CN105866776B - 一种地基sar的高质量动态ps点选择方法 - Google Patents

Abstract

本发明公开了一种地基SAR的高质量动态PS点选择方法，分为两个阶段，在第一阶段，考虑到PS点需要更新，在处理过程中对SAR图像进行分组；每M幅SAR图像为一组，每组执行一次候选PS点选择；候选PS点是由本组第一幅图像之前最新的N幅图像选出；在第二阶段，选出候选PS点后，我们先在每幅干涉图的处理过程中提取所有候选PS点的干涉复数据，然后利用所有候选PS点的相关系数信息和相位信息，对候选PS点进行分类和二次筛选，最终选出PS点集合；该方法在GBSAR实时监测过程中，即使受到非理想因素的影响或其他条件的限制，也能够很好地在图像中选出高质量PS点，为高精度形变反演奠定良好的基础。

Description

一种地基SAR的高质量动态PS点选择方法

技术领域

本发明属于合成孔径雷达技术领域，具体涉及一种地基SAR的高质量动态PS点选择方法。

背景技术

合成孔径雷达(SAR)是一种全天时、全天候的高分辨微波遥感成像雷达，可安装在飞机、卫星、宇宙飞船等飞行平台上。在环境监测、海洋观测、资源勘探、农作物估产、测绘和军事等方面的应用上具有独特的优势，能发挥其他遥感手段难以发挥的作用。

与机载和星载SAR相比，地基SAR(GBSAR)具有配置灵活，便于运输，重访周期短等优点，这些优势以及所带来的潜在应用前景使得GBSAR技术近十年来越来越受到青睐。同时，由于GBSAR系统便于运输，在对目标场景进行观测时，可以选择最优几何配置，进而获取高质量数据。

对观测场景进行长时间形变监测是GBSAR的一个重要应用。在实用过程中，雷达传感器放置在精密滑轨上，以固定时间为周期，进行匀速且完全重轨的移动，以构成合成孔径。最后，通过分析长时间序列中目标点的相位数据，获取场景的形变量信息。

在GBSAR系统的长时间形变监测过程中，很多目标点会出现去相关现象，进而无法提取有效的形变信息。对此，GBSAR形变测量技术采用永久散射体(PS)方法，在SAR图像中选择长时间范围内能保持高相关性的目标点，并将其定义为PS点。最后利用选出PS点的相位信息来反演场景形变量。因此，PS点选择是PS形变反演算法的关键步骤。

经过十几年的发展，多种PS点选择算法已经被应用于工程实践。这些PS点选择方法主要分为两大类：(1)基于幅度离差的PS点选择方法；(2)基于相关系数的PS点选择方法。一般来说，性能优良的PS选择算法要满足两个方面的条件：(1)选出的PS点集合较为稳定；(2)选出的PS点相位质量高。在GBSAR系统形变测量技术的应用过程中，PS选择存在两个特点：(1)不同场景PS点选择门限需要自适应确定；(2)PS集合需要更新。因此，如果在GBSAR的应用过程中沿用传统PS选择算法，会带来了三个方面的问题：

(1)PS点选择门限随场景动态变化的问题

对于不同的观测场景，SAR图像的幅值分布有较大差异。因此，用于PS选择的参数计算结果也有较大不同，导致在某个场景适用的门限可能在另一个场景将不再适用，最终会影响PS算法的实用性，不利于GBSAR形变监测技术的推广。

(2)PS点集合随时间动态变化的问题

在长时间监测的过程中，由于受到非理性因素的影响，SAR图像质量会随时间发生变化。在PS点的更新过程中，如果采用统一的门限，会导致不同时间段内选出的PS点集合发生较大变化，不利于后续的形变反演处理。

(3)PS点相位质量随时间动态变化的问题

在GBSAR实时监测的过程中，需要对图像进行分组。每完成M幅图像的形变反演后，需要重新更新PS点。用于处理这M幅图像的PS点，是由这M幅图像之前最新的N幅图像选出的。因此，很有可能出现下述情况：某些像素点在执行PS选择的N幅图像中较为稳定，能够被选为PS点，但是，由于非理想因素的影响，在形变反演处理所对应的图像中(M幅图像中的一幅或多幅)，这个像素点的相位质量下降，甚至可能不再是PS点。此时，如果继续对这些像素点进行形变反演处理，势必会引入较大的形变反演误差。

所以，在GBSAR的形变测量过程中，提出适应于动态PS点的选择方法，对实现观测场景的高精度形变测量尤为重要。

发明内容

有鉴于此，本发明的目的是提供一种地基SAR的高质量动态PS点选择方法，可提升GBSAR形变测量技术中PS选择算法的性能和鲁棒性。

一种地基SAR的动态PS点选择方法，包括如下步骤：

步骤一、在图像中选出候选PS点集合，具体为：

S11、对已获得的SAR图像进行分组，针对每组图像，采用幅度离差方法得到各组图像的候选PS点；

S12、依据已获得的SAR图像，将图像中的杂波信号和点目标信号进行分离；得到杂波信号平均功率所对应的幅度值s_Clutter；然后在每组SAR图像处理过程中，对整幅SAR图像进行归一化，并转化为dB形式，其数学表达式如下：

s_dB＝20log₁₀(s/s_Clutter) (1)

最后将S11选出的各个候选PS点的s_dB值与设定的幅度阈值s_Threshold进行比较，将小于或等于幅度阈值s_Threshold的候选PS点删除，剩下的候选PS点组成集合，作为本步骤获得的候选PS点；

其中，所述幅度阈值s_Threshold随时间不断调整，以剔除相位误差较大的候选PS点，并不断更新候选点集合；

步骤二、在步骤一得到的候选PS点集合中选出PS点集合，具体为：

S21、针对步骤S12中选出的各个候选PS点，计算各候选PS点在当前图像与前一幅图像中的相关系数；将各候选PS点的相关系数小于设定的系数阈值的候选PS点剔除，则剩余的候选PS点组成集合A；

S22、针对步骤S12中选出的各个候选PS点，计算各个候选PS点在当前图像中的干涉相位对干涉相位进行低通滤波，得到用干涉相位减去得到各个候选PS点的噪声相位；将噪声相位大于设定门限的候选PS点剔除,则剩余的候选PS点组成集合B；

S23、求集合A和集合B的交集，作为最终的PS点选取结果。

较佳的，每组SAR图像的数量在整个观测过程中保持稳定。

较佳的，所述步骤S11中，幅度离差方法中使用的幅度离差门限，采用下面的方法获得：

记录当前组图像之前的每一组图像由幅度离差方法选出候选PS点的数量，并得到所有组图像对应的平均候选PS点数量

如果当前组图像的候选PS点数量在区间内，则当前组图像的候选PS点即为本步骤的最终结果；如果本组候选PS点数量不在区间内，则微小调整所述幅度离差门限后，再次对当前组图像的候选PS点进行选择，直到选出的候选PS点数量在区间内；其中，x的取值为5％至10％。

较佳的，所述步骤S12中，杂波信号和点目标信号的分离方法为：

(a)初步确定杂波信号和强点目标信号分隔阈值所在的区间；

(b)在(a)确定的所述区间内选择若干候选分隔阈值，并根据每个候选分隔阈值，选出SAR图像的杂波信号部分；

(c)以每个候选分隔阈值选出的杂波信号部分幅值数据作为输入，统计其经验概率密度函数，然后进行对数正态分布曲线拟合；

(d)根据Kolmogorov检测理论，在每次所述对数正态分布曲线拟合后，计算Kolmogorov检测统计量d_KS；然后选择使d_KS最小的候选分隔阈值作为最终的分隔阈值d_KS；

(e)最后利用分隔阈值x_T将整幅SAR图像的幅度值分为点目标信号和杂波信号部分。

较佳的，所述步骤S12中，幅度阈值s_Threshold随时间不断调整的方法为：记录当前组图像之前的每一组图像由步骤S12选出的候选PS点的数量，并得到所有组图像平均候选PS点数量

如果当前组图像的候选PS点数量在区间内，则当前组图像的候选PS点即为本步骤的最终结果；如果本组候选PS点数量不在区间内，则微小调整幅度阈值s_Threshold后，再次对当前组图像的候选PS点进行选择，直到选出的候选PS点数量在区间内；其中，x的取值为5％至10％。

较佳的，S21中所述设定的系数阈值取值为0.75。

本发明具有如下有益效果：

本发明的一种地基SAR的高质量动态PS点选择方法，分为两个阶段，第一阶段是先在图像中选出候选PS点集合，第二阶段是在候选PS点集合中选出PS点集合。在第一阶段，考虑到PS点需要更新，我们在处理过程中对SAR图像进行分组。每M幅SAR图像为一组，每组执行一次候选PS点选择。候选PS点是由本组第一幅图像之前最新的N幅图像选出。在第二阶段，选出候选PS点后，我们先在每幅干涉图的处理过程中提取所有候选PS点的干涉复数据，然后利用所有候选PS点的相关系数信息和相位信息，对候选PS点进行分类和二次筛选，最终选出PS点集合；该方法在GBSAR实时监测过程中，即使受到非理想因素的影响或其他条件的限制，也能够很好地在图像中选出高质量PS点，为高精度形变反演奠定良好的基础。

附图说明

图1为基于幅度、相关系数和相位联合的动态PS点选择算法处理流程图。

图2为基于相关系数的PS选择方法示意图。

图3河北唐山迁安铁矿实测数据PS点选择结果；图3(a)干涉相位图(时间基线5min)；图3(b)幅度离差门限为0.1时，选出PS点的干涉相位；图3(c)幅度离差门限为0.15时，选出PS点的干涉相位；图3(d)幅度离差门限为0.2时，选出PS点的干涉相位。

图4为河北唐山迁安铁矿数据；图4(a)使用幅度离差方法，分别采用自适应门限和固定门限，选出PS点的数量；图4(b)自适应幅度离差选择中，幅度离差门限的自适应调整。

图5(a)为迁安实验采用原幅度选择算法后选出PS点的干涉相位，幅度离差门限0.15，幅度门限-25dB；图5(b)迁安实验采用新幅度选择算法后选出PS点的干涉相位，幅度离差门限0.15，幅度门限8dB；图5(c)山西实验采用原幅度选择算法后选出PS点的干涉相位，幅度离差门限0.15，幅度门限-25dB；图5(d)山西实验采用新幅度选择算法后选出PS点的干涉相位，幅度离差门限0.15，幅度门限8dB。

图6为河北唐山迁安铁矿数据；图6(a)使用幅度方法，分别采用自适应门限和固定门限，选出PS点的数量；图6(b)自适应幅度选择中，幅度门限的变化。

图7为山西实验数据；图7(a)未引入相位选择全场景形变反演结果；图7(b)未引入相位选择局部场景形变反演结果；图7(c)引入相位选择全场景形变反演结果；图7(d)引入相位选择局部场景形变反演结果。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

基于幅度、相关系数和相位联合的动态PS点选择算法处理流程图如图1所示，它由四种PS点选择方法组合而成：(1)幅度离差候选PS点选择方法；(2)幅度信息候选PS点选择方法；(3)相关系数PS点选择方法；(4)相位信息PS点选择方法。

PS点选择可以分为两个阶段，第一阶段是先在图像中选出候选PS点集合，第二阶段是在候选PS点集合中选出PS点集合。在第一阶段，考虑到PS点需要更新，我们在处理过程中对SAR图像进行分组。每M幅SAR图像为一组，每组执行一次候选PS点选择。候选PS点是由本组第一幅图像之前最新的N幅图像选出。在第二阶段，选出候选PS点后，我们先在每幅干涉图的处理过程中提取所有候选PS点的干涉复数据，然后利用所有候选PS点的相关系数信息和相位信息，对候选PS点进行分类和二次筛选，最终选出PS点集合。具体步骤如下：

步骤一、在图像中选出候选PS点集合，具体为：

S11、幅度离差候选PS点选择方法

利用幅度离差信息来选择PS点是最传统的PS点选择方法。幅度离差的计算公式如下：

式(2)中，σ_A表示目标点幅度时间序列的标准差，m_A表示目标点幅度时间序列的均值。在传统的幅度离差选择过程中，先设定幅度离差门限D_Threshold，然后将那些满足条件D_A＜D_Threshold的像素点选为PS点。在GBSAR的数据处理过程中，我们一般将幅度离差门限D_Threshold初始设置为0.15。

其中，幅度离差门限D_Threshold为随时间动态变化的自适应幅度离差门限。由于SAR图像质量会随时间发生变化，如果采用统一的幅度离差门限进行PS点选择后，会导致候选PS点数量随时间发生巨大变化。在这种情况下，即使在后续处理过程中采用其他方法，最终也很难使PS点的数量保持相对稳定。因此在幅度离差PS选择时，就需要自适应调整门限。

一般来说，对于边坡场景，如果未发生大规模的坍塌，PS点的数量应该不会发生较大的变化。在这个假设前提下，可采用下面的方法进行自适应幅度离差门限调整：

记录之前每一组由幅度离差方法选出候选PS点的数量[N₁,N₂,……，N_M]。

计算之前所有组平均候选PS点数量

如果本组候选PS点数量在区间内，则完成幅度离差候选PS点选择。如果本组候选PS点数量不在区间内，则微小调整PS点幅度离差选择门限后，再次选择，直到选出的PS点数量在设定的区间内。

S12、幅度信息候选PS点选择方法，具体为：

在SAR图像中，存在幅度离差较小而相位误差较大的点。因此，在S11的幅度离差选择后，可以直接利用目标点的幅度信息再次选择。幅度选择方法很简单，用数学公式可以表示为：

式(3)中，s为幅度离差选出候选PS点在参与选择N幅图像中的平均幅度信息，s_Threshold为幅度阈值。利用幅度信息再次选择的方法，能进一步提高PS点的质量。

其中，幅度阈值s_Threshold为随时间动态变化的自适应幅度门限。由于观测过程中非理想因素的影响，SAR图像的整体幅度值会随时间发生一定的变化。与幅度离差的自适应调整类似，此时也可以在小范围内进行幅度信息门限调整，以满足在幅度信息候选PS点选择后，候选PS点数量不会发生较大的变化。门限调整的步骤如下：

记录之前每一组选出候选PS点的数量[K₁,K₂,……，K_M]。

计算之前所有组候选PS点的平均数量

如果本组候选PS点数量在区间内，则完成候选PS点选择。如果本组PS点数量不在区间内，则调整幅度信息选择门限，再次选择。

自适应调整随场景动态变化的幅度门限：

在传统的幅度信息候选PS选择处理过程中，先选出幅值最强的像素点，然后利用这个像素点的幅度值对整幅图像的幅值进行归一化，并转化为dB形式，其数学表达式如下：

s_dB＝20log₁₀(s/s_max)(4)

最后再通过设定dB门限，将高于门限值的像素点选为候选PS点。在实用过程中，当每次更换观测场景时，由于s_max存在较大的偏差，这就使得幅度门限需要重新调试。一般而言，繁复的调试过程限制了GBSAR形变监测技术的应用前景。

为了解决不同场景幅度门限难以确定的问题，我们通过引入SAR图像杂波幅值分布理论，利用SAR图像自身的幅度信息估计图像中杂波的平均功率。然后通过信杂比(SCR)的理论，自适应地设定幅度信息选择门限。

在SAR图像中，同时存在强点目标和杂波目标。两类目标服从不同的分布类型。因此，如果直接使用原始的SAR图像数据对杂波功率进行估计，那么强点目标的回波数据很可能会使估计结果产生偏差。为了更准确地估计杂波的平均功率，我们可以将功率估计的步骤分解为两个阶段：

1、分离杂波信号和强点目标信号

杂波信号和强点目标信号的自适应分离方法简述如下：

(a)初步确定杂波信号和强点目标信号分隔阈值所在的区间[x_Start,x_End]。

(b)按幅值高低，在区间内选择若干候选分隔阈值x_T1＜x_T2＜…＜x_TN∈[x_Start,x_End]，并根据每个候选分隔阈值，选出SAR图像的杂波信号部分。

(c)以每个候选分隔阈值选出的杂波信号部分幅值数据作为输入，统计其经验概率密度函数，然后进行对数正态分布曲线拟合。

(d)根据Kolmogorov检测理论，在每次曲线拟合后，计算Kolmogorov检测统计量d_KS。然后选择使d_KS最小的候选分隔阈值作为最终的分隔阈值。

(e)根据选出的分隔阈值x_T，分离杂波信号和强点目标信号。

最后利用分隔阈值x_T可以将整幅SAR图像的幅度值分为点目标信号部分和杂波信号部分，其数学表达式为：

2、利用杂波信号估计杂波功率

截取出杂波信号部分的数据后，可再次使用对数正态分布模型对其进行曲线拟合参数估计，进而能获取新的对数正态分布的参数u₂和σ₂。最终杂波平均功率所对应的幅度值s_Clutter可以表示为：

根据SAR图像数据估计出杂波平均功率所对应的幅度值s_Clutter后，就可以对整幅SAR图像进行归一化，并转化为dB形式，其数学表达式如下：

s_dB＝20log₁₀(s/s_Clutter) (7)

最后再通过设定dB门限，选出候选PS点。由于s_Clutter是通过SAR图像数据自身进行估计的，其值会随场景的变化而自动进行调节，有较强的自适应性。

步骤二、在步骤一得到的候选PS点集合中选出PS点集合，具体为：

S21、相关系数是衡量两幅SAR图像干涉相位精度的重要指标。因此，可以根据相关系数信息对候选PS点进行分类。将不同类型的PS点进行不同的形变反演处理，以达到降低形变反演误差的目的。其中相关系数的计算公式如下：

对于每幅干涉图，以相关系数值为标准，可将所有候选PS点划分为三类：(1)高相关性PS点；(2)中等相关性PS点；(3)低相关性PS点。一般情况下，高相关性PS点的相关系数门限可设定为0.85，中等相关性PS点的相关系数门限设定为0.75。

由于我们最终的目的是希望利用相关系数信息指导相位解缠，考虑到三维空时相位解缠是在相邻两幅干涉图像之间进行的。因此，如图2所示，我们可以利用相邻两幅干涉图的相关系数信息对候选PS点进行分类：(1)高质量PS点；(2)中等质量PS点；(3)伪PS点。不同类型的PS点将会在后续形变反演处理过程中进行不同的处理。

高质量PS点是指在相邻两幅干涉图中都是高相关性PS点。这类PS点将参与三维空时相位解缠。

中等质量PS点是指除了高质量PS点外，在相邻两幅干涉图中都是中等相关性或高相关性PS点。在相位解缠的过程中，这类PS点将以高质量PS点的三维空时相位解缠结果为输入，来进行二维空间相位解缠。

伪PS点是指其余候选PS点，考虑到这些候选PS点可能受到非理想因素的影响，有较大的形变误差，将不再对伪PS点进行处理。

通过对不同类型的PS点执行不同的处理，我们可将后续相位解缠步骤出现误差的概率降低。

S22、相位信息PS点选择方法

在使用幅度离差PS选择和幅度信息PS选择后，第i个候选PS点的干涉相位可以建模为：

式(10)中，表示形变相位，表示大气相位，表示由重轨误差引入的相位，表示由时间去相关等其他未建模因素引入的随机相位误差。而真正的PS点可以定义为很小的点。因此，如果能在干涉相位中提取那么就可以通过设定相位误差门限，将所有相位误差绝对值大于门限的点剔除。

对于地基SAR系统，第n幅干涉图像中第i个PS点的干涉相位可以表示为：

式(11)中，表示由两次观测之间目标形变引起的相位，表示由两次观测时轨道误差而引起的相位，表示两次观测时由于大气因素导致的相位差，表示由散射等其他因素引起的相位差。而判断是否是PS点的标准是是否足够小。

但是，由于式(11)中的前三项相位和比大很多，因此，如何从干涉相位中提取就成为关键。通过分析式(11)中四项相位的相位特性，可以得知，前三项相位和满足一定的空间相关性，且空间临近的像素点相关性较强。而第四项相位则是随机噪声，无空间相关性。这时可先采用低通滤波的方法，滤除第四项相位噪声。最后再由原相位减去滤波后的相位，即可获取第四项噪声相位，用数学描述为：

式(12)中，L()表示滤波函数，而此处的滤波器可选用Goldstein自适应滤波，提取后，最终可选出高质量的PS点。

总结如下：步骤s21中，针对步骤S12中选择的各个候选PS点，计算各候选PS点在当前图像与前一幅图像中的相关系数；将各候选PS点的相关系数小于设定的系数阈值的候选PS点剔除，则剩余的候选PS点组成集合A；步骤S22中，针对步骤S13中选择的各个候选PS点，计算各个候选PS点在当前图像中的干涉相位对干涉相位进行低通滤波，得到用干涉相位减去得到各个候选PS点的噪声相位；将噪声相位大于设定门限的候选PS点剔除,则剩余的候选PS点组成集合B；求集合A和集合B的交集，作为最终的PS点选取结果。

实施例：

本实例中，GBSAR雷达系统基本参数和场景基本信息情况如下列所示：

波段：Ku；中心频率：16.02GHz；带宽：320MHz；极化方式：VV；滑轨长度：2.4m；照射频率：5min/轨；实验：河北唐山迁安实验，山西实验。

采用本发明所述的地基SAR永久散射体(PS)处理方法完成实测数据形变监测处理，其具体步骤为：

步骤一，幅度离差候选PS点选择。图3(a)为时间间隔为5min的干涉相位图，可以看出，数据受到严重的去相关影响。先需要对图像所有点进行幅度离差计算，每一点的幅度离差计算公式如下：

选出那些幅度离差值小于门限的点，作为候选PS点集合。图3(b)～(d)分别显示了采用幅度离差门限时，选出PS点的干涉相位。随着门限值越来越高，选出PS点的数量也越多，选出PS点的相位噪声也逐渐增大。同时也可以看出，如果仅仅依据幅度离差信息选择PS点，即使门限设定为0.1，也存在一定数量的误差点，因此需要多种方法联合选择PS点。

在实测数据的处理过程中，如果对约11天实验内采集的数据，都采用0.15作为幅度离差门限，那么选出的候选PS点数量结果如图4(a)所示。候选PS点的数量最少约为30000，最多约为350000。在形变反演的处理过程中，如果PS点集合变化过大，最后形变反演处理结果势必会受到较大的影响。

从图4(b)可以看出，当采用自适应幅度离差门限方法进行选择后，候选PS点的数量随时间波动更小。幅度离差门限的自适应调整使选出候选PS点数量更加接近平均水平。PS点集合的稳定能够减轻后续形变反演算法处理的难度。

步骤二，幅度信息候选PS点选择。先获取SAR图像实测数据的幅值分布概率密度曲线，再通过估计对数正态分布的参数，计算SAR图像的平均杂波功率，最后通过SCR理论，利用幅度信息选择候选PS点。

在实际过程中，根据SAR图像数据估计出杂波平均功率所对应的幅度值s_Clutter后，就可以对整幅SAR图像进行归一化，并转化为dB形式，其数学表达式如下：

s_dB＝20log₁₀(s/s_Clutter) (14)

最后再通过设定dB门限，选出候选PS点。

当幅度离差门限设置为0.15，原幅度信息PS选择算法中幅度门限设置为-25dB，新幅度信息PS选择算法中幅度门限设置为8dB时，分别采用原幅度信息PS选择算法和新幅度信息PS选择算法对河北唐山迁安铁矿实验和山西实验的数据进行候选PS点选择的结果如图5所示。对于迁安实验数据，原算法和新算法的处理结果大致相当。但是，对于山西实验数据，由于SAR图像中存在较强的人造目标，如果使用原幅度选择算法，并沿用迁安数据处理中的门限-25dB，仅能在图像中选出407个候选PS点。而使用新幅度选择算法，并沿用迁安数据处理中的门限8dB，可以选出35426个候选PS点，基本能满足处理需求。实测数据处理结果的对比也进一步说明新幅度信息PS选择算法对不同场景有更好的适应性，无需对不同场景重新调试门限。

图6中显示了分别使用自适应幅度门限和固定幅值门限的处理结果，当采用固定幅度门限进行候选PS点选择后，选出的候选PS点数量有较大的波动，最少时数量低于40000，最多时数量约为65000，数量变化超过60％。当采用自适应幅度门限方法进行处理后，候选PS点的数量随时间波动减小。

步骤三，对于每幅干涉图，以相关系数值为标准，可将所有候选PS点划分为三类：(1)高相关性PS点；(2)中等相关性PS点；(3)低相关性PS点。一般情况下，高相关性PS点的相关系数门限可设定为0.85，中等相关性PS点的相关系数门限设定为0.75。

由于我们最终的目的是希望利用相关系数信息指导相位解缠，考虑到三维空时相位解缠是在相邻两幅干涉图像之间进行的。因此，如图2所示，我们可以利用相邻两幅干涉图的相关系数信息对候选PS点进行分类：(1)高质量PS点；(2)中等质量PS点；(3)伪PS点。不同类型的PS点将会在后续形变反演处理过程中进行不同的处理。

步骤四，在使用幅度离差PS选择和幅度信息PS选择后，第i个候选PS点的干涉相位可以建模为：

式(10)中，表示形变相位，表示大气相位，表示由重轨误差引入的相位，表示由时间去相关等其他未建模因素引入的随机相位误差。而真正的PS点可以定义为很小的点。因此，如果能在干涉相位中提取那么就可以通过设定相位误差门限，将所有相位误差绝对值大于门限的点剔除。

对于地基SAR系统，第n幅干涉图像中第i个PS点的干涉相位可以表示为：

式(11)中，表示由两次观测之间目标形变引起的相位，表示由两次观测时轨道误差而引起的相位，表示两次观测时由于大气因素导致的相位差，表示由散射等其他因素引起的相位差。而判断是否是PS点的标准是是否足够小。

但是，由于式(11)中的前三项相位和比大很多，因此，如何从干涉相位中提取就成为关键。通过分析式(11)中四项相位的相位特性，可以得知，前三项相位和满足一定的空间相关性，且空间临近的像素点相关性较强。而第四项相位则是随机噪声，无空间相关性。这时可先采用低通滤波的方法，滤除第四项相位噪声。最后再由原相位减去滤波后的相位，即可获取第四项噪声相位，用数学描述为：

式(12)中，L()表示滤波函数，而此处的滤波器可选用Goldstein自适应滤波，提取后，最终可选出高质量的PS点。

图7显示了山西实验的形变反演结果。考虑到时间基线仅为3min，可以认为场景中不存在形变。如图7(a)和(b)所示，当未引入相位选择时，某些区域存在较大的形变反演误差，严重影响了形变反演精度。经过相位选择处理，剔除伪PS点后，如图7(c)和(d)所示，形变误差消失，形变反演精度得到提高。

通过本实施例的结果显示基于幅度、相关系数和相位联合的高质量动态PS点选择方法能够选出高质量的PS点。

可见利用本发明方法，能够在场景动态变化和时间动态变化的条件下选出高质量的PS点，为地基SAR形变监测提供技术支持。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种地基SAR的动态PS点选择方法，其特征在于，包括如下步骤：

步骤一、在图像中选出候选PS点集合，具体为：

S11、对已获得的SAR图像进行分组，针对每组图像，采用幅度离差方法得到各组图像的候选PS点；

S12、依据已获得的SAR图像，将图像中的杂波信号和点目标信号进行分离；得到杂波信号平均功率所对应的幅度值s_Clutter；然后在每组SAR图像处理过程中，对整幅SAR图像进行归一化，并转化为dB形式，其数学表达式如下：

s_dB＝20log₁₀(s/s_Clutter) (1)

其中，s为幅度离差选出候选PS点在参与选择的图像中的平均幅度信息；最后将S11选出的各个候选PS点的s_dB值与设定的幅度阈值s_Threshold进行比较，将小于或等于幅度阈值s_Threshold的候选PS点删除，剩下的候选PS点组成集合，作为本步骤获得的候选PS点；

其中，所述幅度阈值s_Threshold随时间不断调整，以剔除相位误差较大的候选PS点，并不断更新候选点集合；

步骤二、在步骤一得到的候选PS点集合中选出PS点集合，具体为：

S21、针对步骤S12中选出的各个候选PS点，计算各候选PS点在当前图像与前一幅图像中的相关系数；将各候选PS点的相关系数小于设定的系数阈值的候选PS点剔除，则剩余的候选PS点组成集合A；

S22、针对步骤S12中选出的各个候选PS点，计算各个候选PS点在当前图像中的干涉相位对干涉相位进行低通滤波，得到用干涉相位减去得到各个候选PS点的噪声相位；将噪声相位大于设定门限的候选PS点剔除,则剩余的候选PS点组成集合B；

S23、求集合A和集合B的交集，作为最终的PS点选取结果。

2.如权利要求1所述的一种地基SAR的动态PS点选择方法，其特征在于，每组SAR图像的数量在整个观测过程中保持稳定。

3.如权利要求1所述的一种地基SAR的动态PS点选择方法，其特征在于，所述步骤S11中，幅度离差方法中使用的幅度离差门限，采用下面的方法获得：

记录当前组图像之前的每一组图像由幅度离差方法选出候选PS点的数量，并得到所有组图像对应的平均候选PS点数量

如果当前组图像的候选PS点数量在区间内，则当前组图像的候选PS点即为本步骤的最终结果；如果本组候选PS点数量不在区间内，则微小调整所述幅度离差门限后，再次对当前组图像的候选PS点进行选择，直到选出的候选PS点数量在区间内；其中，x的取值为5％至10％。

4.如权利要求1所述的一种地基SAR的动态PS点选择方法，其特征在于，所述步骤S12中，杂波信号和点目标信号的分离方法为：

(a)初步确定杂波信号和强点目标信号分隔阈值所在的区间；

(b)在(a)确定的所述区间内选择若干候选分隔阈值，并根据每个候选分隔阈值，选出SAR图像的杂波信号部分；

(c)以每个候选分隔阈值选出的杂波信号部分幅值数据作为输入，统计其经验概率密度函数，然后进行对数正态分布曲线拟合；

(d)根据Kolmogorov检测理论，在每次所述对数正态分布曲线拟合后，计算Kolmogorov检测统计量d_KS；然后选择使d_KS最小的候选分隔阈值作为最终的分隔阈值d_KS；

(e)最后利用分隔阈值x_T将整幅SAR图像的幅度值分为点目标信号和杂波信号部分。

5.如权利要求1所述的一种地基SAR的动态PS点选择方法，其特征在于，所述步骤S12中，幅度阈值s_Threshold随时间不断调整的方法为：记录当前组图像之前的每一组图像由步骤S12选出的候选PS点的数量，并得到所有组图像平均候选PS点数量

如果当前组图像的候选PS点数量在区间内，则当前组图像的候选PS点即为本步骤的最终结果；如果本组候选PS点数量不在区间内，则微小调整幅度阈值s_Threshold后，再次对当前组图像的候选PS点进行选择，直到选出的候选PS点数量在区间内；其中，x的取值为5％至10％。

6.如权利要求1所述的一种地基SAR的动态PS点选择方法，其特征在于，S21中所述设定的系数阈值取值为0.75。