本發(fā)明涉及一種基于高分辨率SAR圖像相干性的高鐵干線提取方法，屬于遙感技術(shù)應(yīng)用領(lǐng)域。

背景技術(shù)：

合成孔徑雷達(Synthetic Aperture Radar，SAR)具有全天時、全天候的工作能力，在地物識別提取方面，是對傳統(tǒng)光學傳感器很好的補充。合成孔徑雷達干涉測量(Interferometric SAR，InSAR)是近年來發(fā)展比較成熟的遙感技術(shù)，在大地精準測量方面具有明顯的優(yōu)勢。目前InSAR數(shù)據(jù)獲取較為方便，不同波段、不同分辨率的SAR數(shù)據(jù)存檔豐富，InSAR技術(shù)在高鐵干線沉降形變監(jiān)測方面的應(yīng)用會越來越廣泛，測量精度也會越來越高。InSAR技術(shù)基本原理是利用覆蓋同一個地區(qū)的兩景或兩景以上SAR圖像,利用包含在SAR圖像中的相位信息提取出雷達天線到地表之間的距離,進行干涉處理,結(jié)合衛(wèi)星軌道參數(shù)可獲得地表的數(shù)字高程模型,也可獲得地表的形變量(可以達到厘米到毫米級精度)。在測量高鐵干線沉降形變之前，利用高分辨率SAR圖像數(shù)據(jù)提取高鐵干線在監(jiān)測重大交通干線運營安全方面具有重要意義。與傳統(tǒng)提取方法不同的是利用InSAR相干圖提取高鐵干線，針對性強，效率高，準確。目前遺傳算法、邊緣檢測和霍夫變換等算法用來提取線性目標非常合適。遺傳算法能夠計算出比較合理的二值化閾值，并且利用邊緣檢測以及霍夫變換在高鐵線性目標識別提取方面效果明顯。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是：克服現(xiàn)有技術(shù)手段的缺點，提出一種基于高分辨率SAR圖像相干性的高鐵干線提取方法，能夠自動快速地從高分辨率InSAR數(shù)據(jù)中識別出高鐵干線目標，進一步通過遺傳算法處理，邊緣檢測和霍夫變換能夠很快提取得到高鐵干線。

為了解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案是：一種基于高分辨率SAR圖像相干性的高鐵干線提取方法，包括以下步驟：

第一步、將兩景原始影像數(shù)據(jù)轉(zhuǎn)換為單視復(fù)圖像，并獲得兩景原始影像的強度圖；

第二步、對兩景單視復(fù)圖像進行配準；

第三步、對兩景單視復(fù)圖像進行干涉處理，兩景單視復(fù)數(shù)圖像同名像元進行復(fù)共軛相乘，得到干涉相位圖；

第四步、結(jié)合強度圖和干涉相位圖，利用相干性函數(shù)計算兩景單視復(fù)圖像的相干系數(shù)，得到相干圖；

第五步、從相干圖中提取線狀地物，獲得高鐵干線提取結(jié)果。

本發(fā)明“一種基于高分辨率SAR圖像相干性的高鐵干線提取方法”，還具有如下改進：

1、所述第一步中，選擇高分辨率X波段SAR數(shù)據(jù)為原始影像數(shù)據(jù)，單視復(fù)圖像的像元用復(fù)數(shù)表示：A＝u(n,m)e^iφ(n,m)，其中A表示復(fù)數(shù)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，采用幅度互相關(guān)函數(shù)進行特征匹配來獲取配準函數(shù)的參數(shù)，然后將輔影像重采樣到主影像空間。

3、所述第二步中，采用迭代計算優(yōu)化配準函數(shù)的參數(shù)，達到配準精度要求，所述配準精度要求為1/8個像元。

4、所述第四步中，選擇N×M窗口大小近似估算兩景影像像元之間的相干系數(shù)相干系數(shù)計算公式如下：其中為相干系數(shù)，和分別表示主輔影像中第n行第m列的復(fù)數(shù)像元，*表示復(fù)共軛相乘。

5、所述第五步中，從相干圖提取線狀地物的方法是：

a、依據(jù)二值化閾值對相干圖進行二值化處理；

b、對二值化處理后的相干圖進行邊緣檢測；

c、對邊緣檢測后的相干圖進行霍夫變換處理，提取高鐵干線。

6、步驟a中，所述二值化閾值通過遺傳算法對相干圖進行計算獲得。

本發(fā)明利用高分辨率SAR圖像相干性以及線狀目標檢測算法，實現(xiàn)了高鐵干線自動化提取，大大提高了高鐵干線提取效率和精度；傳統(tǒng)方法只是單純從灰度影像或者SAR強度圖中提取線狀目標，容易受周邊地物的影響，提取難度大，效果不明顯，本發(fā)明所述方法則更有針對性，排除了低相干目標，保留高鐵干線的高相干目標，更加突出了高鐵干線的條帶特性。

本發(fā)明涉及到的SAR數(shù)據(jù)覆蓋范圍太大，為了方便試驗說明，針對原始SAR圖像進行了范圍裁剪，選擇了1500*1000的試驗區(qū)域，對裁剪后的圖像進行干涉處理、相干性計算。

本發(fā)明在對相干圖進行二值化之前，利用遺傳算法計算出最佳的二值化閾值，這可以使得二值化的效果更好，更合理。遺傳算法成熟，計算方便，能夠很好地輔助后面的操作。另外在進行線狀目標提取時，采用傳統(tǒng)邊緣檢測和霍夫變換算法方便合理，執(zhí)行簡單，提取速度快捷。

綜上所述，本發(fā)明方法的執(zhí)行步驟簡單易行，利用高鐵在InSAR圖像中的高相干特性，利用成熟的線狀地物識別算法提取高鐵干線，能夠方便準確地識別高鐵干線目標，加快了高鐵干線的提取速度。

附圖說明

下面結(jié)合附圖對本發(fā)明作進一步的說明。

圖1是本發(fā)明基于高分辨率SAR圖像相干性的高鐵干線提取方法流程圖。

圖2是主影像SLC數(shù)據(jù)，獲取日期為20120324。

圖3是輔影像SLC數(shù)據(jù)，獲取日期為20120425。

圖4是兩景SLC圖像做干涉得到的干涉圖。

圖5是經(jīng)過相干系數(shù)計算后得到的相干圖。

圖6是經(jīng)過二值化處理后得到的結(jié)果。

圖7是經(jīng)過邊緣檢測后得到的結(jié)果。

圖8是經(jīng)過霍夫變換處理后得到的結(jié)果。

具體實施方式

下面根據(jù)附圖詳細闡述本發(fā)明，使本發(fā)明的目的和效果變得更加明顯。

目前利用高鐵干線強相干性從InSAR數(shù)據(jù)中提取高鐵線狀目標的方法很少，因此本發(fā)明的實例采用的數(shù)據(jù)選擇了兩景X波段(波長為3.1cm)COSMO-SkyMed高分辨率的SAR影像，兩景影像的獲取日期分別為2012年3年24日和2012年4月25日，時間間隔為32天，影像分辨率為3m，高分辨率影像具有很好的高鐵干線細節(jié)特征。另外，在時間基線很長的情況下，高鐵目標依然能夠保持很好的相干性和明顯的條帶特征。為了更完整且更清晰地描述本發(fā)明的實施方式，下文仍將逐步做詳細說明。

圖1所示，為本發(fā)明實施例“一種基于高分辨率SAR圖像相干性的高鐵干線提取方法”的流程圖，具體包括如下步驟：

第一步、挑選了兩景原始COSMO-SkyMed SAR影像數(shù)據(jù)，利用GAMMA軟件將H5格式的數(shù)據(jù)轉(zhuǎn)為單視復(fù)圖像(Single Look Complex，SLC)，命名為20120324和20120425，影像大小均為19962*19236，為短整型的復(fù)數(shù)影像，距離向像元間距為0.92m，方位向像元間距為2.2m。單視復(fù)圖像的像元用復(fù)數(shù)表示：A＝u(n,m)e^iφ(n,m)，其中A表示復(fù)數(shù)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、對兩景單視復(fù)圖像進行精確互配準。采用幅度互相關(guān)函數(shù)進行配準，利用GAMMA軟件的offset_pwr進行多項式的偏移估計，逐步調(diào)整配準函數(shù)的參數(shù)，使得距離向和方位向偏移誤差小于0.125。為了減少人為干預(yù)，提高配準效率，這一步采用GAMMA軟件SLC_resamp_all批處理配準的方法。最后的配準結(jié)果較為理想，距離向配準精度達到0.0289，方位向達到0.0242。這樣能夠保證較好的干涉質(zhì)量。配準完成之后需要對輔影像20120425進行重采樣，保證同名像元同一位置。由于影像太大，裁剪研究區(qū)可以提高試驗效率，這一步利用GAMMA軟件的SLC_copy_all程序?qū)ε錅屎蟮膬删皢我晱?fù)圖像進行裁剪，裁剪出1500*1000大小的單視復(fù)圖像(圖2和圖3所示)，至此整個數(shù)據(jù)準備工作已經(jīng)完成，可供后續(xù)步驟使用。

第三步、兩景單視復(fù)圖像進行干涉處理，兩景單視復(fù)圖像同名像元進行復(fù)共軛相乘，得到干涉相位圖。這一步是利用GAMMA軟件里SLC_intf函數(shù)將裁剪后的兩景SLC圖像進行復(fù)共軛相乘，得到1500*1000大小的干涉相位圖(圖4所示)。

第四步、結(jié)合強度圖和干涉相位圖，利用相干性函數(shù)計算兩景單視復(fù)圖像的相干系數(shù)，得到相干圖。利用InSAR方法計算兩景影像的相干系數(shù)，相干系數(shù)計算公式如下：其中為相干系數(shù)，和分別表示主輔影像中第n行第m列的復(fù)數(shù)像元，*表示復(fù)共軛相乘，M和N分別表示影像的總行列數(shù)。

本例中，直接利用GAMMA軟件里cc_wave函數(shù)計算兩景影像之間的相干系數(shù)，利用強度圖和去平后的干涉相位圖估計出相干系數(shù)，相干系數(shù)值在(0，1)之間。圖5所示，為相干圖。

第五步、通過遺傳算法計算獲得二值化閾值，依據(jù)該二值化閾值對相干圖進行二值化處理。這一步是將相干圖轉(zhuǎn)為灰度圖，為bmp格式，利用Matlab讀取bmp格式相干圖后，采用遺傳算法進行閾值計算，最后計算出最佳的二值化閾值為83，并按閾值83對相干圖進行二值化。圖6所示，為二值化后的相干圖。

第六步、對二值化處理后的相干圖進行邊緣檢測。這一步在Matlab里面對二值圖進行邊緣檢測處理，采用常規(guī)的Canny算子進行處理。如圖7所示，為邊緣檢測后的結(jié)果圖。

第七步、對邊緣檢測后的相干圖進行霍夫變換處理，提取高鐵干線。這一步在Matlab里面采用霍夫變換函數(shù)，從邊緣檢測結(jié)果里面提取得到高鐵干線。如圖8所示，為最終提取結(jié)果。

由于一些建筑物的影響，提取結(jié)果有一些噪聲，后期可以進行適當?shù)娜斯ば拚?，總體來看，本發(fā)明方法的提取效果比較好，可作為參考數(shù)據(jù)應(yīng)用于InSAR高鐵干線形變監(jiān)測領(lǐng)域。

除上述實施例外，本發(fā)明還可以有其他實施方式。凡采用等同替換或等效變換形成的技術(shù)方案，均落在本發(fā)明要求的保護范圍。