CN111208512B - 一种基于视频合成孔径雷达的干涉测量方法 - Google Patents

Abstract

本发明属于雷达干涉测量技术，具体涉及一种基于视频合成孔径雷达的干涉测量方法。本发明的方法首先对合成孔径时间内接收到的子孔径数据进行成像，每个子孔径内将得到主、辅两幅图像，同时利用相邻多个子孔径图像的相干性，每个子孔径通过划分得到多组主、辅图像。单个子孔径内将每组主、辅图像通过精配准，对配准后的主、辅图像共轭相乘，得到干涉图，然后对干涉图进行滤波、去平地等操作，去除环境噪声及平地干扰，随后对得到的干涉图进行相位解缠，可计算出每组主辅图像得到的目标高程信息。对每个子孔径中的多组高程信息进行筛选、融合，得到最终的目标高程信息。本方法提高了数据使用效率，提高测量结果的精度，降低干涉测量成本。

Description

一种基于视频合成孔径雷达的干涉测量方法

技术领域

本发明属于雷达干涉测量技术，具体涉及一种基于视频合成孔径雷达的干涉测量方法。

背景技术

合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar，InSAR)技术得益于合成孔径雷达(Synthetic Aperture Radar，SAR)技术的成熟和发展而簇生的一种高精度的对地观测技术。InSAR技术是基于SAR平台之上，它继承了SAR快速、全天时、全天候、高精度、大区域的突出优势，几乎不受天气、昼夜、气候的影响，在地表变形、地面形变监测、冰川移动、工程体(桥梁、大坝)变形等方面都具有独特优势。InSAR技术逐渐成为对地观测最主要的手段。

利用InSAR技术快速获取高精度数字高程模型(Digital Elevation Model，DEM)是目前InSAR技术的主要应用之一。DEM的获取主要依靠SAR系统的两副天线(或者一副天线重复观测)来获取同一目标地区具有一定视交叉的两幅具有相干性的单视复数(SingleLook Complex，SLC)SAR图像，然后根据其干涉相位信息来提取地表的高程信息，并以此重建DEM。对于机载SAR系统来讲，由于飞行高度等因素制约，对目标成像时会出现叠掩、遮挡等因素导致相位缺失，使得测量结果精度降低；若采用重复观测的方式，不仅会大大提高测量成本，还难以保证叠掩、遮挡现象不会出现。现在使用的大多数SAR系统由于雷达工作载频等因素的限制，要达到一定方位向分辨率所需的合成孔径积累时间相对较长，即成像帧率低，对于机载SAR来讲，成像周期内飞机所处位置会发生较大变化，即使采用“一发双收”模式的SAR系统，在飞行时间内也只能获取有限的数据，使得测量效率大大降低。

发明内容

本发明的目的，就是针对上述存在的问题及不足，为了降低测量成本，提高测量精度，提出一种基于视频合成孔径雷达的数据混合干涉测量方法。该方法的基本思想是利用视频合成孔径雷达连续成像的优势，在对每个子孔径的主、辅图像进行干涉处理的同时对相邻子孔径成像结果进行交叉干涉处理，最大化利用数据结果。首先对每个子孔径的主、辅图像进行精配准、干涉、去平地、滤波、解缠，求出每个子孔径得到的高度信息。然后利用相邻子孔径的主、辅图像进行交叉配准，先对图像进行预配准，再进行精配准及后续步骤，干涉得到的高度信息以主图像所在子孔径为准，最后对多次生成的高度信息进行筛选、平均，最后得到较为精确的结果。

本发明的技术方案为：一种基于视频合成孔径雷达的干涉测量方法，其特征在于，包括以下步骤：

S1、采用机载视频合成孔径雷达系统获取目标信息，将视频合成孔径雷达的大孔径切分成S个子孔径，采用机载双天线方式进行干涉测量，每个子孔径内可以获得两幅SAR图像，分别定义为主、辅图像；并对所有子孔径成像先后顺序进行划分，划分间隔为成像最小积累时间，记为子孔径1，子孔径2，子孔径3…子孔径S；

S2、对子孔径的成像结果进行以下处理：

S21、采用最小二乘匹配方法对子孔径中的主、辅图像进行配准，具体为：

设单个子孔径内主、辅图像分别为f_i,j及g_i,j，相关系数r(c,r)的计算公式为：

其中，f_i,j为主图像像元(i,j)的强度值；g_i+r,j+c为辅图像相应像元(i,j)处的强度值；

为主图像f_i,j的均值，

为辅图像g_i,j的均值；M,N分别为匹配窗口的长度和宽度；

选择主图像中任意一个像元(x_i,y_j)，并以此为像元为中心，构建一个大小为M*M的匹配窗口，根据计算相关系数的计算公式，在辅图像中找到相关系数r(c,r)最大的点g_i+r,j+c，并以此像元为中心，构造一个大小为N*N的搜索窗口；

相关系数最大处得到的结果是在搜索区间内与像元(x_i,y_j)最为匹配的像元g_i+r,j+c，并以此像元建立一个搜索窗口，为进一步配准做准备。设主图像像元(x₁,y₁)处的强度值为

辅图像像元(x₂,y₂)处的强度值为

设h₀，h₁为主辅图像之间的辐射畸变参数，且

则基于最小二乘匹配方法要求满足∑vv最小，即求得参数h₀及h₁，使得

结果最小。此处可将相关系数最大处得到的像元的图像强度值作为初值，带入上式中，作为最佳匹配点；然后在上述的M*M的匹配窗口内选择不同于(x_i,y_j)的任一像元点(x_p,y_q)，不断重复最小二乘匹配方法，对于不同于(x_i,y_j)的任一像元点(x_p,y_q)，都会在搜索窗口内找到与(x_i,y_j)相关系数最大的点(x_p+e,y_q+f)，其图像强度值为g_p+e,q+f，最后选择最接近最佳匹配点的若干组结果，带入下面坐标变换公式中：

式中，a₀，a₁，a₂，b₀，b₁，b₂为几何畸变参数。将最大相关系数得到的匹配结果带入上式中，会得到多组方程组，将所有方程组联立，会得到多组几何畸变参数的值，将得到的参数值进行算术平均，得到最终的几何畸变参数。

对辅图像的所有像元坐标按照坐标变换公式进行变换，得到配准后的辅图像，这样配准后进行干涉得到的干涉图才是高质量的。但是经过配准的不同栅格的像元并不总是对齐的，因为像元大小可能不同，或者像元边界之间会有相对的偏移。当进行栅格合并时，空间分析必须为每一个输出像元指定对应的输入栅格的像元，所以要进行重采样，这样才能得到准确的相位信息；

S22、重采样及干涉图生成：对辅图像进行重采样，使每个像素点反映的是同一目标区域的相位信息，把主图像的复数值与辅图像的复数值进行共轭相乘，从而得到子孔径的干涉图；

S23、采用多视均值滤波方法对干涉图滤波；

S24、对干涉图去平地效应；

S25、对干涉图进行相位解缠；

S26、获取高程信息：以φ₀表示干涉相位偏置，△φ表示解缠后的干涉相位，λ表示视频合成孔径雷达波长，则斜距差△R为：

相应地面目标的高程值h为：

其中H是雷达距离参考地面的垂直距离，R是主天线到目标的斜距,θ为主天线到目标的斜视角，α为主、辅天线间的水平夹角，△R为两天线到目标的斜距之差，B为主、辅天线间的距离；

S3、相邻子孔径图像干涉：对相邻子空间主、辅图像进行组合，即选取某个子孔径i中主图像f_i(i,j)，同时选取前后相邻子孔径内的辅图像g_i-1(i,j)及g_i+1(i,j)，构成新的主、辅图像，再根据步骤S2的方法获得高程信息，子孔径i会得到最多三组关于目标的高程值h_i1,h_i2,h_i3，若子孔径得到的高程值个数为3时，选取中值作为子孔径的测量结果；若子孔径得到的高程值个数为2时，选择高程值的均值作为子孔径的测量结果，得到子孔径i最后的目标高程数据h_i；

S4、根据上述步骤获得所有子孔径的高程值h_i后，最终目标高程信息h为：

进一步的，步骤S22中所述重采样的具体方法为：

采用双三次卷积法，利用内差点附近的16个原始数据点进行计算，设采样点为P(x,y)，其中(x,y)是坐标且都不是整数，采用的卷积函数形式为：

重采样公式为：

其中，g(x,y)表示原采样点P(x,y)进行重采样之后的数值；g(i,j)，即g_ij表示采样点P(x,y)周围的16个点的强度值；W(i,j)，即W_ij表示对应位置的权值大小，数值矩阵g和权值矩阵W如下所示：

采样点P(x,y)周围16个点的权值计算公式如下所示：

其中，int(·)表示取整操作，△x与△y分别表示在采样点P(x,y)处的偏差值；

设主图像任一像元(x,y)的复数值为

其中a表示主图像的幅值，φ₁表示主图像的相位，相应的辅图像像元的复数值为

其中b表示辅图像的幅值，φ₂表示辅图像的相位，

代表f₂的共轭，则复数干涉图G的值为：

复数干涉图的相位φ₁-φ₂为干涉图。

进一步的，所述步骤S23的具体方法为对复数干涉图相邻像元的复数值进行平均，即：

其中，S为(x,y)处进行多视均值滤波后的复数值,f₁(x,y)和f₂(x,y)分别为干涉图像元(x,y)处的主、辅图像的复数值；f₂ ^*(x,y)表示f₂(x,y)的共轭；

为滤波后的干涉相位。

进一步的，所述步骤S24的具体方法为，采用干涉图乘以复相位函数去除平地效应，复相位函数是关于地面相位的函数，选择一个参考平面，计算该参考平面的平地相位φ_G：

其中，λ为雷达的波长，θ为主天线到目标的斜视角，α为主、辅天线间的水平夹角，B_⊥是主、副天线间的垂直距离，将干涉图中每一点的相位减去参考平面的平地相位，就可以去除平地效应的影响：

φ为去平地效应后的相位，

为进行干涉图滤波后的相位，得到去除平地相位的干涉相位φ：

进一步的，所述步骤S25的具体方法为，采用基于误差方程的最小二乘相位解缠法：

设ψ和

分别为二维离散模糊相位函数和解缠相位函数，根据最小二乘原则可得纵向误差方程v_x及横向误差方程v_y为：

根据离散函数的微分计算方法，将上式写为：

式中，m,n分别是干涉图的横纵像元数，上式中的缠绕相位纵向一阶差分

和横向一阶差分

的相位差分值，按照下式进行修正处理：

然后根据干涉图中各个干涉相位值，得误差方程组为：

V＝AΦ-L

得到解缠结果为：

Φ＝(A^ΤA)^-1A^ΤL。

在正向导通时，当阳极电压较低时，器件工作在单极型导电模式，随着阳极电压升高，器件工作在单极型及双极型共存的导电模式，从而具有两种导电模式。

本发明的有益效果为，本发明利用视频合成孔径雷达实时、多帧成像的优势，利用每个子孔径以及相邻子孔径的图像进行干涉测量，然后对子孔径内目标的测量结果进行筛选处理，一定程度上有利于提高测量精度，避免重复多次测量，大幅度降低干涉测量成本，提高干涉测量效率。

附图说明

图1是本发明的子孔径划分方式。

图2是本发明的干涉测量的方法的子孔径单组图像高程信息反演流程图。

图3是子孔径中图像分组方式。

图4是基于视频合成孔径雷达子孔径的高程信息筛选及高程信息数据融合方法。

具体实施方式

下面结合附图对本发明进行详细的描述

本发明的基于视频合成孔径雷达的目标干涉测量方法，适用于机载双天线干涉SAR系统，包括以下步骤：

步骤1：首先对机载平台飞行相对平稳的时间内的子孔径成像先后顺序进行划分，划分间隔为成像最小积累时间，记为子孔径1，子孔径2，子孔径3…。

步骤2：对于每一个视频合成孔径雷达子孔径的成像结果进行以下处理：

步骤2-1：采用机载双天线方式进行干涉测量，每个子孔径内可以获得两幅SAR图像。需要先对子孔径中的主、辅SAR图像进行子像元级配准。图像配准是为精确生成子孔径的干涉图，获取可靠地干涉相位。

采用最小二乘匹配方法对子孔径中的主、辅SAR图像进行配准。为实现子像元级配准，需要先计算主、辅图像的相关系数进行计算。设单个子孔径内主、辅图像分别为f_i,j及g_i,j，则相关系数r(c,r)的计算公式为：

其中，f_i,j为主图像像元(i,j)的强度值；g_i+r,j+c为辅图像相应像元(i,j)处的强度值；

为主图像f_i,j的均值，

为辅图像g_i,j的均值；M,N分别为匹配窗口的长度和宽度。

主要思想是选择主图像中任意一个像元(x_i,y_j)，并以此为像元为中心，构建一个大小为M*M的匹配窗口，根据计算相关系数的公式，在辅图像中找到相关系数r(c,r)最大的点(x_i+r,y_j+c)，其图像强度值为g_i+r,j+c，并以此像元为中心，构造一个大小为N*N的搜索窗口。相关系数最大处得到的结果是在搜索区间内与像元(x_i,y_j)最为匹配的像元g_i+r,j+c，并以此像元建立一个搜索窗口，为进一步配准做准备。

最小二乘法匹配方法基于主、辅图像的强度，其匹配准则是主、辅图像强度差的平方和最小。

设主图像像元(x₁,y₁)处的强度值为

辅图像像元(x₂,y₂)处的强度值为

设h₀，h₁为主辅图像之间的辐射畸变参数，且

则基于最小二乘匹配方法要求满足∑vv最小，即求得参数h₀及h₁，使得下式

结果最小。此处可将相关系数最大处得到的像元的图像强度值作为初值，带入上式中，作为最佳匹配点；然后在上述的M*M的匹配窗口内选择不同于(x_i,y_j)的任一像元点(x_p,y_q)，不断重复最小二乘匹配方法，对于不同于(x_i,y_j)的任一像元点(x_p,y_q)，都会在搜索窗口内找到与(x_i,y_j)相关系数最大的点(x_p+e,y_q+f)，其图像强度值为g_p+e,q+f，最后选择最接近最佳匹配点的若干组结果，带入下面坐标变换公式中：

式中，a₀，a₁，a₂，b₀，b₁，b₂为几何畸变参数。将最大相关系数得到的匹配结果带入上式中，会得到多组方程组，将所有方程组联立，会得到多组几何畸变参数的值，将得到的参数值进行算术平均，得到最终的几何畸变参数。

对辅图像的所有像元坐标按照坐标变换公式进行变换，得到配准后的辅图像，这样配准后进行干涉得到的干涉图才是高质量的。但是经过配准的不同栅格的像元并不总是对齐的，因为像元大小可能不同，或者像元边界之间会有相对的偏移。当进行栅格合并时，空间分析必须为每一个输出像元指定对应的输入栅格的像元，所以要进行重采样，这样才能得到准确的相位信息。

步骤2-2：重采样及干涉图生成。干涉测量技术主要通过主辅图像的相位差值反演高程信息。相位差值的获得过程如下：先对主、辅图像进行精配准，对辅图像(或者主、辅图像同时)进行重采样，使每个像素点反映的是同一目标区域的相位信息，最后把主图像的复数值与辅图像的复数值进行共轭相乘，或者将主、辅图像的相位值相减，两方法完全相同，运算量相当，从而得到该子孔径的干涉图。

本次重采样方法采用双三次卷积法，该卷积核是一个三次样条函数，利用内差点附近的16个原始数据点进行计算，几何精度高。设采样点为P(x,y)，其中(x,y)是其坐标且都不是整数，而双三次插值的目的就是通过找到一种关系，或者说系数，可以把这16个像素对于P(x,y)处像素值的影响因子找出来，从而根据这个影响因子来获得目标图像对应点的像素值。计算时采用的卷积函数形式为

则重采样公式为

上式中，g(x,y)表示原采样点P(x,y)进行重采样之后的数值；g(i,j)，即g_ij表示采样点P(x,y)周围的16个点的强度值。W(i,j)，即W_ij表示对应位置的权值大小，数值矩阵g和权值矩阵W如下所示。

采样点P(x,y)周围16个点的权值计算公式如下所示：

其中，int(·)表示取整操作，△x与△y分别表示在采样点P(x,y)处的偏差值。

设主图像任一像元(x,y)的复数值为

其中a表示主图像的幅值，φ₁表示主图像的相位，相应的辅图像像元的复数值为

其中b表示辅图像的幅值，φ₂表示辅图像的相位，

代表f₂的共轭，则复数干涉图G的值为：

通常，复数干涉图的相位φ₁-φ₂称为干涉相位图或者干涉图。干涉相位图中的相位值只是相位差的主值，大小在[-π，+π)(或者[0，2π))区间内，这种现象称为相位缠绕，需要进行相位解缠才能够得到连续变化的干涉相位。

步骤2-3：子孔径干涉图滤波。干涉图质量是影响相位解缠和干涉处理效能的关键因素。有效的对干涉图进行滤波处理，去除干涉图中的大量相位噪声，对相位解缠来讲具有非常重要的意义。

本方法采用多视均值滤波方法，该方法可以很好地解决条纹边界处滤波的相位保持问题。多视均值滤波是对复数干涉图相邻像元的复数值进行平均，即

式中：S为(x,y)处进行多视均值滤波后的复数值，f₁(x,y)和f₂(x,y)分别与干涉图像元(x,y)处的主、辅图像的复数值；f₂ ^*(x,y)表示f₂(x,y)的共轭；

为滤波后的干涉相位。

步骤2-4：子孔径干涉图去平地效应。必须去除由于观测的几何关系以及实际观测的地形产生的相位差，才能得到纯粹反映观测地形的干涉图。

本方法采用干涉图乘以复相位函数去除，复相位以机载系统的飞行参数决定。复相位函数是关于地面相位的函数，选择一个参考平面，计算该参考平面的平地相位φ_G：

其中，λ为雷达的波长，B为两天线间的基线长，θ为主天线到目标的斜视角，α为主、辅天线间的水平夹角，B_⊥是主、副天线间的垂直距离。将干涉图中每一点的相位减去参考平面的平地相位，就可以去除平地效应的影响：

φ为去平地效应后的相位，

为进行干涉图滤波后的相位，从而可以得到去除平地相位的干涉相位φ：

其中，h代表目标的高度，以此可以根据相位信息反演目标的高程信息，达到干涉测量的目的。

步骤2-5：子孔径干涉图相位解缠。为通过干涉相位计算出地面目标的高程值，必须确定整幅干涉图中各个干涉相位之间相差的整周期数，即对干涉图进行相位解缠处理。基于机载平台测量范围较小的特点，本方法采用基于误差方程的最小二乘相位解缠法。

基于误差方程的最小二乘相位解缠是使模糊相位函数的离散偏微分与解缠相位函数的离散偏微分之差最小。设ψ和

分别为二维离散模糊相位函数和解缠相位函数，根据最小二乘原则可得纵向误差方程v_x及横向误差方程v_y为：

根据离散函数的微分计算方法，可将上式写为

式中，m,n分别是干涉图的横纵像元数，上式中的缠绕相位纵向一阶差分

和横向一阶差分

的相位差分值，需要按照下式进行修正处理：

然后根据干涉图中各个干涉相位值，可得误差方程组为V＝AΦ-L

则解缠结果为

Φ＝(A^ΤA)^-1A^ΤL

步骤2-6：高程信息获取。若以φ₀表示干涉相位偏置，△φ表示解缠后的干涉相位，λ表示视频合成孔径雷达波长，则斜距差△R为

相应地面目标的高程值h为

其中H是雷达距离参考地面的垂直距离，R是主天线到目标的斜距，θ为主天线到目标的斜视角，α为主、辅天线间的水平夹角，△R为两天线到目标的斜距之差，B为主、辅天线间的距离(即基线长度)。即可通过相位信息得到目标的高度信息，实现视频合成孔径雷达干涉测量。

步骤3：相邻孔径图像干涉，提高数据利用效率。对于相邻视频合成孔径雷达子孔径的成像结果进行以下处理：

对于机载视频合成孔径雷达系统，满足成像要求的方位向分辨率所需孔径合成时间极短，对机载平台来说，相邻子孔径的图像相干程度高，足以作为干涉测量数据。首先筛除机载平台飞行不稳定情况的子孔径图像，选择相对平稳状况下的子孔径图像。随后对相邻子孔径主、辅图像进行组合：选取某个子孔径i中主图像f_i(i,j)，同时选取前后相邻子孔径内的辅图像g_i-1(i,j)及g_i+1(i,j)，依次进行步骤2的操作，子孔径i会得到最多三组关于目标的高度数据h_i1,h_i2,h_i3，若子孔径得到的高度数据个数为3时，选取高度数据的中值作为子孔径的测量结果；若子孔径得到的高度数据个数为2时，选择高度数据的均值作为子孔径的测量结果，得到子孔径i最后的目标高程数据h_i，具体流程见附图3所示。

步骤4：数据筛选，得到最终高程信息。利用视频合成孔径雷达实时、多帧成像的优势，假设将一个大孔径切分成S个子孔径，每个子孔径通过上述步骤得到目标的高程数据h_i(i＝1,2,3…S)，此时由于步骤3对高程数据的筛选，子孔径得到的高程数据已较为准确，则最后得到的目标高程信息h为：

其中h为最终的目标高程信息，S为切分的子孔径的个数。

采用上述方法，具体流程如图1、图2、图3及图4所示。设定视频合成孔径雷达系统中心频率为220GHz，带宽为2GHz，设置雷达高度为1200m，以地面为参考平面，主、辅天线垂直放置，基线长度5m，机载雷达平台在预定轨道上做近似直线运动。将目标设置为一个山丘模型。对接收到的子孔径数据进行成像，每个子孔径内将得到主、辅两幅图像，按照上述步骤进行配准和相邻子孔径主辅图像配准，得到多组主辅图像，将每组主辅图像进行共轭相乘，得到干涉图，然后对干涉图进行滤波、去平地等操作，去除环境噪声及平地干扰，随后对得到的干涉图进行相位解缠，可计算出每组主辅图像得到的目标高程信息。对每个子孔径中的多组高程信息进行图4所示方式筛选、平均，得到最终的目标高程信息。

Claims (5)

1.一种基于视频合成孔径雷达的干涉测量方法，其特征在于，包括以下步骤：

S1、采用机载视频合成孔径雷达系统获取目标信息，将视频合成孔径雷达的大孔径切分成S个子孔径，采用机载双天线方式进行干涉测量，每个子孔径内可以获得两幅SAR图像，分别定义为主、辅图像；并对所有子孔径成像先后顺序进行划分，划分间隔为成像最小积累时间，记为子孔径1，子孔径2，子孔径3…子孔径S；

S2、对子孔径的成像结果进行以下处理：

S21、采用最小二乘匹配方法对子孔径中的主、辅图像进行配准，具体为：

设单个子孔径内主、辅图像分别为f_i,j及g_i,j，相关系数r(c,r)的计算公式为：

其中，f_i,j为主图像像元(i,j)的强度值；g_i+r,j+c为辅图像相应像元(i,j)处的强度值；

为主图像f_i,j的均值，

为辅图像g_i,j的均值；M,N分别为匹配窗口的长度和宽度；

选择主图像中任意一个像元(x_i,y_j)，并以此为像元为中心，构建一个大小为M*M的匹配窗口，根据计算相关系数的计算公式，在辅图像中找到相关系数r(c,r)最大的点g_i+r,j+c，并以此像元为中心，构造一个大小为N*N的搜索窗口；

设主图像像元(x₁,y₁)处的强度值为

辅图像像元(x₂,y₂)处的强度值为

设h₀，h₁为主辅图像之间的辐射畸变参数，且

则基于最小二乘匹配方法要求满足∑vv最小，即求得参数h₀及h₁，使得

结果最小，将相关系数最大处得到的像元的图像强度值作为初值，带入上式中，作为最佳匹配点；然后在上述的M*M的匹配窗口内选择不同于(x_i,y_j)的任一像元点(x_p,y_q)，不断重复最小二乘匹配方法，对于不同于(x_i,y_j)的任一像元点(x_p,y_q)，都会在搜索窗口内找到与(x_i,y_j)相关系数最大的点(x_p+e,y_q+f)，其图像强度值为g_p+e,q+f，最后选择最接近最佳匹配点的若干组结果，带入下面坐标变换公式中：

式中，a₀，a₁，a₂，b₀，b₁，b₂为几何畸变参数；将最大相关系数得到的匹配结果带入上式中，会得到多组方程组，将所有方程组联立，会得到多组几何畸变参数的值，将得到的参数值进行算术平均，得到最终的几何畸变参数；

S22、重采样及干涉图生成：对辅图像进行重采样，使每个像素点反映的是同一目标区域的相位信息，把主图像的复数值与辅图像的复数值进行共轭相乘，从而得到子孔径的干涉图；

S23、采用多视均值滤波方法对干涉图滤波；

S24、对干涉图去平地效应；

S25、对干涉图进行相位解缠；

S26、获取高程信息：以φ₀表示干涉相位偏置，△φ表示解缠后的干涉相位，λ表示视频合成孔径雷达波长，则斜距差△R为：

相应地面目标的高程值h为：

其中H是雷达距离参考地面的垂直距离，R是主天线到目标的斜距,θ为主天线到目标的斜视角，α为主、辅天线间的水平夹角，△R为两天线到目标的斜距之差，B为主、辅天线间的距离；

S3、相邻子孔径图像干涉：对相邻子空间主、辅图像进行组合，即选取某个子孔径i中主图像f_i(i,j)，同时选取前后相邻子孔径内的辅图像g_i-1(i,j)及g_i+1(i,j)，构成新的主、辅图像，再根据步骤S2的方法获得高程信息，子孔径i会得到最多三组关于目标的高程值h_i1,h_i2,h_i3，若子孔径得到的高程值个数为3时，选取中值作为子孔径的测量结果；若子孔径得到的高程值个数为2时，选择高程值的均值作为子孔径的测量结果，得到子孔径i最后的目标高程数据h_i；

S4、根据上述步骤获得所有子孔径的高程值h_i后，最终目标高程信息h为：

2.根据权利要求1所述的一种基于视频合成孔径雷达的干涉测量方法，其特征在于，步骤S22中所述重采样的具体方法为：

采用双三次卷积法，利用内差点附近的16个原始数据点进行计算，设采样点为P(x,y)，其中(x,y)是坐标且都不是整数，采用的卷积函数形式为：

重采样公式为：

其中，g(x,y)表示原采样点P(x,y)进行重采样之后的数值；g(i,j)，即g_ij表示采样点P(x,y)周围的16个点的强度值；W(i,j)，即W_ij表示对应位置的权值大小，数值矩阵g和权值矩阵W如下所示：

采样点P(x,y)周围16个点的权值计算公式如下所示：

其中，int(·)表示取整操作，△x与△y分别表示在采样点P(x,y)处的偏差值；

设主图像任一像元(x,y)的复数值为

其中a表示主图像的幅值，φ₁表示主图像的相位，相应的辅图像像元的复数值为

其中b表示辅图像的幅值，φ₂表示辅图像的相位，

代表f₂的共轭，则复数干涉图G的值为：

复数干涉图的相位φ₁-φ₂为干涉图。

3.根据权利要求2所述的一种基于视频合成孔径雷达的干涉测量方法，其特征在于，所述步骤S23的具体方法为对复数干涉图相邻像元的复数值进行平均，即：

其中，S为(x,y)处进行多视均值滤波后的复数值,f₁(x,y)和f₂(x,y)分别为干涉图像元(x,y)处的主、辅图像的复数值；f₂ ^*(x,y)表示f₂(x,y)的共轭；

为滤波后的干涉相位。

4.根据权利要求3所述的一种基于视频合成孔径雷达的干涉测量方法，其特征在于，所述步骤S24的具体方法为，采用干涉图乘以复相位函数去除平地效应，复相位函数是关于地面相位的函数，选择一个参考平面，计算该参考平面的平地相位φ_G：

其中，λ为雷达的波长，θ为主天线到目标的斜视角，α为主、辅天线间的水平夹角，B_⊥是主、副天线间的垂直距离，将干涉图中每一点的相位减去参考平面的平地相位，就可以去除平地效应的影响：

φ为去平地效应后的相位，

为进行干涉图滤波后的相位，得到去除平地相位的干涉相位φ：

5.根据权利要求4所述的一种基于视频合成孔径雷达的干涉测量方法，其特征在于，所述步骤S25的具体方法为，采用基于误差方程的最小二乘相位解缠法：

设ψ和

分别为二维离散模糊相位函数和解缠相位函数，根据最小二乘原则可得纵向误差方程v_x及横向误差方程v_y为：

根据离散函数的微分计算方法，将上式写为：

式中，m,n分别是干涉图的横纵像元数，上式中的缠绕相位纵向一阶差分

和横向一阶差分

的相位差分值，按照下式进行修正处理：

然后根据干涉图中各个干涉相位值，得误差方程组为：

V＝AΦ-L

得到解缠结果为：

Φ＝(A^ΤA)^-1A^ΤL。

Images