CN115951350A - 永久散射体点提取方法、装置、设备及介质 - Google Patents

Abstract

本发明公开一种永久散射体点提取方法、装置、设备及介质，所述方法通过获取多幅不同时相的SAR影像，并对不同时相的SAR影像进行多级配准；其中，所述多级配准中的精配准算法包括相干系数拟合法，且相干系数拟合方向为SAR影像中的线性区域的切线矢量方向；将配准后的主影像所在的线性区域进行影像分割，得到超影像；最后进行每一超像素中的PS候选点的选取，直至选取的PS候选点满足相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点，所述方法能有效克服传统PS点提取算法在线性区域提取PS点分布不均和密度低的缺陷，显著提高地表形变检测精度。相应地，本发明还提供一种永久散射体点提取装置、终端设备和介质。

Description

永久散射体点提取方法、装置、设备及介质

技术领域

本发明涉及地表形变检测技术领域，尤其涉及一种永久散射体点提取方法、装置、设备及介质。

背景技术

永久散射体差分干涉测量(英文全称为Persistent Scatter Interferometry,英文简称为PSI)是一项新兴的遥感科学技术，具有大面积、长周期、高精度的地表形变监测能力，其中通过时序分析提取得到的永久散射体点(英文全称为Persistent Scatter，本申请中将其定义为PS点)的数量和密度是决定永久散射体合成孔径雷达干涉测量(英文全称为Persistent Scatterer Interferometric Synthetic Aperture Radar，简称为PS-InSAR)技术进行地表形变检测精度的关键，现有的PS点提取和加密方法主要有以下几类：

(1)相位模拟法：通过对时间序列向干涉相位进行模拟，以判断地物目标的相位稳定性从而提取出PS点的方法。

(2)相位分析法：从差分干涉相位信息入手，通过一系列滤波运算和迭代运算后，再结合相干指标参数，如相干系数、时间相干系数和综合相干系数等对地物相干性的稳定程度进行评价，达到PS点选取的目的。

上述PS点提取算法能有效提取SAR影像中的PS点，然而，当SAR影像中存在线性区域时(所谓线性区域是指影像中的感兴趣区域为如地铁、道路这类连续的线形物体的区域)，以上方法对于线性区域的PS点提取存在不足，主要体现在得到的PS点较小概率落在线性区域上，导致PS点密度低，从而导致线性区域的PSInSAR形变检测精度低。

发明内容

本发明实施例多个方面提供一种永久散射体点提取方法、装置、设备及介质，能有效克服传统PS点提取算法在线性区域提取PS点分布不均和密度低的缺陷，显著提高后续PSInSAR用于线性区域的地表形变检测精度。

本发明实施例第一方面提供永久散射体点提取方法，包括：

获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像；

对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向；

将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；

进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。

本发明实施例第二方面提供一种永久散射体点装置，包括：

获取模块，用于获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像；

配准模块，用于对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向；

分割模块，用于将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；

选取模块，用于进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。

本发明实施例第三方面提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面提供的永久散射体点提取方法。

本发明实施例第四方面提供一种存储介质，包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如上述第一方面提供的永久散射体点提取方法。

与现有技术相比，本发明实施例提供的永久散射体点提取方法通过获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像；并对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向；接着，将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；最后，进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。本发明实施例能有效克服传统PS点提取算法在线性区域提取PS点分布不均和密度低的缺陷，显著提高后续PSInSAR用于线性区域的地表形变检测精度。相应地，本发明实施例还提供一种永久散射体点提取装置、终端设备和介质。

附图说明

图1是本发明实施例提供的永久散射体点提取方法的流程示意图；

图2是本发明实施例提供的一种多级配准的流程示意图；

图3是本发明实施例提供的一种相干系数拟合法得到子像元级的配准偏移量的示意图；

图4是本发明实施例提供的相关系数拟合过程中拟合方向的示意图；

图5是本发明实施例提供的超影像分割算法与标准K均值算法进行影像搜索的对比图；

图6是本发明实施例提供的PS点筛选和提取的流程示意图；

图7是本发明实施例提供的一种基于星历参数和DEM数据去除干涉相位中的平地相位流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

对本申请中出现的相关术语进行说明：

影像配准：给定主影像中的某一点，寻找对应于对面上同一点的辅影像中的同一点。

同名点：地面上同一个点在不同影像上成的像点。

方位向、距离向：方位向是指行方向，距离向是指列方向。

相干性：是指两幅图像的相干程度，相干性是衡量InSAR影像对处理效果的指标，相干性的高低决定了干涉条纹的质量，从而决定了干涉处理的结果SAR影像干涉处理以影像之间的相干性为基础。因此，在本申请中利用相干性指标进行干涉像对的选取，并确定选取的候选PS点的可行性。

子像元级：指相邻两像素之间细分情况。输入值通常为二分之一，三分之一或四分之一。这意味着每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。例如，如果选择四分之一，就相当于每个像素在横向和纵向上都被当作四个像素来计算。因此，如果一张5x5像素的图像选择了四分之一的亚像素精度之后，就等于创建了一张20x20的离散点阵，进而对该点阵进行插值。

参见图1，图1是本发明实施例提供的永久散射体点提取方法的流程示意图。本发明实施例提供的永久散射体点提取方法，包括步骤S11～S14：

S11、获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像。

S12、对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向。

S13、将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；

S14、进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。

基于上述实施例提供的技术方案，其通过获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像；并对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向；接着，将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；最后，进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。本发明实施例能有效克服传统PS点提取算法在线性区域提取PS点分布不均和密度低的缺陷，显著提高后续PSI nSAR用于线性区域的地表形变检测精度。

在一种可选的实施方式中，所述精配准具体包括：

在SAR影像粗配准的基础上，对SAR影像进行过采样；

对完成过采样的SAR影像进行相干系数拟合，完成精配准。

在一种可选的实施方式中，所述相干系数拟合法具体包括：

在SAR影像粗配准的基础上，以配准得到的像元位置为中心，对其邻域范围内的各像素点中心所在的位置处的相关系数进行曲面拟合，其中，曲面的拟合方向为所述线性区域的切线矢量方向；

沿着线性区域当前的切线矢量方向寻找相干系数最大值，获取相干系数最大值对应的位置作为子像元级的匹配点，完成精配准。

具体的，拟合方向指的是拟合曲面的法线，拟合方向决定了拟合曲面的质量，本申请中考虑了线性区域的特性，将曲面的拟合方向设置为线性区域的切线矢量方向(及切线方向)，以获得最佳的曲面，进而可以由所拟合曲面的峰值得到亚像素坐标，得到子像元级偏移量，以完成精配准。

本实施例在具体实施时，多级配准包括从粗配准到子像元级精配准的配置策略，多级配准流程可参见图2。其中，粗配准阶段主要是为了得到主图像与辅图像间的偏移，可以采用用户在两幅影像上选择一个同名点，然后分别得到该点在各自影像上的坐标，将坐标相减就可以得到两幅影像的偏移值。在粗配准后，可以进行像元级的配准，之后再进行子像元级精配准。

下面对各个配准阶段进行详细说明。

粗配准阶段主要是为了得到主图像与辅图像间的偏移，在一种实施方式中可以通过如下公式计算得到：

p_sla(m,n)＝p_mas(m,n)+offset(m,n)                (1)

式中,p_mas(m,n)表示主影像上一点，p_sla(m,n)为辅影像同名点，offset(m,n)表示主影像与辅影像之间的偏移量。

该偏移量的精度要求在30像素以内，可以在两幅待配准的影像上选择一个同名点，然后分别得到该点在主辅影像上的坐标，将坐标相减就可以得到两幅影像的偏移值。

在另一种实施方式中，粗配准阶段还可通过成像的轨道信息自动计算两幅影像间的偏移值，方法的实现过程如下所述：

步骤A、利用R-D成像几何模型(式(2))，首先计算主影像中心点对应的地面坐标，然后求出地面点在辅图像上的对应点的坐标，从式(1)解得主图像与辅图像的偏移，方程中的相关参数通过影像的头文件获取。

步骤B、得到主影像中心点配准偏移量的具体过程如下:

B-1、根据主影像中心点的影像坐标(行列号已知)和SAR影像头文件信息直接计算得到对应地面点的地理坐(X_s,Y_s,Z_s).

B-2、迭代求解(X_s,Y_s,Z_s),对应辅影像成像点的方位向时间T_a：方位向时间的解求主要是运用迭代逼近的方法，迭代的基础是式(2)中的多普勒方程E2，通过对多普勒方程和其微分后方程的比值作为方位向时间T_a的改正数，通过迭代累加的方式得到精确的方位向时间。具体的步骤包括：1)T_a初始化为SAR成像时刻的均值；2)计算卫星和地面点的相对位置矢量S_sp；3)计算卫星速度矢量V_S；4)计算卫星加速度矢量A_a；5)计算多普勒方程F_t＝S_spV_S，并对F_t关于t求偏微分f_t＝V_SV_S+A_aS_sp，得到T_a改正数为ΔT＝-F_t/f_t；6)如果ΔT大于某个阈值(一般设置为10^e-15)，或者未达到迭代次数上限(可设置为10)，迭代继续下去，将ΔT改正到T_a上，进行新一次的迭代；6)满足迭代终止条件，即可得到精确的T_a。

B-2、(X_s,Y_s,Z_s)对应辅影像成像点的距离向时间计算T_r：距离方程主要依据精确的卫星位置矢量和大地点位置矢量，以及式(2)中的距离方程E1。利用距离方程求得真实的星地斜距R，进而由电磁波传播速度C和时间的关系得到距离向时间T_r，即T_r＝R/C。

B-3、得到方位向时间T_a和距离向时间T_r后，根据SAR影像头文件的成像参数即可得到主影像中心点对应地面点在辅影像的成像坐标，最终得到主影像和辅影像坐标的偏移量。

像元级配准阶段主要是获得像元级配准偏移量，可采用过采样进行像元配准。在本实施例中采用基于移动窗口搜索的像元级配准。基于移动窗口搜索的像元级配准主要根据粗匹配结果在辅图像上选取搜索窗口，然后根据配准评价指标计算两个窗口的相似程度，通过移动搜索窗和一致性检验剔除粗差得到像元级配准偏移量，具体包括：

步骤a、待配准点的选取

根据需要匹配的点数以及粗匹配得出的重叠区域大小，在主影像上均匀划分窗口，以窗口的中心点作为待配准的点。

步骤b、配准评价指标的计算

对于每一个待配准点，根据搜索范围(一般为30*30个像元)和匹配窗口的大小，在搜索窗口内计算配准评价参数，通常为了加快计算速度，选择相关系数作为配准评价参数，相关系数最大的点即为匹配点。其中，相关系数的计算如下：

式中，corr为相关系数；g_i,j,g'_i+r.j+c分别为主影像、辅影像对应点处的振幅强度；m,n为匹配窗的大小，r,c为粗匹配的偏移量。

步骤c、匹配点一致性检验

利用窗口来进行相关估计，结果往往是有偏的，使得配准结果会产生偏差，再加上SAR影像斑点噪声的影响导致相关性最大的点不一定是最佳匹配点。为此需对匹配点进行一致性检验，保证多数点的偏移量保持一致，去除其中的明显误差。

通常一致性检验可以这样来进行：设定相干系数阈值，将相干系数大于该相干系数阈值的匹配点的偏移量按照最小距离法进行聚类，得到聚类中心的值，同时以聚类中心为球心，所有小于某个半径的点的个数计算“聚集度”。如果“聚集度”小于给定的阈值(如总的有效匹配点数目的一半)，表示配准失败，否则，将大于半径的点为粗差点予以剔除。

子像元级精配准阶段是为了获得精度更小的偏移值，在本发明实施例中，子像元级配准采用相关系数拟合法，并针线性区域的特点，引入线性区域切线矢量方向作为相干系数拟合方向，可提高线性区域相干性。相干系数拟合法并不是对像素本身进行过采样，而是对周围像元的相干系数值同一个平差函数联系起来从而求得函数的最大值作为寻求的同名点，具体包括如下步骤：

步骤(1)，在过采样的SAR影像像元的基础上，以配准得到的像元位置为中心，获取其邻域范围内的各像素点中心所在的位置处的相关系数。

步骤(2)，对邻域范围内的相关系数进行曲面拟合，如图3所示，邻域范围内有5个相干系数，对这5个相干系数用一个二次抛物面方程拟合，设抛物面的一般方程为:

f(S)＝A+B·S+C·S²                 (4)

式中，S为自变量，A，B，C均为参数，可用间接平差法求得。此时抛物线顶点k处的地址应为：

k＝i-B/(2·C)                     (5)

当取相邻三个像元的相干系数进行抛物线拟合时，可得方程组：

其中ρ_i-1，ρ_i，ρ_i+1，为相干系数。坐标系平移至i点，由上式得：

A＝ρ_i

B＝(ρ_i+1-ρ_i-1)/2

C＝(ρ_i+1-2ρ_i+ρ_i-1)/2               (7)

则

步骤(3)，基于相干系数拟合的精配准方法实质是上述理论的二维延伸，二维曲线拟合是数学求解的过程，在具体实施中常通过插值的方式实现，因此基于相干系数拟合的精配准方法基本思路是插值二维邻域范围内的相干系数值，实现相干系数的二维曲线拟合，从而求得最佳的匹配位置。

邻域范围内插值相干系数的具体计算公式为：

式中，z_ij为相干系数值，z(x,y)为插值后的相关系数值。以一定的像元的间距(例如0.001像素)插值相干系数，相干系数插值完成后，沿着线性区域当前的切线矢量方向(即切线方向)寻找相干系数最大值(即所拟合曲面的峰值)，最大相干系数对应的位置就是更精确的配准位置，这种方式可有效提升其矢量方向的配准精度，减少空间去相干的影响，从而可能得到更多的PS候选点。

对于线性区域而言，通过线性区域中心线定义其切线矢量方向Θ，如图4，则：

式中，(x_i，y_i)，(x_i+1，y_i+1)分别为线性区域中心线当前点P和下一点Q的坐标。

在一种可选的实施方式中，所述将配准后的主影像进行影像分割，得到SAR影像同质区域，具体包括：

采用超像素分割算法(又名SLIC算法)对配准后的主影像进行分割，得到SAR影像同质区域。

本实施例中，采用超像素分割算法对对配准后的主影像进行超影像分割的具体步骤包括：

S131、初始化种子点(聚类中心)，按照设定的超像素个数，在图像内均匀的分配种子点。假设图片总共有N个像素点，预分割为K个相同尺寸的超像素，那么每个超像素的大小为N/K，则相邻种子点的距离(步长)近似为S＝sqrt(N/K)。

S132、在种子点的n*n邻域内重新选择种子点(一般取n＝3)。具体方法为：计算该邻域内所有像素点的梯度值，将种子点移到该邻域内梯度最小的地方。这样做的目的是为了避免种子点落在梯度较大的轮廓边界上，以免影响后续聚类效果。

S133、在每个种子点周围的邻域内为每个像素点分配类标签(即属于哪个聚类中心)。与标准的K均值算法在整张图中搜索不同，SLIC的搜索范围限制为2S*2S，可以加速算法收敛，见如图5，此时期望的超像素尺寸为S*S，但是搜索的范围是2S*2S。

S134、距离度量。包括颜色距离和空间距离。对于每个搜索到的像素点，分别计算它和该种子点的距离。距离计算方法如下：

其中，d_c代表颜色距离，对于SAR影像而言，颜色通道分量(a_i，b_i)和(a_j，b_j)分别代表当前像素点和种子点的振幅强度和相位值。d_s代表空间距离，N_s是类内最大空间距离，定义为

适用于每个聚类。最大的颜色距离N_c既随图片不同而不同，也随聚类不同而不同，取一个固定常数m(取值范围[1,40],一般取10)代替。最终的距离度量D'如下：

S135、迭代优化。上述步骤不断迭代直到误差收敛(可以理解为每个像素点聚类中心不再发生变化为止)。

S136、增强连通性。经过上述迭代优化可能出现以下瑕疵：出现多连通情况、超像素尺寸过小，单个超像素被切割成多个不连续超像素等，这些情况可以通过增强连通性解决。主要思路是：新建一张标记表，表内元素均为-1，按照“Z”型走向(从左到右，从上到下顺序)将不连续的超像素、尺寸过小超像素重新分配给邻近的超像素，遍历过的像素点分配给相应标签，直到所有像素点遍历完毕为止，遍历完毕后SAR影像分割完成。

在一种可选的实施方式中，所述相关指标参数包括相干系数和振幅离差，则所述进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点，具体包括：

设置相干系数和振幅离差的阈值；

选取所述超像素内振幅离差大于振幅离差阈值且相干系数大于相干系数阈值的像素点作为PS候选点；

当在所述超像素中选取出的PS候选点密度大于等于预设的PS点密度阈值时，将每一所述超像素当前筛选出的所有PS候选点作为最终PS点；

当在所述超像素中选取出的PS候选点密度小于所述PS点密度阈值时，修改所述振幅离差阈值和所述相干系数阈值，并根据修改后的振幅离差阈值和修改后的相干系数阈值进行PS候选点的选取，直至选取出的PS候选点密度满足所述PS点密度阈值。

本实施例中，上述步骤的实施过程可参见图6，包括：

S41、基于主影像和辅影像的配准结果，生成差分干涉图，包括：

对主影像和辅影像进行多时相差分干涉(DInSAR)处理，包括：

DEM重采样：获取外部DEM数据(可用数据源有GOTOPO30(1Km分辨率)，SRTM(3弧度分辨率))，并将DEM从采样至干涉图像像元大小；

去平地效应：基于多普勒，斜距和椭球方程将DEM数据转换到干涉相对的坐标系统中并模拟平地相位并将将其从干涉相位中去除的过程，具体流程图为图7；

S42、设置振幅离差阈值；基于生成的差分干涉图，计算干涉图中每一超像素内的像素点的幅离差，并选取振幅离差大于振幅离差阈值的像素点作为PS初选点。

S43、基于PS初选点建立干涉相位模型如下：

Δφ_i＝φ_{topo_ε_i}+φ_{def_i}+φ_{atm_i}+φ_{noise_i}               (14)

干涉相位模型包含了干涉相位中主要的三部分，即形变相位φ_{def_i}，DEM误差相位φ_{topo_ε_i}以及大气延迟相位φ_atm(x,y)，剩余部分为噪声相位φ_{noise_i}，通过设置一定的阈值，将选取的PS候选点连成空间上相互连通的稀疏网络，假设相邻点分别为x，y，则两点之间的相位梯度模型可以表示为：

Δφ_diff(x,y)＝Δφ_{topo_ε}(x,y)+Δφ_linear(x,y)+Δφ_non-linear(x,y)+Δφ_atm(x,y)+Δφ_noise(x,y)  (15)

式中，Δφ_{topo_ε_i},Δφ_atm(x,y),Δφ_{noise_i}分别表示DEM误差相位梯度、大气延迟相位梯度和噪声相位梯度，Δφ_linear(x,y),Δφ_non-linear(x,y)分别表示形变相位梯度Δφ_{def_i}的线性形变相位部分和非线性形变相位部分。

S44、求解PS初选点的形变相位、DEM误差相位以及大气延迟相位，即解算式(15)的过程。解算式(15)是一个非常复杂的线性过程，很难直接求解得到相邻点之间的形变相位。运用干涉获取形变的终极目标是获取形变相位，可以把形变相位称为有效相位，则有：

Δφ_atm(x,y)+Δφ_noise(x,y)＝Δφ_diff(x,y)-Δφ_{topo_ε}(x,y)-Δφ_linear(x,y)-Δφ_non-linear(x,y)(16)

对于相邻点的PS初选点来说，Δφ_non-linear(x,y)很小，对整体结果影响不大，可以认为是噪声，因此，上式可以转换为：

Δω(x,y)＝Δφ_diff(x,y)-(Δφ_{topo_ε}(x,y)+Δφ_linear(x,y))            (17)

当相邻点之间的残余相位足够小时，一般认为相邻点在时序差分干涉图集(即多个不同时相的差分干涉图)中的大部分相位能够满足(-π,π]，则可以进行相位解缠。通过在所有时序差分干涉图中迭代搜索，满足所有干涉图的整体相干性保持最高时所取得的作为DEM误差相位和线性形变相位的最优估计。采用加权的最小二乘方法，通过选取某一PS初选点作为参考点，遍历稀疏网络，可以进行相位解缠，由此可以定义相干系数γ_s作为权重指标：

式中，γ_s的取值范围在[0，1]，它可用来评价相位离散度，对于一个PS候选点来说，当其在所有干涉图上的相位离散度低的时候，γ_s接近1。因此通过最大化γ_s来求得线性形变速率和DEM误差。

S45、滤波分离PS初选点的大气延迟相位：从差分干涉相位中减去形变相位和高程误差相位后的残余相位中包含了大气延迟影响相位和非线性形变和噪声相位。通过对大气影响相位和非线性形变的时间和空间信号属性进行相应的滤波，即可将二者分离开来。大气影响相位在时间维上是随机的，属于高频信号，在空间维上是连续的，属于低频信号；而非线性形变相位在时间维上是低频信号，通过时间和空间维上的高频和低频滤波将两者分离。对于点目标而言，N幅图像残余相位的均值

作为主影像的大气相位估计。将

在时间维上的低通部分作为非线性形变的估计。

S46、迭代筛选PS初选点得到PS候选点：通过插值算法将PS候选点的大气延迟相位还原到原始雷达图像的分辨率尺度，成为大气相位屏。差分干涉相位减去大气相位屏后，利用时序差分干涉模型，对所有的像素点进行分析，重复上述步骤，当像素点的γ_s值满足设定的相干性阈值时确定为PS候选点，得到PS点集。

S47、根据步骤S46得到PS点集的数量和密度不断调整步骤S42中的振幅离差阈值和步骤S44中的相干性阈值γ_s，使得PS点集密度在每个超像素内均超过设定阈值。

相应地，本发明实施例还提供一种永久散射体点提取装置，包括：

获取模块，用于获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像；

配准模块，用于对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向；

分割模块，用于将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；

选取模块，用于进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。

在一种可选的实施方式中，所述相干系数拟合法具体包括：

在SAR影像粗配准的基础上，以配准得到的像元位置为中心，对其邻域范围内的各像素点中心所在的位置处的相关系数进行曲面拟合，其中，曲面的拟合方向为所述线性区域的切线矢量方向；

沿着线性区域当前的切线矢量方向寻找相干系数最大值，获取相干系数最大值对应的位置作为子像元级的匹配点，完成精配准。

在一种可选的实施方式中，所述相关指标参数包括相干系数和振幅离差，则所述进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点，具体包括：

设置相干系数和振幅离差的阈值；

选取所述超像素内振幅离差大于振幅离差阈值且相干系数大于相干系数阈值的像素点作为PS候选点当在所述超像素中选取出的PS候选点密度大于等于预设的PS点密度阈值时，将每一所述超像素当前筛选出的所有PS候选点作为最终PS点；

当在所述超像素中选取出的PS候选点密度小于所述PS点密度阈值时，修改所述振幅离差阈值和所述相干系数阈值，并根据修改后的振幅离差阈值和修改后的相干系数阈值进行PS候选点的选取，直至选取出的PS候选点密度满足所述PS点密度阈值。

本发明实施例还提供一种终端设备，实施例的终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的永久散射体点提取方法的步骤S11到步骤S14。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如获取模块、配准模块、分割模块和选取模块。

示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述永久散射体点提取装置/终端设备中的执行过程。

所述永久散射体点提取装置/终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述永久散射体点提取装置/终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是永久散射体点提取装置/终端设备的示例，并不构成对永久散射体点提取装置/终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述永久散射体点提取装置/终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述永久散射体点提取装置/终端设备的控制中心，利用各种接口和线路连接整个永久散射体点提取装置/终端设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述永久散射体点提取装置/终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

其中，所述永久散射体点提取装置/终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。

本发明实施例还相应提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行上述永久散射体点提取方法的步骤S11到步骤S14。

所述存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种永久散射体点提取方法，其特征在于，包括：

获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像；

对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向；

将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；

进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。

2.如权利要求1所述的永久散射体点提取方法，其特征在于，所述相干系数拟合法具体包括：

在SAR影像粗配准的基础上，以配准得到的像元位置为中心，对其邻域范围内的各像素点中心所在的位置处的相关系数进行曲面拟合，其中，曲面的拟合方向为所述线性区域的切线矢量方向；

沿着线性区域当前的切线矢量方向寻找相干系数最大值，获取相干系数最大值对应的位置作为子像元级的匹配点，完成精配准。

3.如权利要求1所述的永久散射体点提取方法，其特征在于，所述相关指标参数包括相干系数和振幅离差，则所述进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点，具体包括：

设置相干系数和振幅离差的阈值；

选取所述超像素内振幅离差大于振幅离差阈值且相干系数大于相干系数阈值的像素点作为PS候选点；

当在所述超像素中选取出的PS候选点密度大于等于预设的PS点密度阈值时，将每一所述超像素当前筛选出的所有PS候选点作为最终PS点；

当在所述超像素中选取出的PS候选点密度小于所述PS点密度阈值时，修改所述振幅离差阈值和所述相干系数阈值，并根据修改后的振幅离差阈值和修改后的相干系数阈值进行PS候选点的选取，直至选取出的PS候选点密度满足所述PS点密度阈值。

4.如权利要求1所述的永久散射体点提取方法，其特征在于，所述将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域，具体包括：

采用超像素分割算法对配准后的主影像所在的线性区域进行分割，得到SAR影像同质区域。

5.如权利要求1所述的永久散射体点提取方法，其特征在于，所述精配准具体包括：

在SAR影像粗配准的基础上，对SAR影像进行过采样；

对完成过采样的SAR影像进行相干系数拟合，完成精配准。

6.一种永久散射体点提取装置，其特征在于，包括：

获取模块，用于获取对研究区域拍摄得到的多幅不同时相的SAR影像，并在多幅SAR影像中确定主影像和辅影像；

配准模块，用于对所述辅影像和所述主影像进行SAR影像的多级配准，以将配准结果配准到主影像上；其中，所述多级配准包括粗配准和精配准，所述精配准所采用的配准算法包括相干系数拟合法，且相干系数拟合方向为所述SAR影像中的线性区域的切线矢量方向；

分割模块，用于将配准后的主影像所在的线性区域进行影像分割，得到SAR影像同质区域；

选取模块，用于进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点。

7.如权利要求6所述的永久散射体点提取装置，其特征在于，所述相干系数拟合法具体包括：

在SAR影像粗配准的基础上，以配准得到的像元位置为中心，对其邻域范围内的各像素点中心所在的位置处的相关系数进行曲面拟合，其中，曲面的拟合方向为所述线性区域的切线矢量方向；

沿着线性区域当前的切线矢量方向寻找相干系数最大值，获取相干系数最大值对应的位置作为子像元级的匹配点，完成精配准。

8.如权利要求6所述的永久散射体点提取装置，其特征在于，所述相关指标参数包括相干系数和振幅离差，则所述进行所述SAR影像同质区域中每一超像素中的PS候选点的选取，直至选取的PS候选点满足预设的相关指标参数阈值条件且选取出的PS候选点密度满足预设的PS点密度阈值，得到最终PS点，具体包括：

设置相干系数和振幅离差的阈值；

选取所述超像素内振幅离差大于振幅离差阈值且相干系数大于相干系数阈值的像素点作为PS候选点当在所述超像素中选取出的PS候选点密度大于等于预设的PS点密度阈值时，将每一所述超像素当前筛选出的所有PS候选点作为最终PS点；

当在所述超像素中选取出的PS候选点密度小于所述PS点密度阈值时，修改所述振幅离差阈值和所述相干系数阈值，并根据修改后的振幅离差阈值和修改后的相干系数阈值进行PS候选点的选取，直至选取出的PS候选点密度满足所述PS点密度阈值。

9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的永久散射体点提取方法。

10.一种存储介质，其特征在于，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至5中任意一项所述的永久散射体点提取方法。

Images