基于粗DEM的立體SAR像對配準(zhǔn)

楊亞夫，朱建軍，許 兵

(中南大學(xué) 地球科學(xué)與信息物理學(xué)院雷達遙感研究室， 湖南 長沙 410083)

基于粗DEM的立體SAR像對配準(zhǔn)

楊亞夫，朱建軍，許 兵

(中南大學(xué) 地球科學(xué)與信息物理學(xué)院雷達遙感研究室， 湖南 長沙 410083)

影像配準(zhǔn)是雷達立體攝影測量技術(shù)獲取數(shù)字高程模型的一個關(guān)鍵步驟，也是一大難點。為了能夠自動而又穩(wěn)健地獲取高精度的立體SAR像對配準(zhǔn)結(jié)果，文中設(shè)計一種基于粗DEM、距離多普勒SAR構(gòu)像模型和基于區(qū)域逐級窗口的立體SAR像對配準(zhǔn)方法。該方法采用距離多普勒SAR成像模型和粗DEM獲取像素級的粗略配準(zhǔn)結(jié)果。在此基礎(chǔ)上，采用基于區(qū)域的逐級窗口配準(zhǔn)方法獲取高精度的配準(zhǔn)結(jié)果。文中最后利用立體SAR像對進行實驗研究。實驗結(jié)果表明，設(shè)計的立體像對配準(zhǔn)方法可行，其配準(zhǔn)精度可以達到子像素級，距離向為0.3像素左右，方位向為0.1像素左右，完全能夠滿足雷達立體測圖的要求，而且該方法還具有很好的穩(wěn)健性。

配準(zhǔn)；雷達攝影測量；數(shù)字高程模型；合成孔徑雷達

隨著高分辨率SAR衛(wèi)星的發(fā)射，例如TerraSAR-X，COSMO-SkyMed和RADARSAT-2，雷達立體攝影測量獲取地形的研究越來越多[1-3]。在雷達立體攝影測量中，一種比較好的立體幾何配置是同側(cè)成像且基高比在0.25～2之間[4]。由于立體像對的入射角不同，所以SAR影像之間產(chǎn)生較大的幾何和輻射差異，給影像之間配準(zhǔn)帶來困難。

目前，立體SAR像對之間的配準(zhǔn)方法主要有3種：基于特征、基于區(qū)域和人工匹配方法。基于特征的匹配方法是根據(jù)檢測出的特征點之間的相似度來確定同名點[5-7]，然后擬合影像之間的幾何對應(yīng)關(guān)系。由于SAR影像存在嚴重的斑點噪聲，基于特征的匹配算法通常找出的同名點數(shù)量比較少，所以擬合出的配準(zhǔn)精度較低?；趨^(qū)域的匹配方法主要應(yīng)用于干涉合成孔徑雷達中[8-9]，在影像之間的幾何和輻射差異較小的情況下，該方法匹配精度高。然而在大交會角立體SAR像對配準(zhǔn)中，由于影像之間的幾何和幅度差異大，很難獲取同名點，穩(wěn)健性差，所以應(yīng)用得比較少?；谌斯てヅ浞椒╗10-11]是利用肉眼根據(jù)特征找出一些同名點，該方法的優(yōu)勢是具有一定的穩(wěn)健性，但缺點是工作量大，效率低，精度不高。

陳富龍等[12]采用回溯算法和分層策略進行SAR影像配準(zhǔn)，獲得的匹配點精度高，分布均勻，但是數(shù)量較少。采用粗DEM對SAR影像進行匹配也有一些研究。賀雪艷等[13]利用外部DEM輔助山區(qū)SAR立體像對匹配，將高程轉(zhuǎn)換為視差為匹配提供初值。由于視差與高程是一種近似的關(guān)系，從結(jié)果來看，效果并不是很理想。王亞超等[14]提出一種幾何約束的立體SAR影像自動匹配方法，根據(jù)已獲得的影像間幾何關(guān)系進行格網(wǎng)控制，但是采用的透視投影變換的好壞依賴于已經(jīng)得到的匹配點的精度、分布和數(shù)量。

基于特征的配準(zhǔn)算法在立體SAR影像的配準(zhǔn)中，因為配準(zhǔn)點精度低、數(shù)量有限，因而難以滿足實際需求[15]。基于區(qū)域的配準(zhǔn)算法配準(zhǔn)精度高，但受幾何畸變影響大。鑒于此，在已有方法的基礎(chǔ)上，本文提出了一種基于粗DEM、距離多普勒嚴格成像模型結(jié)合基于區(qū)域的立體SAR像對配準(zhǔn)方法。該方法借助距離多普勒SAR構(gòu)像模型、外部DEM和地球模型獲取像素級的粗略配準(zhǔn)結(jié)果。在粗配準(zhǔn)基礎(chǔ)上，對右影像進行重采樣，減少SAR影像之間的幾何差異，然后借助基于區(qū)域的配準(zhǔn)方法獲取大量的高精度同名點。最后，采用最小二乘方法擬合影像之間的匹配映射關(guān)系，得到配準(zhǔn)結(jié)果，采用兩對立體SAR影像進行試驗，驗證該方法的可行性。

1 方法

本文方法的詳細流程如圖1所示。該方法分為兩步，首先是基于RD SAR構(gòu)像模型、SRTM和地球模型的粗配準(zhǔn)。在此基礎(chǔ)上，通過對右影像的重采樣，采用基于逐級窗口的匹配方法進行同名點提取，并對這些同名點采用統(tǒng)一的擬合模型和最小二乘方法進行擬合，得到SAR影像之間的對應(yīng)映射關(guān)系。該方法可以獲取高精度的影像配準(zhǔn)結(jié)果，彌補常規(guī)方法出現(xiàn)的無法配準(zhǔn)或局部配準(zhǔn)錯誤。

圖1 基于外部SRTM的立體SAR像對配準(zhǔn)流程

1.1 基于RD SAR構(gòu)像模型、SRTM和地球模型的粗配準(zhǔn)

目前可用的DEM有ASTER GDEM2,SRTM和TanDEM。其中ASTER GDEM2通過可見光到紅外光立體影像生成，格網(wǎng)間距為1孤秒×1孤秒。SRTM通過C波段InSAR技術(shù)獲取，分辨率一般為90 m，高程精度為16 m，第三版本的SRTM1達到30 m分辨率。TanDEM是TSX/TDX干涉生成高分辨率高精度數(shù)字高程模型，是一種商用產(chǎn)品，價格昂貴。本文從DEM的精度和價格綜合考慮，選取免費的SRTM用作配準(zhǔn)的粗DEM。

粗配準(zhǔn)主要包括兩個大的步驟：第一個步驟是根據(jù)SAR左影像軌道參數(shù)、外部SRTM DEM數(shù)據(jù)，結(jié)合距離多普勒方程和地球模型[16]計算SAR左影像中每個像素的WGS84 三維地理坐標(biāo)，這里記為正算過程；第二個步驟是根據(jù)第一個步驟中得到的每個像素的三維地理坐標(biāo)，結(jié)合SAR右影像軌道參數(shù)和距離多普勒方程計算出左影像中每個像素在右影像坐標(biāo)系中的位置，這里記為反算過程。經(jīng)過正算和反算兩個步驟，完成SAR立體像對之間的粗配準(zhǔn)。由于外部SRTM、軌道等存在一定的誤差，在SAR影像坐標(biāo)和空間三維坐標(biāo)的相互轉(zhuǎn)換過程中會產(chǎn)生一定的偏差。為了改正這些偏差，可以采用相似轉(zhuǎn)換模型結(jié)合控制點的方法[17]，其定位精度可以達到1像素。

一方面，粗略配準(zhǔn)結(jié)果可以減少立體像對之間的幾何畸變差異，為基于區(qū)域的配準(zhǔn)方法提供條件，提高穩(wěn)健性。另一方面，因為粗略配準(zhǔn)結(jié)果精度達到像素級[17]，為基于區(qū)域的配準(zhǔn)方法提供比較好的初值，減少誤匹配率，提高可靠性，同時減少搜索范圍，提高執(zhí)行效率。所以，粗配準(zhǔn)可以解決傳統(tǒng)方式獲取同名點困難或無法獲取同名點的問題，在一定程度上提高配準(zhǔn)的可靠性和穩(wěn)健性。

1.2 基于由大到小的逐級窗口的精配準(zhǔn)

1.2.1 基于區(qū)域的匹配

基于區(qū)域的匹配算法是在一個正方形或矩形的窗口上進行操作。根據(jù)某種匹配準(zhǔn)則，尋找與模板窗口最為相似的搜索窗口，則認為相匹配的搜索窗口中對應(yīng)的像素點就是該像素的匹配點，即常說的同名點。這里采用的是歸一化相關(guān)系數(shù)的準(zhǔn)則，該準(zhǔn)則是一種穩(wěn)健的能消除影像間灰度線性變化的方法[18]，算式為

(1)

1.2.2 基于由大到小的逐級窗口的精配準(zhǔn)

在基于區(qū)域的匹配過程中，匹配的成功率依賴于影像紋理的存在、近似值的質(zhì)量、匹配窗口的大小、搜索的距離以及相關(guān)系數(shù)的容忍臨界值等。由于斑點噪聲的存在，SAR影像的紋理特征會受到一定的影響。為了改善紋理特征的質(zhì)量，采用Lee濾波來對SAR影像進行濾波。Lee濾波是一種自適應(yīng)濾波方法，因為它根據(jù)每個像素局部區(qū)域內(nèi)的統(tǒng)計屬性來消除斑點噪聲。該方法的優(yōu)點是在抑制噪聲的平滑過程中能夠保持影像的邊緣和點特征。前面的基于RD SAR構(gòu)像模型、SRTM和地球模型的粗配準(zhǔn)方法已經(jīng)獲取了立體SAR像對之間的初始值，精度達到像元級，保證近似值的質(zhì)量。

對于匹配窗口的大小、搜索的距離的選擇，設(shè)計一種窗口由大到小的逐級匹配方式，具體的策略如圖2所示。該方法采用一種自適應(yīng)的窗口匹配方式。首先由大的子窗口尺寸確定圖像的初始偏移量，從而一級一級往下指導(dǎo)小窗口的匹配，直到最小的匹配窗口結(jié)束。這里最初的搜索距離根據(jù)RD SAR構(gòu)像模型、SRTM和地球模型得到的初始值來確定。這種逐級匹配策略一方面可以減少幾何畸變、斑點噪聲的影響，提高配準(zhǔn)的可靠性。另一方面，該方法通過大窗口提高的初始偏移量指導(dǎo)小窗口的匹配，可以提高配準(zhǔn)的效率和精度。

圖2 逐級窗口匹配策略

利用前面獲取的初始配準(zhǔn)結(jié)果將右影像重采樣到左影像坐標(biāo)系下，使主右影像具有一致的成像幾何條件，然后利用基于區(qū)域的配準(zhǔn)方法對重采樣的SAR影像對進行精配準(zhǔn)，最后得到SAR立體像對的配準(zhǔn)結(jié)果。

2 實驗研究

2.1 實驗一數(shù)據(jù)

高分辨率TerraSAR-X 條帶模式，分辨率為3 m，成像時間分別為2012-04-12和2013-01-01。其具體的成像幾何參數(shù)如表1所示。

表1 TerraSAR-X影像幾何參數(shù)

兩幅影像的強度信息分別如圖3和圖4所示，對應(yīng)研究區(qū)域的外部SRTM如圖5所示。

2.2 實驗一結(jié)果

分別把2012-04-12和2013-01-01獲取的影像作為主右影像。首先基于距離多普勒SAR構(gòu)像模型、地球模型以及外部地形SRTM將參考影像的每個像素在右影像上對應(yīng)的位置計算出來。在此基礎(chǔ)上，使用三次卷積內(nèi)插法將右影像重采樣到左影像坐標(biāo)系下，這樣主右影像具有一致的幾何成像結(jié)構(gòu)，從而可以滿足基于區(qū)域的匹配條件要求。

圖3 2012-04-12影像強度圖

圖4 2013-01-01影像強度圖

圖5 研究區(qū)域SRTM

然后利用基于區(qū)域的配準(zhǔn)算法，結(jié)合窗口由大到小的逐級匹配方式對左影像和重采樣后的右影像進行配準(zhǔn)。這里對整幅影像在距離向和方位向等間距地分別采樣80個點，即6 400個采樣點。在逐級窗口匹配策略中采用三級窗口，大小分別為256×256, 128×128, 64×64，相關(guān)系數(shù)閾值設(shè)為0.4。這種匹配方式可以適用于各種SAR數(shù)據(jù)，具有非常強的自適用性。通過上面的過程可以獲得大量的高精度同名點，如圖6所示。從圖6可以看到同名點的總體分布情況，空缺的地方表示沒有找到同名點。其中圖的右邊存在連續(xù)的空白區(qū)，這是因為兩幅影像在這些區(qū)域沒有重疊的部分。為更直觀、詳細地了解同名點的偏移量，從圖6中截取了一小塊區(qū)域進行局部放大，如圖7所示。

圖6 同名點分布及偏移量

圖7 同名點偏移量放大圖

從圖7中可以明顯地看到同名點的偏移量在方向和大小兩個方面都比較一致。這是因為經(jīng)過影像的粗配準(zhǔn)重采樣后，兩幅影像的成像幾何一致，這時同名點之間的偏移量趨勢是一致的。這也從另一方面說明基于距離多普勒SAR構(gòu)像模型、地球模型以及外部地形SRTM的初匹配獲得較好結(jié)果。

為了對提出的匹配方法與已有匹配方法的結(jié)果進行比較分析，在試驗處理中又對SAR立體像對采用基于特征的配準(zhǔn)方法和基于區(qū)域的配準(zhǔn)方法進行研究。這里基于特征的匹配方法采用的是一種比較經(jīng)典的基于尺度特征不變的匹配方式。首先分別在左、右影像上根據(jù)尺度特征不變性質(zhì)獲取大量的特征點，然后對這些特征點的128維描述進行比較，小于一定的閾值就認為是同名點。直接的基于區(qū)域的配準(zhǔn)方法與本章中的精配準(zhǔn)過程一樣，與提出的匹配算法唯一的區(qū)別在于沒有粗配準(zhǔn)和重采樣的過程。其結(jié)果是沒有獲得一個同名點。表2是基于特征的配準(zhǔn)方法、基于區(qū)域的配準(zhǔn)方法以及本章提出的基于外部SRTM的配準(zhǔn)方法得到的配準(zhǔn)結(jié)果對比。

2.3 實驗二數(shù)據(jù)

高分辨率TerraSAR-X條帶模式，分辨率為3 m，成像時間分別為2011-08-07和2011-08-13。其具體的成像幾何參數(shù)如表3所示。

表2 3種方法的配準(zhǔn)結(jié)果比較

注：*—表示無意義

表3 TerraSAR-X影像幾何參數(shù)

兩幅影像的幅度信息如圖8、圖9所示。對應(yīng)研究區(qū)域的外部SRTM如圖10所示。

圖8 2011-08-11影像強度

圖9 2011-08-13影像強度

圖10 研究區(qū)域SRTM

2.4 實驗二結(jié)果

分別把2011-08-07和2011-08-13獲取的影像作為左、右影像，得到影像強度如圖8、圖9，研究區(qū)域SRTM如圖10所示。配準(zhǔn)步驟與實驗一的步驟相同。同樣得到大量的高精度同名點，如圖11所示。從圖11中可以看到，同名點的偏移量方法和大小趨勢也是比較一致的。在圖的右邊和下面存在連續(xù)的大片空白區(qū)也是由于兩幅影像在這些區(qū)域沒有重疊而造成。

同樣，分別對基于特征的配準(zhǔn)方法和基于區(qū)域的配準(zhǔn)方法進行實驗，其配準(zhǔn)結(jié)果如表4所示。

圖11 同名點分布及偏移量

2.5 分析與討論

從上面的結(jié)果可以看到，直接基于區(qū)域的配準(zhǔn)方法獲取同名點數(shù)很少或不能獲取同名點。如實驗一沒有獲得同名點，而實驗二僅僅獲得158個同名點。也就是說，直接的基于區(qū)域的配準(zhǔn)方法在立體SAR像對配準(zhǔn)的可靠性和穩(wěn)健性方面比較低。主要的原因是因為立體SAR像對的成像視角不同造成了兩幅影像之間的幾何差異，從而制約直接的基于區(qū)域的配準(zhǔn)方法的效果。而基于特征的配準(zhǔn)方法獲取的同名點數(shù)量分別為21個和34個，主要的原因是斑點噪聲及幾何畸變對高分辨率SAR影像產(chǎn)生很大的影響，嚴重阻礙同名點的獲取。這說明基于特征和直接基于區(qū)域的匹配方法提取同名點困難，甚至無法獲取同名點。

表4 3種方法的配準(zhǔn)結(jié)果比較

從表2和表4可以看出，提出的基于外部SRTM的立體SAR像對配準(zhǔn)方法的同名點的數(shù)量分別為3 198和2 501個。相對于其它兩種方法而言，提出的方法在同名點數(shù)量方面具有絕對的優(yōu)勢。因為通過SAR影像的RD成像模型和外部SRTM可以計算出參考影像像素在右影像上對應(yīng)的近似位置，然后對右影像進行重采樣，這樣可以改正SAR影像對在幾何成像方面造成的差異。經(jīng)過上面的初配準(zhǔn)和重采樣以后，兩幅影像之間具有相似的幾何成像條件，然后采用基于區(qū)域的精配準(zhǔn)就能獲得大量的同名點。這也說明提出由粗到精的配準(zhǔn)策略的有效性。

同樣使用提出的配準(zhǔn)算法在實驗一和實驗二中獲取的同名點數(shù)量也不一樣，實驗一中為3 198個，實驗二中為2 501個。這是因為試驗一中影像的入射角差異為7°，而試驗二中影像的入射角差異為20°。這說明交會角越大，影像之間的幾何畸變和輻射造成的差異越大，給影像配準(zhǔn)帶來更大的困難。

從表2和表3中還可以看到，提出方法的配準(zhǔn)結(jié)果在距離向精度為0.3像素左右，在方位向精度約為0.1像素左右，且實驗一和實驗二的配準(zhǔn)精度基本一致。這說明提出的配準(zhǔn)方法無論在穩(wěn)健性方面還是可靠性方面都表現(xiàn)出巨大的優(yōu)勢。而基于特征的配準(zhǔn)方法的精度為4像素左右，且具有一定的穩(wěn)定性。單獨的基于區(qū)域的配準(zhǔn)方法由于缺少穩(wěn)健性和可靠性，精度較低。提出的方法比其他兩種方法的配準(zhǔn)精度都高，其主要原因有：一是利用粗DEM和SAR成像模型獲取了初始的配準(zhǔn)結(jié)果，其精度達到像素級別；二是在初配準(zhǔn)的基礎(chǔ)上對右影像進行重采樣，使SAR影像對之間的成像幾何保持相似，所以對同名點可以采用統(tǒng)一的擬合模型和最小二乘方法進行擬合來得到精確的配準(zhǔn)結(jié)果。這也是本文提出的方法的優(yōu)勢所在。

3 結(jié)論

本文提出一種基于粗DEM的立體SAR像對配準(zhǔn)方法，實驗結(jié)果表明該方法是可行的。該方法采用一種從粗到精的配準(zhǔn)策略，具有完全自動化的效果，不但精度高，而且還具有很強的穩(wěn)健性。該方法匹配的精度可以達到子像素級，距離向為0.3像素左右，方位向為0.1像素左右，完全滿足雷達立體攝影測量測圖的要求，為后續(xù)測圖提供良好的保證。

[1] TOUTIN T, BOLNDEL E, CLAVET D, et al. Stereo Radargrammetry With Radarsat-2 in the Canadian Arctic[J]. IEEE Trans. Geosciences and Remote Sensing, 2013, 51(5):2601-2609.

[2] CAPALDO P, CRESPI M, FRATARCANGELI F, et al. High-Resolution SAR radargrammetry: A First Application With COSMO-SkeyMde SpotLight Imager[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(6):1100-1104.

[3] VASTARANTA M, HOLOPAINEN M, KARJALAINEN M, et al. TerraSAR-X Stereo Radargrammetry and Airborne Scanning LiDAR Height Metrics in Imputation of Forest Aboveground Biomass and Stem Volumn[J]. IEEE Trans. Geoscience and Remote Sensing, 2014, 52(2):1197-1204.

[4] MERIC S,FAYARD F, POTTIER E. Radargrammetryic SAR image processing in Geoscience and Remote Sensing[M]. P.-G.P.o.Ed. Rijeka,Croatia:Intech. 2009, 421-454

[5] 陳爾學(xué)，李增元，田昕，等. 尺度不變特征變換法在SAR影像匹配中的應(yīng)用[J]. 自動化學(xué)報, 2008,34(8): 861-868.

[6] WANG S H, YOU H J, FU K. BFSIFT: A Novel Method to Find Feature Matches for SAR Image Registration[J]. IEEE Geoscience and Remote Sensing, 2012, 9(4):649-653.

[7] DELLINGER F, DELON J, GOUSSEAU Y, et al. SAR-SIFT: A SIFT-Like Algorithm for SAR Images[J]. IEEE Trans. Geoscience and Remote Sensing, 2015, 53(1):453-466.

[8] ZOU W B, LI Y, LI Z L, et al. Improvement of the Accuracy of InSAR Image Co-Registration Based on Tie Points-A Review[J]. 2009, Sensors,9(2):1259-1281.

[9] SCHUBERT A, FAES A, KAAB A, et al. Glacier surface velocity estimation using repeat TerraSAR-X images: Wavelet-vs. correlation-based image maching[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 82(4),49-62.

[10] RAGGAM H, GUTJAHR K, PERKO R, et al. Assessment of the Stereo-Radargrammetric Mapping Potential of TerraSAR-X Multibeam Spotlighg Data[J]. IEEE Trans. Geoscience and Remote Sensing, 2010, 48(2):971-977.

[11] OLIVEIRA C G, PARADELLA W R, SILVA A. Assessment of radargrammetric DSMs from TerrraSAR-X Stripmap images in a mountainous relief area of the Amazon region[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2011, 66(1): 67-72.

[12] 陳富龍，張紅，王超. 高分辨率SAR影像同名點自動匹配技術(shù)[J]. 中國圖像圖形學(xué)報， 2006, 11(9): 1276-1281.

[13] 賀雪艷，張路，Timo Balz，等. 利用外部DEM輔助山區(qū)SAR立體像對匹配及地形制圖[J]. 測繪學(xué)報, 2013, 42(3): 425-432.

[14] 王亞超，張繼賢，鄧喀中，等. 基于幾何約束的立體SAR影像自動匹配方法[J]. 中國礦業(yè)大學(xué)學(xué)報，2015, 44(1): 164-169

[15] 丁昊，張繼賢，黃國滿，等. 多基線機載合成孔徑雷達影像匹配的SANCC法[J]. 測繪學(xué)報, 2015, 44(3): 274-281.

[16] CURLANDER J C. Location of Spaceborne SAR imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 1982, 20(3):359-364.

[17] 楊亞夫，朱建軍，李志偉. TerraSAR影像定位精度分析[J]. 中南大學(xué)學(xué)報(自然科學(xué)版), 2013, 44(10):4144-4149.

[18] CHAMBON S, CROUZIL A. Similarity measures for image matching despite occlusions in stereo vison[J]. Pattern Recongition, 2011, 44(9): 2063-2075.

[責(zé)任編輯：張德福]

Stereo SAR imagery co-registration based on coarse DEM

YANG Yafu, ZHU Jianjun, XU Bing

(Lab of Radar Remote Sensing, School of Geoscience and Info-Physics, Central South University, Changsha 410083, China)

Due to the new high resolution imagery which can be acquired by TerraSAR-X, COSMO-SkyMed and RADARSAT-2 sensors in SpotLight mode, the radargrammetric approach is exploited to generate a digital elevation model by more and more researchers from these high resolution SAR imagery. Image co-registration is the major step in the radar stereo process to acquire digital elevation model. Image registration is a vital challenging task for stereo SAR technique. A fully automatic registration approach which is accurate, robust, and fast, is required.For this purpose, a new method that fuses the RD model and area-based technique is provided. The coarse registration result is acquired with RD model and coarse DEM. Next, the area-based process is implemented by the maximization of normalized cross correlation (NCC). A Terra-SAR-X stereo pair is used to test the effectiveness of the proposed algorithm. The result shows that the new registration method is feasible, and registration accuracy is up to subpixel with 0.3 pixel in range and 0.1 pixel in azimuth. The registration result can satisfy the requirement of radargrammetry to generate DEM. The new method is also robust.

co-registration; radargrammetry; DEM; SAR

引用著錄：楊亞夫，朱建軍，許兵.基于粗DEM的立體SAR像對配準(zhǔn)[J].測繪工程，2017，26(5)：9-14，19.

10.19349/j.cnki.issn1006-7949.2017.05.003

2016-08-10

國家自然科學(xué)基金資助項目(41474008;41531068)；國家863計劃資助項目(2012AA121301)；中央高校基本科研業(yè)務(wù)費專項資金資助(2014zzts205)

楊亞夫(1979-)，男，博士研究生.

P23

A

1006-7949(2017)05-0009-06