一种基于inSAR技术的滑坡区域识别方法及系统

技术领域

本发明涉及滑坡识别领域，尤其涉及一种基于inSAR技术的滑坡区域识别方法及系统。

背景技术

inSAR是新近发展起来的空间对地观测技术，是传统的SAR遥感技术与射电天文干涉技术相结合的产物。它利用雷达向目标区域发射微波，然后接收目标反射的回波，得到同一目标区域成像的SAR复图像对，若复图像对之间存在相干条件，SAR复图像对共轭相乘可以得到干涉图，根据干涉图的相位值，得出两次成像中微波的路程差，从而计算出目标地区的地形、地貌以及表面的微小变化，可用于数字高程模型建立、地壳形变探测等。

在利用inSAR技术进行潜在的滑坡识别的过程中，通常包括对inSAR图像进行配准、干涉图生成、相位解缠、椭球拟合、形变计算等步骤。由于配准过程的误差、系统噪声等因素的影响，干涉图中通常会存在较多的噪声，导致干涉条纹不够清楚，从而影响后续的相位解缠所得到的结果的准确程度。因此，通常需要对干涉图进行滤波处理，现有技术中，通常都是使用同一种滤波方式对干涉图中的所有像素点进行滤波处理，而没有考虑到图像中的高频部分(图像变化较快的区域)和低频部分(图像变化较平缓的区域)都可能存在噪声，这就导致对干涉图进行滤波后，依然存在较多的噪声，滤波所得到的图像的质量依然不够高，从而影响相位解缠所得到的结果的准确程度。

发明内容

本发明的目的在于公开一种基于inSAR技术的滑坡区域识别方法及系统，解决对干涉图进行滤波后得到的图像进行相位解缠时，如何进一步提高相位解缠的结果的准确程度的问题。

为了达到上述目的，本发明提供如下技术方案：

第一个方面，本发明提供了一种基于inSAR技术的滑坡区域识别方法，包括：

S1，获取包含待识别区域的SAR图像所对应的干涉图；

S2，对干涉图进行目标像素点检测，得到目标像素点的集合A；

S3，计算A中的每个像素点的判断值；

S4，将A中判断值大于设定的判断阈值的像素点存到集合A1，将A中其余的像素点存到集合A2；

S5，采用两种不同的滤波算法分别对A1和A2中的像素点进行滤波，得到滤波后的干涉图；

S6，对滤波后的干涉图进行识别，判断待识别区域是否为潜在的滑坡区域。

可选的，S1包括：

S11，获取成像视角不同的两张SAR图像P1和P2，P1和P2均包含待识别区域；

S12，对P1和P2进行配准，得到配准图像；

S13，基于配准图像获取干涉图。

可选的，S2包括：

对于干涉图中的像素点b，若像素点b的像素值满足value

可选的，S3包括：

使用如下公式计算判断值：

judval

可选的，bnei中的连通域的获取过程包括：

分别以bnei中的每个像素点为计算起始点，在以像素点b为中心的，D×D的正方形区域内进行邻域判断，得到多个局部区域；

将面积最大的局部区域作为连通域。

可选的，对于bnei中的像素点c，获取其对应的局部区域的过程包括：

S31，以像素点c为计算起始点；

S32，将计算起始点从bnei中删除，将计算起始点存入局部区域集合

S33，获取与像素点c相邻的且属于bnei的所有像素点中，与像素点c之间的像素值的差值的绝对值的最小值；

S34，判断S31中得到的最小值是否小于

S35，判断bnei中的像素点的数量是否大于0，若是，则将最小值对应的属于bnei像素点作为下一个计算起始点，进入S32；若否，则进入S36；

S36，由局部区域集合中的像素点组成局部区域。

可选的，S5包括：

若A1中的像素点的数量大于等于A2中的像素点的数量，则在干涉图中先对A1中的像素点进行滤波处理，得到滤波中间图像；

然后在滤波中间图像中，对A2中的像素点进行滤波处理，得到滤波后的干涉图；

若A1中的像素点的数量小于A2中的像素点的数量，则在干涉图中先对A2中的像素点进行滤波处理，得到滤波中间图像；

然后在滤波中间图像中，对A1中的像素点进行滤波处理，得到滤波后的干涉图。

可选的，对A1中的像素点进行滤波处理，使用的算法如下：

将干涉图和滤波中间图像存入集合lwPU；

对于图像lwp，lwp∈lwPU，若lwp为干涉图，则将A1中的像素点存入集合A11；若lwp为滤波中间图像，则在滤波中间图像中，获取与A1中的像素点的坐标相同的像素点的集合A11；

分别计算A11中每个像素点的第一影响系数；

按照第一影响系数从高到低的顺序，依次对A11中每个像素点的进行滤波，得到滤波后的第一图像，若lwp为干涉图，则将滤波后的第一图像作为滤波中间图像，若lwp为滤波中间图像，则滤波后的第一图像作为滤波后的干涉图。

可选的，对A2中的像素点进行滤波处理，使用的算法如下：

将干涉图和滤波中间图像存入集合lwPU；

对于图像lwp，lwp∈lwPU，若lwp为干涉图，则将A2中的像素点存入集合A12；若lwp为滤波中间图像，则在滤波中间图像中，获取与A2中的像素点的坐标相同的像素点的集合A12；

分别计算A12中每个像素点的第二影响系数；

按照第二影响系数从高到低的顺序，依次对A12中每个像素点的进行滤波，得到滤波后的第二图像，若lwp为干涉图，则将滤波后的第二图像作为滤波中间图像，若lwp为滤波中间图像，则滤波后的第二图像作为滤波后的干涉图。

第二个方面，本发明提供了一种基于inSAR技术的滑坡区域识别系统，包括获取模块、检测模块、计算模块、保存模块、滤波模块和识别模块；

获取模块用于获取包含待识别区域的SAR图像所对应的干涉图；

检测模块用于对干涉图进行目标像素点检测，得到目标像素点的集合A；

计算模块用于计算A中的每个像素点的判断值；

保存模块用于将A中判断值大于设定的判断阈值的像素点存到集合A1，将A中其余的像素点存到集合A2；

滤波模块用于采用两种不同的滤波算法分别对A1和A2中的像素点进行滤波，得到滤波后的干涉图；

识别模块用于对滤波后的干涉图进行识别，判断待识别区域是否为潜在的滑坡区域。

有益效果：

本发明通过分别对干涉图中的高频部分的噪声(即A1中的像素点)和低频部分中的噪声(即A2中的像素点)进行滤波，从而使得滤波之后得到的图像中，噪声被进行了更加有效的去除，得到了更加高质量的滤波后的干涉图，从而有利于提高对干涉图进行相位解缠所获得的结果的准确程度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种基于inSAR技术的滑坡区域识别方法的一种示意图。

图2为本发明的一种基于inSAR技术的滑坡区域识别系统的一种示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：

如图1所示的一种实施例，本发明提供了一种基于inSAR技术的滑坡区域识别方法，包括：

S1，获取包含待识别区域的SAR图像所对应的干涉图；

S2，对干涉图进行目标像素点检测，得到目标像素点的集合A；

S3，计算A中的每个像素点的判断值；

S4，将A中判断值大于设定的判断阈值的像素点存到集合A1，将A中其余的像素点存到集合A2；

S5，采用两种不同的滤波算法分别对A1和A2中的像素点进行滤波，得到滤波后的干涉图；

S6，对滤波后的干涉图进行识别，判断待识别区域是否为潜在的滑坡区域。

通过分别对干涉图中的高频部分的噪声(即A1中的像素点)和低频部分中的噪声(即A2中的像素点)进行滤波，从而使得滤波之后得到的图像中，噪声被进行了更加有效的去除，得到了更加高质量的滤波后的干涉图，从而有利于提高对干涉图进行相位解缠所获得的结果的准确程度。

由于现有技术通常仅依据一种滤波算法对干涉图进行滤波处理，因此，本发明的分别采用两种不同的算法进行滤波，能够实现对更多的噪声进行处理，提升图像质量。

待识别区域可以是一个山坡。

可选的，S1包括：

S11，获取成像视角不同的两张SAR图像P1和P2，P1和P2均包含待识别区域；

S12，对P1和P2进行配准，得到配准图像；

S13，基于配准图像获取干涉图。

具体的，配准之后，从图像已经转换到主图像的坐标系，对主图像和从图像或只对从图像进行重采样，之后再将主图像、从图像对应像元进行共轭相乘，从而得到干涉图。

这里的主图像指的是P1和P2中的任意一个，从图像指的是P1和P2中，除了主图像之外的另一张图像。

成像视角不同的两张SAR图像可以采用单轨双天线模式获得，也可以采用重复轨道单天线模式获得。

进行图像配准时，可以采用基于特征匹配的算法、基于区域匹配的算法等对P1和P2进行计算，得到配准结果。

可选的，S2包括：

对于干涉图中的像素点b，若像素点b的像素值满足value

具体的，本发明先进行目标像素点检测，便能够避免对所有的像素点执行滤波运算，能够减少需要滤波的像素点的数量，从而提高滤波的效率。

在进行目标检测时，本发明将像素点b与bnei中的像素点进行像素值对比，当像素点b的像素值比bnei中每个像素点都大时，表示像素点属于噪声的概率非常大，因此，本发明将这样的像素点筛选出来，从而避免对不属于噪声的像素点进行滤波，减少了需要进行滤波的像素点的数量。

可选的，D的值为7。

可选的，若干涉图为RGB颜色模式，则像素值阈值为10。

若干涉图为Lab颜色模式，则像素值阈值为5。

可选的，S3包括：

使用如下公式计算判断值：

judval

具体的，判断值主要是从bnei中与b像素值相近的像素点的数量以及像素点b与可能的图像边缘之间的距离两方面综合计算得到，相似度像素点的数量越大、与可能的图像边缘之间的距离越小，则判断值越大，表示像素点b越可能是图像的边缘上的噪声点，即属于高频部分的噪声，若像素点处于低频部分，那么像素点与周围的像素点之间的像素值的差距会非常大，因此numnei

可选的，α1和α2的权重分别为0.6和0.4。

具体的，设定的判断阈值为0.8。

可选的，bnei中的连通域的获取过程包括：

分别以bnei中的每个像素点为计算起始点，在以像素点b为中心的，D×D的正方形区域内进行邻域判断，得到多个局部区域；

将面积最大的局部区域作为连通域。

具体的，当像素点处于图像的高频部分时，其周围符合要求的连通域仅为与其相邻的且属于图像的边缘的区域，因此，通过从多个局部区域中选择面积最大的区域作为连通域，从而能够识别出像素点周围的图像边缘。

可选的，对于bnei中的像素点c，获取其对应的局部区域的过程包括：

S31，以像素点c为计算起始点；

S32，将计算起始点从bnei中删除，将计算起始点存入局部区域集合

S33，获取与像素点c相邻的且属于bnei的所有像素点中，与像素点c之间的像素值的差值的绝对值的最小值；

S34，判断S31中得到的最小值是否小于

S35，判断bnei中的像素点的数量是否大于0，若是，则将最小值对应的属于bnei像素点作为下一个计算起始点，进入S32；若否，则进入S36；

S36，由局部区域集合中的像素点组成局部区域。

具体的，在获取局部区域时，本发明将纳入局部区域集合时，对绝对值进行判断的阈值设置得非常小，这样能够避免当A中的像素点处于低频部分时，导致numnei

可选的，S5包括：

若A1中的像素点的数量大于等于A2中的像素点的数量，则在干涉图中先对A1中的像素点进行滤波处理，得到滤波中间图像；

然后在滤波中间图像中，对A2中的像素点进行滤波处理，得到滤波后的干涉图；

若A1中的像素点的数量小于A2中的像素点的数量，则在干涉图中先对A2中的像素点进行滤波处理，得到滤波中间图像；

然后在滤波中间图像中，对A1中的像素点进行滤波处理，得到滤波后的干涉图。

为了保留更多的边界信息，现有技术通常使用保边滤波算法对干涉图进行滤波，但是，保边滤波算法由于需要保边，对图像中的高频部分的滤波能力不足，因此，滤波之后得到的图像中依然存在较多的像素点，而本发明通过分别对A1和A2中的像素点采用不同的滤波算法那进行滤波处理，能够对低频部分的噪声进行有效滤波的同时，兼顾对高频部分的噪声的滤波，从而使得得到的滤波后的干涉图的滤波结果更加彻底。

另外，本发明还根据A1和A2中的像素点的数量对A1和A2的滤波顺序进行了确定，由于本发明的滤波是在前一次的滤波结果的基础上进行的，为了能够充分利用前一种类型的像素点的滤波结果，因此，本发明优先对A1和A2中数量较多的集合中的像素点进行滤波，这样，便能够使得后续对另一种类型的像素点进行滤波时是以质量更好的图像为基础的，能够充分利用前面的滤波结果来得到更加准确的滤波结果。

可选的，对A1中的像素点进行滤波处理，使用的算法如下：

将干涉图和滤波中间图像存入集合lwPU；

对于图像lwp，lwp∈lwPU，若lwp为干涉图，则将A1中的像素点存入集合A11；若lwp为滤波中间图像，则在滤波中间图像中，获取与A1中的像素点的坐标相同的像素点的集合A11；

分别计算A11中每个像素点的第一影响系数；

按照第一影响系数从高到低的顺序，依次对A11中每个像素点的进行滤波，得到滤波后的第一图像，若lwp为干涉图，则将滤波后的第一图像作为滤波中间图像，若lwp为滤波中间图像，则滤波后的第一图像作为滤波后的干涉图。

具体的，除了对不同类型的像素点的滤波顺序进行排序，本发明还对同一类型的像素点也进行了排序，第一影响系数越大，表示该像素点对周围像素点的滤波影响程度越大，越会被优先进行滤波，使得本发明的在先的滤波结果能够更加充分地发挥作用，提高在后的滤波所得到的结果的准确程度。

可选的，第一影响系数的计算公式为：

firimp

具体的，第一影响系数一方面是考虑了指定大小的邻域中包含的属于同一类型的像素点的数量，另一方面则是考虑了这些同一类型的像素点的分布情况，数量越大，同一类型的像素点与d之间的平均距离越小，此时第一影响系数越大，表示dnei中的像素点在进行滤波时，越有可能基于对d进行滤波所得到的结果进行，从而从两个不同的方面对像素点的影响程度进行了综合的表示，能够更加准确地表示像素点的影响程度。

可选的，同类像素点权重和分布密集程度权重分别为0.5和0.5。

可选的，按照第一影响系数从高到低的顺序，依次对A11中每个像素点的进行滤波，得到滤波后的图像，包括：

除了第一次滤波是在lwp的基础上进行的之外，后续的每一次滤波都在前一次滤波所得到的图像上进行。

具体的，本发明的不同像素点的滤波，并不是基于同一张图像进行的，而是除了第一次滤波之外，每一次都是在前一次滤波所得到的的图像上进行的，因此，随着经过滤波的像素点的数量越来越多，后续进行滤波的像素点所能够参考的正确的像素值也越来越多，从而有效地提升了滤波的结果的准确程度。

可选的，对A11中的像素点进行滤波，采用的是中值滤波算法。

具体的，采用中值滤波算法对A11中的像素点进行滤波，能够避免使得图像中的边缘模糊，且能够对高频部分的像素点进行有效滤波。因为若采用保边算法，那么保边算法为了保持图像的边缘，这高频部分的像素点的滤波的会不够彻底。

可选的，对A2中的像素点进行滤波处理，使用的算法如下：

将干涉图和滤波中间图像存入集合lwPU；

对于图像lwp，lwp∈lwPU，若lwp为干涉图，则将A2中的像素点存入集合A12；若lwp为滤波中间图像，则在滤波中间图像中，获取与A2中的像素点的坐标相同的像素点的集合A12；

分别计算A12中每个像素点的第二影响系数；

按照第二影响系数从高到低的顺序，依次对A12中每个像素点的进行滤波，得到滤波后的第二图像，若lwp为干涉图，则将滤波后的第二图像作为滤波中间图像，若lwp为滤波中间图像，则滤波后的第二图像作为滤波后的干涉图。

具体的，对A2中的像素点进行滤波的原理与对A1中的像素点进行滤波的原理相同，本发明不再对达到的效果以及原理进行重复赘述。

可选的，第二影响系数的计算公式为：

firimp

可选的，按照第二影响系数从高到低的顺序，依次对A12中每个像素点的进行滤波，得到滤波后的图像，包括：

除了第一次滤波是在lwp的基础上进行的之外，后续的每一次滤波都在前一次滤波所得到的图像上进行。

可选的，对A12中的像素点进行滤波，采用的是保边滤波算法。

具体的，保边滤波算法包括引导滤波算法、双边滤波算法、加权最小二乘平滑滤波算法等。

可选的，对滤波后的干涉图进行识别，判断待识别区域是否为潜在的滑坡区域，包括：

对滤波后的干涉图采用SBAS算法或DInSAR算法进行计算，获得待识别区域的形变速率，若形变速率大于设定的形变速率阈值，则待识别区域为潜在的滑坡区域。

具体的，形变速率阈值为10mm/a。

实施例二：

如图2所示的一种实施例，本发明提供了一种基于inSAR技术的滑坡区域识别系统，包括获取模块、检测模块、计算模块、保存模块、滤波模块和识别模块；

获取模块用于获取包含待识别区域的SAR图像所对应的干涉图；

检测模块用于对干涉图进行目标像素点检测，得到目标像素点的集合A；

计算模块用于计算A中的每个像素点的判断值；

保存模块用于将A中判断值大于设定的判断阈值的像素点存到集合A1，将A中其余的像素点存到集合A2；

滤波模块用于采用两种不同的滤波算法分别对A1和A2中的像素点进行滤波，得到滤波后的干涉图；

识别模块用于对滤波后的干涉图进行识别，判断待识别区域是否为潜在的滑坡区域。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的请求报文的硬件配置装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。