CN103996175B - 森林或城市区域高分辨干涉相位滤波方法 - Google Patents

Abstract

本发明涉及干涉合成孔径雷达成像技术，公开了一种森林或城市区域高分辨干涉相位滤波方法，其在森林或城市区域高分辨干涉相位图滤波中，为克服广泛分布的块状随机噪声或低相干区域，在整幅干涉相位图中选择独立同分布样本，降低运算量，将独立同分布样本的搜索限制在以待滤波像素为中心的固定大小的窗口内，称作滤波窗口。独立同分布样本的选择过程可通过识别和去除滤波窗口中的“野值”实现，这里的“野值”表示滤波窗口中与待滤波像素不满足独立同分布的像素。本发明的方法在有效保持干涉条纹细节的前提下，显著降低了干涉相位图中残点数目，有效地改善了噪声抑制效果，提高了对森林或城市区域高分辨干涉相位图的滤波性能。

Description

森林或城市区域高分辨干涉相位滤波方法

技术领域

本发明涉及干涉合成孔径雷达成像技术，特别涉及一种森林或城市区域高分辨干涉相位滤波方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)通过平台的运动合成长孔径，实现高分辨率雷达成像技术，具备全天时、全天候对地成像的能力。SAR图像已在森林生物量检测、地形及城市沉降测量、海洋和海冰观测、地质灾害救援与评估等领域获得了广泛的应用。目前，SAR成像正朝着高分辨或超高分辨率(如0.1米)的方向发展。

干涉合成孔径雷达(Interferometric Synthetic Aperture Radar，InSAR)利用沿垂直航向分布的两副或多副天线获取同一地面场景的两幅或多幅SAR图像，通过干涉处理得到的干涉相位差测量森林区域地形及城市区域沉降。然而，InSAR获取的测量干涉相位包括真实干涉相位和加性噪声，这些加性噪声由信噪比、时间去相干、基线去相干等因素引入，将影响地形或形变测量的精度。因此，针对高分辨率SAR图像及干涉相位图的特性，研究高性能的干涉相位滤波技术对于提高地形及沉降测量精度具有重要的意义。

对于短波雷达(如X波段)，由于传播衰减率较高，森林区域的散射特性更接近于面反射，散射体可看作分布于不同坡度的平面上，这样，树木冠盖的“椭球”形将导致雷达阴影的存在。在低分辨率SAR图像中，树木冠盖的雷达阴影在SAR图像中仅占据少量像素，然而在(超)高分辨率情况下，树木冠盖的雷达阴影将呈块状在SAR图像中广泛分布。这些树木冠盖的雷达阴影使干涉相位图中存在广泛分布的块状随机噪声，将破坏干涉成像的局部空间平稳性的假设前提，导致方形滤波窗口中的样本不再满足独立同分布。

对于高分辨率城市区域干涉相位图，每条道路或者建筑物将比低分辨率情况下占据更多的像素，因此由道路镜面反射或建筑物雷达阴影导致的低相干区域也将在干涉相位图中广泛分布。这同样将破坏局部空间平稳性假设，导致传统滤波方法的性能下降甚至无法工作。

迄今为止，国内外已提出了很多用于InSAR干涉相位滤波的算法，但这些算法基本上未考虑高分辨率干涉相位图的特点，而是基于局部空间平稳性假设选择样本。J.S.Lee等人于1998年提出利用一组方向性窗口和加性噪声模型获取真实干涉相位的最小均方误差估计，称为Lee滤波。在大配准误差情况下，李真芳等人提出通过联合周围相邻像素的相干信息来估计干涉相位。索志勇和E.Trouvé分别利用局部相位解缠和改进的多重信号分类(Multiple-Signal Classification，MUSIC)算法估计干涉相位图的二维条纹频率，然后对原始干涉相位补偿二维条纹频率后进行均值滤波。G.Vasile等人借助SAR图像幅度信息和局部区域增长策略获取滤波样本，可部分克服局部空间稳定性假设不满足带来的限制，然而正如算法的作者指出，该方法不适用SAR图像幅度与地形不一致的情况，如农田或城市区域。

发明内容

本发明的目的在于提供一种森林或城市区域高分辨干涉相位滤波方法，能够滤除干涉相位图中存在的广泛分布的块状随机噪声或低相干区域，使得整幅干涉相位图符合独立同分布，满足干涉成像的局部空间平稳性的假设前提。

本发明的基本思路是：在森林或城市区域高分辨干涉相位图滤波中，为克服广泛分布的块状随机噪声或低相干区域，在整幅干涉相位图中选择独立同分布样本。为了降低运算量，将独立同分布样本的搜索限制在以待滤波像素为中心的固定大小的窗口内，称作滤波窗口。独立同分布样本的选择过程可通过识别和去除滤波窗口中的“野值”实现，这里的“野值”表示滤波窗口中与待滤波像素不满足独立同分布的像素。

为了达到上述目的，本发明采用以下技术方案予以实现。

一种森林或城市区域高分辨干涉相位滤波方法，其特征在于，包括以下步骤：

步骤1，在测量干涉相位图中，选定以待滤波像素u为中心的滤波窗口，对滤波窗口内待滤波像素u及其周边像素t，分别建立以待滤波像素u和周边像素t为中心的对应相似窗口，其中相似窗口的长宽尺寸均小于滤波窗口；待滤波像素u和周边像素t间的相似距离d_t，d_t的计算由式(1)给出

其中，V_u表示以待滤波像素u为中心的相似窗口中像素的干涉相位组成的矢量，V_t表示以周边像素t为中心的相似窗口中像素的干涉相位组成的矢量，N为矢量V_u或V_t的维数，n表示n-范数；

步骤2，计算待滤波像素u与待滤波窗口中所有周边像素t的相似距离，然后构建相似距离集合D_u如式(4)

D_u＝{d_t|t∈W_se} (4)

其中，W_se表示待滤波窗口，t表示待滤波窗口中待滤波像素u的任一周边像素；

步骤3，调整相似距离的判别门限，识别和剔除滤波窗口中“野值”，剩余滤波窗口中的像素构成有效像素集合P_u，“野值”表示滤波窗口中与待滤波像素不满足独立同分布的像素；

步骤4，根据有效像素集合P_u，利用加权平均估计待滤波像素u的干涉相位，并由式(7)计算其权值

w_t＝1-(d_t/A）² (7)

式中，w_t表示周边像素t中的有效像素的滤波权值；

最后，待滤波像素u的干涉相位估计表示为式(8)

其中，A_mt为主SAR图像对应的周边像素t中的有效像素的幅度，A_st为辅SAR图像对应的周边像素t中的有效像素的幅度，z_t为周边像素t中的有效像素的复相位矢量，且z_t不包含幅度信息。

上述技术方案的特点和进一步改进在于：

(a)所述步骤1中，计算待滤波像素u和周边像素t间的相似距离d_t，d_t的由式(2)给出

式中，N为矢量V_u或V_t的维数，i表示矢量V_u或V_t中的第i个元素，和n_ui分别为矢量V_u中第i个元素的真实干涉相位和加性噪声，和n_ti分别为矢量V_t中第i个元素的真实干涉相位和加性噪声；和Δn_ti分别为第i个元素的干涉相位差和加性噪声相位差，可表示为式(3)

(b)步骤3中，待滤波窗口中“野值”的识别和去除准则由式(5)给出

P_u＝{t|d_t＜μ·median[D_u]，d_t＜A，t∈W_se} (5)

其中，P_u表示待滤波窗口中剩余有效像素组成的有效像素集合，median[·]表示获取集合元素中值的操作；μ为输入控制参数，用于控制待滤波窗口中剩余有效像素的数目；A表示相似距离的判别门限最大值，相似距离大于A的周边像素将被直接作为“野值”。

进一步地，相似距离的判别门限最大值A的选定方法是：将相似距离集合D_u中元素按升序排列，将相似距离集合D_u的维数记为1×M，选取第个元素为相似距离的判别门限最大值A，其中表示取整，中所选取的0.95可根据所需做出调整。

进一步地，输入控制参数μ的选取范围为0.8-1.0。

进一步地，输入控制参数μ按照下面方法确定：将剩余有效像素组成的有效像素集合P_u中元素的数目记为N_p[μ]，N_p[μ]是关于输入控制参数μ的函数；给定输入控制参数μ的初始值，且μ·median[D_u]＜A，并预设有效像素个数门限N_T；

若N_p[μ]小于预设有效像素个数门限N_T，则对输入控制参数μ进行迭代松弛，表示为式(6)

其中，Δμ为输入控制参数μ的松弛量，取值0.1-0.2；μ₁为迭代松弛后输入控制参数μ的取值；式(6)中N_p[μ₁]≥N_T和μ₁·median[D_u]＜A，如果不能同时成立，此时取μ₁·median[D_u]＝A。

森林或城市区域的高分辨干涉相位图中存在广泛分布的块状随机噪声，该随机噪声将破坏局部空间平稳性假设，导致方形滤波窗口中的样本不再满足独立同分布，而传统滤波算法基本上未考虑高分辨率干涉相位图的这一特点。本发明针对这一现状，在独立同分布样本的选择过程通过识别和去除滤波窗口中的“野值”，在有效保持干涉条纹细节的前提下，显著降低了干涉相位图中残点数目，有效地改善了噪声抑制效果，提高了对森林或城市区域高分辨干涉相位图的滤波性能。

附图说明

图1为本发明的森林或城市区域高分辨干涉相位滤波方法的算法结构流程图。

图2为滤波窗口及相似窗口的建立方法示意图。

图3为加权平均的权值随相似距离的衰减曲线图。

图4为仿真高分辨干涉数据滤波结果图；

图4(a)为仿真干涉相位图；

图4(b)为真实干涉相位图；

图4(c)为MUSIC滤波结果图；

图4(d)为Lee滤波结果图；

图4(e)为本发明方法的算法I滤波结果图；

图4(f)为本发明方法的算法II滤波结果图。

图5为机载X-波段森林区域高分辨干涉数据滤波结果图；

图5(a)为SAR图像幅度图；

图5(b)为测量干涉相位图；

图5(c)为5像素×5像素均值滤波结果图；

图5(d)为Lee滤波结果图；

图5(e)为本发明方法的算法I滤波结果图；

图5(f)为本发明方法的算法II滤波结果图。

图6为TerraSAR-X城市区域高分辨干涉数据滤波结果图；

图6(a)为SAR图像幅度图；

图6(b)为测量干涉相位图；

图6(c)为5像素×5像素均值滤波结果图；

图6(d)为Lee滤波结果图；

图6(e)为本发明方法的算法I滤波结果图；

图6(f)为本发明方法的算法II滤波结果图。

具体实施方式

在森林或城市区域高分辨干涉相位图中，为克服广泛分布的块状随机噪声带来的样本选择问题，应该在整幅干涉相位图中选择独立同分布样本。为了降低运算量，将独立同分布样本的搜索限制在以待滤波像素为中心的固定大小的窗口内，称作滤波窗口。独立同分布样本的选择过程可通过识别和去除滤波窗口中的“野值”来实现，这里的“野值”表示滤波窗口中与待滤波像素不满足独立同分布的像素。

为解决高分辨情况下局部空间平稳性假设带来的样本选择问题，本发明采用一种非邻域算法以提高森林或城市区域高分辨干涉相位图滤波的性能。

参照图1，本发明的森林或城市区域高分辨干涉相位滤波方法，其具体步骤如下：

步骤1，在测量干涉相位图中，选定以待滤波像素u为中心的滤波窗口，对滤波窗口内待滤波像素u及其周边像素t，分别建立以待滤波像素u和周边像素t为中心的对应相似窗口，其中相似窗口的长宽尺寸均小于滤波窗口，如图2所示；

计算待滤波像素u和周边像素t间的相似距离d_t，d_t的计算由式(1)给出

其中，V_u表示以待滤波像素u为中心的相似窗口中像素的干涉相位组成的矢量，V_t表示以周边像素t为中心的相似窗口中像素的干涉相位组成的矢量，N为矢量V_u或V_t的维数，n表示n-范数。这里V_u和V_t仅包含相位信息。

对于测量干涉相位图中的待滤波像素u和其对应的周边像素t，这里根据待滤波像素u与周边像素t之间的相似距离d_t判断周边像素t与待滤波像素u是否满足独立同分布，即周边像素t是否为“野值”。

对于式(1)，对比n-范数中常用的1-范数和2-范数可知：1-范数对矢量中的小值元素赋予相对较大的权，而对矢量中的大值元素赋予相对较小的权，即1-范数对矢量中的问题测量数据比较不敏感或比较稳健。因此，这里选择1-范数来计算待滤波像素u和周边像素t之间的相似距离，利用Lee等人给出的加性噪声模型，式(1)可重新推导为：

式中，N为矢量V_u或V_t的维数，i表示矢量V_u或V_t中的第i个元素，和n_ui分别为矢量V_u中第i个元素的真实干涉相位和加性噪声，和n_ti分别为矢量V_t中第i个元素的真实干涉相位和加性噪声；和Δn_ti分别为第i个元素的干涉相位差和加性噪声相位差，可表示为

步骤2，计算待滤波像素u与待滤波窗口中所有周边像素t的相似距离，然后构建相似距离集合D_u

D_u＝{d_t|t∈W_se} (4)

其中，W_se表示待滤波窗口，t表示待滤波窗口中待滤波像素u的任一周边像素。

步骤3，调整相似距离的判别门限，识别和剔除滤波窗口中“野值”，剩余滤波窗口中的像素构成有效像素集合P_u，“野值”表示滤波窗口中与待滤波像素不满足独立同分布的像素。

待滤波窗口中“野值”的识别和去除准则可由式(5)给出：

P_u＝{t|d_t＜μ·median[D_u]，d_t＜A，t∈W_se} (5)

其中，P_u表示待滤波窗口中剩余有效像素组成的有效像素集合，median[·]表示获取集合元素中值的操作。这些有效像素将被用于估计待滤波像素u的干涉相位。

这里，A表示相似距离的判别门限最大值，相似距离大于A的周边像素将被直接作为“野值”。相似距离的判别门限最大值A的选定方法是：将相似距离集合D_u中元素按升序排列，将相似距离集合D_u的维数记为1×M，选取第个元素为相似距离的判别门限最大值A，其中表示取整，中所选取的0.95可根据所需做出调整。

这里，μ为输入控制参数，可控制待滤波窗口中剩余有效像素的数目，使算法在噪声滤除和细节保持方面获得一个较好的折中，输入控制参数μ的建议选取范围为0.8-1.0。将剩余有效像素组成的有效像素集合P_u中元素的数目记为N_p[μ]，N_p[μ]是关于输入控制参数μ的函数。

其中，输入控制参数μ可按照下面方式确定：给定输入控制参数μ的初始值，且μ·median[D_u]＜A，并预设有效像素个数门限N_T。

若N_p[μ]小于预设有效像素个数门限N_T，则对输入控制参数μ进行迭代松弛，可表示为

其中，Δμ为输入控制参数μ的松弛量，建议取值0.1-0.2；μ₁为迭代松弛后输入控制参数μ的取值。

需要说明的是：式(6)中N_p[μ₁]≥N_T和μ₁·median[D_u]＜A，如果不能同时成立，此时取μ₁·median[D_u]＝A。其迭代松弛的解释为：小于最大门限值A的有效像素的总数并未大于有效像素总数最小门限值N_T，即停止迭代。

步骤4，根据有效像素集合P_u，利用加权平均估计待滤波像素u的干涉相位。

在此过程中，具有较小相似距离的周边像素被认为与待滤波像素更加满足独立同分布，因此具有较大的权值。当有效像素对应的相似距离为0时，加权权值为1，权值随相似距离的衰减由二次曲线给出，如附图3所示：

w_t＝1-(d_t/A）² (7)

式中，w_t表示周边像素t中的有效像素的滤波权值。

此外，E.Trouvé和A.B.Suksmono的实验结果表明：干涉相位图的滤波需要在复数域进行，并且需要将SAR图像的幅度添加进加权平均的过程中以获得令人满意的滤波结果。因此，待滤波像素u的干涉相位估计可表示为

其中，A_mt为主SAR图像对应的周边像素t中的有效像素的幅度，A_st为辅SAR图像对应的周边像素t中的有效像素的幅度，z_t为周边像素t中的有效像素的复相位矢量，且z_t不包含幅度信息。

下面我们分别利用仿真数据、森林区域高分辨实测数据、城市区域的高分辨实测数据进行三组实验，以验证本发明方法的滤波有效性。其中，同一滤波算法在每组验证实验中选取相同的处理参数。

(1)实验1：利用附图4所示的仿真干涉数据验证发明方法中算法的有效性。

附图4(a)-4(d)分别给出了仿真干涉相位图、真实干涉相位图、Lee滤波结果和基于MUSIC估计和条纹频率补偿的5像素×5像素均值滤波(简称MUSIC滤波)结果。

为便于性能对比，附图4(e)给出有效像素集合P_u中仅包含25个像素时本发明方法的滤波结果，称作本发明方法的算法I(相当于以有效像素集合P_u的有效像素个数调整相似距离的判别门限)，这25个像素在相似距离集合D_u中具有最小的相似距离，滤波窗口和相似窗口分别为21像素×21像素的有效像素个数和7像素×7像素的有效像素个数。

利用步骤3的具体子步骤，自适应调整相似距离的判别门限，识别和剔除滤波窗口中“野值”，附图4(f)给出了本发明方法的滤波结果，称作本发明方法的算法II，滤波窗口和相似窗口同样分别为21像素×21像素和7像素×7像素。

其实验分析如下：

从附图4(a)和(b)可以看出，仿真干涉相位图具有广泛分布的块状随机噪声，并且在局部区域具有较高的二维条纹频率，因此，适合用来验证高分辨率干涉相位图滤波算法的性能。

对比附图4(c)-(e)，在只利用25个像素进行滤波时，发明方法的算法I能够保持条纹细节，并且和Lee滤波及MUSIC滤波一样，能够有效地抑制干涉相位图的噪声。

对比附图4(e)和(f)所示的本发明方法的算法I和本发明方法的算法II，本发明方法的算法II利用自适应调整相似距离的判别门限识别和剔除滤波窗口中“野值”，从滤波窗口中选择了更多的样本参与到加权平均中，能够更加有效地抑制干涉相位图中的块状噪声，而条纹细节仍然得到了很好的保持。

表1给出了附图4所示各个干涉相位图中包含的残点数目，其中“本发明方法的算法I”及“本发明方法的算法II”分别与附图4(e)和附图4(f)相对应。由表1可知，在只利用25个像素时，发明方法的算法I比Lee滤波及MUSIC滤波能够有效的抑制干涉相位噪声，但当利用本发明方法的算法II时，其滤波结果中包含的残点数目显著减小。

表1仿真实验滤波结果所含残点数

(2)实验2：利用附图5所示的机载X-波段森林区域高分辨干涉数据验证发明算法的有效性。

附图5(a)-(b)给出了一组机载X-波段森林区域高分辨干涉相位图，该干涉相位图中方位和斜距分辨率都是0.5米。可以看出，由树木冠盖导致的雷达阴影在SAR图像中广泛分布，与雷达阴影对应的随机噪声块在测量干涉相位图中同样广泛分布。

附图5(c)-(f)分别给出了5像素×5像素均值滤波、Lee滤波、发明方法的算法I和发明方法的算法II的滤波结果。表2给出附图5所示各个干涉相位图中包含的残点数。其中“发明方法的算法I”及“发明方法的算法II”分别与附图5(e)和附图5(f)相对应。需说明的是：由于该组干涉相位图的条纹比较稀疏，因此，这里未对比MUSIC滤波算法。

表2森林区域X-波段高分辨率干涉相位图滤波结果所含残点数

根据附图5和表2，我们可以得出与实验1一致的结论：在仅有25个像素作为滤波样本时，发明方法的算法I较5像素×5像素的均值滤波和Lee滤波能够更加明显有效地抑制干涉相位噪声；而当利用本发明方法的算法II时，其噪声抑制效果更加显著，同时滤波后干涉相位图的残点数显著减少。

(3)实验3：利用附图6所示TerraSAR-X获取的城市区域高分辨干涉数据验证发明算法的有效性。

附图6(a)-(b)给出了一组由德国TerraSAR-X获取的城市区域高分辨干涉相位图，该干涉相位图中方位和斜距分辨率分别为2.5米和1.0米。可以看出，道路和建筑物雷达阴影在SAR图像中呈现出很低的幅度，在干涉相位图中呈现出块状分布的随机噪声。

附图6(c)-(f)分别给出了5像素×5像素均值滤波、Lee滤波、发明方法的算法I和发明方法的算法II的滤波结果。表3给出附图6所示干涉相位图中包含的残点数。其中“发明方法的算法I”及“发明方法的算法II”分别与附图6(e)和附图6(f)相对应。

表3TerraSAR-X城市区域高分辨率干涉相位图滤波结果所含残点数

根据附图6和表3，同样可以得到与实验1、2一致的结论：仅利用25个像素作样本，发明方法的算法I比5像素×5像素均值滤波和Lee滤波具有更好的噪声抑制效果，而当利用本发明方法的算法II时，能够有效解决块状随机噪声带来的样本选择问题，滤波后干涉相位图中残点数显著减少。

Claims (7)

1.一种森林或城市区域高分辨干涉相位滤波方法，其特征在于，包括以下步骤：

步骤1，在测量干涉相位图中，选定以待滤波像素u为中心的滤波窗口，对滤波窗口内待滤波像素u及其周边像素t，分别建立以待滤波像素u和周边像素t为中心的对应相似窗口，其中相似窗口的长宽尺寸均小于滤波窗口；待滤波像素u和周边像素t间的相似距离d_t，d_t的计算由式(1)给出

$d_t=\frac{1}{N}\left|\right|V_u-V_t|{|}_n---\left(1\right)$

其中，V_u表示以待滤波像素u为中心的相似窗口中像素的干涉相位组成的矢量，V_t表示以周边像素t为中心的相似窗口中像素的干涉相位组成的矢量，N为矢量V_u或V_t的维数，n表示n-范数；

步骤2，计算待滤波像素u与待滤波窗口中所有周边像素t的相似距离，然后构建相似距离集合D_u如式(4)

D_u＝{d_t|t∈W_se} (4)

其中，W_se表示待滤波窗口，t表示待滤波窗口中待滤波像素u的任一周边像素；

步骤3，调整相似距离的判别门限，识别和剔除滤波窗口中“野值”，剩余滤波窗口中的像素构成有效像素集合P_u，“野值”表示滤波窗口中与待滤波像素不满足独立同分布的像素；

步骤4，根据有效像素集合P_u，利用加权平均估计待滤波像素u的干涉相位，并由式(7)计算其权值

w_t＝1-(d_t/A)² (7)

式中，w_t表示周边像素t中的有效像素的滤波权值；A表示相似距离的判别门限最大值；

最后，待滤波像素u的干涉相位估计表示为式(8)

${\widehat{\mathrm{\φ}}}_u=\arg \left(\underset{t\∈P_u}{\Σ}{w}_t{A}_{mt}{A}_{st}{z}_t\right)---\left(8\right)$

其中，A_mt为主SAR图像对应的周边像素t中的有效像素的幅度，A_st为辅SAR图像对应的周边像素t中的有效像素的幅度，z_t为周边像素t中的有效像素的复相位矢量，且z_t不包含幅度信息。

2.根据权利要求1所述的森林或城市区域高分辨干涉相位滤波方法，其特征在于，所述步骤1中，计算待滤波像素u和周边像素t间的相似距离d_t，d_t的由式(2)给出

式中，N为矢量V_u或V_t的维数，i表示矢量V_u或V_t中的第i个元素，和n_ui分别为矢量V_u中第i个元素的真实干涉相位和加性噪声，和n_ti分别为矢量V_t中第i个元素的真实干涉相位和加性噪声；和Δn_ti分别为第i个元素的干涉相位差和加性噪声相位差，可表示为式(3)

3.根据权利要求1所述的森林或城市区域高分辨干涉相位滤波方法，其特征在于，步骤3中，待滤波窗口中“野值”的识别和去除准则由式(5)给出

P_u＝{t|d_t＜μ·median[D_u]，d_t＜A，t∈W_se} (5)

其中，P_u表示待滤波窗口中剩余有效像素组成的有效像素集合，median[·]表示获取集合元素中值的操作；μ为输入控制参数，用于控制待滤波窗口中剩余有效像素的数目；A表示相似距离的判别门限最大值，相似距离大于A的周边像素将被直接作为“野值”。

4.根据权利要求3所述的森林或城市区域高分辨干涉相位滤波方法，其特征在于，步骤3中，相似距离的判别门限最大值A的选定方法是：将相似距离集合D_u中元素按升序排列，将相似距离集合D_u的维数记为1×M，选取第个元素为相似距离的判别门限最大值A，其中表示取整。

5.根据权利要求3所述的森林或城市区域高分辨干涉相位滤波方法，其特征在于，步骤3中，输入控制参数μ的选取范围为0.8-1.0。

6.根据权利要求3所述的森林或城市区域高分辨干涉相位滤波方法，其特征在于，步骤3中，输入控制参数μ按照下面方法确定：将剩余有效像素组成的有效像素集合P_u中元素的数目记为N_p[μ]，N_p[μ]是关于输入控制参数μ的函数；给定输入控制参数μ的初始值，且μ·median[D_u]＜A，并预设有效像素个数门限N_T；

若N_p[μ]小于预设有效像素个数门限N_T，则对输入控制参数μ进行迭代松弛，表示为式(6)

$\begin{array}{c}{\mathrm{\&mu;}}_1=\mathrm{\&mu;}+\mathrm{\&Delta;}\mathrm{\&mu;}\\ \begin{array}{cc}s.t.& N_p\&lsqb;{\mathrm{\&mu;}}_1\&rsqb;\&GreaterEqual;N_T\\ & {\mathrm{\&mu;}}_1\&CenterDot;median\&lsqb;D_u\&rsqb;<A\\ & {\mathrm{minimize\&mu;}}_1\end{array}\end{array}---\left(6\right)$

其中，Δμ为输入控制参数μ的松弛量，取值0.1-0.2；μ₁为迭代松弛后输入控制参数μ的取值；式(6)中N_p[μ₁]≥N_T和μ₁·median[D_u]＜A，如果不能同时成立，此时取μ₁·median[D_u]＝A。

7.根据权利要求4所述的森林或城市区域高分辨干涉相位滤波方法，其特征在于，中所选取的0.95根据所需做出调整。