【技术实现步骤摘要】
本专利技术涉及合成孔径雷达分布式目标时序干涉测量，特别涉及一种时序insar分布式目标的相位优化方法。
技术介绍
1、合成孔径雷达干涉测量insar是近年来兴起的一种形变测量技术；其中以永久散射体干涉测量ps-insar为代表的时序insar方法能够提取时序sar影像中相位稳定的永久散射目标ps，通过差分干涉手段获取地表形变；然而当应用场景位于非城区时，高相干目标点往往数量稀少，难以满足形变监测的需要；为克服此问题，ds-insar技术通过同质像元识别算法筛选潜在的分布式目标并提供对应的同质像元shp集，随后在此基础上利用全部干涉图信息构建样本复相干矩阵，在相位一致性准则约束下通过最大似然估计等相位优化方法poa从复相干矩阵中获取时序优化相位，提高ds干涉相位的信噪比，以此将ds视为高相干点并联合ps进行形变反演，从而大幅提高观测点的密度。
2、分布式目标易受到时空失相干影响导致其相位稳定性较差，若直接应用于insar处理则将引入严重误差，因此相位优化是ds-insar流程中不可或缺的步骤；目前常用的相位优化方法主要分为两类，一类是基于统计特征的参数寻优方法，如最大似然估计，这些方法从ds及其同质像元的概率分布密度出发，利用复相干矩阵服从复wishart分布的统计特性推导待估相位的最大似然表达式，通过非线性寻优算法得到理论最优相位；另一类方法则是借鉴了极化sar数据处理中散射机制分解的思想，通过对复相干矩阵进行特征分解evd，将得到的特征值实为相应的不同散射机制，从而提取最大特征值对应的特征向量作为优化相位；为结合这
3、但是，这些相位优化算法的本质是通过最大化复相干矩阵的似然分布以尽可能还原ds像元的时序真实相位，这是一种时间维度上的相位滤波算法，无法充分利用空间邻域中潜在的同质像元，导致相位连接过程中缺乏强力的空间约束，难以保障相位的平滑度，且当前的相位优化算法不具备对异质样本的抗差能力，从而使得相位优化的精度不高，实际使用中影响较大。
技术实现思路
1、本专利技术实施例提供一种时序insar分布式目标的相位优化方法，可以解决现有技术中，存在的相位优化精度不高的问题。
2、本专利技术实施例提供一种时序insar分布式目标的相位优化方法，包括以下步骤：
3、获取目标所在区域的时序insar单视复数影像和目标对应范围的数字高程模型dem数据；
4、对时序insar单视复数影像进行预处理得到时序强度数据，并使用同质像元识别算法提取时序强度数据中的同质像元集；对数字高程模型dem数据进行预处理得到差分干涉数据；及使用矩阵构建方法将同质像元集和差分干涉数据构建为相应sar像元的复相干矩阵；
5、从同质像元集中筛选出ds候选像元，利用kl散度计算方法计算ds候选像元和其对应同质像元间的kl散度值，并使用权重计算方法将每个同质像元的kl散度转换为空间非局部均值加权时的权重；
6、将每个同质像元的权重和相应sar像元的复相干矩阵进行空间非局部加权平均，得到空间滤波后的复相干矩阵，并利用相位优化公式得到优化后的时序insar分布式目标的相位序列。
7、优选地，所述预处理的方法包括：
8、影像配准、影像裁剪、强度数据提取、主影像选取、地形相位模拟、差分干涉。
9、优选地，所述同质像元识别算法包括：
10、ad假设检验、t假设检验、htci方法。
11、优选地，所述ds候选像元设置为参考像元，所述同质像元集合设置为非局部像元。
12、优选地，所述矩阵构建方法为：
13、
14、其中，y＝[y1,y2,…,yn]为sar影像在某一分布式像元处的复数观测向量x＝[x1,x2,…,xn]经振幅归一的结果矢量，满足ω为该分布式目标的同质像元集合；nshps为对应的同质像元数；h为共轭转置操作符。
15、优选地，所述kl散度计算方法为：
16、
17、其中，n为常数；dkl(s,s′)为参考像元s和非局部像元s′之间的对称kl散度；trace()为矩阵求迹操作符；为样本复相干矩阵。
18、优选地，所述权重计算方法为：
19、
20、其中，w(s,s′)为参考像元s与非局部像元s′间的权重；dkl-mean为所有非局部像元与参考像元间kl散度的均值；dkl(s,s′)为参考像元s与非局部像元s′间kl散度。
21、优选地，所述加权平均计算公式为：
22、
23、其中，为参考像元经非局部平均后的复相干矩阵；ω为参考像元s的同质像元集；为ω中像元s′对应的样本复相干矩阵；w(s,s')为像元s与s′间的加权权重。
24、优选地，所述相位优化公式为：
25、
26、其中，σ为尺度因子；为nl-emi方法优化的时序相位序列；表示哈达玛积运算；为相干性估值矩阵；argmax{}是对函数求参数的函数；θ为sar数据的真实相位向量；h为共轭转置操作符。
27、本专利技术实施例提供一种时序insar分布式目标的相位优化方法，与现有技术相比，其有益效果如下：
28、(1)本专利技术通过预处理得到同质像元集和干涉数据集，而后基于kl散度计算同质像元与参考像元的相似性并将其转化为加权权重，从而对复相干矩阵进行非局部加权平均，随后利用优化的复相干矩阵得到空间滤波后的复相干矩阵，使用改进的相位优化算法求解优化相位，从而获取了高质量的优化相位。
29、(2)本专利技术直接优化ds候选像元的复相干矩阵以实现对所有干涉相位信息的同步滤波，实现了兼顾时空维约束的相位优化，使得从相干矩阵中还原的优化相位更加平滑，提高了干涉相位的空间连续性。
30、(3)本专利技术通过相似性对复相干矩阵加权平均的方式，不仅充分利用了同质像元窗口外的潜在同质像元，从而在同质像元较少的场景中也具备较为优秀的相位优化性能，有效减弱了同质像元中的异质样本的影响，增强了相位优化算法对异质像元干扰的抗差能力。
本文档来自技高网...【技术保护点】
1.一种时序InSAR分布式目标的相位优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种时序InSAR分布式目标的相位优化方法，其特征在于，所述预处理的方法包括：
3.根据权利要求1所述的一种时序InSAR分布式目标的相位优化方法，其特征在于，所述同质像元识别算法包括：
4.根据权利要求1所述的一种时序InSAR分布式目标的相位优化方法，其特征在于，所述DS候选像元设置为参考像元，所述同质像元集合设置为非局部像元。
5.根据权利要求1所述的一种时序InSAR分布式目标的相位优化方法，其特征在于，所述矩阵构建方法为：
6.根据权利要求1所述的一种时序InSAR分布式目标的相位优化方法，其特征在于，所述KL散度计算方法为：
7.根据权利要求1所述的一种时序InSAR分布式目标的相位优化方法，其特征在于，所述权重计算方法为：
8.根据权利要求1所述的一种时序InSAR分布式目标的相位优化方法，其特征在于，所述加权平均计算公式为：
9.根据权利要求1所述的一种时序InSAR分布
...【技术特征摘要】
1.一种时序insar分布式目标的相位优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种时序insar分布式目标的相位优化方法，其特征在于，所述预处理的方法包括：
3.根据权利要求1所述的一种时序insar分布式目标的相位优化方法，其特征在于，所述同质像元识别算法包括：
4.根据权利要求1所述的一种时序insar分布式目标的相位优化方法，其特征在于，所述ds候选像元设置为参考像元，所述同质像元集合设置为非局部像元。
5.根据权利要求1所述的一种时序insa...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。