CN108459322A - 一种InSAR干涉图批滤波与优选的方法 - Google Patents

Abstract

本发明涉及干涉图的优选与滤波技术领域，公开了一种InSAR干涉图批滤波与优选的方法，包括以下步骤：S1、时序单视复数影像的数据配准；S2、对于SLC中的每个时序像元，选择具有相同散射特性的同质点像元；S3、获得每个时序像元稳定的相干矩阵，即InSAR干涉图稳定的相干矩阵；S4、经过特征分解获得批滤波后的相位矩阵；S5、计算批滤波后的相干矩阵；S6、首先通过相干性阈值对每个干涉对初始化；然后通过高相干点密度的阈值对初始化的干涉对进行配置；获得最终优选的干涉对和滤波相位，这种InSAR干涉图批滤波与优选的方法，一次直接滤波所有干涉对，滤波效果好。

Description

一种InSAR干涉图批滤波与优选的方法

技术领域

本发明涉及干涉图的优选与滤波技术领域，特别涉及一种InSAR干涉图批 滤波与优选的方法。

背景技术

随着对地观测技术的发展，尤其是合成孔径雷达干涉测量(InSAR)技术 已经被广泛应用于火山、冰川、地面沉降和滑坡等形变的监测，成为现代地球 学科重要技术之一。InSAR结果的监测精度直接依赖于干涉相位的精度，然而 由于热噪声、配准、体散射等失相干因素导致InSAR干涉图往往存在严重噪声， 从而需要干涉图滤波以获得高精度的测量成果。同时也发展了很多克服失相干 的技术例如：永久性散射体技术(PS)和短基线干涉测量(SBAS)技术，以 及近几年发展的SqueeSAR技术。

在干涉图滤波方面，国内外研究大致可分为空间域和频率域两类方法。空 间域滤波包括：中值滤波、以及改进均值滤波的非局部均值滤波方法等，该类 滤波继承了传统图像滤波的特点，但将其直接扩展到复数域也带来新的问题。 频率滤波的方法是针对信号高低频特性进行平滑处理，最常用的有基于傅里叶 变换的Goldstein滤波和基于正余弦变换的小波滤波前者应用较为广，且发展 出诸多改进算法，但是仍然不能满足复杂地形、失相干严重等复杂干涉图。以 及近几年发展的以SqueeSAR技术为代表的针对点目标进行的相位优化的滤波 技术。

针对干涉图的优选，主要是SBAS方法，目的是限制时间和基线提高相干 性，最后采用SVD进行子集的链接。目前仅仅只有采用时间基线和垂直基线 作为阈值进行干涉对的选取。

现有的克服失相干技术，大的框架主要采用SBAS技术和PS技术。然而 PS技术一般需要较多的数据量，从而限制了该方法的应用。以SBAS应用较 为广发，但是其武断地采用垂直基线和时间基线容易导致干涉对的过选和漏选 现象。因此本发明专利中提出一种自适应干涉对优选技术，同时也提出一种干 涉图的批滤波技术，在克服失相干的同时进行批处理滤波然后自适应优选最有 干涉对技术。

发明内容

本发明提供一种InSAR干涉图批滤波与优选的方法，可以解决现有技术中 的上述问题。

本发明提供了一种InSAR干涉图批滤波与优选的方法，包括以下步骤：

S1、时序单视复数影像即SLC的数据配准；

S2、对于SLC中的每个时序像元，利用SLC中的幅度信息，选择具有相 同散射特性的同质点时序像元；

S3、利用同质点时序像元的幅度信息作为加权因子进行无偏的协方差矩阵 估计，获得SLC中每个时序像元稳定的相干矩阵，即InSAR干涉图稳定的相 干矩阵；

考虑到SAR(合成孔径雷达)分布式目标服从均值为0的复高斯分布，对 于时序列观测数据d＝[d₁,d₂,...,d_N]^T,其概率密度函数f(d)由维数N×N的协方差 矩阵Σ_d唯一确定，具体如下：

式(1)中H为矩阵的共轭转置，由于协方差矩阵Σ_d是二阶统计量，因此，采 用相干矩阵T代替协方差矩阵，T的具体表达式如下：

其中Φ是N×N矩阵，其中值为表示第m景和n景影像之间的干 涉相位，是相干；

采用同质点加权的方法抵制非同质对相干矩阵的影像，其权函数w(x)如下 所示：

其中是强度的期望，由于在每个分辨率单元内，散射目标的电磁波最终 叠加成为一个回波，最终存储为一个数值，作为产品为用户提供服务，因此相 干矩阵T可以表示如下：

其中U＝(u₁,u₂,…,u_N)是正交的特征向量,λ₁>λ₂>…>λ_N是其对应的特征值，不同的特征值对应不同散射相位；

S4、通过对协方差矩阵进行特征分解获得批滤波后的相位矩阵；

S5、针对批滤波后的相位矩阵计算批滤波后的相干矩阵；

S6、根据批滤波后的相干矩阵配置干涉对；

S61、首先通过相干性阈值对每个干涉对初始化；

S62、然后通过高相干点密度的阈值对初始化的干涉对进行配置；

S63、获得最终优选的干涉对和滤波相位。

与现有技术相比，本发明的有益效果在于：

本发明提出了优选干涉对的方法，通过相干性阈值和高相干点密度的阈值 两个阈值进行干涉对的配置，解决传统SBAS选取干涉对的时候，采用时间和 空间阈值，如果采用较小的阈值容易漏选较好的干涉图，采用较大的阈值，容 易包含低质量的干涉对的问题；一次直接滤波所有干涉对，滤波效果好，解决 传统SBAS框架下干涉图滤波需要逐次滤波的特点，并且现有的滤波在相干性 较差区域难以取得较好的结果。

附图说明

图1为本发明提供的一种InSAR干涉图批滤波与优选的方法的干涉图优选 流程图。

图2为本发明提供的一种InSAR干涉图批滤波与优选的方法的批滤波与最 有干涉组合的配置图。

其中，(a)为原始相位矩阵；(b)为经过非局部加权获取的原始相干矩阵；(c) 为经过矩阵(b)特征分解获取的(a)相位滤波后的相位矩阵；(d)为计算滤波后的 相位矩阵的相干矩阵。

图3为本发明提供的一种InSAR干涉图批滤波与优选的方法的干涉图配置 与垂直基线和时间基线的关系图。

其中，上图为干涉图配置与垂直基线的关系图，下图为干涉图配置与时间 基线的关系图。

图4为本发明提供的一种InSAR干涉图批滤波与优选的方法中的干涉图与 传统的SBAS提出的优选干涉对的对比图。

其中，common是公共选取的干涉对，Included是传统SBAS包含的， Excluded是传统SBAS未选取的干涉对。

图5为本发明提供的一种InSAR干涉图批滤波与优选的方法的批滤波和优 化干涉组合与传统SBAS方法比较图。

其中，No.13,18和22是SABS选取的干涉对，No.28是传统SBAS未 选取的干涉对。

具体实施方式

下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解 本发明的保护范围并不受具体实施方式的限制。

如图1所示，本发明实施例提供的一种InSAR干涉图批滤波与优选的方法， 包括以下步骤：

S1、时序单视复数影像SLC的数据配准；

S2、对于SLC中的每个时序像元，利用SLC中的幅度信息，选择具有相 同散射特性的同质点时序像元；

S3、利用同质点时序像元的幅度信息作为加权因子进行无偏的协方差矩阵 估计，获得SLC中每个时序像元稳定的相干矩阵，即InSAR干涉图稳定的相 干矩阵；

考虑到SAR(合成孔径雷达)分布式目标服从均值为0的复高 斯分布，对于时序列观测数据d＝[d₁,d₂,...,d_N]^T,其概率密度函数f(d) 由维数N×N的协方差矩阵Σ_d唯一确定，具体如下：

式(1)中H为矩阵的共轭转置，由于协方差矩阵Σ_d是二阶统计量，因此，采 用相干矩阵T代替协方差矩阵，T的具体表达式如下：

其中Φ是N×N矩阵，其中值为表示第m景和n景影像之间的干 涉相位，是相干；

采用同质点加权的方法抵制非同质对相干矩阵的影像，其权函数w(x)如下 所示：

其中是强度的期望，由于在每个分辨率单元内，散射目标的电磁波最终 叠加成为一个回波，最终存储为一个数值，作为产品为用户提供服务，因此相 干矩阵T可以表示如下：

其中U＝(u₁,u₂,…,u_N)是正交的特征向量,λ₁>λ₂>…>λ_N是其对应的特征值，不同的特征值对应不同散射相位；

S4、通过对协方差矩阵进行特征分解获得批滤波后的相位矩阵；

S5、针对批滤波后的相位矩阵计算批滤波后的相干矩阵；

S6、根据批滤波后的相干矩阵配置干涉对；

S61、首先通过相干性阈值对每个干涉对初始化；

S62、然后通过高相干点密度的阈值对初始化的干涉对进行配置；

S63、获得最终优选的干涉对和滤波相位。

具体实施过程：

SAR干涉对的优选

经过信号分离后，得到了最相干的信号，从某种程度上说克服了失相干的 现象，达到了滤波的目的。本发明采用了每个点观测数据的点目标，优化干涉 对。流程图如图1所示。

首先采用局部加权获取稳定的相干矩阵，然后经过相干矩阵分解，得到了 滤波后的相位矩阵，最后针对滤波后的相位计算相干矩阵，最终根据这个滤波 后的相干矩阵配置干涉对。其中采用了两个阈值进行干涉对的配置。第一个是 相干性阈值，第二个阈值是高相干点密度的阈值。

实施例

本发明的实验采用了真实的TerraSAR-X数据，共八景，入射角23.9°,像 元分辨率距离向3.4米，方位向1.8米,总共覆盖的像元有4250×5300。覆盖 地区为山西省清徐地区，具体参数在表1中有说明：

表1干涉图参数

实验过程

本发明采用SAR坐标系中某个点作为示例：针对像元坐标(2888,2889) 显示批滤波过程与基线的优选。

图2显示批滤波与最有干涉组合的配置针对(2888,2889)点进行显示；(a) 原始相位矩阵；(b)经过非局部加权获取的原始相干矩阵；(c)经过矩阵(b)特征 分解获取的(a)相位滤波后的相位矩阵；(d)计算滤波后的相位矩阵的相干矩阵。

图3展示了所有的干涉组合，共28个干涉对和垂直基线和时间基线的关 系。本发明采用的最终阈值为42％的密度作为最终干涉图配置的阈值。选取的 结果如图4所示。同时也采用时间阈值200天垂直基线阈值200米作为传统 SBAS的阈值选取的干涉对，最终选取的干涉对为26个，也就是说干涉图7 和28未选取。如图4所示。从图2(d)可知,通过设置相干性0.6,所有的干涉 对都会被选中。对于所有像元如果设置密度为0.42，就会选取25个干涉对， 排除了7,13和18，但是也包含28，如图4。

为了显示本发明提出的方法和传统SBAS方法的区别，图5显示了图4中 遗漏和多选的干涉对No.13,18,22和28.从图5可以看出本专利采用的批滤 波和优化干涉组合是优于传统SBAS方法的。

本发明提出了优选干涉对的方法，通过相干性阈值和高相干点密度的阈 值两个阈值进行干涉对的配置，解决传统SBAS选取干涉对的时候，采用时间 和空间阈值，如果采用较小的阈值容易漏选较好的干涉图，采用较大的阈值， 容易包含低质量的干涉对的问题；一次直接滤波所有干涉对，滤波效果好，解 决传统SBAS框架下干涉图滤波需要逐次滤波的特点，并且现有的滤波在相干 性较差区域难以取得较好的结果。

以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限 于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (1)

1.一种InSAR干涉图批滤波与优选的方法，包括以下步骤：

S1、时序单视复数影像即SLC的数据配准；

S2、对于SLC中的每个时序像元，利用SLC中的幅度信息，选择具有相同散射特性的同质点时序像元；

S3、利用同质点时序像元的幅度信息作为加权因子进行无偏的协方差矩阵估计，获得SLC中每个时序像元稳定的相干矩阵，即InSAR干涉图稳定的相干矩阵；

考虑到SAR分布式目标服从均值为0的复高斯分布，对于时序列观测数据d＝[d₁,d₂,...,d_N]^T,其概率密度函数f(d)由维数N×N的协方差矩阵Σ_d唯一确定，具体如下：

式(1)中H为矩阵的共轭转置，由于协方差矩阵Σ_d是二阶统计量，因此，采用相干矩阵T代替协方差矩阵，T的具体表达式如下：

其中Φ是N×N矩阵，其中值为表示第m景和n景影像之间的干涉相位，是相干；

采用同质点加权的方法抵制非同质对相干矩阵的影像，其权函数w(x)如下所示：

其中是强度的期望，由于在每个分辨率单元内，散射目标的电磁波最终叠加成为一个回波，最终存储为一个数值，作为产品为用户提供服务，因此相干矩阵T可以表示如下：

其中U＝(u₁,u₂,…,u_N)是正交的特征向量,λ₁>λ₂>…>λ_N是其对应的特征值，不同的特征值对应不同散射相位；

S4、通过对协方差矩阵进行特征分解获得批滤波后的相位矩阵；

S5、针对批滤波后的相位矩阵计算批滤波后的相干矩阵；

S6、根据批滤波后的相干矩阵配置干涉对；

S61、首先通过相干性阈值对每个干涉对初始化；

S62、然后通过高相干点密度的阈值对初始化的干涉对进行配置；

S63、获得最终优选的干涉对和滤波相位。