《GB-InSAR圖像誤差特徵分析與改正模型研究》是依託武漢大學，由郭際明擔任項目負責人的面上項目。
基本介紹
- 中文名：GB-InSAR圖像誤差特徵分析與改正模型研究
- 項目類別：面上項目
- 項目負責人：郭際明
- 依託單位：武漢大學
項目摘要,結題摘要,
項目摘要
地基合成孔徑干涉雷達（GB-InSAR）是獲取高精度工程建築物動態變化參數及微小形變的一種主動雷達成像遙感測量新技術。GB-InSAR觀測測站可設定在監測目標附近的地面位置，觀測時間和周期可根據實際需要來確定，與空基合成孔徑雷達(AB-InSAR)相比，雖然GB-InSAR圖像易受地表大氣環境變化影響，但精度和時空解析度都比AB-InSAR顯著提高，其圖像誤差具有特殊性。本項目從GB-InSAR信號特徵和工作環境出發，對目前GB-InSAR干涉測量中系統觀測平台不穩定引起的誤差、時間和空間失相關引起的誤差、相位解纏誤差以及地表大氣效應影響誤差等問題進行深入的研究，並對相關誤差特徵進行分析，建立適合於GB-InSAR的誤差改正模型，利用GNSS技術進行互動驗證，提出GB-InSAR的質量評價方法，以期提高GB-InSAR測量數據處理效率和精度，促進GB-InSAR在精密工程測量領域中的套用。
結題摘要
SAR干涉測量系統分為空基(AB-InSAR)和地基(GB-InSAR)兩種形式。AB-InSAR以衛星或飛機為搭載平台，具有獲取數據範圍大的優勢，然而，星載SAR衛星系統因其重返周期較長，地距解析度較低，成像幾何造成的影像陰影等缺陷，不能滿足高精度、實時性提取工程建築物局部區域形變特徵的要求。而GB-InSAR或地基真實孔徑雷達（GB-RAR）作為AB-InSAR在地面上的一種實現形式，因其靈活的設站方式，短暫的重訪周期以及極高的空間解析度使得GB-SAR/GB-RAR成為滑坡動態監測和獲取工程建築物高頻振動規律及微小形變的有效手段。 本項目主要研究了GB-InSAR影像配準算法、大氣效應影響校正方法、相位解纏方法、誤差特徵及監測目標位移信號提取等內容，重要成果有：(1)研究實現了基於Fourier-Mellin算法的主輔影像粗配準，並利用Moravec算法對粗配準的主輔影像提取同名點，對同名點集構建Delaunay三角網，以三角形為單位依次計算Delaunay三角網中三角形對的相似度，並由最大相似度的三角形對進行仿射變換實現主輔影像的精確配準，該算法減小了因GB-SAR監測平台的微小運動而造成的GB-SAR影像失相干的問題。(2)建立了一種基於研究區域周圍穩定點的大氣效應改正方法，通過綜合利用PS點多閾值篩選方法篩選選出非形變區域的穩定點，將這些穩定點上的差分相位予以平均並作為大氣影響貢獻，在其他PS點的差分相位上予以扣除，從而實現對大氣效應的改正。(3)鑒於採用了GB-InSAR連續觀測，相鄰影像的時間間隔較小，因此通過對相鄰影像進行多視相干平均處理，並採取相鄰多視影像干涉測量的方式，進而實現了大量GB-SAR影像在時間維度上的1-D解纏，同時，還增強了SAR影像相干性並降低了對計算機處理性能的要求。(4)在GB-SAR影像誤差特徵識別與高精度形變特徵提取方面，實現了利用最大似然估計（MLE）方法來進行粗差探測和白噪聲或有色噪聲的識別與去除，進而獲得精煉的目標形變位移，聯合基於GB-RAR獲得多目標精煉位移數據和GNSS獲得的逐點靜止測量數據，提出了基於奇異值分解（SVD）的大型構築物時頻域振動特徵、模態參數及前幾階振型的識別與提取方法，為構築物的故障診斷與健康監測提供數據支撐。研究成果對研究滑坡孕育機理和超高層建築物的動態特性研究具有價值。
