一种基于似然估计的多基线相位估计装置及方法与流程

本发明属于遥感成像处理领域，特别涉及一种基于似然估计的多基线相位估计装置及方法。具体来说是利用相位归一化操作拓展不同基线相位概率密度函数周期，并通过似然估计原理估计绝对相位的方法。

背景技术：

干涉合成孔径雷达(interferometricsyntheticapertureradar，insar)是全天时、全天候条件下大范围获取地形高程及形变的强大手段之一。可以快速获取高精度的数字高程模型(digitalelevationmodel，dem)数据。在地表形变探测、动目标检测、海洋测绘、森林制图、洪涝检测、交通监测和冰川研究等民用及基础科学领域，insar技术也具有极其重要的应用及研究价值。

单通道insar数据处理方法中，相位解缠是至关重要的环节，干涉相位以2π为区间，需要展开并调整到绝对相位。随着观测地形范围不断提升，在获取地形陡峭区域的干涉图时，单基线insar易存在干涉相位欠采样和条纹混叠现象，无法进行有效地干涉处理。长基线干涉相位地形细节信息保持较好，但干涉条纹过密，不利于相位解缠。相反，短基线干涉条纹稀疏，易于解缠，但地形细节模糊。为了突破这个瓶颈，需要结合不同长度基线的干涉相位特性，研究基于多基线干涉相位的稳健相位解缠方法，保证解缠处理的一致性和精确性。

多基线insar采用多个观测基线对同一观测区域进行干涉测量，多观测样本包含的内在相位模糊信息，可以实现复杂地形高精度高程信息的获取。在多基线insar相位估计方面，传统多基线融合算法，包括中国剩余定理、投影方法、线形组合方法以及小波分析方法等，这些方法没有利用干涉相位的统计特性，深受相位噪声的困扰，鲁棒性较差，很难在实际处理中应用。近年来，最大似然估计(maximumlikelihoodestimation，mle)技术成为多基线相位或高程估计的主要算法之一，较之其它多基线相位估计方法，mle具有对视角及地形坡度的自适应性，即使在观测区域先验信息匮乏的条件下仍可适用。常用的似然估计算法主要分两种，一种是利用sar复图像概率密度函数(probabilitydensityfunction，pdf)可以实现多基线insar无模糊相位估计，然而这些由sar复图像估计相位的算法由于无法进行滤波，含噪的数据输入到估计器中，因而估计的结果受噪声干扰严重。另一种是利用干涉相位的概率密度函数和干涉相位到高程的传递系数，通过高程传递系数的和基线的比例关系拓展模糊高程，进而估计参考基线对应的高程。这种算法直接由干涉相位进行高程估计，跳过了相位解缠的步骤，无法获取精确的解缠相位，从而限制了其在形变检测等方面的应用。在我们前期的工作中，利用归一化概率密度函数实现了多基线相位融合。该算法融合不同基线的解缠相位，由于需要对不同基线干涉相位进行解缠，增加了运算负担和运算效率。同时，估计结果的精度受基线比例误差影响严重。

本发明利用基线比例对干涉相位概率密度函数进行归一化操作，原始相位pdf周期被压缩或扩展。联合归一化pdf构建似然函数，扩展了干涉相位的模糊周期，有利于相位解缠。在估计器中，由于输入的是滤波后相位，降低的噪声的影响，因而可以获取更高精度的相位估计值。同时，通过对搜索区间的定位以及参考平面的去除，有效提高了运算速度和估计精度。

技术实现要素：

本发明要解决的技术问题为：提供一种基于似然估计的多基线相位估计装置及方法，本发明利用归一化概率密度函数，对不同基线干涉相位概率密度函数的周期进行了拓展或压缩。可以从滤波后缠绕相位直接估计解缠相位。与单基线算法比较，该发明可充分利用多组基线数据，抑制噪声引起的解缠错误。与传统多基线融合算法相比，本发明在融合阶段输入的是滤波后相位，降低了相位噪声的影响，因而提高了相位估计精度。利用搜索区间，大大提高了相位估计速度。与传统去平面算法相比，该发明中去平面算法不需要卫星轨道参数和控制点信息，通过频域法和基线比例快速获取不同基线参考平面的相位。从而在不改变相位比例关系的情况下大幅降低解缠相位的绝对值，进而降低融合时基线比例误差造成的解缠误差。

本发明采用的技术方案为：一种基于似然估计的多基线相位估计装置，包括以下几个模块：

单基线数据处理模块，该单基线数据处理模块包含复图像配准、干涉相位滤波环节，该单基线数据处理模块用于输入不同基线主辅图像，输出不同基线滤波后缠绕相位；

去模拟平地模块，该去模拟平地模块不需要控制点信息，用于在频域估计短基线参考平面的相位，按照基线比例将平面相位拓展至其他基线，通过移除同一平面在不同基线下的相位，输出真实地形与参考平面间相对高程产生的缠绕相位；

搜索区间定位模块，该搜索区间定位模块用于通过对去平面之后的短基线相位降采样解缠，在不使用先验信息的情况下快速定位搜索区间的相位中心；

多基线相位融合模块，该多基线相位融合模块用于基于似然估计的原理，利用归一化概率密度函数，将多基线干涉相位统计特性和相干系数相结合，获取高精度解缠相位。然后补偿参考基线的平地相位，进而利用控制点即可以将解缠相位调整至绝对相位。

本发明分为单基线数据处理模块、去模拟平地模块、搜索区间定位模块、多基线相位融合模块。输入不同基线主辅图像slc数据，利用单基线处理模块输出不同基线滤波相位。短基线干涉相位通过搜索区间定位模块输出参考基线搜索区间的相位中心。模拟去平地模块估计同一模拟平面在不同基线下的相位，并从不同基线解缠相位中移除。移除平面相位之后的多基线解缠相位通过多基线相位融合模块处理，融合后的解缠相位补偿平地相位后，结合控制点信息输出参考基线绝对相位。下面分别叙述。

1、单基线数据处理模块

该模块对不同基线复图像进行常规干涉处理，输出多基线滤波相位。主要包含复图像配准、干涉相位滤波环节。通过复图像配准环节，主辅图像中同一位置的像素对应于地面同一分辨单元，从而保证正确获取同一分辨单元的干涉相位。图像配准的关键在于距离和方位偏移量的确定，偏移量可以利用系统、几何参数等信息计算得到，也可以直接利用数据的相关性或相干性等信息进行估计。经过几何配准、粗配准、精配准等步骤，将主辅图像偏移量控制在亚像素级。配准后的主辅图像经过复共轭相乘取相角处理后，即可获取反应地形信息的干涉相位。受到若干去相干因素的影响，干涉相位图中往往存在大量的相位噪声。通过相位滤波环节可以抑制干涉相位噪声，输出降噪后的缠绕相位。该环节根据基线长度及地形坡度优化干涉相位滤波窗口，使得滤波器性能具有很好的调节性。最终实现相位噪声的有效抑制。双基线相位估计不需要对整幅图进行相位解缠，避免了解缠误差的引入。

2、去模拟平地模块

为了降低基线比例估计误差对相位融合的影响，需要移除参考平面相位。传统的算法需要利用先验dem数据或反演地形高程进而估计参考平面相位。在缺乏地形数据及轨道信息的情况下，很难准确估计参考平面的绝对相位。本实验通过估计距离向占优势的条纹频率估计平地相位，移除平地相位后即为地形与参考平面的高度差引起的相位。为了解决不同基线因噪声引起的频谱偏移而导致估计的平地相位不与基线成比例的问题，在估计出最短基线的平地相位后，利用基线比例直接计算其他基线平地相位。由于平地相位的校正不用考虑噪声的影响，这种方法不需要地形及轨道信息，也不需要通过解缠及高程反演计算粗dem，从而大大简化了运算复杂度并降低了对原始数据的要求。虽然模拟平面与平地不一定为平行关系，由于去除的是统一参考平面，不影响残余相位与基线的比例关系。剩余相位可用于多基线融合以降低误差传递。

3、搜索区间定位模块

多基线似然估计可以将相位模糊周期一般情况下，其估计结果仍然是缠绕的，需要进行进一步解缠。如果在真实相位左右进行搜索，则可以直接获取绝对相位，不需要额外进行解缠。因而，搜索区间的选择可以简化解缠复杂度。传统的方法利用先验信息(如观测区域dem数据等)来确定阈值，当观测区域的先验信息较少时，近似搜索区间很难获取。本发明提出一种在缺乏先验信息的情况下快速确定搜索区间的方法。由于短基线干涉相位相干性较高，首先对去平地后的短基线干涉相位欠采样，并对欠采样后的干涉相位解缠，然后插值到原始图像大小，根据基线比例归一化插值之后的解缠相位作为搜索区间的相位中心。

4、多基线相位融合模块

利用多基线不同视角的差异及数据多样性，可以减少欠采样区域以及噪声对解缠造成的影响。传统的似然估计算法主要分为sar图像到干涉相位的估计及缠绕相位到高程的估计，前一种算法由于无法对sar图像进行滤波，因而受噪声干扰严重，导致解缠结果不准确。后一种算法无法直接获取解缠相位的信息，限制了insar处理的应用范围。干涉相位概率密度函数(pdf)始终保持固定2π周期，很难提供多样的信息辅助无模糊相位的获取。直接融合多基线相位无法得到无模糊相位的局部最优估计。本发明利用基线比例归一化处理干涉相位的概率密度函数，改变其固有的周期特性，进而可以构建似然函数估计参考基线相位。

本发明还提供一种基于似然估计的多基线相位估计方法，包含以下几个步骤：

步骤1、通过相位频谱获取平地相位，利用基线比例估计不同基线的平地相位，进而获取移除参考面的剩余相位；

步骤2、通过对最短基线干涉相位进行欠采样，在缺乏先验信息的情况下实现搜索区间的快速定位，有效提高了运算速度；

步骤3、利用归一化概率密度函数模块构建了似然估计器，实现不同基线干涉相位概率密度函数周期的拓展与压缩，从而实现由滤波后干涉相位到解缠相位的直接估计，通过对不同基线去平面相位进行融合获取参考基线的解缠相位，进而补偿平面相位得到参考基线的绝对相位。

本发明的优点在于：

(1)简化相位解缠的复杂度；

(2)提升dem获取能力，特别是复杂地形的高程信息获取；

(3)简化参考平面估计过程；

(4)取消了星历数据的需求，并减少了控制点使用数量，降低了数据获取的难度；

(5)通过快速定位搜索区间，增加了运算速度；

(6)利用多频数据的互补关系，增加了相位估计的精度和鲁棒性。

附图说明

图1是本发明的方法系统结构；

图2是本发明中insar测高模型及去参考平面示意图；

图3是本发明中实施示例生成的长短基线主图像；

图4是本发明中实施示例生成的短基线缠绕相位；

图5是本发明中实施示例生成的长基线缠绕相位；

图6是本发明中实施示例生成的短基线平地相位；

图7是本发明中实施示例生成的长基线平地相位；

图8是本发明中实施示例生成的短基线去平地相位；

图9是本发明中实施示例生成的长基线去平地相位；

图10是本发明中实施示例生成的搜索区间中心相位；

图11是本发明中实施示例多基线融合时概率密度函数及似然函数；

图12是本发明中实施示例生成的参考基线无模糊相位。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明的系统结构如附图1所示，一种基于似然估计的多基线相位估计装置及方法，包括以下四个模块，每个模块具体实施步骤如下：

1、单基线数据处理模块

第一步，复图像配准环节。首先，进行全局相干粗配准处理。首先计算sar主图像与初配准后的sar辅图像之间的全局相关函数；根据相关函数峰值位置，确定辅图像的像素级偏移量，获取粗配准后的sar辅图像。偏移量的计算可由快速傅里叶变换(fft)实现，频域的实复相关函数求取方法可简化为：

其中s1和s2分别表示sar主图像和辅图像，norm(·)为归一化运算符。

然后，利用相干系数法进行精配准。首先对粗配准后的辅图像进行分块处理；然后计算每个数据块的实复相干系数，插值获取相关函数峰值位置，从而得到每个数据块的精配准偏移量，选用精确的插值核函数分块插值，再拼接所有数据块，获取精配准后的sar辅图像。

第二步：干涉相位滤波环节。本发明在滤波环节采用坡度自适应滤波算法。首先，根据局部坡度变化，优化干涉相位模型，使其与空域滤波中的平滑窗相匹配，当滤波窗口内相位满足线性模型条件时，计算原始干涉相位频谱。利用czt估计窗口内线性相位频率；结合原始干涉相位确定相位初相，利用局部频率计算线性相位项，获取滤波后干涉相位。

2、去模拟平地模块

第一步：对干涉相位按行做fft变换，从而得到每条距离线的频谱及其每列幅度值的和，即计算：

其中，(i,j)表示像素坐标，为缠绕相位，m表示像素总行数。

第二步：搜索频谱矢量f(j)的最大值：fmax＝max[f(j)]，同时记录最大值所对应的距离向上的位置n0，则频谱空间频率为f0＝n0/nr；nr为距离向的像素点数；

第三步：通过频谱估计求得平地相位的空间频率f0，则该频率对应的平地相位为：

φf(i,j)＝arg(exp(j2πf0nr))(2)

由于平地相位解缠远比干涉相位解缠容易，仅需要距离向进行±2π操作，因此，首先解缠并获得短基线平地相位φf，利用基线比例获取不同基线解缠后的平地相位ξφf，其中，基线比例定义为ξ＝bl/bn，bl、bn分别为参考基线与当前基线的长度。将其叠加到对应基线的缠绕相位中并缠绕至主值区间，即可获取对应基线去平地后的缠绕相位。

其中表示第n条基线移除平地相位后的缠绕相位，表示原始缠绕相位，w(·)表示缠绕操作。

3.搜索区间定位模块

第一步：对去参考平面后的短基线干涉相位进行欠采样，并对解缠后的干涉相位解缠处理。一般而言，短基线欠采样后的干涉相位仍满足相邻像素相位差小于π的条件，且搜索区间仅是相位解缠的粗定位，允许一定的解缠误差，因而欠采样后的解缠相位可用于搜索区间的定位。

第二步：将短基线解缠相位插值达到原图大小，获得短基线粗解缠相位φs，根据基线比例拓展至参考基线解缠相位，作为搜索区间相位中心。φprior＝ξφs。则n条基线融合后搜索区间可表示为：

其中，代表似然函数的模糊周期：

其中l.c.m.(·)表示求取最小公倍数。通过搜索区间的选择可以抑制模糊峰值，达到局部最优估计的目的，同时简化解缠复杂度。

4.多基线相位融合模块

第一步：根据多基线干涉相位中相同像素位置的干涉相位之间隐含着基线比例关系。利用基线比例构造归一化处理干涉相位的概率密度函数，从而改变其固有的周期特性，挖掘出了多基线干涉相位中内在的多样性信息。归一化概率密度函数可表示为：

其中，γn代表第n个基线主辅图像的相干系数。φn、φn,norm分别表示第n个基线的相位和归一化相位，φ0表示参考基线的真实相位。

第二步：当多基线干涉相位满足相互独立且同分布条件时，似然函数可以用n个基线的联合归一化相位概率密度函数表示：

其中，φ表示干涉相位数据集。

第三步：基于式(7)所示的似然函数，可以构建一种易于处理的最大似然无模糊相位估计方法。凭借融合多基线insar干涉相位数据，该方法可以直接估计参考基线的无模糊干涉相位值。似然函数的峰值相位就是估计结果：

获取参考基线的解缠相位后，补偿参考基线的平地相位ξφf，在利用控制点调整模糊区间，即可获得参考基线的绝对相位。

实施例：

根据图2所示成像几何，对双基线干涉系统进行复图像仿真，仿真参数如表1所示。仿真的sar主图像如图3所示。

表1雷达参数

分别对长短基线主辅图像配准并共轭相乘取幅角，得到长短基线干涉相位如图4、图5所示。

频域法估计短基线平地相位，并按照基线比例获取参考基线(长基线)平地相位。长短基线平地相位如图6，图7所示。

长短基线缠绕相位移除平地相位后重新缠绕至主值区间，利用坡度自适应滤波算法进行滤波，滤波结果如图8，图9所示。

对短基线滤波后相位欠采样后再进行解缠，然后重新插值之原图大小，按照基线比例调整至参考基线相位作为搜索区间的相位中心，搜索中心如图10所示。

将长短基线去参考平面后的滤波相位作为似然函数输入，在搜索区间内似然函数峰值对应的相位即为参考基线的估计相位。长短基线概率密度函数及似然函数如图11所示。

将估计出的解缠相位补偿平地相位后，用控制点调整至绝对相位，即可获得参考基线融合后的绝对相位，如图12所示。

以相位粗差阈值2π为准则去除跳变点后，单基线与双基线融合解缠相位精度评估结果统计如表2所示。

表2单基线解缠与双基线融合解缠结果

可以看出，本发明利用去参考平面模块降低基线比例误差对融合结果的影响，同时利用搜索区间模块提升似然估计的运算速度。多基线融合模块利用的最大似然无模糊相位估计方法可以实现高精度解缠相位的获取，结果保证了相位场的一致性，融合处理的性能明显高于常规单基线解缠处理算法。