[发明专利]一种基于PS目标时空间相干矩阵的极化相位优化方法

说明书

本发明提供一种基于PS目标时空间相干矩阵的极化相位优化方法，利用振幅离差值分别选取VV、VH双极化数据的PS目标，将两种极化数据的PS目标合并后生成时空间相干矩阵，采用相干矩阵特征值分解方法分离出第一主成分，即最大特征值，并采用ESPO算法寻找最优投影矢量使得第一主成分贡献率达到最大，最终相较于单极化数据能有效增加PS点数量，还能提高主导信号比重，从而减少噪声，提高PS目标相位质量。

技术领域

本发明涉及雷达遥感以及图像处理技术领域，尤其涉及一种基于PS目标时空间相干矩阵的极化相位优化方法。

背景技术

合成孔径雷达干涉测量(InSAR)技术是20世纪60年代产生的一项空间对地观测技术，它能够不受光照和天气条件的限制实现全天候、全天时对地观测，还可以穿透地表和植被获取地表下信息。1998年，产生了极化合成孔径雷达干涉测量技术，该技术研究同一目标的不同极化方式，通过统计分析同一地区多幅SAR影像时间序列上幅度与相位信息稳定性，探测保持高相干性的点为PS点。通过这些稳定PS点目标，可以估计并消除大气效应相位的贡献，获得更加精确的三维信息和形变量。

然而，传统的PS点选取方法往往因为自身的局限性，导致选点数量与选点精度的不足，单极化方法选出的PS点数量往往较双极化少，PS目标极化相位优化多是从幅度和相干性考虑，很少从相位成分角度来优化。如何解决上述方法的不足，是本发明主要解决的问题。

本发明提出了一种极化干涉雷达领域中的PS目标识别以及极化相位优化方法，该方法利用VV、VH极化振幅离差值选取PS目标，并基于PS目标的时空间相干矩阵，利用特征值分解极化优化技术，抑制相位中的噪声分量，提高相位质量。

ESPO算法是双极化中PS点目标优化算法中的方法之一。通过在投影矢量双变量范围内以一定的步长取值，寻找最优变量优化目标函数。

发明内容

有鉴于此，为了提高Sentinel-1A数据中PS点的数量和优化PS目标相位，本发明提供了一种基于PS目标时空间相干矩阵的极化相位优化方法，以抑制PS目标噪声，并较传统单极化方法选出的PS点数量更多。

一种基于PS目标时空间相干矩阵的极化相位优化方法，包括如下步骤：

S1：获取N景原始的VV极化、VH极化SAR图像，并对其进行裁剪、配准、多视预处理；

S2：分别计算VV极化数据和VH极化数据的振幅离差值，并设置阈值选取PS目标，最终PS目标为VV极化数据和VH极化数据选取的PS目标的总和；

S3：利用投影矢量和Pauli矢量将VV、VH两种极化的复数像元组合成新的SLC影像；

S4：计算新构造的SLC影像中的PS目标集的时空间相干矩阵；

S5：利用特征值分解技术，分解时空间相干矩阵，得到特征值；

S6：对S5得到的特征值采用ESPO算法搜索最优投影矢量使得最大特征值占所有特征值总和的比重最大，从而提高第一主成分贡献率，抑制噪声成分，达到优化相位的目的。

本发明提供的技术方案带来的有益效果是：本发明利用振幅离差值分别选取VV、VH双极化数据的PS目标，将两种极化数据的PS目标合并后生成时空间相干矩阵，采用相干矩阵特征值分解方法分离出最大特征值，并采用ESPO算法寻找最优投影矢量使得第一主成分贡献率达到最大；最终相较于单极化数据能有效增加PS点数量，抑制干涉相位中的噪声成分，提高PS目标相位质量。

附图说明

图1是本发明实施例提供的一种基于PS目标时空间相干矩阵的极化相位优化方法的流程图；

图2是本发明实施例的可见光遥感影像；

图3是本发明PS目标相位优化结果(a)与VH(b)、VV(c)极化相位对比图。