[发明专利]数据驱动下的合成孔径雷达干涉图相位恢复方法及系统

说明书

本发明涉及数据驱动下的合成孔径雷达干涉图相位恢复方法，包括以下步骤：S1、获取真实干涉相位图和多个模拟干涉相位图，对多个模拟干涉相位图进行复卷积字典学习，生成一组卷积滤波器，构成预设的卷积稀疏编码中的字典；S2、计算真实干涉相位图的相干性值，并将相干性值转换成空间掩码的值；S3、将调整后的空间掩码值、所述真实干涉相位图和所述字典相联合后，输入至卷积稀疏编码中，基于掩码解耦算法，卷积稀疏编码输出干涉相位恢复图。其将相干性值作为先验信息，对于空间地形相对复杂的区域和低相干性引起的相位噪声较大的区域能够有效提高相位重建精度；且本发明干涉图相位恢复方法简单，计算复杂度较小，计算速度更快。

技术领域

本发明涉及干涉相位图处理技术领域，尤其是指一种数据驱动下的合成孔径雷达干涉图相位恢复方法及系统。

背景技术

在干涉合成孔径雷达干涉图像中，相位是大范围地表高程及形变信息提取的重要来源，但是在干涉相位生成的过程中，由于不可避免的一些去相关因素，如系统噪声、时间和空间去相关，相位生成伴随不同程度的噪声，使得干涉相位相干性降低。影响基于干涉相位的地理信息参数的提取，因此干涉图相位恢复一直是处理干涉相位图的一个核心步骤。

目前常见的干涉图相位恢复处理方法包括：

(1)在一个局部矩形窗口内对所有相位进行平均，如boxcar滤波，但是由于观测区域地形或形变复杂，干涉相位图往往非平稳的，boxcar滤波的强平滑性对于图像的细节恢复能力较差。

(2)利用Lee、Goldstein和Werner等人针对信号非平稳问题提出的相应滤波器进行干涉相位图处理。虽然Goldstein滤波相对于(1)中的滤波有所改进，但是恢复精度有待进一步提高。

(3)直接利用卷积稀疏编码进行信号重建，卷积稀疏编码为无监督的滤波器学习方法。在复数域，使用卷积稀疏编码算法恢复干涉相位的方法称为复卷积稀疏编码算法(ComCSC)，利用稀疏系数映射的梯度正则化可以对ComCSC进行扩展。但是现有复卷积稀疏编码计算复杂度过大，并且在干涉图空间变化剧烈区域和低相干性区域相位恢复效果不佳。

发明内容

本发明要解决的技术问题是提供一种数据驱动下的合成孔径雷达干涉图相位恢复方法，其将真实干涉相位图的相干性值作为先验信息，对于空间地形相对复杂的区域和低相干性引起的相位噪声较大的区域能够有效提高相位重建精度；且本发明基于掩码解耦算法的卷积稀疏编码干涉图相位恢复方法简单，计算复杂度较小，计算速度更快。

为解决上述技术问题，本发明提供了一种数据驱动下的合成孔径雷达干涉图相位恢复方法，包括以下步骤S1、获取真实干涉相位图和多个模拟干涉相位图，对多个所述模拟干涉相位图进行复卷积字典学习，生成一组卷积滤波器；将所述卷积滤波器转换为矩阵形式，构成预设的卷积稀疏编码中的字典；S2、基于所述一组卷积滤波器，计算所述真实干涉相位图的相干性值，并将所述相干性值转换成空间掩码的值；S3、调整所述空间掩码的值；将调整后的所述空间掩码值、所述真实干涉相位图和所述字典相联合后，输入至所述预设的卷积稀疏编码中，基于掩码解耦算法，所述卷积稀疏编码输出干涉相位恢复图。

作为优选的，基于复相关函数计算所述真实干涉相位图的相干性值ρc，所述复相关函数为：

其中，u₁和u₂是一对单视复数图，(·)^*为共轭算子，M和N表示用于相关计算的窗口大小。

作为优选的，将所述相干性值转换成空间掩码的值，具体为：设置转换公式：W＝σ·ρ_c，其中，W为空间掩码的值，σ为相干性尺度因子。

作为优选的，所述字典的获取公式包括：