬度坐标为：纬度：39.89275569°，经度：116.39445128。入射角：33.1276°；实验数据为升轨数据，即卫星从南至北飞过拍摄，影像数据上下翻转。图4-2为截取的实验区域：图4-2实验区域光学影像（左）和SAR影像（右）Fig.4-2opticalimage(left)andSARimage(right)ofexperimentalarea4.1.2实验处理过程基于SARStudio数据处理平台，对数据进行预处理（主影像选娶影像配准、截取实验区域、多视、基线估计等）、PS-InSAR（PS点选取和干涉处理）技术、残余相位解缠、三维成像处理、形变时间序列获取等操作。在预处理部分，1.首先，对影像对进行配准工作，选取2012年4月8日的影像作为主影像，将其他24幅影像与主影像配准，使影像的同名像素点映射到同一像素单元内；2.对影像进行多视处理，单视复图像（SingleLookComplex，SLC）产品中具有很多的斑点噪声，为了抑制SAR图像的斑点噪声，得到较高空间分辨率的SAR图像，进行多视处理。其中方位向视数为4，距离向视数为4；3.SAR系统是测量发射和返回脉冲的功率比值，这个比值就是后向散射，被
【参考文献】

相关期刊论文 前10条

1 李倩;;基于支持向量机的边坡形变预测[J];中国科技信息;2015年16期

2 李永强;刘会云;毛杰;牛路标;闫阳阳;;三维激光扫描技术在煤矿沉陷区监测应用[J];测绘工程;2015年07期

3 陈炳乾;邓喀中;范洪冬;;基于D-InSAR技术和SVR算法的开采沉陷监测与预计[J];中国矿业大学学报;2014年05期

4 魏恋欢;廖明生;BALZ Timo;张路;;高分辨率SAR层析成像建筑物叠掩散射体提取[J];武汉大学学报(信息科学版);2014年05期

5 庞礴;代大海;邢世其;王雪松;刘庆富;;SAR层析成像技术的发展和展望[J];系统工程与电子技术;2013年07期

6 王青松;瞿继双;黄海风;余安喜;董臻;;联合实、复相关函数的干涉SAR图像配准方法[J];测绘学报;2012年04期

7 张倩;杨耀权;;基于支持向量机核函数的研究[J];电力科学与工程;2012年05期

8 孙希龙;余安喜;董臻;梁甸农;;基于压缩感知的星载SAR差分层析高分辨成像[J];信号处理;2012年05期

9 孙希龙;余安喜;董臻;梁甸农;;一种差分SAR层析高分辨成像方法[J];电子与信息学报;2012年02期

10 罗环敏;陈尔学;李增元;曹春香;;森林地上生物量的极化相干层析估计方法[J];遥感学报;2011年06期

相关博士学位论文 前3条

1 杜孙稳;地基干涉雷达露天矿边坡形变监测数据分析与预测方法研究[D];太原理工大学;2017年

2 孙希龙;SAR层析与差分层析成像技术研究[D];国防科学技术大学;2012年

3 柳祥乐;多基线层析成像合成孔径雷达研究[D];中国科学院研究生院（电子学研究所）;2007年

相关硕士学位论文 前2条

1 陈惊;基于SAR层析技术的输电铁塔形变提取算法研究[D];电子科技大学;2019年

2 张涛;矿区地表沉降的SBAS监测及沉降预测[D];东华理工大学;2016年

本文编号：2858937