[发明专利]针对SAR数据高噪声及大梯度变化区域的相位解缠方法

说明书

本发明公开一种针对SAR数据高噪声及大梯度变化区域的相位解缠方法，属于雷达卫星SAR数据领域，在高噪声区域及大梯度变化区域相位解缠问题中具有较好地应用。通过结合低通滤波技术及奇异值分解有效地抑制高频噪声，并且对频率估计结果的异常值进行检测和修正，提高相位梯度估计的精度；基于相位梯度估计结果采用自适应平方根无迹Kalman滤波技术结合最大堆解缠策略完成相位解缠。本方法步骤简单，使用效果好，对于高噪声区域和地形大梯度变化区域的相位解缠具有更好的解缠精度和模型鲁棒性，有利于提高最终InSAR数据处理结果的精度。

技术领域

本发明涉及一种相位解缠方法，尤其适用于处理雷达卫星SAR数据使用的一种针对SAR数据高噪声及大梯度变化区域的相位解缠方法。

背景技术

合成孔径雷达干涉(Interferometric SyntheticAperture Radar,InSAR)测量技术近年来已广泛应用于地形三维重建和由地震活动的物理模型反演，尽管目前已经存在几十种相位解缠方法，但是在噪声量大的区域相位解缠方法的鲁棒性一般较差，在地形梯度大的区域相位解缠结果误差一般较大。这几十种相位解缠方法可以大致分为两类：一类是单基线相位解缠方法，另一类是多基线相位解缠方法。由于单基线相位解缠方法受相位连续性假设的限制，在地形梯度大的区域难以获得理想的结果，虽然多基线相位解缠方法可以摆脱相位连续性假设的限制，但是在解缠效率和基线配比等方面仍然存在一些困难。

由于修正矩阵束模型具有一定的频率估计精度和效率，所以本发明保留了修正矩阵束模型的框架，在其奇异值处理过程中引入了低通滤波技术，并且可以根据干涉图像素均方差值自适应选择局部频率估计窗口的大小，尽可能地实现方位向和距离向相位梯度的准确估计。这种低通滤波技术是由Butterworth滤波器来实现的，其特点是通频带内的频率响应曲线最大限度平坦，没有纹波，而在阻频带则逐渐下降为零，这意味着Butterworth低通滤波器可以减少高频噪声。此外，我们也引入了自适应平方根无迹Kalman技术到相位解缠问题中，平方根无迹Kalman算法只需要误差协方差的平方根，而不需要完整的协方差阵，其采用误差协方差阵的平方根形式替代协方差阵进行递推计算，保证了误差协方差阵的非负定性，从而提高了数值的稳定性，并且在计算中只需要存储和运算平方根因数，这样可以降低计算负担，以实现对无迹Kalman相位解缠技术性能的提高。

发明内容

针对现有技术的不足之处，提供一种步骤简单，使用效果好的一种针对SAR数据高噪声及大梯度变化区域的相位解缠方法

为实现上述技术目的，本发明的针对高噪声及大梯度变化区域的相位解缠方法，所包括以下步骤：

步骤S1，收集需要提取高程量或微小形变量地区的SAR数据，对SAR数据进行预处理得到干涉相位图；通过改进的修正矩阵束模型对干涉相位图所有像元的局部频率进行估计，改进的修正矩阵束是在修正矩阵束模型的奇异值处理步骤中替用一阶Butterworth低通滤波器对分解后得到的每一个奇异值赋予不同的权值来实现信号重构，从而获取准确的局部频率，以此对干涉相位图中所有像元的方位向和距离向的相位梯度进行估计：局部频率估计窗口的大小根据干涉图像元相位均方差自适应选择，窗口包括小的窗口和大的窗口，像元的干涉相位均方差反映条纹的密集程度，条纹密集则均方差大，利用小的窗口进行局部频率估计以免破坏局部条纹平稳的假设；条纹稀疏则均方差小，利用大的窗口进行局部频率估计，既满足局部条纹平稳的假设，又增加了样本点数量，提高了频率估计结果的准确性；

步骤S2，由于局部频率估计结果不存在大的跳变，当局部频率估计结果出现明显的不连续时，则认定该局部像元的频率估计结果存在误差，需要进行相应地修正，利用下式从距离向和方位向上分别对频率估计结果的连续性进行计算和检测；