[发明专利]一种基于人工智能技术的雷达干涉图像用相位解缠方法

权利要求书

1.一种基于人工智能技术的雷达干涉图像用相位解缠方法，其特征在于，包含以下步骤：

S1：获取目标区域的雷达影像数据；

S2：求取相邻像元之间的整周数差；

S3：计算整周数；

S4：获得解缠相位结果。

2.根据权利要求1所述的一种基于人工智能技术的雷达干涉图像用相位解缠方法，其特征在于，所述步骤S1中，获取雷达影像数据，具体包括：按照时间顺序获取N景雷达影像，其中，第1景雷达影像为主影像，其余N-1景雷达影像为副影像，对N-1对主副影像进行匹配。

3.根据权利要求1所述的一种基于人工智能技术的雷达干涉图像用相位解缠方法，其特征在于，所述S2，求取相邻像元之间的整周数差，具体包括一下步骤：

S2-1：第1景雷达主影像和其余N-1景雷达副影像顺序组成N-1个雷达干涉像对；

S2-2：由于第1景和第2景雷达影像拍摄时间相距很近，期间地表形变很小予以忽略，从第3景开始的影像至第1景雷达影像期间地表发生的形变不能忽略，针对每一干涉像对，根据时序建立所述N-1景副影像至第1景主影像的地表高程形变与第s个像元对应的绝对相位以及整周数的第一处理模型：其中，表示第i个干涉像对中第s个像元对应的绝对相位；ki(s)(i＝1，2，…，N-1)表示第i个干涉像对中第s个像元对应的整周数；Bi(i＝1，2，…，N-1)表示第i个干涉像对的垂直基线长；Δhm(s)(m＝2，3，…，N-1)表示第m+1景雷达影像拍摄时相对于第1景雷达影像拍摄时发生的地表高程形变；λ表示波长；

S2-3：针对每一干涉像对，根据时序建立所述N-1景副影像至第1景主影像的地表高程形变与第s-1个像元对应的绝对相位以及整周数的第二处理模型，所述第s-1个像元表示第s个像元的相邻像元；

S2-4：由于第s-1个像元与第s个像元是相邻像元，令两者的高程差Δh(s)-Δh(s-1)＝0，结合所述第一处理模型和所述第二处理模型，针对每一干涉像对，根据时序建立第s个像元与第s-1个像元的绝对相位差与整周数差的第三处理模型：其中，表示第i个干涉像对中第s个像元与第s-1个像元之间的绝对相位差，Δki(s，s-1)＝ki(s)-ki(s-1)(i＝1，2，…，N-1)，表示第i个干涉像对中第s个像元与第s-1个像元之间的整周数差；

S2-5：为求取Δki(s，s-1)，将第三处理模型转换为最优解模型：其中，i，j＝1，2，…，N-1且互不相同；

S2-6：求取最优解模型的最优解，得到相邻像元之间的整周数差Δki(s，s-1)。

4.根据权利要求1所述的一种基于人工智能技术的雷达干涉图像用相位解缠方法，其特征在于，所述S3，计算整周数k，具体包括以下步骤：

S3-1：确定相干系数图：令第i个干涉像对的主副影像，即第1景和第i+1景雷达影像分别为S1和S2，建立第i个干涉像对的相干系数图，表示为：其中，E()表示期望值；*表示共轭；表示S2的共轭复数；

S3-2：相干系数图分割：在相干系数图中标记残差点并确定所述残差点在所述相干系数图中的分布，确定所述残差点在所述相干系数图上对应的相关系数值，以所有残差点中最大的相关系数值作为分割数据的阈值，将所述相干系数图和对应的缠绕相位图分割成高质量区域和低质量区域；

S3-3：高质量区域的相位解缠；

S3-4：低质量区域的相位。

5.根据权利要求1所述的一种基于人工智能技术的雷达干涉图像用相位解缠方法，其特征在于，所述S4，获得解缠相位结果，具体包括以下步骤：

S4-1：根据高质量区域每个像元对应的整周数kh和低质量区域每个像元对应的整周数k1，得到整个区域每个像元对应的整周数ki(s)；

S4-2：建立相位解缠模型：计算解缠相位结果，其中，表示第i个干涉像对中第s个像元对应的绝对相位，ψi(s)表示第s个像元在干涉像对i中的解缠相位结果。

6.根据权利要求3所述的一种基于人工智能技术的雷达干涉图像用相位解缠方法，其特征在于，所述S2-6，采用投影法求取最优解模型的最优解。