張福博 梁興東 吳一戎
?
一種基于地形駐點(diǎn)分割的多通道SAR三維重建方法
張福博*①②③梁興東①②吳一戎①②
①(微波成像技術(shù)重點(diǎn)實(shí)驗(yàn)室 北京 100190)②(中國(guó)科學(xué)院電子學(xué)研究所 北京 100190)③(中國(guó)科學(xué)院大學(xué) 北京 100049)
多通道SAR具有高度向分辨能力,能夠?qū)崿F(xiàn)疊掩場(chǎng)景的3維重建,但是由于其基線長(zhǎng)度有限,利用現(xiàn)有方法進(jìn)行重建所得高程定位精度往往較差,而且由于疊掩區(qū)域散射系數(shù)起伏較大,重建結(jié)果中存在較多的漏檢。針對(duì)以上問(wèn)題,該文提出一種基于地形駐點(diǎn)分割的多通道SAR 3維重建方法,首先通過(guò)層析獲得場(chǎng)景3維分布的草圖,之后通過(guò)地形駐點(diǎn)定位及以地形駐點(diǎn)為門(mén)限的分割得到不疊掩的數(shù)據(jù),最后利用干涉信號(hào)處理實(shí)現(xiàn)場(chǎng)景的3維重建。該方法結(jié)合了多通道SAR的高度向分辨能力和干涉信號(hào)處理的高精度,能夠更加穩(wěn)定、精確地實(shí)現(xiàn)疊掩場(chǎng)景的3維重建,基于實(shí)際場(chǎng)景縮比模型的仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了該文算法的有效性。
多通道SAR;疊掩;3維重建;干涉;地形駐點(diǎn)
干涉合成孔徑雷達(dá)(Interferometric SAR, InSAR)具有大面積生成地表高度模型的能力,近年來(lái)獲得了廣泛的應(yīng)用[1]。然而,在進(jìn)行陡峭地形測(cè)繪時(shí),由于疊掩和陰影等現(xiàn)象,干涉相位圖中經(jīng)常出現(xiàn)相干系數(shù)比較低,不能進(jìn)行相位解纏的區(qū)域,這些區(qū)域稱(chēng)為困難區(qū)域[2]。近年來(lái),多通道SAR技術(shù)逐漸發(fā)展起來(lái),通過(guò)在高度方向依次增加多個(gè)通道,獲得了高度方向的分辨能力,能夠?qū)崿F(xiàn)疊掩地形的3維重建,彌補(bǔ)傳統(tǒng)InSAR測(cè)繪的不足[3]。多通道SAR 3維重建通常利用高分辨譜估計(jì)[4,5]、壓縮感知[6]等方法,然而這些方法大都只進(jìn)行高程分辨,獲取散射系數(shù)在高度方向的分布,或者在一個(gè)距離-方位單元內(nèi)區(qū)分有限幾個(gè)點(diǎn)目標(biāo),分別獲取它們的散射系數(shù)和高度信息。但是,由于多通道SAR通道數(shù)量較少、基線長(zhǎng)度較短,高度向分辨能力十分有限[7],因此利用上述方法進(jìn)行3維重建往往高度向分辨率很低,或者重建結(jié)果中相鄰距離-方位單元地形起伏很大,難以提取目標(biāo)特征[8]。
常規(guī)InSAR 3維重建采用干涉信號(hào)處理方法,重建過(guò)程中利用了相鄰單元關(guān)聯(lián)性,干涉測(cè)高精度很高,但是它不具有高度向分辨能力;多通道SAR具有高度向分辨能力,可以區(qū)分疊掩在一起的多個(gè)目標(biāo),但是現(xiàn)有多通道SAR 3維重建方法多是對(duì)每個(gè)距離-方位單元分別處理,沒(méi)有利用相鄰單元關(guān)聯(lián)性,因此重建精度往往比較低[9]。結(jié)合多通道SAR的高度向分辨能力和干涉信號(hào)處理的高精度,本文提出了一種基于地形駐點(diǎn)分割的多通道SAR 3維重建方法,對(duì)疊掩區(qū)域的地形獲得了良好的3維重建效果。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的有效性和正確性。
當(dāng)出現(xiàn)疊掩現(xiàn)象時(shí),在同一個(gè)距離-方位分辨單元內(nèi)有不同高度的多個(gè)目標(biāo)疊掩在一起,如圖1所示,每個(gè)目標(biāo)對(duì)應(yīng)的干涉相位不同,在多通道干涉中對(duì)應(yīng)著信號(hào)頻率不同,因此對(duì)于特定距離-方位分辨單元其復(fù)圖像像素值可表示為多個(gè)頻率分量信號(hào)疊加的形式[10]:
圖1 疊掩現(xiàn)象示意圖
由上述模型可知只需對(duì)復(fù)圖像沿高度方向進(jìn)行頻譜分析即可得到散射系數(shù)的高度向分布,現(xiàn)階段大多數(shù)多通道SAR 3維重建方法都是按照這種思路進(jìn)行的。然而,目前多通道SAR對(duì)疊掩地形的3維重建效果很差,主要表現(xiàn)為高度向分辨率低,重建地形起伏大,很多地形片段漏檢不能重建。造成這種現(xiàn)象除了多通道SAR系統(tǒng)本身的原因之外,還有以下幾點(diǎn):
(1)上述模型認(rèn)為在一個(gè)距離-方位單元內(nèi)只有有限幾個(gè)點(diǎn)目標(biāo),這和實(shí)際情況差別比較大,而且地形起伏越大其相符程度越差,疊掩地區(qū)一般地形起伏都很大[11],因此與模型相符程度低,3維重建精度差。
(2)現(xiàn)有的3維重建方法大都對(duì)每個(gè)距離-方位單元進(jìn)行分別處理,沒(méi)有利用到相鄰單元之間的關(guān)聯(lián)性,造成相鄰距離-方位單元重構(gòu)地形起伏劇烈,或者使得RCS較低的區(qū)域漏檢不能重構(gòu)該區(qū)域地形[5,12]。
(3)對(duì)于疊掩地形,位于同一個(gè)距離-方位單元內(nèi)的多個(gè)地形片段RCS是不相同的[13]。在3維重建過(guò)程中,同一距離-方位單元內(nèi)RCS較高的目標(biāo)會(huì)影響到RCS低的目標(biāo),使其重建誤差增大,甚至造成漏檢。
大部分自然場(chǎng)景中的疊掩地形是有限幾個(gè)連續(xù)地形片段的疊掩,其中相當(dāng)一部分是如圖1所示的3地形片段疊掩。將場(chǎng)景投影到斜距-仰角坐標(biāo)系中,如圖2所示。
圖2中曲線加粗部分表示疊掩區(qū)域,可以看到地形曲線關(guān)于斜距有兩個(gè)極值點(diǎn)和,我們稱(chēng)之為地形駐點(diǎn)。以地形駐點(diǎn)為門(mén)限如圖中虛線所示將疊掩地形分為3個(gè)部分,分別記為Ⅰ區(qū),Ⅱ區(qū),Ⅲ區(qū),這樣所得到的每個(gè)區(qū)域內(nèi)部的地形是不存在疊掩的,可以利用干涉信號(hào)處理方法分別進(jìn)行高度維重建。上述模型同樣適用于樓體疊掩場(chǎng)景,不同的是一般樓體疊掩場(chǎng)景是折線形狀,而不是曲線形狀[14]。
利用上一節(jié)所述的思想,本文提出了一種基于地形駐點(diǎn)分割的多通道SAR 3維重建方法,其主要過(guò)程如下:
(1)對(duì)多通道SAR復(fù)圖像對(duì)進(jìn)行配準(zhǔn)、幅度校正和相位校正,使其滿足3維成像的基本要求[10];
(2)從圖像中檢測(cè)并提取出疊掩區(qū)域[15],對(duì)疊掩區(qū)域進(jìn)行高度維成像,獲得疊掩區(qū)域散射系數(shù)3維分布草圖[8];
(3)從疊掩區(qū)域的邊緣分別提取出地形駐點(diǎn),利用相鄰散射單元地形的連續(xù)特性對(duì)駐點(diǎn)的高度進(jìn)行精確的計(jì)算;
(4)以?xún)蓚?cè)地形駐點(diǎn)的高度作為門(mén)限把疊掩區(qū)域的3維分布草圖分為如圖2所示3個(gè)區(qū)域,并利用多通道SAR系統(tǒng)參數(shù)將它們分別反推生成多幅SAR圖像;
(5)將Ⅰ區(qū)SAR圖像與疊掩區(qū)域后方圖像聯(lián)合進(jìn)行干涉信號(hào)處理,將Ⅲ區(qū)SAR圖像與疊掩區(qū)域前方圖像聯(lián)合進(jìn)行干涉信號(hào)處理,Ⅱ區(qū)SAR圖像單獨(dú)進(jìn)行干涉信號(hào)處理;
(6)將上述獲取的結(jié)果進(jìn)行融合和反演,最終獲得整個(gè)場(chǎng)景的DEM。
綜合以上處理過(guò)程即可實(shí)現(xiàn)場(chǎng)景3維重建,該算法流程圖如圖3所示。
上述處理過(guò)程中步驟1和步驟2相關(guān)研究比較多,可以參考文獻(xiàn)[8]、文獻(xiàn)[10]和文獻(xiàn)[15]的算法進(jìn)行處理,步驟4比較容易實(shí)現(xiàn),步驟6可以參考文獻(xiàn)[16]進(jìn)行處理,對(duì)于步驟3和步驟5,下面進(jìn)行詳細(xì)的討論。
圖2 疊掩場(chǎng)景結(jié)構(gòu)圖
3.1地形駐點(diǎn)定位
地形駐點(diǎn)位于疊掩區(qū)域的邊緣,如圖4所示,與駐點(diǎn)在同一個(gè)距離單元的還有散射點(diǎn),與駐點(diǎn)在同一個(gè)距離單元的還有散射點(diǎn),為了避免,兩點(diǎn)對(duì),兩點(diǎn)的定位造成影響,本文采用陷波法對(duì)它們進(jìn)行抑制。以駐點(diǎn)定位為例,進(jìn)行如下處理:
(1)對(duì)點(diǎn)左側(cè)進(jìn)行干涉信號(hào)處理,根據(jù)地形連續(xù)性估計(jì)點(diǎn)仰角高度,同理估計(jì)點(diǎn)仰角高度;
(2)提取駐點(diǎn)所在距離單元的SAR復(fù)圖像信號(hào),沿仰角方向作FFT,獲得散射系數(shù)的分布;
(4)檢測(cè)散射系數(shù)幅度的最大值,該最大值所在的仰角高度作為點(diǎn)的仰角高度。
圖3 算法流程圖
圖4 疊掩地形駐點(diǎn)結(jié)構(gòu)圖
對(duì)點(diǎn)的定位過(guò)程和上述過(guò)程類(lèi)似,只需將點(diǎn)和點(diǎn)的操作互換即可。定位過(guò)程中可以利用相鄰方位單元的地形連續(xù)特性對(duì)駐點(diǎn)高度進(jìn)行濾波,從而提高定位精度。
3.2疊掩區(qū)域干涉信號(hào)處理
疊掩區(qū)域干涉信號(hào)處理需要注意的問(wèn)題是地形的突變,如圖2所示,在預(yù)濾波、相位濾波和相位解纏過(guò)程中將Ⅰ區(qū)SAR圖像與右側(cè)聯(lián)合進(jìn)行處理,將Ⅲ區(qū)SAR圖像與左側(cè)聯(lián)合進(jìn)行處理,Ⅱ區(qū)SAR圖像單獨(dú)進(jìn)行處理。
疊掩區(qū)域地形坡度比較大,坡度變化也比較大,如Ⅰ區(qū)和Ⅱ區(qū)坡度幾乎是相反的。為了使預(yù)濾波和地形坡度相適應(yīng),我們采用如下的自適應(yīng)卷積方法進(jìn)行預(yù)濾波,本文只考慮距離向的預(yù)濾波,步驟如下:
(4)求取預(yù)濾波后的新圖像,表達(dá)式為
(5)對(duì)待處理的所有多通道SAR復(fù)圖像的每一個(gè)像素都進(jìn)行步驟(2),步驟(3),步驟(4)的處理,完成預(yù)濾波過(guò)程。
本文預(yù)濾波過(guò)程只考慮了距離預(yù)濾波,如有需要可以加入方位預(yù)濾波處理。預(yù)濾波過(guò)程完成之后提取干涉相位,之后利用回轉(zhuǎn)中值濾波對(duì)干涉相位進(jìn)行濾波,最后再進(jìn)行相位解纏即可以獲得絕對(duì)相位,之后進(jìn)行地形融合反演獲得3維重建結(jié)果。
仿真多通道SAR數(shù)據(jù)驗(yàn)證本文算法的有效性,系統(tǒng)參數(shù)如表1所示,天線陣列由10個(gè)天線構(gòu)成,水平放置,均勻分布,工作模式為自發(fā)自收。
表1多通道SAR仿真參數(shù)
波長(zhǎng)(cm)3.125 采樣率(MHz)360 PRF(Hz)240 載機(jī)速度(m/s)100 基線總長(zhǎng)度(m)9 脈沖寬度(μs)1 信號(hào)帶寬(MHz)300 參考斜距(m)7071 下視角(°)45 信噪比(dB)20
仿真場(chǎng)景采用真實(shí)自然場(chǎng)景的縮比模型,仿真產(chǎn)生多通道SAR回波數(shù)據(jù),之后進(jìn)行成像處理得到的通道1的SAR圖像如圖5(a)所示,經(jīng)過(guò)圖像配準(zhǔn)之后所得通道1和通道2兩幅SAR復(fù)圖像的干涉相位如圖5(b)所示。由圖5(a)中可以看到,圖中存在散射系數(shù)比較大的區(qū)域,該區(qū)域?yàn)榀B掩區(qū)域,疊掩區(qū)域后方圖像較暗,這是因?yàn)樵搮^(qū)域的掠射角比較大,散射系數(shù)較弱。由圖5(b)中可以看到,干涉相位具有明顯的趨勢(shì)特性,相干系數(shù)較低的區(qū)域出現(xiàn)在疊掩區(qū)域和弱散射區(qū)域,而且疊掩區(qū)域有比較明顯的干涉相位反偏現(xiàn)象。
采用文獻(xiàn)[15]的算法進(jìn)行疊掩區(qū)域檢測(cè)和識(shí)別,對(duì)疊掩區(qū)域利用文獻(xiàn)[8]中壓縮感知方法進(jìn)行3維重建所得結(jié)果如圖6(a)中點(diǎn)云所示,利用3.1節(jié)中所述方法對(duì)地形駐點(diǎn)進(jìn)行定位,然后對(duì)不同方位的地形駐點(diǎn)進(jìn)行連線結(jié)果如圖6(a)中線條所示。將駐點(diǎn)仰角高度作為門(mén)限對(duì)3維分布圖進(jìn)行劃分成Ⅰ區(qū),Ⅱ區(qū),Ⅲ區(qū)3個(gè)區(qū)域,之后利用多通道SAR系統(tǒng)參數(shù)反推生成的SAR圖像分別如圖6(b), 6(c), 6(d)所示,圖中不僅顯示了3個(gè)區(qū)域分別反推生成的SAR圖像,還顯示了非疊掩區(qū)域SAR圖像。由這3幅圖中可以看到,Ⅰ區(qū)SAR圖像和疊掩區(qū)域后方圖像具有較好的連續(xù)特性,Ⅲ區(qū)SAR圖像和疊掩區(qū)域前方圖像具有較好的連續(xù)特性,與第2節(jié)理論分析結(jié)果相吻合。
對(duì)分割后的3個(gè)區(qū)域利用第3節(jié)所述方法進(jìn)行干涉信號(hào)處理,然后進(jìn)行地形融合和反演,最終得到的整個(gè)場(chǎng)景3維重建結(jié)果如圖7所示。由圖中可以看出重建DEM和原始DEM非常吻合,圖中大面積的黑色區(qū)域是由SAR圖像截取造成的。作為對(duì)比本文利用文獻(xiàn)[8]中的方法對(duì)疊掩場(chǎng)景進(jìn)行3維重建,所得結(jié)果如圖7(e), 7(f)所示??梢园l(fā)現(xiàn),文獻(xiàn)[8]中方法重建結(jié)果地形起伏較大,而且重建誤差較大。
此外,文獻(xiàn)[8]方法還存在比較嚴(yán)重的漏檢問(wèn)題。圖8(a)所示為FFT方法所得場(chǎng)景散射系數(shù)分布,可以看到其分布是不均勻的,當(dāng)利用文獻(xiàn)[8]方法進(jìn)行重建時(shí),同一距離單元內(nèi)強(qiáng)目標(biāo)會(huì)影響弱目標(biāo)的重建,從而引入較大的誤差甚至造成漏檢,而本文方法利用地形連續(xù)性信息進(jìn)行重建,沒(méi)有相應(yīng)的檢測(cè)過(guò)程,因此不存在漏檢問(wèn)題。對(duì)比圖8(a)和圖8(b)可以發(fā)現(xiàn)漏檢多數(shù)發(fā)生在散射系數(shù)較弱的位置,與理論分析吻合。
圖5 仿真所得SAR圖像和干涉相位
圖6 地形駐點(diǎn)定位及分割結(jié)果
圖7 3維重建結(jié)果及重建誤差
圖8 地形重建結(jié)果比較
經(jīng)過(guò)統(tǒng)計(jì),兩種方法重建DEM誤差和漏檢概率如表2所示。
由表2中可以看到兩種方法對(duì)非疊掩區(qū)域重建誤差幾乎一致,因?yàn)閮煞N方法對(duì)非疊掩區(qū)域都采用干涉信號(hào)處理,而對(duì)于疊掩區(qū)域,本文方法重建誤差明顯小于文獻(xiàn)[8]方法誤差,其中疊掩Ⅰ區(qū)誤差最小與非疊掩強(qiáng)散射區(qū)相近,疊掩Ⅱ區(qū)誤差較大,主要因?yàn)樵搮^(qū)域地形坡度大,信號(hào)相關(guān)性差,疊掩Ⅲ區(qū)誤差最大,因?yàn)樵搮^(qū)域散射較弱,信噪比很差。此外,文獻(xiàn)[8]方法還存在較嚴(yán)重的漏檢問(wèn)題,其中漏檢概率最高的區(qū)域?yàn)榀B掩Ⅲ區(qū),因?yàn)樵搮^(qū)域散射較弱,重建過(guò)程中受其他強(qiáng)散射區(qū)影響較大,而本文方法通過(guò)地形駐點(diǎn)分割抑制了其他散射區(qū)的干擾,并利用干涉信號(hào)處理獲得高精度測(cè)量結(jié)果,因此重建精度和穩(wěn)定性都較高。
本文算法同樣適用于規(guī)則樓體疊掩場(chǎng)景的3維重建,不同的是樓體疊掩場(chǎng)景通常是折線型結(jié)構(gòu)而不是曲線型結(jié)構(gòu)。由于樓體疊掩場(chǎng)景其散射系數(shù)變化通常很大,常規(guī)3維重建方法漏檢非常嚴(yán)重,本文算法能夠克服漏檢問(wèn)題,獲得更為清晰的建筑物紋理結(jié)構(gòu)和更高精度的3維幾何結(jié)構(gòu)。
表2重建DEM誤差(m)和漏檢概率(%)
誤差/漏檢概率非疊掩區(qū)域分割后疊掩區(qū)域 強(qiáng)散射區(qū)弱散射區(qū)Ⅰ區(qū)Ⅱ區(qū)Ⅲ區(qū) 本文方法0.266/--0.581/--0.264/--0.351/--0.398/-- 文獻(xiàn)[8]方法0.267/--0.578/--0.491/7.110.722/8.330.710/37.20
本文研究了多通道SAR疊掩區(qū)域3維重建方法,彌補(bǔ)了傳統(tǒng)InSAR不能進(jìn)行疊掩區(qū)域測(cè)繪的缺陷,同時(shí)分析了現(xiàn)有3維重建方法的不足,提出了一種基于地形駐點(diǎn)分割的多通道SAR 3維重建方法,該方法結(jié)合了多通道SAR的高度向分辨能力和干涉信號(hào)處理的高精度,充分利用了SAR數(shù)據(jù)信息和場(chǎng)景地形連續(xù)性信息,相對(duì)于傳統(tǒng)的方法,能夠更加穩(wěn)定、精確地實(shí)現(xiàn)疊掩場(chǎng)景的3維重建。后續(xù)研究中我們會(huì)進(jìn)一步改進(jìn)該算法,使其更適合于處理城市樓體疊掩場(chǎng)景,并進(jìn)行相關(guān)3維重建實(shí)驗(yàn),增強(qiáng)多通道SAR城市3維測(cè)繪能力。
[1] Morishita Y and Hanssen R F. Temporal decorrelation in L-, C-, and X-band satellite radar interferometry for pasture on drained peat soils[J]., 2015, 53(2): 1096-1104.
[2] 王健, 向茂生, 李紹恩. 一種基于 InSAR 相干系數(shù)的 SAR 陰影提取方法[J]. 武漢大學(xué)學(xué)報(bào)信息科學(xué)版, 2005, 30(12): 1063-1066.
Wang Jian, Xiang Mao-sheng, and Li Shao-en. A method for extracting the SAR shadow from InSAR coherence[J]., 2005, 30(12): 1063-1066.
[3] Baselice F, Budillon A, Ferraioli G,.. Layover solution in SAR imaging: a statistical approach[J]., 2009, 6(3): 577-581.
[4] Wang Bin, Wang Yan-ping, Hong Wen,.. Application of spatial spectrum estimation technique in multibaseline SAR for layover solution[C]. Geoscience and Remote Sensing Symposium, Boston, USA, 2008: III-1139-III-1142.
[5] Lombardini F, Cai F, and Pasculli D. Spaceborne 3-D SAR tomography for analyzing garbled urban scenarios: single-look superresolution advances and experiments[J]., 2013, 6(2): 960-968.
[6] Schmitt M and Stilla U. Compressive sensing based layover separation in airborne single-pass multi-baseline InSAR data [J]., 2013, 10(2): 313-317.
[7] Schmitt M and Stilla U. Maximum-likelihood-based approach for single-pass synthetic aperture radar tomography over urban areas[J].,&, 2014, 8(9): 1145-1153.
[8] Zhu Xiao-xiang and Bamler R. Super-resolution power and robustness of compressive sensing for spectral estimation with application to spaceborne tomographic SAR[J]., 2012, 50(1): 247-258.
[9] Frey O, Siddique M, Hajnsek I,.. Combining SAR tomography and a PSI approach for highresolution 3-D imaging of an urban area[C]. Proceedings of 10th European Conference on Synthetic Aperture Radar, Berlin, Germany, 2014: 1-4.
[10] Budillon A, Evangelista A, and Schirinzi G. Three- dimensional SAR focusing from multipass signals using compressive sampling[J]., 2011, 49(1): 488-499.
[11] Kropatsch W G and Strobl D. The generation of SAR layover and shadow maps from digital elevation models[J]., 1990, 28(1): 98-107.
[12] Lombardini F, Robing L, Ender J,.. Towards a complete processing chain of multibaseline airborne InSAR data for layover scatterers separation[C]. Urban Remote Sensing Joint Event, Paris, France, 2007: 1-6.
[13] Schack L and Soergel U. Exploiting regular patterns to group persistent scatterers in urban areas[J]., 2014, 7(10): 4177-4183.
[14] Tao Jun-yi, Auer S, Palubinskas G,.. Automatic SAR simulation technique for object identification in complex urban scenarios[J]., 2014, 7(3): 994-1003.
[15] Rossi C, Eineder M, and Fritz T. Detecting building layovers in a SAR interferometric processor without external references[C]. Proceedings of 10th European Conference on Synthetic Aperture Radar, Berlin, Germany, 2014: 1-4.
[16] 張紅敏. SAR 圖像高精度定位技術(shù)研究[D]. [博士論文], 解放軍信息工程大學(xué), 2013.
Zhang Hong-min. Research on technologies of accurate positioning with SAR images[D]. [Ph.D. dissertation], PLA Information Engineering University, 2013.
3-D Reconstruction for Multi-channel SAR Interferometry Using Terrain Stagnation Point Based Division
Zhang Fu-bo①②③Liang Xing-dong①②Wu Yi-rong①②
①(,100190,)②(,,100190,)③(,100049,)
Multi-channel SAR can reconstruct the 3-D surface of the observed scene with its resolution power in the elevation. However, with limited baseline length, most methods suffer from limited precision and significant miss rates. In view of this situation, a new 3-D reconstruction method using terrain stagnation point based division is proposed. Firstly, 3-D distribution is obtained using tomography; secondly, stagnation point position and division are conducted to separate the layover; then 3-D reconstruction is conducted using interferometry. This method combines the resolving power of multi-channel SAR and high precision of interferometry. Therefore, reconstruction results with higher precision and greater stability are achieved. The effectiveness of the method is validated using experiments with simulated data.
Multi-channel SAR; Layover; 3-D reconstruction; Interferometry; Terrain stagnation point
TN957.52
A
1009-5896(2015)10-2287-07
10.11999/JEIT150244
2015-02-12;改回日期:2015-06-25;
2015-07-17
張福博 zhangfubo8866@126.com
張福博: 男,1988年生,博士生,研究方向?yàn)槎嗤ǖ繱AR 3維重建.
梁興東: 男,1973年生,研究員,研究方向?yàn)楦叻直媛屎铣煽讖嚼走_(dá)系統(tǒng)、干涉合成孔徑雷達(dá)系統(tǒng)、成像處理及應(yīng)用、實(shí)時(shí)數(shù)字信號(hào)處理.
吳一戎: 男,1963年生,研究員,中國(guó)科學(xué)院院士,研究方向?yàn)槲⒉ǔ上窭碚?、微波成像技術(shù)和雷達(dá)信號(hào)處理.