技术特征：
1.一种基于分布式压缩感知的星载差分层析sar成像方法，其特征在于，包括以下步骤：步骤1、预处理sar图像，得到差分层析sar数据堆栈；步骤2、基于ks检测理论，识别差分层析sar数据堆栈中相邻同质像元，判定sar图像像元内是否可能存在分布式散射体和强散射体；步骤3、假设模型散射体数目为1时，估计sar图像像元内能量最强散射体的残余高程与形变速率；步骤4、构建有无强散射体假设检验问题模型，逐像元判别sar像元内有无强散射体；步骤5、对于步骤4中判别为无强散射体的sar图像像元且步骤2中判别为可能存在分布式散射体的sar图像像元，对sar图像像元内分布式散射体的高程与分布式散射体的形变速率信息进行估计；步骤6、对于步骤4中判别为有强散射体的sar图像像元且步骤2中判别为可能存在强散射体的sar图像像元，判别sar图像像元内有单个还是双个散射体；步骤7、对于步骤6中有强散射体的sar图像像元，估计sar图像像元内强散射体的高程与形变速率；步骤8、根据步骤5估计的sar图像像元内分布式散射体的高程、分布式散射体的形变速率以及散射系数，还根据步骤7中估计的sar图像像元内强散射体的高程、形变速率以及散射系数，逐个像元判定sar图像像元内分布式散射体和强散射体的有效数目，并获得有效的分布式散射体和强散射体的高程与形变速率信息，实现星载差分层析sar成像。2.根据权利要求1所述的一种基于分布式压缩感知的星载差分层析sar成像方法，其特征在于，所述的步骤1包括以下步骤：对所有sar图像进行幅度及相位校正，然后基于地理编码原理，对每幅sar图像进行去斜操作，得到差分层析sar数据堆栈。3.根据权利要求1所述的一种基于分布式压缩感知的星载差分层析sar成像方法，其特征在于，所述的步骤2包括以下步骤；步骤2.1、采用两个像素统计所得的概率分布函数差的绝对值d
m
来度量任意sar图像像元p与相邻sar图像像元p'的相似性；步骤2.2、设定阈值c与置信度α，概率分布函数差的绝对值d
m
的概率分布函数为h(t)，若d
m
≤c且α≥1-h(t)时，则两个sar图像像元识别为相邻同质像元；否则，两个sar图像像元不为相邻同质像元；步骤2.3、设置第一邻域窗口和第二邻域窗口，第二邻域窗口尺寸小于第一邻域窗口尺寸；若在第一邻域窗口内与sar图像像元相邻的相似同质像元数目大于第一设定阈值，则判定该sar图像像元内可能存在分布式散射体；若在第二邻域窗口与sar图像像元相邻的相似同质像元数目大于第二设定阈值，则判定该sar图像像元内可能存在强散射体，且该强散射体像元具有多个相似同质像元。4.根据权利要求1所述的一种基于分布式压缩感知的星载差分层析sar成像方法，其特征在于，所述的步骤4包括以下步骤；构建有无强散射体假设检验问题模型：
其中与分别表示sar像元内有强散射体的假设、sar像元内无强散射体的假设，和分别表示在有强散射体的假设和无散射体假设条件下的概率密度函数，为差分层析sar数据堆栈中任意同名像元的平均亮度，sar时序观测值构成的矢量x＝[x1,
…
,x
m
]
t
，t为转置符，ε表示热噪声标准差，为sar图像像元内强散射体的高程，为sar图像像元内强散射体的形变速率；若成立，则sar图像像元被判定为无强散射体；否则，sar图像像元被判定为有强散射体，k为sar图像像元内强散射体的个数，p0与p
k
表示sar图像像元内没有强散射体的先验概率与有k个强散射体的先验概率。5.根据权利要求1所述的一种基于分布式压缩感知的星载差分层析sar成像方法，其特征在于，所述的步骤5包括以下步骤：对于步骤4中无强散射体的sar图像像元且步骤2中判别可能存在分布式散射体的sar图像像元，采用多视压缩感知模型对sar图像像元内分布式散射体的高程与分布式散射体的形变速率信息进行估计，多视压缩感知模型如下式所示：s.t.||g-φγ1||
f
≤ε其中，||
·
||
f
表示frobenius范数，||||1为矢量的1范数，g表示多个差分层析sar数据堆栈按列依次联合而成的观测数据矩阵，γ1表示待估计的多个sar图像像元内的相同分布式散射体散射系数按列依次联合而成的矩阵，即γ1＝[γ,γ,
…
,γ]，γ表示待估计的sar图像像元的相同分布式散射体散射系数，而g表示所有相邻同质像元的sar时序观测值构成的矢量联合而成的矩阵，观测矩阵φ的m行n列元素为其中δh
n
与v
n
分别为分布式散射体的高程与形变速率的离散值。6.根据权利要求1所述的一种基于分布式压缩感知的星载差分层析sar成像方法，其特征在于，所述的步骤7包括以下步骤：对于步骤6中判别为有强散射体且步骤2中判别为无相邻同质像元的sar图像像元，采用基于压缩感知的sl1mmer方法估计像元内强散射体的高程与形变速率；对于步骤6中判别为有强散射体且步骤2中判别为有相邻同质像元的sar图像像元，采用基于分布式压缩感知的方法估计具有相邻同质像元的sar图像像元内强散射体的高程与形变速率。7.根据权利要求1所述的一种基于分布式压缩感知的星载差分层析sar成像方法，其特征在于，所述的步骤8包括以下步骤：采用基于贝叶斯信息准则的惩罚约束判别准则逐个sar图像像元判定分布式散射体的
有效个数和强散射体的有效个数，为有效个数，基于贝叶斯信息准则的惩罚约束判别准则基于以下公式：其中，n为高程与形变速率向离散化间隔的数目，k表示sar图像像元内可能的散射体的数目，γ
k
表示步骤5和7估计的sar像元内散射体(包括分布式散射体和强散射体)的散射系数γ能量由强到弱排列后取其前k个数值构成的向量，φ
k
表示观测矩阵φ中与γ
k
在散射系数γ相同位置的k列向量构成的矩阵，记sar图像像元内分布式散射体的有效个数为记录能量前名的有效分布式散射体的位置，对应截取步骤5估计的sar像元内对应位置的分布式散射体的高程、形变速率以及散射系数，即获得有效的分布式散射体的高程与形变速率信息，记sar图像像元内强散射体的有效数目记录能量前名的有效强散射体的位置，对应截取步骤7估计的sar图像像元内对应位置的强散射体的高程、形变速率以及散射系数，即获得有效的强散射体的高程与形变速率信息。
技术总结
本发明公开了一种基于分布式压缩感知的星载差分层析SAR成像方法，包括预处理SAR图像；识别相邻同质像元；估计SAR图像像元内能量最强散射体的残余高程与形变速率；逐像元判别SAR像元内有无强散射体；对SAR图像像元内分布式散射体的高程与分布式散射体的形变速率信息进行估计；判别存在强散射体的SAR图像像元内为单或双个散射体；估计SAR图像像元内强散射体的高程与形变速率；获得有效的分布式散射体和强散射体的高程与形变速率信息，实现星载差分层析SAR成像。本发明解决了由分布式散射体像元导致的成像产品信息空白问题，提高相邻同类强散射体的成像处理精度以及高维分辨能力。力。力。
技术研发人员：杨波 徐华平 江利明 濮娜 汪汉胜
受保护的技术使用者：中国科学院精密测量科学与技术创新研究院
技术研发日：2021.09.24
技术公布日：2022/5/30