[发明专利]一种基于自适应时空滤波融合的干涉相位优化方法

说明书

本发明公开一种基于自适应时空滤波融合的干涉相位优化方法，属于雷达卫星SAR数据形变监测领域。收集覆盖同一地区的多幅单视复数影像SLC的时间序列，提取时间序列幅度信息，同时利用SLC的时间序列数据构建全干涉对组合网络，基于主频率提取的自适应空间维相位滤波方法，兼顾空间维干涉相位的噪声抑制及相位信保护；引入基于第二类统计特征的相干性偏差纠正算法，提高相干性的估计精度；引入一种基于sigmoid模型自适应加权策略，为不同质量像素分配合理的权重，提高优化效果；其步骤简单，应用效果好，尤其是高噪声及大梯度形变区域的相位优化处理，既可以有效提高算法的优化效果、噪声鲁棒性及自适应性，使得用于时序形变解译的干涉相位信息光滑且丰富。

技术领域

本发明涉及一种相位优化方法，尤其适用于处理雷达卫星时序SAR数据的一种基于自适应时空滤波融合的干涉相位优化方法，属于时序InSAR技术的形变监测领域。

背景技术

合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术凭借其大范围、高精度、全天时、全天候的优势在地球物理学和大地测量学科中扮演着十分重要的角色。其发展的基于时间序列SAR影像分析的时序InSAR技术更是在地表形变监测、地质灾害监测等领域展现出十分广阔的应用前景。为了弥补时序InSAR技术中分永久性散射体目标非城市区域存在严重点密度不足的缺陷，基于分布式散射体的时序InSAR技术得到广泛推广，然而，分布式散射体在分辨单元内存在许多具有相似散射特征的随机散射体，导致其易受时间及几何失相干的影响。因此，在基于分布式散射体的TSInSAR技术中旨在提高观测相位信噪比的相位优化处理是非常关键的步骤。

相位优化处理中协方差矩阵或复相干性矩阵是相位优化模型的基础，对后续的优化相位结果有着较大的影响，其可分解为相干性矩阵及干涉相位矩阵，通常情况下是基于统计同质像素邻域集的最大似然估计获取。就相干性矩阵而言，由于统计同质像素邻域集中样本数的限制及不可避免的异质像素的干扰，通过最大似然估计获取的样本协方差矩阵中的相干性矩阵总是存在偏差的，尽管近期提出的基于卷积神经网络联合模型的先进相干性估计方法展现出了较好的估计结果，但是相干性矩阵的估计精度仍受样本数量的限制，因此我们引入了一种基于第二类统计特征的相干性偏差纠正算法，以进一步减小相干性估计偏差，提高相干性矩阵的精度。

就干涉相位矩阵而言，基于统计同质像素集的最大似然估计过程可以视作为相位的同质滤波处理，即基于同质像素集的空间平均滤波。然而，同质像素的选取通常仅考虑了SAR图像的振幅信息，而忽略了相位信息，在某一场景下如果目标引起了与背景相似的后向散射振幅，那么在上述同质滤波过程中，其对应的相位值将会与背景对应的相位值相合并，可能导致相位信息模糊，甚至丢失该目标的真实相位信息。尤其是具有高形变速率的形变时序研究，如矿山形变监测，其对应中等或长时间基线下干涉对所包含的相位信息基本与振幅无关，即由形变引起的主相位成分与振幅信息无关。在这种情况下，大梯度形变引起的密集条纹信息很容易被同质像素集的统计平均处理所破坏，导致必要的相位信息损失。因此，我们引入一种基于主频率提取的自适应空间维滤波处理，以兼顾相位噪声抑制及相位信息保护。

在协方差矩阵或复相干性矩阵的基础上，构建的相位优化模型或算法的核心区别权重因子的设置，其最优相位重构的过程实际上可以理解为在特定权重下最小化估计值与观测值之间的差异。值得说明的是，相位优化算法综合考虑了所有可能的干涉对信息，先进的研究也已表明，即使是低相干性像素也能提供不可或缺的有效信息。然而，当低质量像素被分配一个较高的权重时，将会减少或削弱高质量像素在相位优化处理过程中起到的作用，进而导致优化后的相位在信噪比改善方面不难得到理想的结果。因此，针对不同质量的像素相位分配合理的权重值时非常重要的。针对此，我们引入了一种基于sigmoid函数模型的自适应加权策略，以为不同质量的像素分配更合理的权重，进而提高优化相位的质量。

发明内容