[发明专利]结合UKF和AMPM的多基线InSAR高程重建方法

说明书

本发明公开了一种结合UKF和AMPM的多基线InSAR高程重建方法，本方法首先构造稳健的UKF高程重建系统模型，并利用具有较强噪声抑制能力的AMPM算法提取UKF高程重建系统模型所需的干涉相位梯度估计值；其次，在边缘检测技术的基础上利用ML算法估计的地形高程图与多幅干涉图来确定不连续边界图，然后在路径跟踪策略下引导UKF算法重建高程，在连续区域采用UKF估计的高程值，在不连续区域则采用ML估计的高程值，从而突破相位不连续条件的限制，获得地形高程估计值。本方法提高了高程重建的可靠性；提高了高程重建精度；具有较强的抗噪性能。

技术领域

本发明涉及多基线InSAR高程重建技术领域，具体是一种结合无味卡尔曼滤波(Unscented Kalman filter，简称UKF)和基于修正矩阵束模型的局部相位梯度估计算法(AMPM)的多基线InSAR高程重建方法。

背景技术

干涉合成孔径雷达(Synthetic Aperture Radar Interferometry，简称InSAR)是一项广泛应用于地理信息系统构建、环境监测、军事侦查等领域的技术，其利用目标地形的反射微波信号生成该区域包含缠绕相位信息的干涉图来估计地表的高程信息和变化信息，最后建立观察地形的数字高程模型(Digital Elevation Model，简称DEM)。传统单基线InSAR技术包括枝切法、质量引导算法、最小二乘法、最小费用流等算法，受限于相位连续性假设，难以应用在如山谷、陡峭山脉和城市等复杂地形高程重建中。而多基线InSAR技术可利用多个基线对同一区域进行高程重建，具有在不连续或突变地形高程重建中获得高精度DEM的潜力。

目前，多基线InSAR高程重建技术中具有代表性的算法有利用真实相位与缠绕相位符合圆高斯分布的性质构建似然函数，从而估计出高程值的最大似然估计(MaximumLikelihood，简称ML)法和利用不同基线长度互质这一特性来求解同余方程，以获取相位模糊数，从而得出解缠相位及高程的中国余数定理(Chinese Remainder Theorem，简称CRT)法等方法。ML估计算法避免了复杂的相位解缠过程，防止了误差传递的现象的发生，但该方法易受干涉相位噪声的影响，其高程估计地图中由干涉相位噪声导致生成的“毛刺点”较多，误差较大。

为了解决ML估计方法的缺点，Ferraiuolo等人提出了最大后验概率(Maximum aposteriori，简称MAP)估计方法，该方法在ML估计方法的基础上结合了马尔可夫随机场的先验模型，迭代估计其反映相邻像素点分布关系的超参数，使得重建出来的高程图“毛刺点”大大减少，但计算耗时较长。为此，Giampaolo提出将基于全变分(Total Variation，简称TV)模型的能量函数应用于MAP估计算法中，省略了迭代估计超参数的过程，大大减少了运行时间。同时，Roberto提出了将扩展卡尔曼滤波算法(EKF)应用到了ML算法上，具有一定平滑噪声的作用。基于CRT的多基线InSAR技术可以在理想的无噪声状态下获取解缠相位，但该算法对干涉相位噪声非常敏感。袁志辉等提出了一种改进的具有封闭式解的多基线鲁棒性CRT算法，提高了CRT算法噪声鲁棒性，但仍受噪声严重影响。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种结合UKF和AMPM的多基线InSAR高程重建方法，该方法不但具有较强的抗噪声性能，且能在地形不连续区域中保留完整的地形边缘特征。

实现本发明目的的技术方案是：

一种结合UKF与AMPM的多基线InSAR高程重建方法，包括如下步骤：

1)利用ML算法从多幅干涉相位图中估计出粗略的地形高程h_ML，使用窗口为3×3的中值滤波器对h_ML进行滤波得到滤波高程图其中最大似然率和联合最大似然率F_ML(Φ|h)的计算公式如下：