-
公开(公告)号：CN108761397A
公开(公告)日：2018-11-06
申请号：CN201810536823.4
申请日：2018-05-30
Applicant: 中南大学
IPC: G01S7/02
CPC classification number: G01S7/02
Abstract: 本发明公开了一种基于电磁散射模拟的极化SAR模型分解评价方法，步骤S1：设置地表电磁几何参数、飞机飞行参数和雷达卫星位置参数，并采用经典正演模型计算目标场景的地表真实β值；步骤S2：利用待评价极化SAR模型分解方法，对目标场景的极化SAR模拟数据进行处理，反演得到反演β值；步骤S3：计算反演β值与地表真实β值的均方根误差，以均方根误差越小，分解方法的效果越好为原则，对待评价极化SAR模型分解方法进行评价。本发明方案将电磁散射模拟理论与极化SAR模型分解理论进行有机结合，从电磁波模拟的角度和模型分解的角度对分解算法进行评价，该方法公平、公正，可为不同的应用场景选择相应较优的模型分解方法提供参考。
-
公开(公告)号：CN119902170A
公开(公告)日：2025-04-29
申请号：CN202510022489.0
申请日：2025-01-07
Applicant: 中南大学 , 中国资源卫星应用中心
Abstract: 本发明公开了一种基于激光雷达数据校正InSAR DEM平面位置的方法、装置、设备及介质，方法为：获取InSAR数据并干涉处理，生成DEM；获取星载激光雷达数据并结合DEM对应地面点，以星载激光雷达同轨条带为单位，基于二者地形轮廓投影长度相对误差进行配准，得到DEM相对于星载激光雷达数据的偏移量；基于配准平面偏移量利用最小二乘平差方法构建DEM在经度、纬度方向的偏移量多项式模型；通过偏移量多项式模型对DEM进行几何变换，最终实现平面位置校正。本发明仅使用星载激光雷达数据对DEM进行平面位置校正，克服现有方法依赖现有地形产品的难题。
-
公开(公告)号：CN117830543A
公开(公告)日：2024-04-05
申请号：CN202311610050.7
申请日：2023-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于星载双站InSAR和激光雷达数据估计DEM的方法、装置、设备及介质，方法为：获取双站InSAR数据并干涉处理，并对干涉相位预处理得到未缠绕的相对相位；获取星载激光雷达数据并转换到SAR影像坐标系下作为高程控制点对InSAR基线参数进行精炼并计算绝对相位，再进行相高转换得到初始DEM并编码到地理坐标系；使用地理坐标系下的星载激光雷达作为控制点，基于斜率相关性对DEM平面位置进行校正；构建区域网平差模型对初始DEM进行高程校正；通过循环迭代进行平面位置和高程校正估计得到最终DEM。本发明仅使用星载平台数据对大范围DEM进行估计，克服现有方法依赖现有地形产品和地面控制数据的难题。
-
公开(公告)号：CN113341410B
公开(公告)日：2022-11-04
申请号：CN202010771942.5
申请日：2020-08-04
Applicant: 中南大学
IPC: G01S13/90
Abstract: 本发明公开了一种大范围林下地形估计方法、装置、设备及介质，其方法为：步骤1，获取TanDEM‑X双站SLC数据进行处理得到干涉相位和相干幅度；步骤2，使用外部DEM数据计算地形残差，并对外部DEM数据进行补偿，得到TanDEM‑X双站干涉条件下的高精度的InSAR DEM；步骤3，根据干涉幅度计算森林研究区域全场景的穿透深度d，然后利用引入的稀疏分布的先验点森林高度信息，拟合有关于穿透深度与森林高度之间的线性关系，从而计算研究区域全场景的森林高度以及散射相位中心高度；步骤4，从步骤2得到的TanDEM‑X双站的InSAR DEM中扣除步骤3得到的散射相位中心高度，即实现大范围林下地形重建。
-
公开(公告)号：CN108761397B
公开(公告)日：2022-05-27
申请号：CN201810536823.4
申请日：2018-05-30
Applicant: 中南大学
IPC: G01S7/02
Abstract: 本发明公开了一种基于电磁散射模拟的极化SAR模型分解评价方法，步骤S1：设置地表电磁几何参数、飞机飞行参数和雷达卫星位置参数，并采用经典正演模型计算目标场景的地表真实β值；步骤S2：利用待评价极化SAR模型分解方法，对目标场景的极化SAR模拟数据进行处理，反演得到反演β值；步骤S3：计算反演β值与地表真实β值的均方根误差，以均方根误差越小，分解方法的效果越好为原则，对待评价极化SAR模型分解方法进行评价。本发明方案将电磁散射模拟理论与极化SAR模型分解理论进行有机结合，从电磁波模拟的角度和模型分解的角度对分解算法进行评价，该方法公平、公正，可为不同的应用场景选择相应较优的模型分解方法提供参考。
-
Patent Agency Ranking
公开(公告)号：CN114252480A
公开(公告)日：2022-03-29
申请号：CN202111572223.1
申请日：2021-12-21
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于单极化SAR数据邻域像素反演裸土区土壤湿度方法，属于数据处理技术领域，具体包括：对获取的单极化SAR数据进行预处理，获取后向散射系数和当地入射角；利用所述后向散射系数、所述当地入射角和相关长度的标定公式使积分方程模型的未知参数减少至两个；反向使用查找表，获得邻域像素的介电常数实部‑均方根高度的可能性分布曲线；使用并置法获得所述邻域像素共同的介电常数实部和均方根高度的解，并在将获得的介电常数实部的解转换为土壤湿度后赋给中心像素。通过本公开的方案，仅使用单极化SAR数据就可以同时反演得到地表均方根高度和土壤湿度，提高了反演裸土区土壤湿度方法的效率和适应性。
-
公开(公告)号：CN111352109B
公开(公告)日：2021-11-16
申请号：CN202010352980.7
申请日：2020-04-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于两景SAR影像的植被高度反演方法及装置，其中方法包括：当仅存在覆盖同一区域的2幅SAR影像时，对其进行极化干涉处理，获取单基线全极化复相干系数；确定空间域范围；构建基于两景SAR影像的傅里叶‑勒让德多项式植被高度反演模型；根据RVoG模型与傅里叶‑勒让德多项式植被高度反演模型确定未知参数初始值；根据前述参数初值与植被高度反演模型，联合空间域，采用非线性迭代算法求取植被高度。本发明解决了现有单基线傅里叶‑勒让德多项式模型展开阶数有限的问题，在仅有两景SAR影像的情况下，增加了傅里叶‑勒让德多项式模型展开阶数、适用范围和灵活程度。
-
公开(公告)号：CN112363165A
公开(公告)日：2021-02-12
申请号：CN202011304676.1
申请日：2020-11-19
Applicant: 中南大学
Abstract: 本发明公开了一种林下地形反演方法、装置、设备及介质，方法为：获取林下地形反演区域的双站TanDEM‑X数据并进行干涉处理，获取干涉相位和体失相干系数；对干涉相位去除平地、模拟地形、噪声、轨道误差等相位，得到残余地形相位；使用残余地形相位和模拟地形相位重建高精度InSAR地形相位；构建林下反演模型，联合ICESat‑2地面测高点进行平差计算，求解模型中的未知参数；使用体失相干系数和高精度InSAR地形相位信息，根据林下反演模型计算整个反演区域的林下地形数据。本发明是一种稳健可行的林下地形估算方法，可以广泛应用于TanDEM‑X数据测量大范围的林下地形高度。
-
公开(公告)号：CN111352109A
公开(公告)日：2020-06-30
申请号：CN202010352980.7
申请日：2020-04-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于两景SAR影像的植被高度反演方法及装置，其中方法包括：当仅存在覆盖同一区域的2幅SAR影像时，对其进行极化干涉处理，获取单基线全极化复相干系数；确定空间域范围；构建基于两景SAR影像的傅里叶-勒让德多项式植被高度反演模型；根据RVoG模型与傅里叶-勒让德多项式植被高度反演模型确定未知参数初始值；根据前述参数初值与植被高度反演模型，联合空间域，采用非线性迭代算法求取植被高度。本发明解决了现有单基线傅里叶-勒让德多项式模型展开阶数有限的问题，在仅有两景SAR影像的情况下，增加了傅里叶-勒让德多项式模型展开阶数、适用范围和灵活程度。
-
公开(公告)号：CN111273293A
公开(公告)日：2020-06-12
申请号：CN202010139778.6
申请日：2020-03-03
Applicant: 中南大学
Abstract: 本发明公开了一种顾及地形起伏的InSAR残余运动误差估计方法及装置，其中方法包括：获取多景SAR影像并进行预处理，计算包含InSAR残余运动误差的地形相位；利用外部DEM数据计算模拟地形相位；将包含InSAR残余运动误差的地形相位与模拟地形相位求差，并对差值进行相位解缠处理，再将解缠差分干涉相位作为观测值；构建有关于InSAR干涉几何参数、DEM误差以及基线误差分量的差分干涉相位参数化模型；针对每个从影像的每一距离行像素，均将差分干涉相位的观测值与差分干涉相位参数化模型进行匹配构建等式，得到观测方程；解算多基线观测方程组中的DEM误差和基线误差分量。本发明能准确地估计残余运动误差。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
