时间差分基线集时序干涉SAR处理方法与流程

本发明涉及合成孔径雷达处理技术，进一步涉及一种时间差分基线集时序干涉sar处理方法。

背景技术：

近几十年来，随着时间序列干涉合成孔径雷达技术(timeseriesinterferometricsyntheticapertureradar，tsinsar)的提出，大大扩展了insar的应用，该方法通过识别场景中的高相干散射体，例如房屋、高楼、道路等人工建筑及裸露的岩石等，仅在这些散射特性非常稳定的相干散射点(coherentscatterers，cs)上进行形变信号、大气延时、高程误差等信号的提取，在一定程度上克服了时间失相干与空间失相干的影响。但是在非城区该技术可识别到的cs点非常有限，且无法保证足够的形变监测精度，严重影响了该技术应用范围。随后，为了扩展该技术在非城区的应用，发展出了第二代时序干涉sar技术，通过一套自适应算法，在不影响城区cs点识别的基础上，同时能够识别出分布散射体(distributedscatterers，ds)，从而极大提升了cs点的空间密度和相干性，最后根据传统的时序干涉sar技术求解形变、高程误差等信息。图1给出了时序干涉sar技术的处理流程。但是该时序干涉sar技术的缺点就是监测点密度低，算法复杂度高，计算量大，效率偏低。为了进一步抑制时间失相干与空间失相干的影响，人们提出了小基线集技术，图2给出了处理流程，该技术将所有时间基线和空间基线在一定阈值内的影像进行干涉组合，得到一个或几个干涉对集合，进行相位解缠后通过奇异值分解(singularvaluedecomposition，svd)方法求出时间序列形变，但是该方法需要牺牲分辨率并且需要相位解缠。

技术实现要素：

(一)要解决的技术问题

有鉴于此，本发明的目的在于提供一种时间差分基线集时序干涉sar处理方法，以解决以上所述的至少部分技术问题。

(二)技术方案

为实现上述目的，本发明提供一种时间差分基线集时序干涉sar处理方法，包括：

对(n+1)景已配准的sar影像进行时间差分干涉处理形成干涉对；

利用外部高程模型确定处理区域地形相位和平地相位，用于去除处理区域的地形和平地相位；

根据已形成的干涉对确定空间基线；

通过一维回归方式确定高程校正；

通过一维回归方式确定形变；

获取大气相位和非线性形变，经高程校正和形变解算，确定线性形变、非线性形变、大气相位和高程校正信号量。

在进一步的实施方案中，(n+1)景已配准的sar影像确定方式包括：在(n+1)景sar影像中选取一景影像作为主影像，其他n景影像作为从影像与分别与主影像进行配准，最终得到n+1景已经配准的sar影像；通过对(n+1)景已经配准的sar影像进行处理，获取处理区域的高相干散射点。

在进一步的实施方案中，所述外部高程模型通过以下至少一种方式获取：引入外部dem，通过地理编码转换到sar坐标系；任选sar影像中两景影像数据，通过insar处理获取。

在进一步的实施方案中，对(n+1)景已配准的sar影像进行时间差分干涉处理形成干涉对，包括：对sar影像进行二轨差分处理，确定处理区域的形变信息。

在进一步的实施方案中，对(n+1)景已配准的sar影像进行时间差分干涉处理形成干涉对，包括：将(n+1)幅已经配准的影像按时间顺序排列为：{φ0，φ1，φ2，...，φn}；相邻时间的影像组合进行干涉，生成n幅干涉图{δφ1，δφ2，...，δφn}；确定相干散射点的干涉相位，表示如下：δφk＝φk-φk-1，k＝1，2，...，n；确定相位信号，表示如下：

其中，δφk，i表示第k幅干涉图的第i个点的干涉相位，注意它是缠绕的，范围在-π到π之间，{·}2π表示缠绕操作，表示高程误差相位，由于不精确的外部数字高程模型(digitalelevationmodel，dem)引起，表示形变信号相位，表示轨道误差相位，表示大气延迟相位，表示随机噪声相位。

在进一步的实施方案中，高程误差相位为：

其中，表示垂直基线，λ表示传输信号波长，rk，i表示卫星天线到散射点的距离，θk，i表示信号的入射角，δεi表示高程误差。

所述形变相位包括线性形变项与非线性形变项，表示如下：

其中，δtk表示第k幅干涉图的时间基线，表示沿视线方向的线性形变速率，表示非线性形变相位。通常，非线性形变速率非常小，又注意到我们是通过邻近时间影像生成的干涉图，故时间基线δtk非常小，那么形变相位就很小。

在进一步的实施方案中，通过一维回归方式确定高程校正包括：

对空间上相近的高相干散射点(cs)做二阶差分，得到如下相位：

将上式中除高程误差相位外的误差相位统一记为残余相位：

则有：

建立如下的目标函数：

对目标函数优化后可得到任意两点之间的高程误差值δεi，j，然后在空间上构网进行平差处理得到任意一点的高程误差值δεi。

在进一步的实施方案中，一维回归方式确定形变，包括：获取线性形变速率，经过高程校正后，得到包含形变信息的残余相位积分后如下式：

其中：于是，满足：建立如下形变的目标函数：对于形变的目标函数优化，得到任意两点间的线性形变速率然后在空间上构网进行平差处理得到任意一点的线性形变速率

(三)有益效果

本发明的方法是一项全新的时序干涉sar处理技术，它完全不同于传统的时序干涉sar技术。从影像配对方式到参数求解方法与当前已有技术都不同，是一套完整的处理方法，从理论分析与实际数据处理上验证了该技术的可行性和有效性；

本发明方法中利用临近影像，有效避免了时间失相干的影响，提高了处理精度；

本发明中，通过将二维回归分析分解为两个一维回归分析，极大提高了运算效率，降低了运算复杂度；

本发明的方法简化了数据处理流程，提升了处理效率。

附图说明

图1是现有技术的一种时序干涉sar处理方法流程图。

图2是现有技术的另一种时序干涉sar处理方法流程图。

图3是本发明实施例的时间差分基线集时序干涉sar处理方法流程图。

图4a，图4b和图4c是本发明实施例的图1、图2和图3三种方法形成的干涉图生成方式对比图。

图5是实施例1的线性形变速率图。

图6是实施例1的高程校正图。

图7是实施例1的非线性形变结果图。

图8是实施例1的形变序列图。

图9是实施例1的大气相位示意图。

图10是实施例1的任意两个相干散射点的形变时序图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

随着星载sar技术的发展，可以获得越来越多的sar图像，并且其图像质量也在逐步提高，一方面，其控轨精度不断提高，避免了以往信号处理遭遇的空间失相干问题。另一方面，重访周期逐步缩短(最快4天)，所以可以在短时间内获取大量的同一地区的影像进行形变监测，不用担心影像数量不够多而对处理精度产生影响。

为了克服现有技术的缺点，本发明实施例提出的时间差分集时序干涉sar处理方法，该方法创造性地采用相邻时间的影像进行配对生成干涉图，称为时间差分基线集(timedifferencebaselineset，tdbs)。一方面，由于tdbs只采用时间最邻近的影像进行干涉图的生成，这样显然保证了所有干涉图都是保持最短时间基线，有效避免了时间失相干的影响；另一方面，tdbs技术将原本需要在高程与形变上进行的二维空间求解的问题转化为分别在高程上与形变速率上的一维求解问题，大大提高了计算效率。最后通过时空滤波分离出非线性形变与大气延迟。

本发明的总体方案是利用临近时间影像干涉去除时间去相干误差，并将常规的二维回归分析转换为两个一维回归分析降低运算量，提升运算效率，简化处理流程。

如图3和4所示，本发明实施例提供一种时间差分集时序干涉sar处理方法，其中可以包括如下步骤：

第一步：在n+1幅sar影像中选取一景影像作为主影像，其他n景影像作为从影像与分别与主影像进行配准，最终得到n+1景已经配准的sar影像。

第二步：获取处理区域高精度dem，用于处理区域地形相位和平地相位去除。有两种方式：第一种是引入外部dem，通过地理编码转换到sar坐标系。第二种是任选两景影像数据，通过insar处理获取。

第三步：对影像进行二轨差分处理，获取处理区域厘米级形变信息。

第四步：通过对n+1景已经配准的sar影像进行处理，获取该地区的高相干散射点(cs)。

第五步：针对n+1幅已经配准的同一地区不同时间获取的sar影像，按时间顺序排列为：

{φ0，φ1，φ2，...，φn}(1)

相邻时间的影像组合进行干涉，可以生成n幅干涉图：

{δφ1，δφ2，...，δφn}(2)

相干散射点(cs)的干涉相位表示如下：

δφk＝φk-φk-1，k＝1，2，...，n(3)

上面这些步骤完成以后，将得到的相位信号表示如下：

其中，δφk，i表示第k幅干涉图的第i个点的干涉相位，注意它是缠绕的，范围在-π到π之间，{·}2π表示缠绕操作，表示高程误差相位，由于不精确的外部数字高程模型(digitalelevationmodel，dem)引起，表示形变信号相位，表示轨道误差相位，表示大气延迟相位，表示随机噪声相位。

下面分析一下每个相位分量。

对于高程误差相位经过推导可以得到：

其中，表示垂直基线，λ表示传输信号波长，rk，i表示卫星天线到散射点的距离，θk，i表示信号的入射角，δεi表示高程误差。

形变相位是在时间和空间都具有相关性的信号。常将它分解为线性形变项与非线性形变项：

其中，δtk表示第k幅干涉图的时间基线，表示沿视线方向的线性形变速率，表示非线性形变相位。通常，非线性形变速率非常小，又注意到是通过邻近时间影像生成的干涉图，故时间基线δtk非常小，那么形变相位就很小。

轨道误差相位可以通过精密的基线估计控制到很小的范围内，或者直接把它考虑为大气延时的一部分，所以为简单起见，后面不再考虑这一项；

大气相位在空间上相关、时间上不相关，空间上相近的两点的大气相位很小。

随机噪声相位在空间与时间上都是不相关的，是一个很小的信号。

第六步：针对已生成的干涉对估计空间基线。

第七步：对空间上相近的高相干散射点(cs)做二阶差分，得到如下相位：

针对二阶差分相位分析可以得出，只有高程误差相位显著，其余三个分量非常小，将它们统一记为残余相位：

所以可以认为下式成立：

有：

因此，通过建立如下的目标函数：

对上式优化即可得到任意两点之间的高程误差值δεi，j，然后在空间上构网进行平差处理得到任意一点的高程误差值δεi。

第八步：获取线性形变速率，经过高程校正后，得到了包含形变信息的残余相位。为了从中求解出形变速率，对残余相位做如下积分操作：

其中：

由于线性形变在整个时间范围上是相关的，故积分使其加强；而非线性形变、大气相位、噪声在时间上不相关，故积分操作操作不会改变它们的大小。

于是，满足：

与高程类似的，建立如下目标函数：

对其优化即可得到任意两点间的线性形变速率然后在空间上构网进行平差处理得到任意一点的线性形变速率

第九步：获取大气相位和非线性形变，经过高程校正与线性形变求解后，现在残余相位包含非线性形变、大气延迟、噪声：

大气延迟在空间上表现为相关的，同一个点的大气延迟在不同时间上是不相关的，非线性形变信号在时间和空间上显然都是相关的，噪声表现为随机的高斯白噪声。基于这几个特性，通过以下滤波方法分离出非线性形变与大气延时。

其中，hpt{·}表示时间上的高通滤波，lps{·}表示空间上的低通滤波。

非线性形变：

第十步：通过二次差分获取了全部信号分量，包括毫米级精度的线性形变和非线性形变，大气相位，高程校正。

传统的tsinsar技术，小基线集技术(sbas)，本发明实施例的(tdbs)的干涉图生成方式说明如图4a-4c所示：从结果看出，本发明实施例的方法即tdbs技术有效地求解出了形变信息。

实施例1

为了验证该方法的有效性，发明人进行了实际数据的处理验证。采用从2012年1月到2016年3月共32景北京通州地区的高分辨率卫星影像，利用tdbs技术形变解算，我们得到图5-10的形变速率结果图。如图所示，通过上述的本发明实施例的方法，获得了线性形变速率图、高程校正图、非线性形变结果图、形变序列图、大气相位示意图和相干散射点形变时序图。图中可以看出，所求出的形变信息数据大幅提高了处理精度。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。