(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210296923.0 (22)申请日 2022.03.24 (71)申请人 长安大学 地址 710000 陕西省西安市雁塔区南 二环 路中段 (72)发明人 丁明涛　李振洪　董岳　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 李薇 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/74(2022.01) G01P 3/38(2006.01) (54)发明名称 基于Offset -Tracking技术的滑坡形变分析 方法 (57)摘要 本发明提供的一种基于Offset ‑Tracking技 术的滑坡形变 分析方法， 通过 获取覆盖同一滑坡 监测区域的时间序列影像组成多组影像对； 对每 组影像对进行匹配搜索， 确定互相关系数最大的 整像素点对、 该整像素点对周围互相关系数最大 的子像素点对以及该子像素点对周围的目标子 像素点对； 之后得到每组影像对的形变观测矩 阵； 建立影像对的形变观测值矩阵、 形变时间矩 阵与形变速率矩阵的观测方程， 按照不同的情况 使用最小二乘法准则或使用加权奇异值分解法 进行求解， 得到每组影像对中两个影像的速率； 最终生成二维形变时序影像。 本发 明可以有效的 根据滑坡形变偏移量， 在不同软件 上形成可靠的 二维形变时序影像， 为研究人员提供有效的分析 依据。 权利要求书3页 说明书11页 附图5页 CN 114821095 A 2022.07.29 CN 114821095 A 1.一种基于Of fset‑Tracking技术的滑坡形变分析 方法， 其特 征在于， 包括： 获取覆盖同一滑坡监测区域的时间序列影 像； 根据太阳高度角以及方位角的相似度， 对所述时间序列影像组成影像对， 获得多组影 像对； 对每组影像对进行匹配搜索， 确定互相关系数最大的整像素点对、 该整像素点对周围 互相关系数最大的子像素点对以及该子像素点对周围的目标子像素点对； 将整像素点对中两个像素点之间的整数位移、 子像素点对中两个子像素点之间的小数 位移以及目标子像素点对中两个目标子像素点之间的小数偏移累加， 得到每组影像对的形 变观测矩阵； 建立影像对的形变观测值矩阵、 形变时间矩阵与形变速率矩阵的观测方程； 按照所述形变时间矩阵的元素情况， 对所述观测方程使用最小二乘法准则或使用加权 奇异值分解法进行求 解， 得到每组影 像对中两个 影像的速率； 基于所述每组影 像对中两个 影像的形变速率， 生成二维形变时序影 像。 2.根据权利要求1的所述滑坡形变分析方法， 其特征在于， 所述 时间序列影像为多幅按 照时间序列排序的图像； 所述影 像对数量与按照时间序列排序的图像数量满足： 其中， N表示按照时间序列排序的图像数量， M表示影 像对数量。 3.根据权利要求1的所述滑坡形变分析方法， 其特征在于， 所述对每组影像对进行匹配 搜索， 确定互相关系 数最大的整像素点对、 该整像素点对周围互相关系 数最大的子像素点 对以及该子像素点对周围的目标子像素点对 包括： 将每组影像对中的一幅影像作为参考影像， 另一幅作为搜索影像， 对每组影像对进行 整像素点搜索， 确定互相关系数最大值所在位置的整像素点对； 对所述整像素点对周围的子像素点进行插值计算， 确定互相关系数最大值所在位置的 子像素点对； 对所述子像素点对周围的子像素点进行高斯回归分析， 确定目标子像素点对。 4.根据权利要求3的所述滑坡形变分析方法， 其特征在于， 所述将每组影像对中的一幅 影像作为参考影像， 另一幅作为搜索影像， 对每组影像对进 行整像素点搜索， 确定互相关系 数最大值所在位置的整像素点对 包括： 将每组影 像对中的一幅影 像作为参考影像， 另一幅作为搜索影 像； 使用两个大小相同的第一滑动窗口和第二滑动 窗口分别在参考影像的目标区域和搜 索影像的搜索区域进行滑动， 并依次计算第一互相关系数， 得到第一互相关系数矩阵； 确定第一互相关系数最大值所在的位置的整像素点对； 所述对所述整像素点对周围的子像素点进行插值计算， 确定互相关系数最大值所在位 置的子像素点对 包括： 在第一互相关系数最大值所在的位置处进行网格化； 使用两个大小相同的第 三滑动窗口和第四滑动窗口在网格中滑动， 并双线性插值算法 依次计算第三滑动窗口和 第四滑动窗口在网格化处的第二互相关系数， 得到第二互相关系 数矩阵；权　利　要　求　书 1/3 页 2 CN 114821095 A 2对所述子像素点对周围的子像素点进行高斯回归分析， 确定目标子像素点对 包括： 在第二互相关系数 峰值所在位置处的子像素点以及其周围9个子像素点进行高斯 回归 分析， 得到高斯回归 模型最优的目标子像素点。 5.根据权利要求1的所述滑坡形变分析方法， 其特征在于， 所述按照所述形变时间矩阵 的元素情况， 对所述观测方程使用最小二乘法准则或使用加权奇异值分解法进行求解， 得 到每组影 像对中两个 影像的速率包括： 当所述形变时间矩阵为满秩时， 使用最小二乘准则对所述观测方程进行求解， 得到每 组影像对中两个 影像的速率； 当所述形变时间矩阵为秩亏时， 使用加权奇异值分解(SVD)法对所述观测方程进行求 解， 得到每组影 像对中两个 影像的速率。 6.根据权利要求4的所述滑坡形变分析方法， 其特征在于， 当所述形变时间矩阵为秩亏 时， 使用加权 奇异值分解(SVD)法对 所述观测方程进 行求解， 得到每组影像对中两个影像的 速率包括： 当所述形变时间矩阵为秩亏时， 对所述观测方程使用加权矩阵进行转化， 得到转化后 的观测方程； 对转化后的观测方程中的加权矩阵和形变时间矩阵进行奇异值分解； 基于加权矩阵和形变矩阵的奇异值分解结果， 对转化后的观测方程进行求解， 得到每 组影像对中两个 影像的速率。 7.根据权利要求6任一项所述的滑坡形变分析方法， 其特征在于， 所述形变观测矩阵包 括所有影像对的形变观测值， 所述形变时间矩阵包括每组影像对中两个影像的时间间隔， 所述形变速率矩阵包括： 每组影 像对中两个 影像的速率； 所述观测方程表示 为： Bv＝d 其中， B为M ×N的系数矩阵， 该矩阵B中的元素由影像对中相邻影像的时间间隔组成； mi 表示影像对中的主影 像， 从影像为si， 矩阵B中的元 素可表示为： d为M×1的形变观测矩阵， 矩阵元素由所有互相关影像对的形变观测值 组成， d＝[d1 d2  … dM]T； v是N×1的矩阵， 矩阵元素由影像对中相邻影像之间的速率组成， v＝[v1 v2  …  vn]T。 8.根据权利要求7 所述的滑坡形变分析 方法， 其特 征在于， 使用最小二乘准则对所述观测方程进行求解， 得到的每组影像对中两个影像的速率表 示为： v＝(BTPB)‑1BTPd 其中， P为一个M ×M的加权矩阵， P＝diag(ω1， ω2，…， ωM)， ωi由每一个影像对的标准 差σi的倒数构成， 是衡量各影 像对所占权 重的指标； 9.根据权利要求7 所述的滑坡形变分析 方法， 其特 征在于， 转 化后的观测方程表示 为： 权　利　要　求　书 2/3 页 3 CN 114821095 A 3