结合KSTEST统计检验方法的联合像素时序干涉SAR处理技术

doi:10.13474/j.cnki.11-2246.2017.0261

测绘通报 ›› 2017, Vol. 0 ›› Issue (8): 84-87.doi: 10.13474/j.cnki.11-2246.2017.0261

结合KSTEST统计检验方法的联合像素时序干涉SAR处理技术

张金宝^1,2,3, 吕孝雷^1,2, 卢晓军⁴

1. 中国科学院电子学研究所, 北京 100190;
2. 中国科学院空间信息处理与应用系统技术院重点实验室, 北京 100190;
3. 中国科学院大学, 北京 100049;
4. 中国国际工程咨询公司, 北京 100048

收稿日期:2016-12-12 修回日期:2017-03-15 出版日期:2017-08-25 发布日期:2017-08-29
作者简介:张金宝(1991-),男,硕士,主要研究星载时间序列干涉SAR技术。E-mail:zhangjinbao14@mails.ucas.ac.cn
基金资助:
中科院"百人计划"项目（Y53Z180390）；民政部国家减灾中心项目（8435-01）

Joint Scatterers Processing for Time-Series SAR Interferomtry with KSTEST Inference

ZHANG Jinbao^1,2,3, LÜ Xiaolei^1,2, LU Xiaojun⁴

1. Institute of Electronic, Chinese Academy of Sciences, Beijing 100190, China;
2. Key Laboratory of Spatial Information Processing and Application System Technology, Chinese Academy of Sciences, Beijing 100190, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. China International Engineering Consulting Corporation, Beijing 100048, China

Received:2016-12-12 Revised:2017-03-15 Online:2017-08-25 Published:2017-08-29

摘要/Abstract

摘要： 联合像素干涉SAR处理技术属于第二代时序干涉SAR技术，技术流程分为3步：联合像素信号模型建立，拟合优度检验，空域自适应滤波。本文在一维KSTEST统计检验方法基础上，提出了基于多维联合像素的非参数拟合优度检验方法，利用实测数据将该方法与传统的多时相干涉SAR技术结果对比，使形变监测点空间密度得到有效提升，形变监测能力得到进一步提高。

关键词: 联合像素, 干涉SAR, 分布式散射点, 拟合优度检验, KSTEST, 多时相干涉SAR

Abstract: Joint scatterers InSAR is the second-generation time-series InSAR technology, comprised of three technical procedures:building a joint scatterers signal model, performing a goodness-of-fit test, and conducting a spatial adaptive filtering. Based on one-dimensional KSTEST inference, the essay advances method of non-parametric goodness-of-fit test based on joint scatterers. In comparison with the results of conventional multi-temporal InSAR, the testing data based on the new methods have attested to an effective elevation in the spatial density of deformation monitoring points and a further improvement in the deformation monitoring capacity.

Key words: joint scatterers, InSAR, distributed scatterers, goodness-of-fit test, KSTEST, multi-temporal InSAR

中图分类号:

张金宝, 吕孝雷, 卢晓军. 结合KSTEST统计检验方法的联合像素时序干涉SAR处理技术[J]. 测绘通报, 2017, 0(8): 84-87.

ZHANG Jinbao, LÜ Xiaolei, LU Xiaojun. Joint Scatterers Processing for Time-Series SAR Interferomtry with KSTEST Inference[J]. 测绘通报, 2017, 0(8): 84-87.

参考文献

[1] FERRETTI A, PRATI C,ROCCA F. Permanent Scatters in SAR Interferometry[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(1):8-20.
[2] FERRETTI A, PRATI C, ROCCA F. Nonlinear Subsidence Rate Estimation Using the Permanent Scatterers in Differential SAR Interferometry[J].IEEE Transactions on Geoscience and Remote Sensing,2000,38(5):2202-2212.
[3] 刘国祥,陈强,罗小军,等.永久散射体雷达干涉理论与方法[M].北京:科学出版社,2012.
[4] 孙倩,朱建军,李志伟,等.基于信噪比的InSAR干涉图自适应滤波[J].测绘学报,2009,38(5):422-437.
[5] 秦晓琼,杨梦诗,王寒梅,等.高分辨率PS-InSAR在轨道交通形变特征探测中的应用[J].测绘学报,2016,45(6):713-721.
[6] FORNARO G, REALE D, SERAFINO F. Four Dimensional SAR Imaging for Height Estimation and Monitoring of Single and Double Scatterers[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(1):224-237.
[7] BERARDINO P, FORNARO G, LANARI R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J].IEEE Transactions on Geoscience and Remote Sensing,2002,40(11):2375-2383.
[8] 梁涛.利用短基线集InSAR技术监测矿区地表形变[J].测绘通报,2014(S2):82-84.
[9] 谢荣安,周元华,胡争.短基线集技术在地表形变监测中的应用研究[J].测绘通报,2015(8):70-73.
[10] FERRETTI A, FUMAGALLI A, NOVALI F, et al. A New Algorithm for Processing Interferometric Data-Stacks:SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing,2011,49(9):3460-3470.
[11] LV X, YAZICI B, ZEGHAL M, et al. Joint-Scatterer Processing for Time-Series InSAR[J].IEEE Transactions on Geoscience and Remote Sensing,2014,52(11):7205-7219.
[12] 朱益稼,于凤芹,陈莹.基于拟合优度检验的图像序列变化检测[J].计算机工程,2015,41(12):226-230.
[13] 兰冲锋.统计学教学中关于假设检验问题探讨[J].湖南城市学院学报(自然科学版),2016, 25(2):303-304.
[14] 王彦兵,洪伟,李小娟,等.基于D-InSAR技术的北京城区地面沉降监测[J].测绘通报,2016(5):66-68.
[15] ROSEN P A, HENSLEY S, JOUGHIN I R, et al. Synthetic Aperture Radar Interferometry[J].Proceedings of the IEEE,2000,88(3):333-382.

结合KSTEST统计检验方法的联合像素时序干涉SAR处理技术

Joint Scatterers Processing for Time-Series SAR Interferomtry with KSTEST Inference

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	岳胜杰, 王红旗, 刘群坡, 赵荣亮. 结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计[J]. 测绘通报, 2022, 0(7): 49-53.
[7]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[8]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[9]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[10]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[11]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[12]	刘国超, 彭卫平, 杨水华, 胡周文. 地质雷达+三维测量内窥镜的城市道路病害检测与应用[J]. 测绘通报, 2022, 0(7): 134-137.
[13]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[14]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[15]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.