CN117724102A - 一种结合ekfpu的mcf相位解缠方法及系统 - Google Patents

Abstract

本发明公开一种结合EKFPU的MCF相位解缠方法及系统，涉及相位解缠技术领域，方法包括：对目标干涉图数据进行最小费用流相位解缠以得到初始解缠结果；将初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点进行阈值判断，以确定误差点集合；确定初始待解缠像元及初始已解缠像元；确定初始待解缠像元所处误差区域的相位梯度，并建立扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，进而确定真实解缠结果；将真实解缠结果对应的误差区域更新标记为非误差区域，直至误差区域集合为空集时，将各个非误差区域对应的初始解缠结果或真实解缠结果进行合并，得到最终解缠结果。本发明提高了最小费用流相位解缠算法的适用性和精确性。

Description

一种结合EKFPU的MCF相位解缠方法及系统

技术领域

本发明涉及相位解缠技术领域，特别是涉及一种结合EKFPU的MCF相位解缠方法及系统。

背景技术

相位解缠是干涉合成孔径雷达InSAR处理的重要环节，其结果的优劣直接影响到地形测量的精度。受限于合成孔径雷达的成像和处理方式，直接利用影像获得的干涉图一般含有较大的噪声，局部相位残差点的增多会形成不可靠数据斑块，使该区域相位解缠出现漏解或错解，导致InSAR图像恢复失败，从而影响到形变提取的精度。因此，提高相位解缠精度是InSAR处理中提高形变精度的重要环节。

相位解缠是通过在解缠路径上进行积分从而还原真实目标信息。当干扰因素少、相位质量高时能很好的还原真实相位信息，当干扰因素多时误差会通过积分进行积累与传播，得到的相位数据与真实数据会有较大的差异。现有相位解缠方法主要分为路径跟踪解缠法、最小范数解缠法和网格规划解缠法三大类。路径跟踪法是通过设置合适的积分路径，将误差限制在一定区域内，防止相位误差全局传递，这种方法涵盖了经典的Goldstein枝切法、质量图引导法、最小不连续法等。枝切法是利用残差点的连接得到枝切线，最后沿着枝切线进行积分得到解缠结果，但枝切法易出现孤岛现象。质量图引导法是在质量图的引导下确定积分路径，这种算法对干涉图质量要求较高。最小范数法是将相位解缠转换成数学上的最小范数问题，其常用的是最小二乘法，但这种方法穿过残差点会造成误差的全局传递。网格规划法是将相位解缠问题转化为求解费用流的网络优化问题，主要有最小费用流和统计费用流等，但这种方法噪声会沿着积分路径传递，结果会出现尖峰毛刺现象。

发明内容

本发明的目的是提供一种结合EKFPU的MCF相位解缠方法及系统，有效提高最小费用流MCF相位解缠算法的适用性和精确性。

为实现上述目的，本发明提供了如下方案。

第一方面，本发明提供一种结合EKFPU的MCF相位解缠方法，包括以下步骤。

对目标干涉图数据进行最小费用流相位解缠，以得到初始解缠结果。

将所述初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点，进行阈值判断，以确定误差点集合。

基于所述误差点集合，将所述目标干涉图数据划分为非误差区域集合及误差区域集合；所述误差区域集合中每个误差区域包括误差点及对应的8邻域内所有相邻像素点。

基于所述误差区域集合，确定初始待解缠像元及初始已解缠像元。

确定所述初始待解缠像元所处误差区域的相位梯度，并建立扩展卡尔曼滤波相位解缠的状态空间方程及观测方程。

基于所述扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，根据所述初始待解缠像元及所述初始已解缠像元进行相位解缠，以确定真实解缠结果。

将所述真实解缠结果对应的误差区域，更新标记为非误差区域，然后对下一误差区域进行扩展卡尔曼滤波相位解缠，直至所述误差区域集合为空集时，将各个非误差区域对应的初始解缠结果或真实解缠结果进行合并，以得到最终解缠结果。

第二方面，本发明提供一种结合EKFPU的MCF相位解缠系统，包括以下模块。

初始解缠模块，用于对目标干涉图数据进行最小费用流相位解缠，以得到初始解缠结果。

误差点确定模块，用于将所述初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点，进行阈值判断，以确定误差点集合。

误差区域确定模块，用于基于所述误差点集合，将所述目标干涉图数据划分为非误差区域集合及误差区域集合；所述误差区域集合中每个误差区域包括误差点及对应的8邻域内所有相邻像素点。

解缠像元确定模块，用于基于所述误差区域集合，确定初始待解缠像元及初始已解缠像元。

相位解缠方程确定模块，用于确定所述初始待解缠像元所处误差区域的相位梯度，并建立扩展卡尔曼滤波相位解缠的状态空间方程及观测方程。

真实解缠结果确定模块，用于基于所述扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，根据所述初始待解缠像元及所述初始已解缠像元进行相位解缠，以确定真实解缠结果。

最终解缠结果确定模块，用于将所述真实解缠结果对应的误差区域，更新标记为非误差区域，然后对下一误差区域进行扩展卡尔曼滤波相位解缠，直至所述误差区域集合为空集时，将各个非误差区域对应的初始解缠结果或真实解缠结果进行合并，以得到最终解缠结果。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明公开一种结合EKFPU的MCF相位解缠方法及系统，首先对目标干涉图数据进行最小费用流（MCF，MinimumCost Flow）相位解缠，以实现初步的相位解缠，得到初步解缠结果；然后将初始解缠结果中任一像素点及其8邻域内所有相邻像素点，进行误差点判断，确定误差点集合；然后基于误差点集合将目标干涉图划分为非误差区域集合及误差区域集合。之后利用扩展卡尔曼滤波（EKFPU，Extended Kalman Filter）的方法对目标干涉图中的误差区域的误差点进行重建，获得真实解缠结果。最后，将目标干涉图中各像素点对应的初始解缠结果（即目标干涉图中的非误差区域对应的解缠结果）或真实解缠结果（即目标干涉图中误差区域进行解缠后得到的结果）进行合并，以得到最终解缠结果。本发明方法有效提高了MCF方法的适用性和精确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明结合EKFPU的MCF相位解缠方法的流程示意图。

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做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。

针对当前最小费用流MCF相位解缠算法在相位图像存在严重噪声时解缠效果较差，易出现尖峰毛刺现象的问题，本发明提供了一种结合EKFPU的MCF相位解缠方法及系统，对基于最小费用流MCF解缠的预估真实相位进行误差点判断，之后利用扩展卡尔曼滤波EKFPU的方法对误差点进行重建，获得最终估计的真实相位，以有效提高MCF方法的适用性和精确性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一：如图1所示，本发明提供一种结合EKFPU的MCF相位解缠方法，包括以下各个步骤。

步骤100，对目标干涉图数据进行最小费用流相位解缠，以得到初始解缠结果。MCF相位解缠技术主要是通过在全局范围内搜索路径和最短枝切求得最小化问题的最优解以进行相位解缠。对于大小为M×N的目标干涉图格数据，设和/>分别表示绝对相位和缠绕相位，则有如下公式。

。其中，n为整数且/>，相位解缠过程就是到/>的过程。

定义相邻像素点的差分估计，函数公式如下。

。

。

其中，为第i+1行第j列像素点的绝对相位，/>为第i行第j+1列像素点的绝对相位，/>为第i+1行第j列像素点的缠绕相位，/>为第i行第j+1列像素点的缠绕相位，/>为第i行第j列像素点的绝对相位，n₁和n₂均为整数。设绝对相位梯度和缠绕相位梯度相差/>的整数倍，那么可得到行向梯度偏差/>和列向梯度偏差/>的函数公式如下所示。

。

其中，表示第i行第j列像素点的行向的真实相位梯度，/>表示第i行第j列像素点的列向的真实相位梯度，/>表示第i+1行第j列像素点的行向的真实相位梯度，/>表示第i行第j+1列像素点的列向的真实相位梯度，/>表示第i行第j列像素点的行向的缠绕相位梯度，/>表示第i行第j列像素点的列向的缠绕相位梯度，真实相位梯度也为绝对相位梯度。

步骤100，具体包括以下两个步骤。

（1）对目标函数进行求解，以得到行向梯度偏差和列向梯度偏差/>。目标函数的公式如下。

。

（2）基于所述行向梯度偏差和所述列向梯度偏差/>，采用公式进行相位解缠，以得到所述目标干涉图数据中各个像素点对应的解缠相位；所有像素点对应的解缠相位构成初始解缠结果。

其中，和/>均表示加权系数矩阵，min{}表示求最小值函数；/>表示第i行第j列像素点的解缠相位，也为绝对相位；/>表示第0行第0列像素点的解缠相位，表示列向真实相位梯度，/>表示行向真实相位梯度。

步骤200，将所述初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点，进行阈值判断，以确定误差点集合。所述初始解缠结果包括所述目标干涉图数据中所有像素点对应的解缠相位。

进一步地，对MCF解缠后的初步解缠结果进行误差区域识别，判断出误差区域，其中包括真实地形的跳变部分和噪声或者算法本身的错误估计导致的误差点。基于此，步骤200，具体包括以下两个步骤。

（1）针对所述初始解缠结果中任一像素点，确定所述像素点的8邻域内所有相邻像素点。

（2）当所述像素点对应的解缠相位的值与8邻域内所有相邻像素点对应的解缠相位的值的差，均大于预设阈值时，即排除了其为真实高程跳变的可能，将所述像素点标记为误差点；所有所述误差点构成误差点集合。其中，所述预设阈值是基于采集所述目标干涉图数据的装置的最小识别度对应相位确定的，具体地，设置InSAR系统最小高度识别度对应相位为预设阈值。

通过上述步骤200，依次检验所有解缠后的像素点。对于每个解缠后的像素点，在其周围3×3像素区域内进行检测，从而得到最终的误差点集合。

步骤300，基于所述误差点集合，将所述目标干涉图数据划分为非误差区域集合及误差区域集合；所述误差区域集合中每个误差区域包括误差点及对应的8邻域内所有相邻像素点。

具体地，将所有误差点进行记录，并对MCF估计结果（即初始解缠结果）做掩膜处理，只保留误差点及其3×3像素内的相位信息，从而得到误差区域集合；而与之相对的，是非误差区域集合。

步骤400，基于所述误差区域集合，确定初始待解缠像元及初始已解缠像元。步骤400，具体包括以下四个步骤。

（1）在任一所述误差区域内，选取所述误差点的四邻域，即所述误差点的上相邻、下相邻、左相邻及右相邻。

（2）对所述误差点的四邻域内的相邻像素点进行计数，以得到相邻非误差点数量。具体来说，所述误差点的四邻域内有四个相邻像素点，需要判断每个相邻像素点是否为误差点，如果为误差点，则相邻误差点数量加一；若不为误差点，则相邻非误差点数量加一。

（3）将所述相邻非误差点数量最大的误差点标记为初始待解缠像元。

（4）将所述初始待解缠像元对应的四邻域内的非误差点标记为初始已解缠像元。

步骤500，确定所述初始待解缠像元所处误差区域的相位梯度，并建立扩展卡尔曼滤波相位解缠的状态空间方程及观测方程。

具体地，所述初始待解缠像元所处误差区域的相位梯度可基于初始解缠结果中误差区域内各个像素点的解缠后的相位计算得到。

EKFPU是根据像素的梯度估计方差展开的，可以在解缠的同时进行滤波，具有较好的噪声鲁棒性。EKFPU算法进行解缠需建立起EKFPU模型，模型能根据一个基于相邻像素间关系的动态线性状态方程进行逐个像素的解缠。

步骤600，基于所述扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，根据所述初始待解缠像元及所述初始已解缠像元进行相位解缠，以确定真实解缠结果。具体地，将初始待解缠像元及初始已解缠像元，代入扩展卡尔曼滤波相位解缠的算法模型中进行相位解缠，将多个解缠结果取均值作为真实解缠结果。扩展卡尔曼滤波相位解缠的算法模型包括状态空间方程及观测方程。

用k来代替某一像元（m,n），把复干涉图中干涉相位的同相分量和正交分量作为两个观测矢量，由此可以得到扩展卡尔曼滤波相位解缠的观测方程，如下公式所示。

。

其中，k表示目标干涉图数据中任一像元，y(k)为k像元的观测相位，为k像元的复干涉测量值；/>为k像元的复干涉振幅观测值；/>为k像元的真实相位，也可以命名为绝对相位；/>为/>和/>间的非线性映射；v(k)为均值为0的白噪声观测向量，/>和/>表示v(k)的不同分量，可将其理解为实部和虚部误差；/>和/>为零均值高斯白噪声，且方差已知；/>和/>通过相干系数/>来确定，相干系数/>具体采用/>、表示，具体公式如下。

。

。

其中，为Kronecker函数。

当干涉相位在离散时间情况下，扩展卡尔曼滤波相位解缠的状态空间方程为如下公式。

。

其中，x(k+1)为k+1像元的真实相位，x(k)为k像元的真实相位，为k像元的真实相位梯度；/>为复干涉图得到的k像元的相位梯度估计值；/>为估计误差；Q(k)为k像元的状态噪声方差阵。

根据建立的扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，可进行EKF状态估计，采用如下公式计算状态向量的预测值及对应的方差阵P_k+1,k。

。

。

采用如下公式进行状态估计。

。

其中，A为单位矩阵，为在(k,k)像元位置的真实相位，/>为相位梯度估计，为/>对应的方差阵，()^T为矩阵的转置，/>为状态噪声方差阵；m表示列向指标；n表示行向指标；/>；/>；/>和/>分别为列向上的相位梯度估计和行向上的相位梯度估计；/>和/>分别为列向上的状态向量预测值和行向上的状态向量预测值；/>和/>分别为列向上的对应的方差阵和行向上的对应的方差阵；/>和/>分别为列向上的对应的状态噪声方差阵和行向上的对应的状态噪声方差阵；当(k,k)为(1,1)时，/>和P_1,1分别为所述初始已解缠像元对应的初始估计相位及方差阵。

在实际应用过程中，将误差区域相位信息带入建立的EKFPU的算法模型中可对其相位进行滤波和解缠，更新误差区域相位信息，进而将其与非误差区域相位值进行合并得到最终解缠结果。

步骤700，将所述真实解缠结果对应的误差区域，更新标记为非误差区域，然后对下一误差区域进行扩展卡尔曼滤波相位解缠（具体为，返回步骤400，重新执行步骤400-步骤700），直至所述误差区域集合为空集时，将各个非误差区域对应的初始解缠结果或真实解缠结果进行合并，以得到最终解缠结果。

即以相同方法从误差区域集合中选取待解缠像元进行解缠，直至所有误差点像元解缠完毕，计算重建的误差点相位值并与非误差区域相位值进行合并得到最终的解缠结果。

本发明提出了结合最小费用流算法与扩展卡尔曼滤波算法的相位解缠算法，首先对最小费用流相位解缠结果进行误差点判断，之后利用扩展卡尔曼滤波的方法对误差点相位值进行重建，获得最终解缠结果。为验证算法的适用性，本发明还采用模拟数据和实测数据进行实验处理，针对InSAR相位的特性，从解缠的准确度对解缠结果进行评价，除主观视觉评价外，用均方根误差对实验进行客观评价。

（1）模拟数据验证。

本发明实验为MATLAB仿真的地形图，用基于雷达传感器参数和轨道数据的方法模拟InSAR干涉图。首先模拟无噪相位图，加入噪声后进行相位缠绕形成缠绕相位，从而得到含噪缠绕图。对于含噪缠绕图，分别进行最小二乘法相位解缠、质量图引导法相位解缠、MCF相位解缠法及本发明方法进行相位解缠。所得到的解缠结果定量比较表如下表1所示。

表1 不同方法的模拟干涉图解缠结果定量比较表

（2）实测数据验证。

为验证本发明方法的有效性，利用中国山西平朔地区2011年12月17日和2012年2月27日的RadarSat-2实测数据进行验证。对其数据进行配准、干涉等处理得到其真实相位干涉数据，截取其中400×400像素大小进行实验处理，所得到的解缠结果定量比较表如下表2所示。

表2 不同方法的实测干涉图解缠结果定量比较表

通过上述对模拟数据进行实验并用实测数据验证，结果表明：本发明方法的定量指标分析均优于其他算法，减小了误差传播的范围，提高了相位解缠的精度。

实施例二：为了实现实施例一中的技术方案，以达到相应的功能和技术效果，本实施例还提供了一种结合EKFPU的MCF相位解缠系统，包括以下多个模块。

初始解缠模块，用于对目标干涉图数据进行最小费用流相位解缠，以得到初始解缠结果。

误差点确定模块，用于将所述初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点，进行阈值判断，以确定误差点集合。

误差区域确定模块，用于基于所述误差点集合，将所述目标干涉图数据划分为非误差区域集合及误差区域集合；所述误差区域集合中每个误差区域包括误差点及对应的8邻域内所有相邻像素点。

解缠像元确定模块，用于基于所述误差区域集合，确定初始待解缠像元及初始已解缠像元。

相位解缠方程确定模块，用于确定所述初始待解缠像元所处误差区域的相位梯度，并建立扩展卡尔曼滤波相位解缠的状态空间方程及观测方程。

真实解缠结果确定模块，用于基于所述扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，根据所述初始待解缠像元及所述初始已解缠像元进行相位解缠，以确定真实解缠结果。

最终解缠结果确定模块，用于将所述真实解缠结果对应的误差区域，更新标记为非误差区域，然后对下一误差区域进行扩展卡尔曼滤波相位解缠，直至所述误差区域集合为空集时，将各个非误差区域对应的初始解缠结果或真实解缠结果进行合并，以得到最终解缠结果。

实施例三：本实施例提供一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行实施例一的结合EKFPU的MCF相位解缠方法。可选地，上述电子设备可以是服务器。

另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的结合EKFPU的MCF相位解缠方法。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种结合EKFPU的MCF相位解缠方法，其特征在于，方法包括：

对目标干涉图数据进行最小费用流相位解缠，以得到初始解缠结果；

将所述初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点，进行阈值判断，以确定误差点集合；

基于所述误差点集合，将所述目标干涉图数据划分为非误差区域集合及误差区域集合；所述误差区域集合中每个误差区域包括误差点及对应的8邻域内所有相邻像素点；

基于所述误差区域集合，确定初始待解缠像元及初始已解缠像元；

确定所述初始待解缠像元所处误差区域的相位梯度，并建立扩展卡尔曼滤波相位解缠的状态空间方程及观测方程；

基于所述扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，根据所述初始待解缠像元及所述初始已解缠像元进行相位解缠，以确定真实解缠结果；

将所述真实解缠结果对应的误差区域，更新标记为非误差区域，然后对下一误差区域进行扩展卡尔曼滤波相位解缠，直至所述误差区域集合为空集时，将各个非误差区域对应的初始解缠结果或真实解缠结果进行合并，以得到最终解缠结果。

2.根据权利要求1所述的结合EKFPU的MCF相位解缠方法，其特征在于，对目标干涉图数据进行最小费用流相位解缠，以得到初始解缠结果，具体包括：

对目标函数进行求解，以得到行向梯度偏差/>和列向梯度偏差/>；

基于所述行向梯度偏差和所述列向梯度偏差/>，采用公式进行相位解缠，以得到所述目标干涉图数据中各个像素点对应的解缠相位；所有像素点对应的解缠相位构成初始解缠结果；

其中，和/>均表示加权系数矩阵，min{}表示求最小值函数；/>表示第i行第j列像素点的解缠相位，/>表示第0行第0列像素点的解缠相位，/>表示列向真实相位梯度，/>表示行向真实相位梯度；行向梯度偏差/>和列向梯度偏差/>的函数公式为：

；

表示第i+1行第j列像素点的行向的真实相位梯度，/>表示第i行第j+1列像素点的列向的真实相位梯度，/>表示行向的缠绕相位梯度，/>表示列向的缠绕相位梯度。

3.根据权利要求1所述的结合EKFPU的MCF相位解缠方法，其特征在于，所述初始解缠结果包括所述目标干涉图数据中所有像素点对应的解缠相位；

将所述初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点，进行阈值判断，以确定误差点集合，具体包括：

针对所述初始解缠结果中任一像素点，确定所述像素点的8邻域内所有相邻像素点；

当所述像素点对应的解缠相位的值与8邻域内所有相邻像素点对应的解缠相位的值的差，均大于预设阈值时，将所述像素点标记为误差点；所有所述误差点构成误差点集合。

4.根据权利要求1所述的结合EKFPU的MCF相位解缠方法，其特征在于，基于所述误差区域集合，确定初始待解缠像元及初始已解缠像元，具体包括：

在任一所述误差区域内，选取所述误差点的四邻域；

对所述误差点的四邻域内的相邻像素点进行计数，以得到相邻非误差点数量；

将所述相邻非误差点数量最大的误差点标记为初始待解缠像元；

将所述初始待解缠像元对应的四邻域内的非误差点标记为初始已解缠像元。

5.根据权利要求1所述的结合EKFPU的MCF相位解缠方法，其特征在于，所述扩展卡尔曼滤波相位解缠的观测方程为：

；

其中，k表示目标干涉图数据中任一像元，y(k)为k像元的观测相位，为k像元的复干涉测量值；/>为k像元的复干涉振幅观测值；/>为k像元的真实相位；/>为/>和间的非线性映射；v(k)为均值为0的白噪声观测向量，/>和/>表示v(k)的不同分量，且方差已知；/>和/>通过相干系数/>来确定，相干系数/>具体采用/>、表示，公式如下：

；

；

其中，为Kronecker函数；

所述扩展卡尔曼滤波相位解缠的状态空间方程为：

；

其中，x(k+1)为k+1像元的真实相位，x(k)为k像元的真实相位，为k像元的真实相位梯度；/>为复干涉图得到的k像元的相位梯度估计值；/>为估计误差；Q(k)为k像元的状态噪声方差阵。

6.根据权利要求5所述的结合EKFPU的MCF相位解缠方法，其特征在于，基于所述扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，根据所述初始待解缠像元及所述初始已解缠像元进行相位解缠，以确定真实解缠结果，具体包括：

采用如下公式计算状态向量的预测值及对应的方差阵P_k+1,k：

；

；

其中，A为单位矩阵，为在(k,k)像元位置的真实相位，/>为相位梯度估计，/>为/>对应的方差阵，()^T为矩阵的转置，/>为状态噪声方差阵；

采用如下公式进行状态估计：

；

其中，m表示列向指标；n表示行向指标；；/>；/>和分别为列向上的相位梯度估计和行向上的相位梯度估计；/>和分别为列向上的状态向量预测值和行向上的状态向量预测值；和/>分别为列向上的对应的方差阵和行向上的对应的方差阵；/>和/>分别为列向上的对应的状态噪声方差阵和行向上的对应的状态噪声方差阵；当(k,k)为(1,1)时，/>和P_1,1分别为初始已解缠像元对应的初始估计相位及方差阵。

7.根据权利要求3所述的结合EKFPU的MCF相位解缠方法，其特征在于，所述预设阈值是基于采集所述目标干涉图数据的装置的最小识别度对应相位确定的。

8.一种结合EKFPU的MCF相位解缠系统，其特征在于，系统包括：

初始解缠模块，用于对目标干涉图数据进行最小费用流相位解缠，以得到初始解缠结果；

误差点确定模块，用于将所述初始解缠结果中任一像素点与对应的8邻域内所有相邻像素点，进行阈值判断，以确定误差点集合；

误差区域确定模块，用于基于所述误差点集合，将所述目标干涉图数据划分为非误差区域集合及误差区域集合；所述误差区域集合中每个误差区域包括误差点及对应的8邻域内所有相邻像素点；

解缠像元确定模块，用于基于所述误差区域集合，确定初始待解缠像元及初始已解缠像元；

相位解缠方程确定模块，用于确定所述初始待解缠像元所处误差区域的相位梯度，并建立扩展卡尔曼滤波相位解缠的状态空间方程及观测方程；

真实解缠结果确定模块，用于基于所述扩展卡尔曼滤波相位解缠的状态空间方程及观测方程，根据所述初始待解缠像元及所述初始已解缠像元进行相位解缠，以确定真实解缠结果；

最终解缠结果确定模块，用于将所述真实解缠结果对应的误差区域，更新标记为非误差区域，然后对下一误差区域进行扩展卡尔曼滤波相位解缠，直至所述误差区域集合为空集时，将各个非误差区域对应的初始解缠结果或真实解缠结果进行合并，以得到最终解缠结果。