买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：内蒙古工业大学

摘要：本申请实施例公开了基于相干性的TomoSAR植被病虫害监测方法及装置。该监测方法的一具体实施方式包括：基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据；采用多信号分类算法对目标图像数据进行处理，得到目标植被的三维结构数据；将目标植被的三维结构数据与样本植被数据进行相干性分析；根据分析结果确定目标植被的病虫害状况。这种实施方式可以对植被进行全天时、全天候监测，而且能够实现高度向植被结构的高精度测量，有助于提高植被病虫害监测结果的准确度。

主权项：1.一种基于相干性的TomoSAR植被病虫害监测方法，包括：基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据；采用多信号分类算法对目标图像数据进行处理，得到所述目标植被的三维结构数据；将所述目标植被的三维结构数据与样本植被数据进行相干性分析；根据分析结果确定所述目标植被的病虫害状况；其中，所述基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据，包括：利用公式T′＝PsTs+PdTd+PvTv对相干矩阵T′进行去取向三分量分解，计算每个像素表面散射、偶次散射与体散射三个分量的功率值Ps、Pd、Pv与总功率值Span，Span＝Ps+Pd+Pv；根据Ps、Pd、Pv的大小，确定每个像素的占优散射机制，即Pmax＝maxPs,Pd,Pv对应的散射分量，将每个像素的PS、Pd、Pv构成一个向量，即P＝[Ps,Pd,Pv]＝[P1,P2,P3]，初始聚类划分如下式： CP＝1,2,3,4分别表示表面散射类型、偶次散射类型、体散射类型和混合散射类型，Th为经验百分比阈值。

全文数据：基于相干性的TomoSAR植被病虫害监测方法及装置技术领域本申请实施例涉及雷达观测技术领域，尤其涉及基于相干性的TomoSAR植被病虫害监测方法及装置。背景技术合成孔径雷达层析TomographySyntheticApertureRadar，TomoSAR技术是近十年发展起来的一种获取目标高精度三维和四维信息的新兴前沿技术。它通过改变成像后的数据处理算法，可实现对高度向分布散射体的测量。与极化信息结合起来，还可以获得目标精细结构、物理成分和空间分布信息，从而可以区分不同高度的多个散射体，监视散射体的空间位置变化情况等。该技术现已应用于森林结构参数估计、城市三维重建和城市地表沉降等领域，并且在地质学、冰川学及地下埋藏物体的探测方面有着巨大的应用潜力。发明内容本申请实施例提供了基于相干性的TomoSAR植被病虫害监测方法及装置。第一方面，本申请实施例提供了一种基于相干性的TomoSAR植被病虫害监测方法，包括：基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据；采用多信号分类算法对目标图像数据进行处理，得到目标植被的三维结构数据；将目标植被的三维结构数据与样本植被数据进行相干性分析；根据分析结果确定目标植被的病虫害状况。在一些实施例中，基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据，包括：获取不同监测高度下的目标植被的合成孔径雷达图像数据，对获取的多张图像数据进行基准校正、相位补偿处理，得到目标图像数据。在一些实施例中，获取不同监测高度下的目标植被的合成孔径雷达图像数据，对获取的多张图像数据进行基准校正、相位补偿处理，包括：采用同一合成孔径雷达在不同高度面上对目标植被进行监测，得到多张图像数据；将多张图像数据中的一张图像数据作为主图像数据，对其余图像数据进行基准校正、相位补偿处理。在一些实施例中，采用多信号分类算法对目标图像数据进行处理，得到目标植被的三维结构数据，包括：构建目标图像数据的协方差矩阵，并对构建的协方差矩阵进行特征分解，得到信号子空间矩阵和噪声子空间矩阵；根据信号子空间矩阵和噪声子空间矩阵构建空间谱函数，并进行谱峰搜索，以得到目标植被在高度向的结构信息。在一些实施例中，将目标植被的三维结构数据与样本植被数据进行相干性分析，包括：在目标植被的三维结构数据中，选取位于植被冠层的像素点数据，并确定选取的像素点数据与位于样本植被相同位置的像素点数据的相干系数。在一些实施例中，在目标植被的三维结构数据中，选取位于植被冠层的像素点数据，包括：在目标植被的三维结构数据中，选取位于植被冠层的某像素点，以选取的像素点为中心，提取位于预设大小空间内的所有像素点的数据，并生成目标植被的向量数据。第二方面，本申请实施例提供了一种基于相干性的TomoSAR植被病虫害监测装置，包括：生成单元，被配置成基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据；处理单元，被配置成采用多信号分类算法对目标图像数据进行处理，得到目标植被的三维结构数据；分析单元，被配置成将目标植被的三维结构数据与样本植被数据进行相干性分析；确定单元，被配置成根据分析结果确定目标植被的病虫害状况。在一些实施例中，分析单元进一步被配置成在目标植被的三维结构数据中，选取位于植被冠层的像素点数据，并确定选取的像素点数据与位于样本植被相同位置的像素点数据的相干系数。第三方面，本申请实施例提供了一种电子设备包括：处理器；存储装置，其上存储有计算机程序；当处理器执行存储装置上的计算机程序时，使得电子设备实现如第一方面中任一实施例所描述的基于相干性的TomoSAR植被病虫害监测方法。第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面中任一实施例所描述的基于相干性的TomoSAR植被病虫害监测方法。本申请实施例提供的基于相干性的TomoSAR植被病虫害监测方法及装置，首先，可以基于获取的目标植被的合成孔径雷达图像数据，来得到目标图像数据。接着，采用多信号分类算法对目标图像数据进行处理，以得到目标植被的三维结构数据。之后，将目标植被的三维结构数据与样本植被数据进行相干性分析。最后，根据分析结果可以确定目标植被的病虫害状况。这种方法利用目标植被的合成孔径雷达图像数据，可以实现植被的全天时、全天候监测。并且通过多信号分类算法处理，能够实现高度向植被结构的高精度测量。这样有助于提高植被病虫害监测结果的准确度。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本申请的一个实施例可以应用于其中的示例性系统架构图；图2为本申请提供的基于相干性的TomoSAR植被病虫害监测方法的一个实施例的流程图；图3为本申请提供的基于相干性的TomoSAR植被病虫害监测装置的一个实施例的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请实施例的基于相干性的TomoSAR植被病虫害监测方法或装置的示例性系统架构100。如图1所示，系统架构100可以包括终端101、网络102、服务器103和合成孔径雷达104。网络102可以用以在终端101与服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。用户可以使用终端101通过网络102与服务器103进行交互，以接收或发送消息等。例如用户可以通过终端101向服务器103发送植被的监测指令等。终端101上可以安装有各种客户端应用，例如植被灾害监测类应用、图像播放器、浏览器和即时通讯工具等。这里的植被可以包括但不限于树木森林、灌木丛、草原等。这里的灾害可以包括但不限于病虫灾害、自然气象灾害如火灾、冻灾、人为砍伐灾害等。这里的终端101可以是硬件，也可以是软件。当终端101为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑和台式计算机等等。当终端101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块例如用来提供分布式服务，也可以实现成单个软件或软件模块。在此不做具体限定。服务器103可以是提供各种服务的服务器，例如可以是对终端101所安装的应用提供支持的后台服务器。后台服务器在接收到终端101发送的监测指令时，可以通过合成孔径雷达104来获取目标植被的图像数据。进而可以对这些数据进行分析处理，并可以将分析处理结果如目标植被的病虫害状况发送给终端101。这里的服务器103同样可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块例如用来提供分布式服务，也可以实现成单个软件或软件模块。在此不做具体限定。需要说明的是，本申请实施例所提供的基于相干性的TomoSAR植被病虫害监测方法一般可以由服务器103或终端101执行。相应地，基于相干性的TomoSAR植被病虫害监测装置一般也可以设置于服务器103或终端101中。应该理解，图1中的终端、网络、服务器和合成孔径雷达的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络、服务器和合成孔径雷达。请参见图2，其示出了本申请提供的基于相干性的TomoSAR植被病虫害监测方法的一个实施例的流程200。该方法可以包括以下步骤：步骤201，基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据。在本实施例中，基于相干性的TomoSAR植被病虫害监测方法的执行主体例如图1中所示的服务器103可以通过多种方式来获取目标植被的合成孔径雷达SAR，SyntheticApertureRadar图像数据。例如，执行主体可以通过有线连接方式或无线连接方式，接收用户使用终端例如图1中所示的终端101发送的目标植被的合成孔径雷达图像数据。又例如，执行主体可以从网上资源如云端或数据库中获取目标植被的合成孔径雷达图像数据。再例如，执行主体可以通过合成孔径雷达例如图1中所示的合成孔径雷达104对目标植被进行实际观测，从而得到其图像数据。可以理解的是，利用合成孔径雷达进行观测，通常会得到多个极化方向上的信息数据。此时，可以采用极化SAR图像分类算法，来得到目标植被的位置图像。具体地，极化SAR图像的每一像素包含的全部极化信息，一般可以表示为一个3×3的极化相干矩阵T：式中，Tij为矩阵T的各个元素，上标*表示为对应的元素取共轭。为了降低复杂地物散射回波随机波动性的影响，对T矩阵进行去取向处理，获得新的相干矩阵T′，如下式所示：T′＝QTQH；式中，为取向角旋转矩阵，上标H为取共轭转置，θ为目标旋转角度，其范围为-p2，p2]。将去取向处理之后的矩阵分解为三个分量，具体表示形式如下：T′＝PsTs+PdTd+PvTv；式中，Tij′为去取向处理后矩阵的各个元素，Ps、Pd、Pv对应某像素表面散射、偶次散射与体散射三分量的功率值，Ts、Td、Tv为三种基本散射机制对应的极化相干矩阵模型。为了抑制相干斑噪声对实验结果的影响，对原始极化SAR数据进行滤波处理。利用公式T′＝PsTs+PdTd+PvTv对相干矩阵T进行去取向三分量分解，计算每个像素表面散射、偶次散射与体散射三个分量的功率值Ps、Pd、Pv与总功率值Span。Span＝Ps+Pd+Pv；根据Ps、Pd、Pv的大小，确定每个像素的占优散射机制，即Pmax＝maxPs,Pd,Pv对应的散射分量。将每个像素的Ps、Pd、Pv构成一个向量，即P＝[Ps,Pd,Pv]＝[P1,P2,P3]。初始聚类划分如下式：CP＝1,2,3,4分别表示表面散射类型、偶次散射类型、体散射类型和混合散射类型。Th为经验百分比阈值，数值越高，像素对应到三种散射机制的准确率越高。在形成前三种散射类型中，分别根据占优散射机制功率值的大小对应的像素进行排序，并将其分割为数目基本相等的30小类；利用Wishart距离衡量每两类间的相似程度进行类别合并，分别合并到事先指定的类别数目N1,N2,N3,令三者皆小于30。合并规则：若同一散射类型的某两小类间的距离最短，则将它们合并，类间距离采用Wishart距离：Dij＝12{ln|Vi|+ln|Vj|+TrVi-1Vj+Vj-1Vi}；式中，Vi、Vj表示第i类与第j类的平均相干矩阵，Tr表示矩阵求迹。求解得到的各个聚类的平均相干矩阵，将其作为类中心，在四种初始聚类内分别重新利用Wishart分类器按照每像素点到各类中心的距离进行迭代。在这里，为了获得稳定的收敛效果，可以应用Wishart分类器迭代两到四次。此外，为了更加清晰地表示各类地物，可以根据实际情况利用不同颜色表示不同地物，如蓝色可以表示表面散射如海洋裸地，红色可以表示偶次散射如城区，绿色可以表示体散射如森林植被。在本实施例中，目标植被可以是需要进行监测的任意植被，如需要进行病虫害状况监测的森林。其所在地理位置、占地面积、植被种类等在本申请中并不限制。在这里，执行主体可以基于获取的目标植被的合成孔径雷达图像数据，来得到目标图像数据。例如，执行主体可以对获取的目标植被的合成孔径雷达图像数据进行预处理，从而得到目标图像数据。其中，目标图像数据可以是后续处理过程所需的图像数据。而预处理过程通常是为得到所需的目标图像数据而进行的相关处理。在这里，预处理方法和目标图像数据可以根据用户的实际需求进行设置。作为示例，目标图像数据可以为目标植被的某特定区域如树木冠层或树木枝叶区域的图像数据。此时，执行主体可以对获取的目标植被的合成孔径雷达图像数据进行筛选，从而得到包含有该特定区域图像的合成孔径雷达图像数据。进一步地，为了提高后续处理效率，执行主体还可以对筛选出的图像数据进行裁剪，从而去除原图像数据中不需要的图像数据，得到仅包含该特征区域图像的图像数据。在一些应用场景中，执行主体还可以对清晰度欠佳的图像数据进行去云雾处理等，从而降低天气因素的影响。需要说明的是，为了能够得到目标植被在高度程向的结构信息，需要获取到不同监测角度下的目标植被的合成孔径雷达图像数据，尤其是不同监测高度下的图像数据。即合成孔径雷达在不同高度下对目标植被进行监测而得到的图像数据。此时，执行主体可以对获取的目标植被的合成孔径雷达图像数据进行筛选，从而得到多张即不同监测高度下的图像数据。可以理解的是，这里不同监测高度下的图像数据的获取方式在本申请中并不限制。例如，可以是利用多个位于不同高度面的合成孔径雷达，对目标植被进行监测得到的。又例如，为了简化方法，可以是采用同一合成孔径雷达分别在不同高度面如不同高度的平行轨道上，对目标植被进行监测而得到的。或者还可以采用安装有多个不同高度的天线的合成孔径雷达，对目标植被进行监测得到的。在一些可选的实现方式中，执行主体还可以对这些不同监测高度下的图像数据进行基准校正、相位补偿等处理。这样可以便于进行后续数据处理，提高处理效率。作为示例，执行主体可以根据人为设定的基准，对不同监测高度下的图像数据进行校正、相位偏差补偿等处理。可选地，执行主体也可以将上述多张图像数据中的一张图像数据作为主图像数据，即基准图像数据，从而对其余图像数据即除去主图像数据以外的图像数据进行基准校正、相位补偿等处理，以得到目标图像数据，即作为后续层析SAR成像的数据。具体如下：合成孔径雷达系统接收信号后，经过成像处理可以形成二维后向散射复数图像。在这里，以x表示方位向；r表示距离向；s表示高度向。其中，方位向分辨率ρx＝λr2Δx；距离向分辨率ρr＝c2BW。其中，λ为波长；Δx为方位向合成空间；c为波的传播速度；BW为SAR系统带宽。对于距离为r′并且位于零多普勒位置x′的单个像素ux′,r′来说，其复数信号表示为：其中，γx,r,s为三维场景的反射率方程；为地面目标到传感器的直接距离；fx′-x,r′-r表示天线方向性和成像处理中加权的综合作用形成的点扩散函数，一般在不考虑加权时，有单基站SAR成像系统在不同高度的平行轨道上对单一地区如目标植被进行M次观测，可以得到M景复数SAR图像。此时，可以选取第M2景图像作为主图像，其它为辅图像。然后对所有数据进行配准、相位校正等预处理。第m次获取的SAR复数图像可表示为：在这里，m＝1,…，M；其中，bm表示水平基线；b⊥m表示垂直基线。为方便起见，假设点扩散函数为一个二维Dirac函数即狄拉克δ函数，对于给像素点x′,r′而言，可以得到一个M维向量其中每一个元素可以表示为：其中，Δs表示高度向上的有效观测范围；Rms＝Rms,r′＝r,x′＝x。由于上式中的相位包含一个与基线相关的二次相位偏差因此需要通过对接受信号乘以一个复共轭二次相位函数从而将这个二次相位偏差补偿掉。也就是说，需要对二维SAR图像数据进行去斜处理，即：经过去斜处理后，可以得到：将相位项合并到反射率方程γs中，得到：其中，为空间高度频率。在实际应用中，如果需要考虑反射率方程γs的相位特征，则可以通过将反射率方程乘以一个复共轭二次相位函数来去除该相位偏差，以保存反射率方程γs的相位信息。需要说明的是，在加性噪声存在的情况下，公式的离散表达式为：或其中，g＝g1,g2，…，gMT为一个具有M个元素的列向量；为M×N的引导矩阵，其元素为Rm×n＝exp-j2πξmsn；为引导向量引导矩阵的列向量：γ为N维离散化的反射率矩阵，其元素为γn＝γsn，snn＝1，…，N表示离散化的高度位置。步骤202，采用多信号分类算法对目标图像数据进行处理，得到目标植被的三维结构数据。在本实施例中，执行主体可以采用多信号分类算法MUSIC算法，来对步骤201中得到的目标图像数据进行层析成像处理，从而得到目标植被的三维结构数据。作为示例，首先执行主体可以构建目标图像数据的协方差矩阵，并对构建的协方差矩阵进行特征分解，从而得到信号子空间矩阵和噪声子空间矩阵；之后根据信号子空间矩阵和噪声子空间矩阵，可以构建空间谱函数，并进行谱峰搜索，以得到目标植被在高度向的结构信息。具体如下：首先，根据上述M个观测样本值点，借助于下述公式便可确定出K阶自相关函数并构建样本协方差矩阵其中，n表示变量，取值范围为[1,M]；x*n表示xn的共轭复数；xn表示接收信号，Aj表示点目标的散射系数；ωj表示各散射目标点高度对应的频率向量；vn表示零均值。之后，可以将上述样本协方差矩阵进行特征分解。并可以使用极小似然准则估计信号源个数此时的特征向量空间可以分别用矩阵S和G来表示。其中，可以由中个最大特征值对应的即与信号对应的特征向量组成，即信号子空间；可以由中的最小特征值对应的特征向量组成，即噪声子空间。因而，可将空间谱函数即MUSIC谱搜索函数表示如下：其中，β*ω表示βω的共轭复数；βω＝[1,e-iω,…,e-iM-1ω]T。这样，当βω在[0,2π]范围内进行全局搜索时，通过确定的数值就能够实现对信号的伪功率谱确定。在空间谱域求取谱函数最大值，其谱峰对应的角度即是来波方向角的估计值。也就是说，谱峰所在的位置即为高度向的值，从而可以得到目标植被在高度向的结构信息。可以理解的是，MUSIC算法正是利用上述两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量可以被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。这种算法能够大大提高测向分辨率，同时可以适应于任意形状的天线阵列。步骤203，将目标植被的三维结构数据与样本植被数据进行相干性分析。在本实施例中，执行主体可以将步骤202中得到的目标植被的三维结构数据，与样本植被数据进行相干性分析。其中，样本植被通常可以为正常即未遭受灾害的植被。例如，样本植被通常可以为与目标植被的植被种类相同或相近的植被，和或与目标植被的地理位置相近的植被。而样本植被数据可以根据实际情况进行设置。如样本植被数据可以为植被整体的图像数据，也可以为植被某特定区域的图像数据。又如样本植被数据还可以为某一特定时期如五月中旬，且没有病虫害情况的目标植被的图像数据。在这里，相干性分析的具体方式并不限制。需要说明的是，为了实现对目标植被的灾害如病虫害状况的监测，往往需要着重监测植被的枝叶区域。因此在一些实施例中，为了提高监测效率和监测结果的准确度，执行主体可以在目标植被的三维结构数据中，选取位于植被冠层的像素点数据。并且可以确定选取的像素点数据与位于样本植被相同位置的像素点数据的相干系数。这里的相同位置可以指植被冠层，也可以指选取的像素点在植被冠层的位置。在这里，植被冠层的像素点数据的选取方式在本申请中并不限制，如可以人为选取，也可以通过图像识别进行选取。作为示例，首先可以在目标植被的三维结构数据中，选取位于植被冠层的某像素点；之后可以以选取的像素点为中心，提取位于预设大小空间如3×3×3内的所有像素点的数据；最后可以根据提取的像素点数据来生成目标植被的向量数据。例如可以将上述提取的27个像素点数据按照某一顺序排列以组成向量数据X。采用同样的方法可以得到样本植被的向量数据Y。对向量数据X和Y进行相干性检测，得到相干系数ρ：其中，Y*代表Y的共轭复数；E代表求数学期望。步骤204，根据分析结果确定目标植被的病虫害状况。在本实施例中，执行主体可以根据步骤203中的分析结果，来确定目标植被的病虫害状况。作为示例，执行主体可以根据上述确定的相干系数与预设取值范围的关系，来确定目标植被的病虫害状况。例如，若相干系数ρ在[a1，1之间，则可以说明目标植被的枝叶有轻微脱落现象，枝叶有0～30％脱落。若相干系数ρ在[a2，a1之间，则可以说明目标植被的枝叶有较严重的脱落现象，失叶率大概为30％～50％。若相干系数ρ在[a3，a2之间，则可以说明目标植被的枝叶严重脱落，失叶率大概为50％～80％，受病虫灾害严重。若相干系数ρ在[0，a3之间，则可以说明目标植被的枝叶严重脱落，植被受病虫灾害十分严重，失叶率接近80％～100％。对于落叶林植被来说，通常情况下，a1＝0.98，a2＝0.95，a3＝0.85。可以理解的是，为了提高监测结果的准确度，通常需要选取多组像素点数据进行分析。此时，上述相干系数可以是根据选取的各组像素点数据的平均值与样本植被中位于相同位置的各组像素点数据的平均值计算得到的；也可以是根据选取的各组像素点数据分别与样本植被中对应组的像素点数据计算得到的。可选地，执行主体还可以根据位于不同取值范围内的各相干系数的比例，来确定目标植被的病虫害状况。例如，若位于[a1，1之间的相干系数的数量占相干系数总数量的比例达到30％，和或位于[a3，a2和[0，a3之间的相干系数的数量占相干系数总数量的比例达到50％，则可以说明目标植被的枝叶有严重的脱落现象，存在严重的病虫灾害。对于落叶林植被来说，通常情况下，a1＝0.98，a2＝0.95，a3＝0.85。本实施例提供的基于相干性的TomoSAR植被病虫害监测方法，首先，可以基于获取的目标植被的合成孔径雷达图像数据，来得到目标图像数据。接着，采用多信号分类算法对目标图像数据进行处理，以得到所述目标植被的三维结构数据。之后，将所述目标植被的三维结构数据与样本植被数据进行相干性分析。最后，根据分析结果可以确定目标植被的病虫害状况。这种方法利用目标植被的合成孔径雷达图像数据，可以实现植被的全天时、全天候监测。并且通过多信号分类算法处理，能够实现高度向植被结构的高精度测量。这样有助于提高植被病虫害监测结果的准确度。进一步参见图3，作为对上述各实施例所示方法的实现，本申请还提供了一种基于相干性的TomoSAR植被病虫害监测装置的一个实施例。该装置实施例与上述各实施例所示的方法实施例相对应。该装置具体可以应用于各种电子设备中。如图3所示，本实施例的监测装置300可以包括：生成单元301，被配置成基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据；处理单元302，被配置成采用多信号分类算法对目标图像数据进行处理，得到所述目标植被的三维结构数据；分析单元303，被配置成将所述目标植被的三维结构数据与样本植被数据进行相干性分析；确定单元304，被配置成根据分析结果确定所述目标植被的病虫害状况。在一些实施例中，生成单元301可以进一步被配置成获取不同监测高度下的目标植被的合成孔径雷达图像数据，对获取的多张图像数据进行基准校正、相位补偿处理，得到目标图像数据。可选地，生成单元301可以进一步被配置成采用同一合成孔径雷达在不同高度面上对目标植被进行监测，得到多张图像数据；将多张图像数据中的一张图像数据作为主图像数据，对其余图像数据进行基准校正、相位补偿处理。在一些实施例中，处理单元302可以进一步被配置成构建目标图像数据的协方差矩阵，并对构建的协方差矩阵进行特征分解，得到信号子空间矩阵和噪声子空间矩阵；根据信号子空间矩阵和噪声子空间矩阵构建空间谱函数，并进行谱峰搜索，以得到所述目标植被在高度向的结构信息。可选地，分析单元303可以进一步被配置成在所述目标植被的三维结构数据中，选取位于植被冠层的像素点数据，并确定选取的像素点数据与位于样本植被相同位置的像素点数据的相干系数。进一步地，分析单元303可以进一步被配置成在所述目标植被的三维结构数据中，选取位于植被冠层的某像素点，以选取的像素点为中心，提取位于预设大小空间内的所有像素点的数据，并生成所述目标植被的向量数据。可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于该装置300及其中包含的单元，在此不再赘述。需要说明的是，附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和或流程图中的每个方框、以及框图和或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。例如，生成单元还可以被描述为“基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据的单元”。作为另一方面，本申请还提供了一种计算机可读介质。这里的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。该计算机可读介质可以是上述各实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有计算机程序，当计算机程序被该电子设备执行时，使得该电子设备可以实现如上述任一实施例所描述的基于相干性的TomoSAR植被病虫害监测方法。以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的但不限于具有类似功能的技术特征进行互相替换而形成的技术方案。

权利要求：1.一种基于相干性的TomoSAR植被病虫害监测方法，包括：基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据；采用多信号分类算法对目标图像数据进行处理，得到所述目标植被的三维结构数据；将所述目标植被的三维结构数据与样本植被数据进行相干性分析；根据分析结果确定所述目标植被的病虫害状况。2.根据权利要求1所述的方法，所述基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据，包括：获取不同监测高度下的目标植被的合成孔径雷达图像数据，对获取的多张图像数据进行基准校正、相位补偿处理，得到目标图像数据。3.根据权利要求2所述的方法，所述获取不同监测高度下的目标植被的合成孔径雷达图像数据，对获取的多张图像数据进行基准校正、相位补偿处理，包括：采用同一合成孔径雷达在不同高度面上对目标植被进行监测，得到多张图像数据；将多张图像数据中的一张图像数据作为主图像数据，对其余图像数据进行基准校正、相位补偿处理。4.根据权利要求1所述的方法，所述采用多信号分类算法对目标图像数据进行处理，得到所述目标植被的三维结构数据，包括：构建目标图像数据的协方差矩阵，并对构建的协方差矩阵进行特征分解，得到信号子空间矩阵和噪声子空间矩阵；根据信号子空间矩阵和噪声子空间矩阵构建空间谱函数，并进行谱峰搜索，以得到所述目标植被在高度向的结构信息。5.根据权利要求1-4之一所述的方法，所述将所述目标植被的三维结构数据与样本植被数据进行相干性分析，包括：在所述目标植被的三维结构数据中，选取位于植被冠层的像素点数据，并确定选取的像素点数据与位于样本植被相同位置的像素点数据的相干系数。6.根据权利要求5所述的方法，所述在所述目标植被的三维结构数据中，选取位于植被冠层的像素点数据，包括：在所述目标植被的三维结构数据中，选取位于植被冠层的某像素点，以选取的像素点为中心，提取位于预设大小空间内的所有像素点的数据，并生成所述目标植被的向量数据。7.一种基于相干性的TomoSAR植被病虫害监测装置，包括：生成单元，被配置成基于获取的目标植被的合成孔径雷达图像数据得到目标图像数据；处理单元，被配置成采用多信号分类算法对目标图像数据进行处理，得到所述目标植被的三维结构数据；分析单元，被配置成将所述目标植被的三维结构数据与样本植被数据进行相干性分析；确定单元，被配置成根据分析结果确定所述目标植被的病虫害状况。8.根据权利要求7所述的装置，所述分析单元进一步被配置成在所述目标植被的三维结构数据中，选取位于植被冠层的像素点数据，并确定选取的像素点数据与位于样本植被相同位置的像素点数据的相干系数。9.一种电子设备，包括：处理器；存储装置，其上存储有计算机程序；当所述处理器执行所述存储装置上的计算机程序时，使得电子设备实现如权利要求1-6之一所述的基于相干性的TomoSAR植被病虫害监测方法。10.一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6之一所述的基于相干性的TomoSAR植被病虫害监测方法。

百度查询： 内蒙古工业大学 基于相干性的TomoSAR植被病虫害监测方法及装置