欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022102969230
申请人: 长安大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于Offset‑Tracking技术的滑坡形变分析方法,其特征在于,包括:获取覆盖同一滑坡监测区域的时间序列影像;

根据太阳高度角以及方位角的相似度,对所述时间序列影像组成影像对,获得多组影像对;

对每组影像对进行匹配搜索,确定互相关系数最大的整像素点对、该整像素点对周围互相关系数最大的子像素点对以及该子像素点对周围的目标子像素点对;

将整像素点对中两个像素点之间的整数位移、子像素点对中两个子像素点之间的小数位移以及目标子像素点对中两个目标子像素点之间的小数偏移累加,得到每组影像对的形变观测矩阵;

建立影像对的形变观测值矩阵、形变时间矩阵与形变速率矩阵的观测方程;

按照所述形变时间矩阵的元素情况,对所述观测方程使用最小二乘法准则或使用加权奇异值分解法进行求解,得到每组影像对中两个影像的速率;

基于所述每组影像对中两个影像的形变速率,生成二维形变时序影像。

2.根据权利要求1的所述滑坡形变分析方法,其特征在于,所述时间序列影像为多幅按照时间序列排序的图像;所述影像对数量与按照时间序列排序的图像数量满足:其中,N表示按照时间序列排序的图像数量,M表示影像对数量。

3.根据权利要求1的所述滑坡形变分析方法,其特征在于,所述对每组影像对进行匹配搜索,确定互相关系数最大的整像素点对、该整像素点对周围互相关系数最大的子像素点对以及该子像素点对周围的目标子像素点对包括:将每组影像对中的一幅影像作为参考影像,另一幅作为搜索影像,对每组影像对进行整像素点搜索,确定互相关系数最大值所在位置的整像素点对;

对所述整像素点对周围的子像素点进行插值计算,确定互相关系数最大值所在位置的子像素点对;

对所述子像素点对周围的子像素点进行高斯回归分析,确定目标子像素点对。

4.根据权利要求3的所述滑坡形变分析方法,其特征在于,所述将每组影像对中的一幅影像作为参考影像,另一幅作为搜索影像,对每组影像对进行整像素点搜索,确定互相关系数最大值所在位置的整像素点对包括:将每组影像对中的一幅影像作为参考影像,另一幅作为搜索影像;

使用两个大小相同的第一滑动窗口和第二滑动窗口分别在参考影像的目标区域和搜索影像的搜索区域进行滑动,并依次计算第一互相关系数,得到第一互相关系数矩阵;

确定第一互相关系数最大值所在的位置的整像素点对;

所述对所述整像素点对周围的子像素点进行插值计算,确定互相关系数最大值所在位置的子像素点对包括:在第一互相关系数最大值所在的位置处进行网格化;

使用两个大小相同的第三滑动窗口和第四滑动窗口在网格中滑动,并双线性插值算法依次计算第三滑动窗口和第四滑动窗口在网格化处的第二互相关系数,得到第二互相关系数矩阵;

对所述子像素点对周围的子像素点进行高斯回归分析,确定目标子像素点对包括:在第二互相关系数峰值所在位置处的子像素点以及其周围9个子像素点进行高斯回归分析,得到高斯回归模型最优的目标子像素点。

5.根据权利要求1的所述滑坡形变分析方法,其特征在于,所述按照所述形变时间矩阵的元素情况,对所述观测方程使用最小二乘法准则或使用加权奇异值分解法进行求解,得到每组影像对中两个影像的速率包括:当所述形变时间矩阵为满秩时,使用最小二乘准则对所述观测方程进行求解,得到每组影像对中两个影像的速率;

当所述形变时间矩阵为秩亏时,使用加权奇异值分解(SVD)法对所述观测方程进行求解,得到每组影像对中两个影像的速率。

6.根据权利要求4的所述滑坡形变分析方法,其特征在于,当所述形变时间矩阵为秩亏时,使用加权奇异值分解(SVD)法对所述观测方程进行求解,得到每组影像对中两个影像的速率包括:当所述形变时间矩阵为秩亏时,对所述观测方程使用加权矩阵进行转化,得到转化后的观测方程;

对转化后的观测方程中的加权矩阵和形变时间矩阵进行奇异值分解;

基于加权矩阵和形变矩阵的奇异值分解结果,对转化后的观测方程进行求解,得到每组影像对中两个影像的速率。

7.根据权利要求6任一项所述的滑坡形变分析方法,其特征在于,所述形变观测矩阵包括所有影像对的形变观测值,所述形变时间矩阵包括每组影像对中两个影像的时间间隔,所述形变速率矩阵包括:每组影像对中两个影像的速率;

所述观测方程表示为:

Bv=d

其中,B为M×N的系数矩阵,该矩阵B中的元素由影像对中相邻影像的时间间隔组成;mi表示影像对中的主影像,从影像为si,矩阵B中的元素可表示为:d为M×1的形变观测矩阵,矩阵元素由所有互相关影像对的形变观测值组成,d=[d1 d2 T… dM] ;v是N×1的矩阵,矩阵元素由影像对中相邻影像之间的速率组成,v=[v1 v2 … Tvn]。

8.根据权利要求7所述的滑坡形变分析方法,其特征在于,使用最小二乘准则对所述观测方程进行求解,得到的每组影像对中两个影像的速率表示为:T ‑1 T

v=(BPB) BPd

其中,P为一个M×M的加权矩阵,P=diag(ω1,ω2,…,ωM),ωi由每一个影像对的标准差σi的倒数构成,是衡量各影像对所占权重的指标;

9.根据权利要求7所述的滑坡形变分析方法,其特征在于,转化后的观测方程表示为:对加权矩阵和系数矩阵进行奇异值分解结果表示为:T

其中,svd为奇异值分解函数;U为M×M的正交矩阵,是ZZ特征向量;V为N×M的矩阵,是TZZ的特征向量;S是M×M的对角矩阵;

使用奇异值分解结果对转化后的观测方程求解,得到的每组影像对中两个影像的速率表示为:+ +

其中,S为S的伪逆,由奇异值σi组成,S=diag(1/σ1,1/σ2,…,1/σN‑L+1,0,0,…,0),奇异值是0的数量有(L‑1)个。

10.根据权利要求1所述的滑坡形变分析方法,其特征在于,在得到每组影像对的形变观测矩阵之后,所述滑坡形变分析方法还包括:对所述形变观测矩阵进行东西向和南北向的分解,得到东西向和南北向的形变观测值;

计算得到东西向和南北向的形变观测值所使用影像对的信噪比;

使用所述信噪比对所述形变观测矩阵进行验证;

对所述形变观测矩阵中的形变观测值进行滤波,得到平滑的形变观测值;

对平滑的形变观测值进行东西向和南北向的分解,得到东西向和南北向的形变观测值。