本发明涉及图像处理技术领域，公开了一种基于卫星数据的水利工程形变监测方法，包括：将配准后的SAR图像进行图结构化获得图结构数据；将图结构数据和配准后的SAR图像输入图像处理模型，输出变形基准像元矩阵；基于当前时间拍摄的SAR图像和形变参照时间点拍摄的SAR图像生成第一高程图和第二高程图，对第一高程图和第二高程图求差获得高程差图，将高程差图与变形基准像元矩阵进行点乘获得变形量图，然后计算变形量图中的监测区域内的像素值的均值作为监测区域的形变量；本发明通过大量数据训练图像处理模型，能够自动地从SAR图像中选择用于计算形变的像元，应用于水利工程的形变(56)对比文件US 2023236311 A1,2023.07.27US 8774470 B1,2014.07.08WO 2022214114 A2,2022.10.13朱洪波.基于时序InSAR技术的输电走廊地形形变提取方法研究.中国优秀硕士学位论文全文数据库 信息科技辑.2018,全文.Sun,J等.Automatic Detection ofVolcanic Surface Deformation Using DeepLearning.Journal of geophysical research-solid earth.2020,全文.毛亚纯;曹旺;赵占国;徐茂林.基于多元回归模型的GB-SAR监测误差改正及形变分析.东北大学学报(自然科学版).2020,(第01期),全文.苗放;梁军;叶成名;杨智翔.用InSAR技术提取数字高程模型的研究.物探化探计算技术.2007,(第02期),全文.葛大庆;王艳;郭小方;刘圣伟;范景辉.基于相干点目标的多基线D-InSAR技术与地表形变监测.遥感学报.2007,(第04期),全文.焦明连;蒋廷臣.基于InSAR技术矿区地表形变的监测.淮海工学院学报(自然科学版).2008,(第02期),全文.王成;方璐.基于COSMO-SkyMed雷达影像的山地城市地表形变监测研究.电子测量技术.2018,(第09期),全文.
1.一种基于卫星数据的水利工程形变监测方法，其特征在于，包括以下步骤：步骤101，提取当前时间以及之前的N个目标区域的SAR图像；
步骤102，从N个SAR图像中选择一个作为主图像，并将其他SAR图像配准到主图像空间；
步骤103，将配准后的SAR图像进行图结构化获得图结构数据，图结构数据的节点与SAR图像的像元一一映射，如果两个节点映射的像元在SAR图像中相邻，则这两个节点之间存在边；每个节点具有一个初始特征向量，初始特征向量的一个分量对应于像元的一个维度的值；
步骤104，将图结构数据和配准后的SAR图像输入图像处理模型，图像处理模型包括：第一卷积模块、稳定性像元提取模块和第一逻辑层，第一卷积模块分别输入N个SAR图像，并输出N个第一区域图，第一区域图的大小与SAR图像的大小一致；SAR图像输入稳定性像元提取模块，输出稳定性像元矩阵；第一逻辑层输入第一区域图和稳定性像元矩阵，输出变形基准像元矩阵；
其中 和 分别表示第一个时间步和第t个时间步输入的输入特征矩阵，第t个时间步的输入特征矩阵的第i个行向量是第t个图结构数据的第i个节点的初始特征向量；表示图结构数据的邻接矩阵与单位矩阵的和，表示 的度矩阵， 表示初始特征矩阵， 、、 分别表示第t个、第t‑1个和第N个时间步的输出特征矩阵； 表示第t个时间步的第一门控矩阵， 表示第t个时间步的第二门控矩阵， 表示点积， 、、 分别表示第一编码特征矩阵、第二编码特征矩阵和第三编码特征矩阵， 、 、 、 、 分别表示第一权重参数、第二权重参数、第三权重参数、第四权重参数和第五权重参数， 、 、 分别表示第一偏置参数、第二偏置参数和第三偏置参数；表示稳定性像元向量， 表示将大于0.5的值变更为1，将不大于0.5的值变更为0， 表示双曲正切函数， 表示激活函数， 表示 的张量化操作，E表示稳定性像元矩阵；
步骤105，基于当前时间拍摄的SAR图像和形变参照时间点拍摄的SAR图像生成第一高程图和第二高程图，对第一高程图和第二高程图求差获得高程差图，将高程差图与变形基准像元矩阵进行点乘获得变形量图，然后计算变形量图中的监测区域内的像素值的均值作为监测区域的形变量。
2.根据权利要求1所述的一种基于卫星数据的水利工程形变监测方法，其特征在于，目标区域包含所要监测形变的水利工程。
3.根据权利要求1所述的一种基于卫星数据的水利工程形变监测方法，其特征在于，N个目标区域的SAR图像中包含形变参照时间点拍摄的SAR图像。
4.根据权利要求1所述的一种基于卫星数据的水利工程形变监测方法，其特征在于，每个SAR图像图结构化为一个图结构数据。
5.根据权利要求1所述的一种基于卫星数据的水利工程形变监测方法，其特征在于，第一卷积模块包括卷积层和上采样层，卷积层输入SAR图像，卷积层输出特征图，上采样层对特征图进行上采样获得第一区域图。
6.根据权利要求1所述的一种基于卫星数据的水利工程形变监测方法，其特征在于，第一逻辑层的计算公式如下：；
其中B表示变形基准像元矩阵， 表示将大于0.5的值变更为1，将不大于0.5的值变更为0，E表示稳定性像元矩阵， 表示第v个第一区域图， 表示点积， 表示双曲正切函数。
7.根据权利要求1所述的一种基于卫星数据的水利工程形变监测方法，其特征在于，监测区域是以监测点为中心的圆形区域，该圆形区域的半径是人为设定的参数。
8.一种基于卫星数据的水利工程形变监测系统，其特征在于，其用于执行如权利要求
1‑7任一所述的一种基于卫星数据的水利工程形变监测方法，基于卫星数据的水利工程形变监测系统包括：图像获取模块，其用于提取当前时间以及之前的N个目标区域的SAR图像；
图像配准模块，其用于从N个SAR图像中选择一个作为主图像，并将其他SAR图像配准到主图像空间；
图结构数据生成模块，其用于将配准后的SAR图像进行图结构化获得图结构数据，图结构数据的节点与SAR图像的像元一一映射，如果两个节点映射的像元在SAR图像中相邻，则这两个节点之间存在边；每个节点具有一个初始特征向量，初始特征向量的一个分量对应于像元的一个维度的值；
变形基准生成模块，其用于将图结构数据和配准后的SAR图像输入图像处理模型，输出变形基准像元矩阵；
形变量计算模块，其基于当前时间拍摄的SAR图像和形变参照时间点拍摄的SAR图像生成第一高程图和第二高程图，对第一高程图和第二高程图求差获得高程差图，将高程差图与变形基准像元矩阵进行点乘获得变形量图，然后计算变形量图中的监测区域内的像素值的均值作为监测区域的形变量。
9.一种存储介质，其存储了非暂时性计算机可读指令，其特征在于，当非暂时性计算机可读指令由计算机执行时，能够执行如权利要求1‑7任一所述的一种基于卫星数据的水利工程形变监测方法的步骤。
一种基于卫星数据的水利工程形变监测方法
技术领域
[0001] 本发明涉及图像处理技术领域，更具体地说，它涉及一种基于卫星数据的水利工程形变监测方法。
背景技术
[0002] 星载合成孔径雷达干涉测量技术具有全天候、高精度和一定的对地穿透力等特性，通过利用卫星雷达所发出的相位信息能获取连续地表位移的空间信息。多基线InSAR技术经过多年的发展，产生了干涉图堆栈技术(Stacking)、永久散射体法(PermanentScatterer，PS)、最小二乘法(LeastSquare，LS)、小基线子集法(SmallBAselineSubset，SBAS)、差分SAR层析成像技术或差分TomoSAR技术(DifferentialSARtomography，DTomoSAR)、多尺度InSAR时间序列分析法(MultiscaleInSARTimeSeries，MInTS)等多种技术方法。这些技术基于的原理各有特点，解决的问题各有侧重，取得了许多成功的应用，特别是差分SAR层析成像技术实现了永久散射体高分辨率的差分SAR层析成像形变监测。
[0003] 利用相干系数阈值方法选取具有稳定相位的散射体目标是最为直接和简单的方法，水利工程所在区域一般覆盖植被，地形复杂，并且伴随大面积的水域。如果调整相干系数阈值来顾及永久散射体探测概率，即尽量多的真实永久散射体被成功选取，则会同时选择大量的不可靠永久散射体；如果调整相干系数阈值来保障真实永久散射体的占比，则选取结果中只能包含少量失相干目标，无论如何调整都难以保证形变监测的准确度。
发明内容
[0004] 本发明提供一种基于卫星数据的水利工程形变监测方法，解决相关技术中利用相干系数阈值方法选取具有稳定相位的散射体目标难以保证形变监测的准确度的技术问题。
[0005] 本发明提供了一种基于卫星数据的水利工程形变监测方法，包括以下步骤：
[0006] 步骤101，提取当前时间以及之前的N个目标区域的SAR图像；
[0007] 步骤102，从N个SAR图像中选择一个作为主图像，并将其他SAR图像配准到主图像空间；
[0008] 步骤103，将配准后的SAR图像进行图结构化获得图结构数据，图结构数据的节点与SAR图像的像元一一映射，如果两个节点映射的像元在SAR图像中相邻，则这两个节点之间存在边；每个节点具有一个初始特征向量，初始特征向量的一个分量对应于像元的一个维度的值；
[0009] 步骤104，将图结构数据和配准后的SAR图像输入图像处理模型，图像处理模型包括：第一卷积模块、稳定性像元提取模块和第一逻辑层，第一卷积模块分别输入N个SAR图像，并输出N个第一区域图，第一区域图的大小与SAR图像的大小一致；SAR图像输入稳定性像元提取模块，输出稳定性像元矩阵；第一逻辑层输入第一区域图和稳定性像元矩阵，输出变形基准像元矩阵；
[0010] 稳定性像元提取模块的计算公式如下：
[0011] ；
[0012] ；
[0013] ；
[0014] ；
[0015] ；
[0016] ；
[0017] ；
[0018] ；
[0019] ；
[0020] ；
[0021] ；
[0022] 其中 和 分别表示第一个时间步和第t个时间步输入的输入特征矩阵，第t个时间步的输入特征矩阵的第i个行向量是第t个图结构数据的第i个节点的初始特征向量；表示图结构数据的邻接矩阵与单位矩阵的和，表示 的度矩阵， 表示初始特征矩阵， 、 、 分别表示第t个、第t‑1个和第N个时间步的输出特征矩阵； 表示第t个时间步的第一门控矩阵， 表示第t个时间步的第二门控矩阵， 表示点积， 、、 分别表示第一编码特征矩阵、第二编码特征矩阵和第三编码特征矩阵， 、 、 、 、 分别表示第一权重参数、第二权重参数、第三权重参数、第四权重参数和第五权重参数， 、 、 分别表示第一偏置参数、第二偏置参数和第三偏置参数；表示稳定性像元向量， 表示将大于0.5的值变更为1，将不大于0.5的值变更为0， 表示双曲正切函数，表示激活函数， 表示 的张量化操作，E表示稳定性像元矩阵；
[0023] 步骤105，基于当前时间拍摄的SAR图像和形变参照时间点拍摄的SAR图像生成第一高程图和第二高程图，对第一高程图和第二高程图求差获得高程差图，将高程差图与变形基准像元矩阵进行点乘获得变形量图，然后计算变形量图中的监测区域内的像素值的均值作为监测区域的形变量。
[0024] 进一步地，目标区域包含所要监测形变的水利工程。
[0025] 进一步地，N个目标区域的SAR图像中包含形变参照时间点拍摄的SAR图像。
[0026] 进一步地，每个SAR图像图结构化为一个图结构数据。
[0027] 进一步地，第一卷积模块包括卷积层和上采样层，卷积层输入SAR图像，卷积层输出特征图，上采样层对特征图进行上采样获得第一区域图。
[0028] 进一步地，第一逻辑层的计算公式如下：
[0029]
[0030] 其中B表示变形基准像元矩阵， 表示将大于0.5的值变更为1，将不大于0.5的值变更为0，E表示稳定性像元矩阵， 表示第v个第一区域图， 表示点积， 表示双曲正切函数。
[0031] 进一步地，监测区域是以监测点为中心的圆形区域，该圆形区域的半径是人为设定的参数。
[0032] 本发明提供了一种基于卫星数据的水利工程形变监测系统，包括：
[0033] 图像获取模块，其用于提取当前时间以及之前的N个目标区域的SAR图像；
[0034] 图像配准模块，其用于从N个SAR图像中选择一个作为主图像，并将其他SAR图像配准到主图像空间；
[0035] 图结构数据生成模块，其用于将配准后的SAR图像进行图结构化获得图结构数据，图结构数据的节点与SAR图像的像元一一映射，如果两个节点映射的像元在SAR图像中相邻，则这两个节点之间存在边；每个节点具有一个初始特征向量，初始特征向量的一个分量对应于像元的一个维度的值；
[0036] 变形基准生成模块，其用于将图结构数据和配准后的SAR图像输入图像处理模型，输出变形基准像元矩阵；
[0037] 形变量计算模块，其基于当前时间拍摄的SAR图像和形变参照时间点拍摄的SAR图像生成第一高程图和第二高程图，对第一高程图和第二高程图求差获得高程差图，将高程差图与变形基准像元矩阵进行点乘获得变形量图，然后计算变形量图中的监测区域内的像素值的均值作为监测区域的形变量。
[0038] 本发明提供了一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行前述的一种基于卫星数据的水利工程形变监测方法的步骤。
[0039] 本发明的有益效果在于：本发明通过大量数据训练图像处理模型，能够自动地从SAR图像中选择用于计算形变的像元，应用于区域内覆盖植被，地形复杂的水利工程的形变监测时能够获得良好的结果。
附图说明
[0040] 图1是本发明的一种基于卫星数据的水利工程形变监测方法的流程图；
[0041] 图2是本发明的一种基于卫星数据的水利工程形变监测系统的模块示意图。
[0042] 图中：图像获取模块201，图像配准模块202，图结构数据生成模块203，变形基准生成模块204，形变量计算模块205。
具体实施方式
[0043] 现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
[0044] 如图1所示，一种基于卫星数据的水利工程形变监测方法，包括以下步骤：
[0045] 步骤101，提取当前时间以及之前的N个目标区域的SAR图像；
[0046] 在本发明的实施例中，目标区域包含所要监测形变的水利工程，水利工程包括大坝、桥梁、河道、水库等。
[0047] SAR图像的像元包括相位、振幅等维度。
[0048] N个目标区域的SAR图像中包含形变参照时间点拍摄的SAR图像。
[0049] 监测的形变量是相对于形变参照时间点的形变量。
[0050] 步骤102，从N个SAR图像中选择一个作为主图像，并将其他SAR图像配准到主图像空间；
[0051] 选择的主图像的拍摄时间不是最早也不是最晚，优选为在N个SAR图像中拍摄时间居中的一个。
[0052] 将SAR图像配准到主图像空间的方法可以采用影像重采样方法或配准数学模型方法。
[0053] 步骤103，将配准后的SAR图像进行图结构化获得图结构数据，图结构数据的节点与SAR图像的像元一一映射，如果两个节点映射的像元在SAR图像中相邻，则这两个节点之间存在边；每个节点具有一个初始特征向量，初始特征向量的一个分量对应于像元的一个维度的值；
[0054] 每个SAR图像图结构化为一个图结构数据；
[0055] 步骤104，将图结构数据和配准后的SAR图像输入图像处理模型，图像处理模型包括：第一卷积模块、稳定性像元提取模块和第一逻辑层，第一卷积模块分别输入N个SAR图像，并输出N个第一区域图，第一区域图的大小与SAR图像的大小一致；
[0056] 在本发明的一个实施例中，第一卷积模块包括卷积层和上采样层，卷积层为ResNet（Residual Network）网络，输出特征图，上采样层对特征图进行上采样获得第一区域图，上采样层采用反卷积或线性插值法。
[0057] 在本发明的一个实施例中，第一卷积模块进行独立的训练，训练时将第一区域图像与真值矩阵的差作为训练的损失，SAR图像分割为两个类别，分别是水域和非水域，真值矩阵的元素映射于SAR图像的像元，水域部分的真值矩阵的元素的值为0，非水域部分的真值矩阵的元素的值为0。
[0058] SAR图像输入稳定性像元提取模块，输出稳定性像元矩阵；
[0059] 稳定性像元提取模块的计算公式如下：
[0060] ；
[0061] ；
[0062] ；
[0063] ；
[0064] ；
[0065] ；
[0066] ；
[0067] ；
[0068] ；
[0069] ；
[0070] ；
[0071] 其中 和 分别表示第一个时间步和第t个时间步输入的输入特征矩阵，第t个时间步的输入特征矩阵的第i个行向量是第t个图结构数据的第i个节点的初始特征向量；表示图结构数据的邻接矩阵与单位矩阵的和，表示 的度矩阵， 表示初始特征矩阵， 、 、 分别表示第t个、第t‑1个和第N个时间步的输出特征矩阵； 表示第t个时间步的第一门控矩阵， 表示第t个时间步的第二门控矩阵， 表示点积， 、、 分别表示第一编码特征矩阵、第二编码特征矩阵和第三编码特征矩阵， 、 、 、 、 分别表示第一权重参数、第二权重参数、第三权重参数、第四权重参数和第五权重参数， 、 、 分别表示第一偏置参数、第二偏置参数和第三偏置参数；表示稳定性像元向量， 表示将大于0.5的值变更为1，将不大于0.5的值变更为0， 表示双曲正切函数， 表示激活函数， 表示 的张量化操作，E表示稳定性像元矩阵。
[0072] 的张量化操作是将 的分量依次映射为稳定性像元矩阵的元素的值。
[0073] 在本发明的一个实施例中，图结构数据的排序规则如下：图结构数据对应的SAR图像的拍摄时间越早，则图结构数据的排序越靠前。
[0074] 节点的排序规则如下：从SAR图像的左上角开始向右逐行对像元进行排序，节点的排序与节点所映射的像元的排序一致。
[0075] 在本发明的一个实施例中， 表示singmod函数。
[0076] 邻接矩阵表示节点之间的连接关系，邻接矩阵的第i行第j列的元素表示为 ，如果 则第i个节点与第j个节点之间存在边，如果 则第i个节点与第j个节点之间不存在边。
[0077] 第一逻辑层输入第一区域图和稳定性像元矩阵，输出变形基准像元矩阵；
[0078] 第一逻辑层的计算公式如下： ；
[0079] 其中B表示变形基准像元矩阵， 表示将大于0.5的值变更为1，将不大于0.5的值变更为0，E表示稳定性像元矩阵， 表示第v个第一区域图， 表示点积， 表示双曲正切函数；
[0080] 在本发明的一个实施例中，稳定性像元提取模块联合第一逻辑层、第一卷积模块进行独立的训练，训练时将变形基准像元矩阵与人工标注的像元矩阵的差作为损失，人工标注时首先利用相干系数阈值方法（以更多的选择像元为标准）选取具有稳定相位的像元进行标记，然后再人工去除位于水域内的标记和与计算水利工程形变量无关的标记。
[0081] 训练稳定性像元提取模块时不更新第一卷积模块的参数。
[0082] 在本发明的一个实施例中，图像处理模型还包括维度变换层，维度变换层输入图结构数据的初始特征向量，并将初始特征向量升维。
[0083] 维度变换层的计算公式如下：
[0084] ；
[0085] 为升维权重参数，表示第i个节点的升维之前的初始特征向量， 表示第i个节点的升维之后的初始特征向量。
[0086] 步骤105，基于当前时间拍摄的SAR图像和形变参照时间点拍摄的SAR图像生成第一高程图和第二高程图，对第一高程图和第二高程图求差获得高程差图，将高程差图与变形基准像元矩阵进行点乘获得变形量图，然后计算变形量图中的监测区域内的像素值的均值作为监测区域的形变量。
[0087] 在本发明的一个实施例中，监测区域是水利工程的轮廓内的区域。
[0088] 在本发明的一个实施例中，监测区域是以水利工程上的监测点为中心的圆形区域，该圆形区域的半径是人为设定的参数。
[0089] 在本发明的一个实施例中提供一种基于卫星数据的水利工程形变监测方法，还包括基于监测区域的形变量进行预警的步骤，人为设定形变量的阈值，如果监测区域的形变量大于该阈值则向水利工程管理人员发出预警，以用于管理人员能够及时发现水利工程存在的危险。
[0090] 如图2所示，本发明的一个实施例中提供一种基于卫星数据的水利工程形变监测系统，包括：
[0091] 图像获取模块201，其用于提取当前时间以及之前的N个目标区域的SAR图像；
[0092] 图像配准模块202，其用于从N个SAR图像中选择一个作为主图像，并将其他SAR图像配准到主图像空间；
[0093] 图结构数据生成模块203，其用于将配准后的SAR图像进行图结构化获得图结构数据，图结构数据的节点与SAR图像的像元一一映射，如果两个节点映射的像元在SAR图像中相邻，则这两个节点之间存在边；每个节点具有一个初始特征向量，初始特征向量的一个分量对应于像元的一个维度的值；
[0094] 变形基准生成模块204，其用于将图结构数据和配准后的SAR图像输入图像处理模型，输出变形基准像元矩阵；
[0095] 形变量计算模块205，其基于当前时间拍摄的SAR图像和形变参照时间点拍摄的SAR图像生成第一高程图和第二高程图，对第一高程图和第二高程图求差获得高程差图，将高程差图与变形基准像元矩阵进行点乘获得变形量图，然后计算变形量图中的监测区域内的像素值的均值作为监测区域的形变量。
[0096] 本发明提供一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行前述的一种基于卫星数据的水利工程形变监测方法的步骤。
[0097] 上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。
