一种采动区电网杆塔位移监测方法及系统与流程

本发属于理论技术方法，具体涉及一种采动区电网杆塔位移监测方法及系统。

背景技术：

为了加快了以特高压为骨干电网的建设步伐，线路沿线规划区、工业区等逐步的增多，可选的路径走廊越来越少，特高压等输电线路工程不可避免的要穿越煤矿采动区，其塔基稳定性对整个区域电网的安全性影响较大，大面积的采空塌陷区引发严重的矿区生态环境问题，造成建筑物、交通、线路设施的损害等问题，另一方面，采取避让或处理又会大大提高投资造价，因此，采动区地面沉降、变形的监测与预警显得尤为重要。目前常用的地表位移监测技术主要有水准测量、gps技术、合成孔径雷达干涉insar(interferometricsyntheticapertureradar)技术等，基于现状问题，从输电线建设和运营对沿线地质灾害监测预警的迫切需求出发急需一种方法对现有电网杆塔位移监测网络进行补充。

技术实现要素：

为了解决现有技术中所存在的上述不足，本发明提出了一种采动区电网杆塔位移监测方法及系统。

本发明提供的技术方案是：

一种采动区电网杆塔位移监测方法，包括：

基于预先获取采动区地形的影像数据选择地面目标作为分布式散射体候选点；

在所述分布式散射体候选点中确定分布式散射体点；

基于所述分布式散射体点计算采动区地表形变量，根据所述地表形变量监测杆塔位移。

优选的，所述基于预先获取采动区地形的影像数据选择地面目标作为分布式散射体候选点，包括：

对预先获取采动区地形的影像数据进行影像配准获取影像配准数据；

基于所述影像配准数据选取地面目标作为分布式散射体候选点。

优选的，所述对预先获取采动区地形的影像数据进行影像配准获取影像配准数据，包括：

基于预先获取采动区地形的合成孔径雷达影像数据选取一幅影像数据作为主影像，选取其余的影像数据作为从影像；

对所述从影像进行粗配准处理确定初始偏移量、搜索窗口以及粗配准影像数据；

基于所述初始偏移量、搜索窗口以及粗配准影像数据根据精配准处理确定精配准影像数据；

基于所述精配准影像数据和主影像根据多项式拟合确定不同的未知参数；

基于所述未知参数、多项式拟合和精配准影像数据确定影像配准数据；

其中，所述精配准包括：对所述粗配准的结果进行精化为所述多项式拟合提供可靠的观测量。

优选的，所述多项式拟合如下式：

s'＝a1s+b1l+c1sl+d1

l'＝a2s+b2l+c2sl+d2

式中，s为主影像中的像素的横坐标值，l为主影像的纵坐标值，s'为从影像中像素的横坐标值，l'为从影像中像素的纵坐标值，a1、b1、c1、d1、a2、b2、c2、d2为不同的未知参数。

优选的，所述基于所述影像配准数据选取地面目标作为分布式散射体候选点，包括:

基于所述影像配准数据生成相干性图并选取具有稳定散射特性的地面目标作为分布式散射体候选点。

优选的，所述在所述分布式散射体候选点中确定分布式散射体点，包括：

基于所述相干性图生成差分干涉相位图并在时间域的高通和空间域的低通特性确定每个所述分布式散射体候选点的大气相位扰动；

利用kriging插值方法从所述差分干涉相位图中移除所述大气相位扰动；

根据移除的所述大气相位的分布式散射体候选点基于整体相关系数法保留整体相关系数大于阀值0.6作为分布式散射体点。

优选的，所述基于所述分布式散射体点计算采动区地表形变量，包括：

基于所述分布式散射体点构建每一对相邻的所述分布式散射体点的方程组；

通过周期图法获取方程组的解并采用相位解缠算法得到每个所述分布式散射体点上的线性形变速度和高程误差。

优选的，所述线性形变速度和高程误差，按下式计算：

式中，为第k景差分干涉图中两点之间的差分相位；λ为传感器波长；δv(x,y)表示两点之间的相对性变速率；t^k为第k景差分干涉图的时间基线；为第k景差分干涉图的垂直空间基线；r为参考点的斜距；θ为参考点的雷达侧视角；δε(x,y)为两点之间的相对高程误差；为第k景差分干涉图中的模型残差。

本发明的另一目的在于提出一种采动区电网杆塔位移监测系统，包括：采集选取模块、选取确定模块和形变数据确定模块；

所述采集选取模块，用于基于预先获取采动区地形的影像数据选择地面目标作为分布式散射体候选点；

所述选取确定模块，用于基于整体相关系数法，在所述分布式散射体候选点中确定分布式散射体点；

所述形变数据确定模块，用于基于所述分布式散射体点计算采动区地表形变量，根据所述地表形变量监测杆塔位移。

优选的，所述采集选取模块，包括：配准子模块和初选子模块；

所述配准子模块，用于对预先获取采动区地形的影像数据进行影像配准获取影像配准数据；

所述初选子模块，用于基于所述影像配准数据选取地面目标作为分布式散射体候选点。

优选的，所述配准子模块，包括：第一处理单元、第二处理单元、第三处理单元、参数确定单元和影像确定单元；

所述第一处理单元，用于基于预先获取采动区地形的合成孔径雷达影像数据选取一幅影像数据作为主影像，选取其余的影像数据作为从影像；

所述第二处理单元，用于对所述从影像进行粗配准处理确定初始偏移量、搜索窗口以及粗配准影像数据；

所述第三处理单元，用于基于所述初始偏移量、搜索窗口以及粗配准影像数据根据精配准处理确定精配准影像数据；

所述参数确定单元，用于基于所述精配准影像数据和主影像根据多项式拟合确定不同的未知参数；

所述影像确定单元，用于基于所述未知参数、多项式拟合和精配准影像数据确定影像配准数据；

其中，所述精配准包括：对所述粗配准的结果进行精化为所述多项式拟合提供可靠的观测量。

优选的，所述选取确定模块，包括：选取子模块；

所述选取子模块，用于基于所述影像配准数据生成相干性图并选取具有稳定散射特性的地面目标作为分布式散射体候选点。

优选的，所述形变数据确定模块，包括：计算子模块；

所述计算子模块，用于按下式计算所述线性形变速度和高程误差：

式中，为第k景差分干涉图中两点之间的差分相位；λ为传感器波长；δv(x,y)表示两点之间的相对性变速率；t^k为第k景差分干涉图的时间基线；为第k景差分干涉图的垂直空间基线；r为参考点的斜距；θ为参考点的雷达侧视角；δε(x,y)为两点之间的相对高程误差；为第k景差分干涉图中的模型残差。

与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：

本发明的技术方案通过预先获取采动区地形的影像数据选择地面目标作为分布式散射体候选点；在分布式散射体候选点中确定分布式散射体点；基于所述分布式散射体点计算采动区地表形变量，根据地表形变量监测杆塔位移。该方案对输电线路采动区的地面沉降和地质变化有准确及时的反映，且定量监测输电线路采动区内电网杆塔塔基的水平和垂直位移。

本发明的技术方案为输电线路采动区地质灾害的准确预警、及时防治和灾后应急处置提供数据依据，有效增强电网系统应对采动区地质灾害的能力，对提高电网的安全稳定运行水平具有十分重要的意义。

附图说明

图1为本发明的方法流程图；

图2为本发明的长时间干涉测量技术(mtinsar)干涉处理流程图；

图3为本发明的干涉图；

图4为本发明的差分干涉相位图示例；

图5为本发明的干涉网络组合；

图6为本发明的监测工作区数据覆盖情况范围；

图7为本发明的区域沉降平均速率图；

图8为本发明的输电杆塔区域沉降信息。

具体实施方式

为了更好地理解本发明，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它实施例，都属于本发明保护的范围。

基于输电线建设和运营对沿线地质灾害监测预警的迫切需求出发，针对目前输电线地面监测技术无法实现广域高频次、局部重点区域高时空分辨率监测的困境，需要利用insar技术的优势对现有电网杆塔位移监测网络进行补充。本发明利用insar技术和ps-insar技术在形变测量方面应用的优势，为电网杆塔位移监测提供快速、大面积的地表形变信息。时间序列insar技术可以有效去除大气相位和地形相位的影响，并得到长时间连续稳定的形变序列，为电网防灾减灾工作提供数据支撑。

实施1、

本发明在采集采空区输电线路区域sar数据集基础上，采用长时间干涉测量技术(mtinsar)技术对影像数据集进行高精度的定量分析，估算采空区输电线路附近的形变速率等数值。长时间干涉测量技术(mtinsar)处理流程主要包括差分干涉对的选择与生成，相干点目标的选择，干涉纹图的解缠以及研究区时间序列形变量的获取几个主要步骤。其中，图2为长时间干涉测量技术(mtinsar)干涉处理流程图。

长时间干涉测量技术(mtinsar)处理的基本步骤主要包括：数据获取、选择工作区主影像及主副影像配准、差分干涉相位图生成；分布式散射体候选点选择；形变和高程误差的估计；大气相位校正；ds点上形变和高程误差的重估计。在分布式散射体处理流程中，通过解算方程组获取对研究区域的形变和dem误差的估计，是整个技术流程难点所在。

从图1可以看出，本发明提出的一种采动区电网杆塔位移监测方法，包括：

s1、基于预先获取采动区地形的影像数据选择地面目标作为分布式散射体候选点；

进一步的，基于预先获取采动区地形的影像数据选择地面目标作为分布式散射体候选点，包括：

对预先获取采动区地形的影像数据进行影像配准获取影像配准数据；

基于影像配准数据选取地面目标作为分布式散射体候选点。

进一步的，对预先获取采动区地形的影像数据进行影像配准获取影像配准数据，包括：

基于预先获取采动区地形的合成孔径雷达影像数据选取一幅影像数据作为主影像，选取其余的影像数据作为从影像；

对从影像进行粗配准处理确定初始偏移量、搜索窗口以及粗配准影像数据；

基于所述初始偏移量、搜索窗口以及粗配准影像数据根据精配准处理确定精配准影像数据；

基于所述精配准影像数据和主影像根据多项式拟合确定不同的未知参数；

基于未知参数、多项式拟合和精配准影像数据确定影像配准数据；

其中，精配准包括：对所述粗配准的结果进行精化为所述多项式拟合提供可靠的观测量。

进一步的，多项式拟合如下式：

s'＝a1s+b1l+c1sl+d1

l'＝a2s+b2l+c2sl+d2

式中，s为主影像中的像素的横坐标值，l为主影像的纵坐标值，s'为从影像中像素的横坐标值，l'为从影像中像素的纵坐标值，a1、b1、c1、d1、a2、b2、c2、d2为不同的未知参数。

近一步的，基于所述影像配准数据选取地面目标作为分布式散射体候选点，包括:

基于影像配准数据生成相干性图并选取具有稳定散射特性的地面目标作为分布式散射体候选点。

s2、在分布式散射体候选点中确定分布式散射体点；

进一步的，在分布式散射体候选点中确定分布式散射体点，包括：

基于相干性图生成差分干涉相位图并在时间域的高通和空间域的低通特性确定每个所述分布式散射体候选点的大气相位扰动；

利用kriging插值方法从所述差分干涉相位图中移除所述大气相位扰动；

根据移除的所述大气相位的分布式散射体候选点基于整体相关系数法保留整体相关系数大于阀值0.6作为分布式散射体点。

s3、基于分布式散射体点计算采动区地表形变量，根据所述地表形变量监测杆塔位移。

进一步的，基于分布式散射体点计算采动区地表形变量，包括：

基于所述分布式散射体点构建每一对相邻的分布式散射体点的方程组；

通过周期图法获取方程组的解并采用相位解缠算法得到每个分布式散射体点上的线性形变速度和高程误差。

进一步的，线性形变速度和高程误差，按下式计算：

式中，为第k景差分干涉图中两点之间的差分相位；λ为传感器波长；δv(x,y)表示两点之间的相对性变速率；t^k为第k景差分干涉图的时间基线；为第k景差分干涉图的垂直空间基线；r为参考点的斜距；θ为参考点的雷达侧视角；δε(x,y)为两点之间的相对高程误差；为第k景差分干涉图中的模型残差。

具体的，长时间干涉测量技术(mtinsar)的流程如下：

(1)获取n幅sar影像

(2)选取主影像和主副影像配准

由于影像成像时的卫星姿态不同，在多次成像时各影像的方位向分辨率、斜距向分辨率以及覆盖范围都会有较小变化。所以在进行干涉处理时，为了保证计算效率和计算精度，需要首先对sar影像进行仿射变换，以保证像素的大小和位置能够一一对应。

这种变换过程就是影像配准。配准过程中，需要指定一幅影像作为主影像，其余的影像作为从影像。其核心算法主要包括粗配准、精配准、多项式拟合以及重采样。经过重采样之后，从影像将具有与主影像一致的影像覆盖范围、空间分辨率以及像素数目。配准算法主要包含粗配准、精配准、配准多项式的拟合与重采样四个步骤。

粗配准的目的是为精配准算法提供较为可靠的初始偏移量以及搜索窗口。粗配准一般使用轨道参数进行快速解算，其精度在十个像素以内，甚至会达到两个像素的精度水平。基于粗配准结果和主副影像，精配准对偏移量进一步精化，以达到1/8像素以上的配准精度(实际的配准精度普遍在0.05像素左右)，使主从影像满足干涉要求。本专利为了提高计算效率，计算过程中用到快速傅里叶变换(fastfouriertransform,fft)。精配准的目的是为多项式拟合提供可靠的观测量。拟合的多项式体现了从影像每个像素的坐标与主影像对应像素的坐标之间的函数关系。考虑到雷达影像重复轨道的成像特征，拟合多项式须能够表达影像的偏移、旋转和拉伸特性。本专利使用的多项式形式为：

s'＝a1s+b1l+c1sl+d1

l'＝a2s+b2l+c2sl+d2

其中，(s,l)为主影像中的像素坐标，(s’,l’)为从影像中像素的坐标，这两组坐标均取自精配准的结果。

在上述公式中，需要解算8个未知参数，即a1,b1,c1,d1与a2,b2,c2,d2。精配准中可以提供多达数百个观测方程，因此可以采用最小二乘算法来进行参数估算。值得注意的是，由于精配准算法本身的算法特性，某些点的偏移量会包含估算误差。为了减少误差的影响，需要对偏移量进行精化。偏移量精化的过程，即副除数百个观测方程中残差较大的方程，并进行迭代计算的过程。精化之后，主从影像配准一般为1/8像素或者更小。获取上述8个未知参数的最优估值之后，即可将从影像插值到主影像对应的像素空间，即重采样。插值的算法包括双线性插值、样条函数插值、反距离加权插值等。虽然理论上来讲插值算法各有优劣，但实验表明，不同插值算法对干涉结果、高程或者形变参数反演的影响并不是很大。

(3)差分干涉相位图生成

首先将给定的n+1景sar影像中构成干涉组合网络，根据传统的小基线子集方法，在常规的时间基线、空间基线的垂直分量和多普勒质心频率差三个相干性影响因子的基础上，增加了时间基线的季节性变化、降水量两个影响因子，用于预估干涉对的相干性；然后根据计算得到的相干矩阵，选取具有高相干性的像对参与后续的时间序列形变反演。将构成干涉组合网络的干涉像对根据合成孔径雷达干涉测量处理方法生成若干幅干涉相位图。利用外部dem或者相干性较好的若干干涉对生成的dem，消除地形相位，生成差分干涉相位图，如图4所述。其中，图5为本发明的干涉网络组合，而干涉图是在差分干涉相位图生成前生成的，如图3所述。

(4)选择分布式散射体候选点(dsc)

挑选具有稳定散射特性的地面目标作为分布式散射体候选点，分布式散射体相对于分布式散射体，ds(分布式散射体)点目标机制的特点涉及分辨率单元内所有较小散射体的相干累加，这些散射体中没有一个的散射特性是占据统治地位的。大大改进了传统的ps(永久散射体)数目选取十分有限，导致观测结果不能客观反映研究区域的整体变化的缺点。sbas技术通过选取短时空基线像对减小时空去相关的影响，需要通过常规多视或多重空间滤波处理处理增加散射体的信噪比，这是分布式散射体算法中非常重要的一步，关系后续形变分析的准确性。直接利用sar干涉相位图来选择相位稳定的散射点误差较大，而幅度离散度与相位发散程度有一定的关系，在幅度离散度小于0.25时，可以利用幅度离散度来估计相位发散的程度。为了对同一地面目标点在不同sar影像上的幅度值进行比较，需要将各影像进行辐射校正。逐个像元地进行幅度值的分析，计算每个像元的幅度平均值和标准偏差的比值，并选取合适的评价指标和阈值，筛选出分布式散射体候选点。这种方法受影像数量的影响较大，在影像数量较少时，不能正确地对幅度稳定性进行统计，产生较大的误差。

(5)大气相位校正

在估计出每个dsc点上的线性形变速度和dem误差并移除这部分相位之后，剩余的相位由非线性形变相位、大气扰动相位和噪声相位组成，其中大气相位和非线性形变相位在时间域和空间域具有不同的分布特征：非线性形变在空间域的相关长度较小，而在时间域具有低频特征；大气扰动在空间域的相关长度较大，在时间域呈现一个随机分布，可以理解为一个白噪声过程。因而大气相位可以根据其在时间域的高通和空间域的低通特性，在每个dsc点上使用三角窗滤波器对时间域进行滤波，提取时间域的高频成份，在每个干涉对上对空间域进行滤波，提取空间域的低频成份，从而得到dsc点上的大气扰动相位。利用kriging插值方法来估算所有干涉对上所有的像素点上的大气扰动相位，并将计算出来的大气相位从差分干涉相位图中移除。

(6)筛选ds点

在移除大气扰动相位之后，利用整体相关系数来选择分布式散射体，保留整体相干系数大于一定阈值的dsc点作为ds点。其中，阀值为0.6～0.8。

(7)高程误差和形变估计

在选出的ds点上，差分干涉相位可以表示成形变相位、高程误差相位、轨道误差相位、大气扰动相位和噪声相位之和。假定地表形变以线性形变为主，而高程误差相位与高程误差成线性关系。但是由于此时每个ds点上的差分干涉相位为缠绕相位，且在不同的差分干涉图上存在着相位漂移，无法直接解算每个ds点上的方程计算出线性形变速度和dem误差。此时需要构建delaunay三角网连接ds点，建立相邻ds点之间的差分相位模型，降低非线性形变和大气扰动相位的影响。对于每一对相邻的ds点，可以得到若干个方程，构成一个非线性的方程组，可以通过周期图等方法来搜索方程组的解－相邻ds点之间的线性形变速度差和dem误差的差异，并计算整体相关系数，采用相位解缠算法得到离散网格中每个ds点上的线性形变速度和dem误差。

具体而言，在构建好的delaunay三角网中，对其中每两个ds点(x,y)在某一干涉对k上的差分相位表达式为：

等式右边的五个分量分别对应线性形变、高程误差、非线性形变、大气和噪声。这五项中，大气在空间上属于低频信息，差分处理会使得大气误差变得非常微小。此外，非线性形变和噪声对总相位的贡献也较小。因此在一般的psi算法中会将式中的最后三项合并，当做模型残差处理。如果点目标的沉降符合线性沉降模型，即可以将上式进一步改写为

其中，

为第k景差分干涉图中两点之间的差分相位；

λ为传感器波长；

δv(x,y)表示两点之间的相对性变速率；

t^k为第k景差分干涉图的时间基线；

b^k为第k景差分干涉图的垂直空间基线；

r为参考点的斜距；

θ为参考点的雷达侧视角；

δε(x,y)为两点之间的相对高程误差；

为第k景差分干涉图中的模型残差。

对于每一景差分干涉图来说，未知数包括δv(x,y)以及δε(x,y)三项，其中的相位主值是己知量，而整周未知数未知。那么n景差分干涉图可以提供个n观测方程，未知数数目为n+2。观测方程数目少于未知数数目，无法通过最小二乘直接求解。因此，本专利使用的是周期图法估算形变参数。期图法在给定的解空间中搜索使得目标函数最大的解。即

δv(x,y)表示两点之间的相对性变速率；δε(x,y)表示两点之间的相对高程误差；γ表示的是时域相干系数。为第k景差分干涉图中的模型残差。

本发明中的计算过程基本都是在idl中实现的，下面给出实现周期图法的一般过程。

定义解空间。为了保证解空间中包含所求的最优解，可以将解空间设置的尽量大。本发明在实验过程中，给定δv(x,y)的范围为[-50,50]mm/yr，δε(x,y)的范围为[-100,100]m。并将给定的解的范围划分为10×10的格网。即δv(x,y)的步长δvsw为5mm，δε(x,y)的步长δεsw为10m。

获取格网上的最优解。将10×10格网上提供的100组解带入方程(5)，解算每组解对应的时域相干系数γ。使时域相干系数最大解即为最优解，记为(δvⁿ(x,y)，δεⁿ(x,y))。

迭代搜索。以上述最优解为中心,重新定义解空间。新的δv(x,y)范围为[δvⁿ(x,y)-δvsw，δvⁿ(x,y)+δvsw]mm/yr，δε(x,y)的范围为[δεⁿ(x,y)-δεsw，δεⁿ(x,y)+δεsw]m。网格数目依然为10×10。在新的网格上计算最优解(δvⁿ⁺¹(x,y)，δεⁿ⁺¹(x,y))。

重复以上两步，直到|δvⁿ⁺¹(x,y)-δvⁿ(x,y)|<0.001，且|δεⁿ⁺¹(x,y)-δεⁿ(x,y)|<0.001为止。此时的(δvⁿ⁺¹(x,y)，δεⁿ⁺¹(x,y))即为最终的解算结果。

在计算过程中，解将以几何级数收敛。每次迭代会将解的范围缩小为原来的1/10，只需要经过三四次迭代就可以达到预期的收敛条件。但是，这种搜索方法有其本身的缺陷，周期图法并非最优的解算方法，它依赖于给定的解空间的连续性。即给定的收敛条件是两次解的差值小于0.001，那么解空间搜索的精度只能达到0.0001，虽然在理论上并不是最优解，但是在实际应用过程中精度己经足够。

实施例2

本方法应用于山西太原采矿区附近。从数据源看，采用37景完全覆盖太原市地区的cosmo-skymedhimagesar影像数据，时间跨度从2013年6月到2016年6月，中心经度东经112.5653666°，中心纬度北纬37.8582637°，成像模式为stripmap，地面分辨率为3mx3m，极化方式为hh，入射角为24.940-28.360°，右视/升轨,幅宽40km×47km，可以极好的覆盖太原市城区及周边区域，监测工作区数据覆盖情况如图6所示。

综合时间基线、空间基线和多普勒基线等因素，选取2014-8-9的图像为公共主影像，将其他sar影像进行配准。对配准影像进行3×3多视处理，获取其多视强度图及平均强度图，同时生成36个干涉对。

通过本发明提出的方法，最终得到太原市在2013-2016年间的地表沉降变化定量信息，如图7所示，其中不同颜色是对应的沉降速率。

将识别出的杆塔信息导入，形成区域内输电杆塔沉降速率图，如图8所示，图中标有杆塔的为杆塔所在位置。

通过此方法，可以对输电线路采动区的地面沉降和地质变化有准确及时的反映，并定量监测输电线路采动区内电网杆塔塔基的水平和垂直位移，为输电线路采动区地质灾害的准确预警、及时防治和灾后应急处置提供数据依据，有效增强电网系统应对采动区地质灾害的能力，对提高电网的安全稳定运行水平具有十分重要的意义。

实施例3

基于同一发明构思，本发明的另一目的在于提出一种采动区电网杆塔位移监测系统，包括：采集选取模块、选取确定模块和形变数据确定模块；

下面对上述三个模块作进一步说明：

采集选取模块，用于基于预先获取采动区地形的影像数据选择地面目标作为分布式散射体候选点；

选取确定模块，用于基于整体相关系数法，在分布式散射体候选点中确定分布式散射体点；

形变数据确定模块，用于基于分布式散射体点计算采动区地表形变量，根据地表形变量监测杆塔位移。

优选的，采集选取模块，包括：配准子模块和初选子模块；

配准子模块，用于对预先获取采动区地形的影像数据进行影像配准获取影像配准数据；

初选子模块，用于基于影像配准数据选取地面目标作为分布式散射体候选点。

优选的，配准子模块，包括：第一处理单元、第二处理单元、第三处理单元、参数确定单元和影像确定单元；

第一处理单元，用于基于预先获取采动区地形的合成孔径雷达影像数据选取一幅影像数据作为主影像，选取其余的影像数据作为从影像；

第二处理单元，用于对所述从影像进行粗配准处理确定初始偏移量、搜索窗口以及粗配准影像数据；

第三处理单元，用于基于初始偏移量、搜索窗口以及粗配准影像数据根据精配准处理确定精配准影像数据；

参数确定单元，用于基于精配准影像数据和主影像根据多项式拟合确定不同的未知参数；

影像确定单元，用于基于未知参数、多项式拟合和精配准影像数据确定影像配准数据；

其中，精配准包括：对粗配准的结果进行精化为多项式拟合提供可靠的观测量。

优选的，选取确定模块，包括：选取子模块；

选取子模块，用于基于影像配准数据生成相干性图并选取具有稳定散射特性的地面目标作为分布式散射体候选点。

优选的，形变数据确定模块，包括：计算子模块；

计算子模块，用于按下式计算所述线性形变速度和高程误差：

式中，为第k景差分干涉图中两点之间的差分相位；λ为传感器波长；δv(x,y)表示两点之间的相对性变速率；t^k为第k景差分干涉图的时间基线；为第k景差分干涉图的垂直空间基线；r为参考点的斜距；θ为参考点的雷达侧视角；δε(x,y)为两点之间的相对高程误差；为第k景差分干涉图中的模型残差。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，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，均包含在申请待批的本发明的权利要求范围之内。