CN105044717A - 基于分层量化跟踪策略的ukf相位展开方法 - Google Patents

Abstract

本发明公开一种基于分层量化跟踪策略的UKF相位展开方法，其首先利用干涉相位质量图把干涉像元分为不同等级，从高质量等级像元到低质量等级像元的过程展开干涉图；然后建立基于干涉图相干系数或伪相干系数，以及相位微分偏差的展开路径引导图；最后引入量化路径引导图策略，把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元，并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序，在每一展开步骤中利用无味卡尔曼滤波(UKF)相位展开方法展开排队阵列中量化路径引导值最大的待展开像元，并最终完成所有缠绕像元的相位展开。本发明具有简单有效、计算量较小、精度较高，稳健性较强的特点。

Description

基于分层量化跟踪策略的UKF相位展开方法

技术领域

本发明涉及干涉合成孔径雷达技术领域，具体涉及一种基于分层量化跟踪策略的UKF相位展开方法。

背景技术

干涉合成孔径雷达(InterferometrySyntheticApertureRadar，INSAR)继承了普通SAR成像优点，与传统的可见光、红外遥感技术相比，具有全天候、全天时的工作能力，可以弥补光学传感器在时间和空间上受限造成的观测“盲区”，使其在地质灾害与极地冰川监测、极地和热带雨林区域测绘等方面有着特殊的应用。干涉相位展开是INSAR技术应用中最为关键的步骤和难点问题，一直以来都是INSAR数据处理技术研究中的焦点问题，吸引国内外众多学者关注，并提出了很多解决方法。

到目前为止，传统相位展开方法基本上可归结为以下二大类：第一类是以Goldstein枝切法(Branch-cutalgorithm)、质量引导方法(qualityguidedpath-followingalgorithm)、掩膜切线法(Maskcutalgorithm)、Flynn的最小不连续法(MinimumDiscontinuityAlgorithm)，网络流方法(networkflow)为代表的路径跟踪法(Path-followingalgorithm)；第二类是以最小二乘法(least-square)和共扼梯度法(Preconditionedconjugategradient，PCG)为代表的最小范数法(Minimum-normalgorithm)。

第一类相位展开方法能在地势平缓干涉图或相位残点稀疏干涉图获得较好结果，但当干涉图相位残差点密度较高时，则存在难以选择合适“工作路径”避开相位残点对相位展开结果影响的问题。第二类相位展开方法虽能避开路径跟踪方法中如何选择合适的跟踪策略的难题，并获得平滑展开结果，但容易将变化剧烈或者不连续的相位平滑而产生条纹丢失现象，导致其展开相位出现较大的误差。

此外，传统相位展开方法本身没有噪声抑制能力，故在相位展开之前，必须尽可能地滤除干涉图中的相位噪声，这必然增加前续干涉噪声滤波方法的难度和复杂性。现有文献研究表明干涉滤波方法噪声抑制能力通常取决于其窗口大小，滤波窗口越大，其噪声抑制能力越强。小窗口滤波方法能保持干涉图条纹边缘特性，却难以有效滤除相位噪声，从而不利后续相位展开工作；大窗口滤波器在较为彻底的滤除相位噪声的同时却易带来干涉条纹模糊，反而破坏原始干涉图相位信息，导致最终获得相位展开结果与真实展开相位图严重不一致。特别地，对于条纹复杂且密集的干涉图而言，前置噪声滤波器很难在彻底滤除噪声的同时保持干涉图条纹的边缘特性，导致上述传统方法难以有效解决这类干涉图的展开问题。

发明内容

本发明所要解决的技术问题是现有相位展开方法误差大和效率低的问题，提供一种基于分层量化跟踪策略的UKF相位展开方法。

为解决上述问题，本发明是通过以下技术方案实现的：

基于分层量化跟踪策略的UKF相位展开方法，其特征是，

步骤1，利用干涉相位质量图把干涉像元分为不同等级，从高质量等级像元到低质量等级像元的过程展开干涉图；

步骤2，建立基于干涉图相干系数或伪相干系数，以及相位微分偏差的展开路径引导图；

步骤3，引入量化路径引导图策略，把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元，并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序，在每一展开步骤中利用无味卡尔曼滤波(UKF)相位展开方法展开排队阵列中量化路径引导值最大的待展开像元，并最终完成所有缠绕像元的相位展开。

所述步骤3具体为：

步骤3.1，创建空的优先排对阵列，定义指向量化路径引导值最大的待展开像元的指针，并将该指针的初始值置为0；

步骤3.2，展开干涉图的第1级像元，其它级像元被掩去；

步骤3.2.1，在干涉图的第1级像元中选择某一非边界上的像元作为起始像元，把其缠绕相位作为展开相位；

步骤3.2.2，在邻接起始像元的四个缠绕像元中，把属于第1级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；若邻接起始像元的四个缠绕像元中没有属于第1级的缠绕像元，则转至步骤3.3；

步骤3.2.3，根据指针的值，从优先排队阵列相应的连接列表的顶部获取(量化路径引导值最大的)待展开像元，且把该待展开像元标为x，并利用UKF相位展开方法展开此待展开像元；从优先排队阵列相应的连接列表中去除像元x；

步骤3.2.4，把邻接已展开像元x的缠绕像元中属于第1级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；

步骤3.2.5，判断优先排队阵列中是否存在待展开像元；若存在待展开像元，则转步骤3.2.3；若不存在待展开像元，则转至步骤3.3；

步骤3.3，展开干涉图的第2级像元以及第1级中未展开像元，其它级像元被掩去；

步骤3.3.1，把邻接已展开像元的缠绕像元中属于第2级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证始终指向量化路径引导值最大的待展开像元；

步骤3.3.2，根据指针的值，从优先排队阵列相应的连接列表顶部获取待展开像元，且把该待展开像元标为x，并利用UKF相位展开方法展开此待展开像元，从优先排队阵列相应的连接列表中去除像元x；

步骤3.3.3，把邻接已展开像元x的属于第1级和第2级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证始终指向量化路径引导值最大的待展开像元；

步骤3.3.4，判断优先排队阵列中是否存在待展开像元；若存在待展开像元，则转步骤3.3.2；若不存在待展开像元，则转至步骤3.4；

以此类推，

步骤3.S+1，展开干涉图的第S级像元以及第1级至第S-1级中未展开像元；

步骤3.S+1.1，把邻接已展开像元的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；

步骤3.S+1.2，根据指针的值，从优先排队阵列相应的连接列表顶部获取待展开像元，且把该待展开像元标为x，并利用UKF相位展开方法展开此待展开像元；从优先排队阵列相应的连接列表中去除像元x；

步骤3.S+1.3，把邻接已展开像元x的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；

步骤3.S+1.4，判断优先排队阵列中是否存在待展开像元；若存在待展开像元，则转步骤3.S+1.2；若不存在待展开像元，则相位展开过程结束。

步骤3.2.2、步骤3.2.4、步骤3.3.1、步骤3.3.3、步骤3.S+1.1和骤3.S+1.3中，保证指针始终指向量化路径引导值最大的待展开像元具体为：若指针的值小于待展开像元量化路径引导值的最大者，则指针的值改为量化路径引导值的最大者；若指针的值大于待展开像元量化路径引导值的最大者，则指针的值不改变。

与现有技术相比，本发明将分层量化跟踪策略与无味卡尔曼滤波(Unscentedkalmanfiltering,UKF)方法结合起来，提出一种基于分层量化跟踪策略的UKF相位展开方法，该方法先利用干涉相位质量图把干涉像元分为不同等级，从较高质量等级像元到较低质量等级像元的过程展开干涉图，有利于降低误差传递效应；定义基于干涉图相干系数(或伪相干系数)以及相位微分偏差的路径引导图，以保证沿最优路径展开不同等级的干涉像元，从而提高相位展开精度；再通过引入量化路径引导图策略，减小在搜索最佳展开路径时所消耗的时间，极大提高本方法的效率。仿真和实测数据处理结果表明本方法具有简单有效、计算量较小、精度较高，稳健性较强的特点。本相位展开方法适用于传统单基线INSAR系统。

附图说明

图1(a)为模拟真实干涉相位图，图1(b)为含噪声缠绕干涉相位图；

图2为质量引导方法的展开结果；其中(a)为解缠相位，(b)为展开相位误差，(c)为展开误差统计直方图；

图3为基于质量引导策略的UKF相位展开方法的展开结果，其中(a)为解缠相位，(b)为展开相位误差，(c)为展开误差统计直方图；

图4为基于分层量化跟踪策略的UKF相位展开方法的展开结果，其中(a)为解缠相位，(b)为展开相位误差，(c)为展开误差统计直方图。

图5为意大利火山的原始干涉图的一部分。

图6(a)为基于质量引导策略的UKF相位展开方法的展开结果，图6(b)为其展开相位重缠绕结果。

图7(a)为基于分层量化跟踪策略的UKF相位展开方法的展开结果，图7(b)为其展开相位重缠绕结果。

具体实施方式

一种基于分层量化跟踪策略的UKF相位展开方法，首先利用干涉相位质量图把干涉像元分为不同等级，从高质量等级像元到低质量等级像元的过程展开干涉图；然后定义基于干涉图相干系数或伪相干系数，以及相位微分偏差的路径引导图；最后通过引入量化路径引导图策略，即把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元，并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序，在每一展开步骤中利用UKF相位展开方法展开排队阵列中量化路径引导值最大的待展开像元，并最终完成所有缠绕像元的相位展开。

具体来说，本相位展开方法包括如下步骤：

Step1:根据干涉图相位质量把干涉图分等级。

Step2:定义干涉图路径引导图，把干涉图路径导引图归一化后量化为整数。

Step3:创建空优先排对阵列，定义指向量化路径引导值最大的待展开像元的指针opt，其初始值为0。

Step3.1:展开干涉图第1级像元，其它级像元被掩去：

Step3.1.1:在干涉图pl₁级(第1级)像元中选择某一非边界上的高质量像元作为起始像元，把其缠绕相位作为展开相位；把邻接起始像元的四个缠绕像元中属于pl₁级的像元标记为待展开像元，并根据各待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入优先排队阵列相应的连接列表的顶部，且把指针opt与上述待展开像元量化路径导引值的最大者q作比较，若opt小于q，则指针opt的值改为q，否则不变，亦即保证opt始终指向量化路径引导值最大的待展开像元；若初始像元四邻接像元无pl₁级像元，则转Step.3.2。

Step3.1.2:根据指针opt的取值，从优先排队阵列相应连接列表顶部获取待展开像元x并利用UKF相位展开方法展开此缠绕像元；从优先排队阵列相应的连接列表中去除像元x；把邻接像元x的属于pl₁级的缠绕像元标记为待展开像元，并根据其整数的量化路径引导值，把它们分别嵌入优先排队阵列相应的连接列表的顶部；把指针opt与邻接像元x的待展开像元量化路径导引值的最大者q作比较，若指针opt小于q，则指针opt的值改为q，否则不变。Step3.1.3:优先排队阵列中是否存在待展开像元？存在，转Step3.1.2，否则转step.3.2。

Step3.2:展开干涉图第2级像元以及第1级未展开像元，其它级像元被掩去：

Step3.2.1:把邻接已展开像元的属于pl₂级(第2级)的缠绕像元标记为待展开像元，并根据上述待展开像元的整数的量化路径引导值，把它们分别嵌入优先排队阵列相应的连接列表的顶部；把指针opt与上述待展开像元量化路径导引值的最大者q作比较，若指针opt小于q，则指针opt的值改为q，否则不变。

Step3.2.2:根据指针opt的取值，从优先排队阵列相应的连接列表顶部获取待展开像元x并利用UKF相位展开方法展开此缠绕像元；从优先排队阵列相应的连接列表中去除像元x；把邻接像元x的属于pl₁和pl₂级的缠绕像元标记为待展开像元，并根据其整数的量化路径引导值，把它们分别嵌入优先排队阵列相应的连接列表的顶部；把指针opt与邻接像元x的待展开像元量化路径导引值的最大者q作比较，若指针opt小于q，则指针opt的值改为q，否则不变。

Step3.2.3:优先排对阵列中是否存在待展开像元，若存在，转Step3.2.2，否则转step.3.3。

Step3.3:展开干涉图第3级像元以及第1、2级未展开像元，其它级像元被掩去。

Step3.3.1:把邻接已展开像元的属于pl₃级(第3级)的缠绕像元标记为待展开像元，并根据上述待展开像元的整数的量化路径引导值，把它们分别嵌入优先排队阵列相应的连接列表的顶部；把指针opt与上述待展开像元量化路径导引值的最大者q作比较，若指针opt小于q，则指针opt的值改为q，否则不变。

Step3.3.2:根据指针opt的取值，从优先排队阵列相应的连接列表顶部获取待展开像元x并利用UKF相位展开方法展开此缠绕像元；从优先排队阵列相应的连接列表中去除像元x；把邻接像元x的属于pl₁、pl₂、pl₃级的缠绕像元标记为待展开像元，并根据其整数的量化路径引导值，把它们分别嵌入优先排队阵列相应的连接列表的顶部；把指针opt与邻接像元x的待展开像元量化路径导引值的最大者q作比较，若指针opt小于q，则指针opt的值改为q，否则不变。

Step3.3.3:优先排对阵列中是否存在待展开像元，若存在，转Step3.3.2，否则转step.3.4。

以此类推，直至

Step3.S:展开干涉图第S级像元以及第1至S-1级未展开像元；

Step3.S.1:把邻接已展开像元的缠绕像元标记为待展开像元，并根据上述待展开像元的整数的量化路径引导值，把它们分别嵌入优先排队阵列相应的连接列表的顶部；把指针opt与上述待展开像元量化路径导引值的最大者q作比较，若指针opt小于q，则指针opt的值改为q，否则不变。

Step3.S.2:根据指针opt的取值，从优先排队阵列相应的连接列表顶部获取待展开像元x并利用UKF相位展开方法展开此缠绕像元；从优先排队阵列相应的连接列表中去除像元x；把邻接像元x的缠绕像元标记为待展开像元，并根据其整数的量化路径引导值，把它们分别嵌入优先排队阵列相应的连接列表的顶部；把指针opt与邻接像元x的待展开像元量化路径导引值的最大者q作比较，若指针opt小于q，则指针opt的值改为q，否则不变。

Step3.S.3:优先排对阵列中是否存在待展开像元，若存在，转Step3.S.2，否则相位展开结束。

一、UKF相位展开方法

利用干涉图相邻像元干涉相位之间的关系，把归一化的复干涉的同相分量和正交分量分别作为干涉相位的两个观测值，沿某一路径可得UKF系统方程：

$x_{(m,n)}=f\[x_{(k,l)}\]+{\mathrm{\ξ}}_{(k,l)}=x_{(k,l)}+p{\stackrel{\→}{s}}_{(m,n)\left|\right(k,l)}+{\mathrm{\ξ}}_{(m,n)\left|\right(k,l)}$

$y_{(m,n)}=h\[x_{(m,n)}\]+V_{(m,n)}=\left\{\begin{array}{c}sin\left(x_{(m,n)}\right)\\ cos\left(x_{(m,n)}\right)\end{array}\right\}+\left\{\begin{array}{c}{V}_{(m,n)}^1\\ V_{(m,n)}^2\end{array}\right\}---\left(1\right)$

上式中，x_(m,n)表示干涉图(m,n)像元真实干涉相位，和ξ_(m,n)|(k,l)分别为干涉图(m,n)像元与(k,l)像元之间的相位梯度估计值及估计误差，可利用基于amendedmatrixpencilmodel(AMPM)的局部相位梯度估计器获取；y_(m,n)和V_(m,n)分别为干涉图(m,n)像元观测值及其附加噪声。针对上述系统方程，UKF算法预测估计按如下进行：

${\mathrm{\χ}}_{0,(k,l)}={\stackrel{\→}{x}}_{(k,l)}$

${\mathrm{\χ}}_{1,(k,l)}={\stackrel{\→}{x}}_{(k,l)}+\sqrt{(1+\mathrm{\λ}){\stackrel{\→}{P}}_{\mathrm{xx},(k,l)}}$

${\mathrm{\χ}}_{2,(k,l)}={\stackrel{\→}{x}}_{(k,l)}-\sqrt{(1+\mathrm{\λ}){\stackrel{\→}{P}}_{\mathrm{xx},(k,l)}}$

$d_{(k,l)}=\frac{{\[{\stackrel{\→}{P}}_{\mathrm{xx},(k,l)}.\frac{1}{{\mathrm{SNR}}_{(k,l)}}\]}^{-1}}{\underset{(k,l)\∈\mathrm{\Ψ}}{\Σ}{\[{\stackrel{\→}{P}}_{\mathrm{xx},(k,l)}.\frac{1}{{\mathrm{SNR}}_{(k,l)}}\]}^{-1}}$

${\mathrm{\χ}}_{j,(m,n)}^{-}=\underset{(k,l)\∈\mathrm{\Ψ}}{\Σ}{d}_{(k,l)}\[{\mathrm{\χ}}_{j,(k,l)}+p{\stackrel{\→}{s_{(}}}_{m,n\left)\right|(k,l)}\]---\left(2\right)$

${\stackrel{\→}{x}}_{(m,n)}^{-}=\underset{j=0}{\overset{2}{\Σ}}{w}_j^m{\mathrm{\χ}}_{j,(m,n)}^{-}$

$\begin{array}{c}{P}_{xx,(m,n)}^{-}=\underset{j=0}{\overset{2}{\Σ}}{w}_j^c\[{\mathrm{\χ}}_{j,(k,l)}+p{\stackrel{\→}{s}}_{(m,n)\left|\right(k,l)}-{\stackrel{\→}{x}}_{(m,n)}^{-}\]\·\\ {\[{\mathrm{\χ}}_{j,(k,l)}+p{\stackrel{\→}{s}}_{(m,n)\left|\right(k,l)}-{\stackrel{\→}{x}}_{(m,n)}^{-}\]}^T+\underset{(k,l)\∈\mathrm{\ψ}}{\Σ}{d}_{(k,l)}{Q}_{(m,n)\left|\right(k,l)}\end{array}$

上式中，干涉图(m,n)像元为待展开像元，(k,l)像元是干涉图(m,n)像元八个邻接像元中的已展开像元，其状态估计及误差方差分别为和χ_j,(k,l)是(k,l)像元状态估计的Sigmapoint，Ψ为干涉图(m,n)像元的八个邻接像元的集合，SNR_(k,l)是干涉图(k,l)像元信噪比，为干涉图(m,n)像元Sigmapoint预测值，Q_(m,n)|(k,l)为干涉图(m,n)像元与(k,l)像元之间的相位梯度估计误差方差，和为相应调节权值系数。干涉图(m,n)像元状态估计按如下进行：

${\stackrel{\→}{y}}_{(m,n)}^{-}=\underset{j=0}{\overset{2}{\Σ}}{w}_j^{m}h\[{\stackrel{\→}{x}}_{(m,n)}^{-}\]$

$P_{yy,(m,n)}^{-}=\underset{j=0}{\overset{2}{\Σ}}{w}_j^c\left\{h\[{\stackrel{\→}{x}}_{(m,n)}^{-}\]-{\stackrel{\→}{y}}_{(m,n)}^{-}\right\}\·{\left\{h\[{\stackrel{\→}{x}}_{(m,n)}^{-}\]-{\stackrel{\→}{y}}_{(m,n)}^{-}\right\}}^T+R(m,n)$

$P_{xy,(m,n)}^{-}=\underset{j=0}{\overset{2}{\Σ}}{w}_j^c\[{\mathrm{\χ}}_{j,(m,n)}^{-}-{\stackrel{\→}{x}}_{(m,n)}^{-}\]\·{\left\{h\[{\stackrel{\→}{x}}_{(m,n)}^{-}\]-{\stackrel{\→}{y}}_{(m,n)}^{-}\right\}}^T---\left(3\right)$

${\Π}_{(m,n)}=P_{xy,(m,n)}^{-}/P_{yy,(m,n)}^{-}$

${\stackrel{\→}{x}}_{(m,n)}={\stackrel{\→}{x}}_{(m,n)}^{-}+{\Π}_{(m,n)}\[y_{(m,n)}-{\stackrel{\→}{y}}_{(m,n)}^{-}\]$

${\stackrel{\→}{P}}_{xx,(m,n)}{P}_{xx,(m,n)}^{-}-{\Π}_{(m,n)}{P}_{xy,(m,n)}^{-}{\Π}_{(m,n)}^T$

y_(m,n)和分别表示干涉图(m,n)像元观测值及预测值，Π_(m,n)表示干涉图(m,n)像元增益矩阵，R_(m,n)表示干涉图(m,n)像元观测误差方差，和为干涉图(m,n)像元状态估计及误差方差。

二、量化路径引导图策略的主要步骤：

(1)生成相位质量图，归一化相位质量图后量化为整数；

(2)把量化质量值最高作为起始像元，把其缠绕相位作为该像元展开相位；

(3)展开起始像元的邻接像元；根据各邻接像元的量化质量值，把展开的邻接像元嵌入优先排队阵列；

(4)取出优先排队阵列中量化质量值最大的展开像元x，展开像元x的邻接缠绕像元，并把上述已展开的邻接缠绕像元嵌入优先排队阵列，随后在优先排队阵列中去除x；

(5)是否存在未展开像元？否，结束；否则转至下步。

三、基于分层量化跟踪策略的UKF相位展开方法

根据干涉图相位质量图，如相干系数图、伪相干系数图、微分偏差图、最大相位梯度图等把干涉图分为S等级：

$p(m,n)\&Element;\left\{\begin{array}{c}{\mathrm{pl}}_1,r(m,n)\&GreaterEqual;T_1\\ {\mathrm{pl}}_2,T_2\&le;r(m,n)<T_1\\ .\\ .\\ .\\ {\mathrm{pl}}_s,T_s\&le;r(m,n)<T_{s-1}\\ .\\ .\\ .\\ {\mathrm{pl}}_S,r(m,n)<T_{S-1}\end{array}\right.---\left(4\right)$

p(m,n)为干涉图(m,n)像元，r(m,n)为干涉图(m,n)像元质量值；T_s(s＝1,2,3…)为干涉图等级划分阈值，可以通过调整干涉图等级划分阈值确定各等级像元占比。在相位展开过程中，先展开高质量等级干涉像元，后展开低质量等级干涉像元，且在各等级缠绕像元展开过程中，引入最优路径跟踪策略，引导相位展开方法从较高可靠性像元到较低可靠性像元的路径展开。为此，定义引导相位展开路径的干涉像元路径导引图：

g(m,n)＝deriance(m,n)·[1-coherence(m,n)]^q(5)

g(m,n)为干涉图(m,n)像元路径导引值，deriance(m,n)为干涉图(m,n)像元微分偏差，coherence(m,n)为干涉图(m,n)像元相干系数或伪相干系数。干涉像元路径导引系数较小，则其可靠性较高。

为了减小在最优路径跟踪过程中搜索待展开像元时所消耗的时间，引入现有技术已提出的量化路径引导图策略。该策略把干涉图路径导引图归一化后量化为整数，并利用量化后的干涉像元路径导引图来指导展开路径：

$G(m,n)=round\{\&lsqb;1-\stackrel{\&OverBar;}{g}(m,n)\&rsqb;\&CenterDot;N\}---\left(6\right)$

为干涉图(m,n)像元归一化路径导引值，N为量化层级数，G(m,n)为干涉图(m,n)像元整数的量化路径导引值。很明显，量化路径引导值较大的像元可靠性较高。

为了验证方法性能，本方法将与质量引导方法和基于质量引导策略的UKF相位展开方法等方法在模拟和实测数据实验中进行比较。

表1

表1列出了上述方法在同一MATALB计算环境下展开图1(b)所消耗时间。可以看出本方法不仅有较高展开精度，而且其运行时间远远小于其它方法。

图1(a)为模拟真实干涉相位图，图1(b)为含噪声缠绕干涉图，其信噪比为3.1dB。图2为质量引导方法的展开结果；其中(a)为解缠相位，(b)展开相位误差，(c)展开误差统计直方图。图3为基于质量引导策略的UKF相位展开方法的展开结果，其中(a)解缠相位，(b)展开相位误差，(c)展开误差统计直方图。图4为基于分层量化跟踪策略的UKF相位展开方法(即本方法)的展开结果，其中(a)解缠相位，(b)展开相位误差，(c)展开误差统计直方图。从附图可以看出，本方法与基于质量引导策略的UKF相位展开方法展开结果较好，其误差远小于质量引导方法。

实测数据为意大利火山干涉图的一部分，见图5所示。基于质量引导策略的UKF相位展开方法展开结果见图6(a),图6(b)为其展开相位重缠绕结果。本方法展开结果见图7(a),图7(b)为其展开相位重缠绕结果。可以看出基于质量引导策略的UKF相位展开算法与本文方法展开结果相似，其展开相位均较为平滑，且两种方法展开相位重缠绕图条纹与原始干涉图条纹一致，故实测数据处理结果证明了本文方法的有效性。

表2

表2列出了上述两种方法在同一MATLAB计算环境下展开图5所消耗的时间，可以看出本文方法效率远远高于基于质量引导策略的UKF相位展开算法。故实测数据实验结果表明本文方法能在有效展开干涉图同时，具有较高的计算效率。

Claims (3)

1.基于分层量化跟踪策略的UKF相位展开方法，其特征是，

步骤1，利用干涉相位质量图把干涉像元分为不同等级，从高质量等级像元到低质量等级像元的过程展开干涉图；

步骤2，建立基于干涉图相干系数或伪相干系数，以及相位微分偏差的展开路径引导图；

步骤3，引入量化路径引导图策略，把已展开像元的邻接缠绕像元放入排队阵列中作为待展开像元，并根据排队阵列中待展开像元的量化路径引导值的大小确定展开次序，在每一展开步骤中利用UKF相位展开方法展开排队阵列中量化路径引导值最大的待展开像元，并最终完成所有缠绕像元的相位展开。

2.根据权利要求1所述的基于分层量化跟踪策略的UKF相位展开方法，其特征是，所述步骤3具体为：

步骤3.1，创建空的优先排对阵列，定义指向量化路径引导值最大的待展开像元的指针，并将该指针的初始值置为0；

步骤3.2，展开干涉图的第1级像元，其它级像元被掩去；

步骤3.2.1，在干涉图的第1级像元中选择某一非边界上的像元作为起始像元；

步骤3.2.2，在邻接起始像元的四个缠绕像元中，把属于第1级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；若邻接起始像元的四个缠绕像元中没有属于第1级的缠绕像元，则转至步骤3.3；

步骤3.2.3，根据指针的值，从优先排队阵列相应的连接列表的顶部获取待展开像元，且把该待展开像元标为x，并利用UKF相位展开方法展开此待展开像元；从优先排队阵列相应的连接列表中去除像元x；

步骤3.2.4，把邻接已展开像元x的缠绕像元中属于第1级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；

步骤3.2.5，判断优先排队阵列中是否存在待展开像元；若存在待展开像元，则转步骤3.2.3；若不存在待展开像元，则转至步骤3.3；

步骤3.3，展开干涉图的第2级像元以及第1级中未展开像元，其它级像元被掩去；

步骤3.3.1，把邻接已展开像元的缠绕像元中属于第2级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；

步骤3.3.2，根据指针的值，从优先排队阵列相应的连接列表顶部获取待展开像元，且把该待展开像元标为x，并利用UKF相位展开方法展开此待展开像元；从优先排队阵列相应的连接列表中去除像元x；

步骤3.3.3，把邻接已展开像元x的属于第1级和第2级的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证始终指向量化路径引导值最大的待展开像元；

步骤3.3.4，判断优先排队阵列中是否存在待展开像元；若存在待展开像元，则转步骤3.3.2；若不存在待展开像元，则转至步骤3.4；

以此类推，

步骤3.S+1，展开干涉图的第S级像元以及第1级至第S-1级中未展开像元；

步骤3.S+1.1，把邻接已展开像元的缠绕像元标记为待展开像元，并根据待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；

步骤3.S+1.2，根据指针的值，从优先排队阵列相应的连接列表顶部获取待展开像元，且把该待展开像元标为x，并利用UKF相位展开方法展开此待展开像元；从优先排队阵列相应的连接列表中去除像元x；

步骤3.S+1.3，把邻接已展开像元x的缠绕像元标记为待展开像元，并根据该待展开像元的整数的量化路径引导值，分别把上述待展开像元嵌入到优先排队阵列相应的连接列表的顶部；把指针的值与上述待展开像元的整数的量化路径引导值的最大者作比较，并保证指针始终指向量化路径引导值最大的待展开像元；

步骤3.S+1.4，判断优先排队阵列中是否存在待展开像元；若存在待展开像元，则转步骤3.S+1.2；若不存在待展开像元，则相位展开过程结束。

3.根据权利要求2所述的基于分层量化跟踪策略的UKF相位展开方法，其特征是，步骤3.2.2、步骤3.2.4、步骤3.3.1、步骤3.3.3、步骤3.S+1.1和步骤3.S+1.3中，保证指针始终指向量化路径引导值最大的待展开像元具体为：若指针的值小于待展开像元量化路径引导值的最大者，则指针的值改为待展开像元量化路径引导值的最大者；若指针的值大于待展开像元量化路径引导值的最大者，则指针的值不改变。