干涉SAR多次观测数据的融合方法与流程

干涉sar多次观测数据的融合方法
技术领域
1.本发明涉及干涉sar技术领域，具体涉及一种干涉sar多次观测数据的融合方法。


背景技术：

2.干涉sar技术是合成孔径雷达技术与干涉技术的结合，干涉sar通过两副不同位置处的天线来观测同一场景，通过对sar回波数据的成像、干涉、定标、反演处理后，获得场景的数字高程模型(dem)。由于各种器件噪声、场景杂波、极易非理想因素的影响，干涉sar反演获取的dem中，不可避免的存在着随机误差。不同航次、不同飞行方向、不同视角的insar多次观测数据的融合能够减少dem的随机误差，进而提高高程测量精度。
3.关于insar多次观测数据融合的研究，目前的文献鲜有涉及。一方面，现有的图像融合方法多是以单一的图像数据为处理对象，而insar多次观测数据的融合需要综合考虑sar图像数据、dem数据、场景平面位置数据等，因此现有的图像融合方法难以满足insar数据融合的需求；另一方面，现有的insar数据处理方法多是以单次观测数据或面向拼接的多次观测数据为研究对象，而无法适用于以融合为目的的多次观测数据的处理。可见，由于器件噪声、场景杂波以及其他非理想因素的影响，干涉sar反演获取的dem中，不可避免的存在着随机误差，关于insar多次观测数据的融合，目前缺乏系统完备的实现方法。


技术实现要素：

4.有鉴于此，本发明提出了一种干涉sar多次观测数据的融合方法，能够将insar数据融合与地理定位同步进行，并最终在正射域完成dem数据的融合。
5.为实现上述目的，本发明的技术方案为：
6.一种干涉sar多次观测数据的融合方法，包括配准和融合；其中配准分两步进行，初级配准在斜距域通过联合定标实现，所述斜距域是指insar观测坐标系，其坐标轴为方位向和距离向；次级配准在正射域通过重采样实现，所述正射域是指地理平面坐标系，其坐标轴为正东方向和正北方向；dem的融合通过加权平均的方法在正射dem域实现，其中加权的依据是各像素点高程值在每次观测数据中的精度，该精度通过像素点处的相干系数值及其位置分布表征。
7.其中，融合权值的具体计算中，首先在每次观测数据中，针对每一个像素点，由相干系数计算相位误差，由相位误差计算高程误差；其次，依据同一像素点在不同观测数据中的高程误差对比状况，对融合权值进行归一化处理。
8.其中，所述初级配准中，设第i组数据的待求解的干涉参数修正量为δxi，其中i＝1,2
…
i，i为数据总组数，gcp点的数目为mi，该组数据中第m个gcp处的3维位置为(x
i,m
,y
i,m
,h
i,m
)、干涉参数初值为m＝1,2
…
mi，则有
[0009][0010]
设第j组与第j'组数据存在地域重叠，其中j,j'∈{1,2,
…
i},j'≠j，并且该两组数据之间有n
j,j'
对同名点，则第n对同名点处的约束方程为
[0011][0012]
其中n＝1,2
…nj,j'
；
[0013]
求解和从而获得各组insar数据的干涉参数偏差δxi。
[0014]
其中，采用最优化的方法或基于线性化误差的近似的敏感度迭代方法对和求解。
[0015]
其中，次级配准的步骤包括：同名点的选取、配准偏移量的计算以及正射dem数据的插值重采样；
[0016]
其中，利用同名点信息确定各次观测获取的正射sar幅度图之间的相对几何变换模型，进而获取各像素点处的配准偏移量；设同名点对在两次观测获取的正射sar幅度图中的坐标分别为(x1,y1)、(x2,y2)，则多项式几何变换模型为：
[0017][0018]
其中，n为多项式的阶次，a
ij
、b
ij
为待定系数，依据一定数量的同名点求解出多项式几何变换模型中的待定系数，然后应用多项式几何变换模型解出配准所需的偏移量；其中将整幅图像分成适当的小块进行配准，在每一个图像分块中分别应用多项式变换模型；
[0019]
次级配准中的同名点选取、几何偏移量的计算与评估步骤是针对正射sar幅度图进行的，由此获取的配准偏移量直接应用于正射dem数据，进而完成对dem数据的插值重采样，最终实现正射dem数据之间的严格配准。
[0020]
有益效果：
[0021]
1、本发明将insar数据融合与地理定位同步进行，并最终在正射域完成dem数据的
融合，具体是将常规的图像配准方法与联合定标方法相结合，采用加权平均的方法实现insar多次观测数据在正射dem域的融合，可对不同航次、不同飞行方向、不同视角的干涉sar多次观测数据进行融合处理，进而达到消减dem随机误差的目的，提升干涉sar高程反演的精度。
[0022]
2、本发明采用适用于insar数据融合的两级配准方法。在具体实现上，该配准方法嵌入在insar数据的三维地理定位处理流程中，能够在不影响地理定位精度的前提下实现insar数据之间的配准。
[0023]
3、本发明以融合后的正射dem为目标数据，可以用于sar干涉定标、sar联合平差、sar地理定位以及图像配准。
附图说明
[0024]
图1为本发明方法流程图。
[0025]
图2为本发明中嵌入两级配准方法后的insar数据融合流程图。
[0026]
图3为本发明实施例中融合前后dem的某一距离向序列随机波动情况。
[0027]
图4为本发明实施例中融合前后dem的另一距离向序列随机波动情况。
[0028]
图5为本发明实施例中融合后dem截图(从左至右为距离向)。
具体实施方式
[0029]
下面结合附图并举实施例，对本发明进行详细描述。
[0030]
为了减少dem的随机误差，并以融合后的正射dem为目标数据。本发明提供了一种干涉sar多次观测数据的融合方法，将insar数据融合与地理定位同步进行，并最终在正射域完成dem数据的融合，可对不同航次、不同飞行方向、不同视角的干涉sar多次观测数据进行融合处理，进而达到消减dem随机误差的目的。具体实现流程如图1所示，包括配准和融合两个关键环节。
[0031]
关于配准，常规的图像配准方法无法顾及insar数据的特有性质，联合定标方法无法达到融合所需的配准精度，鉴于此，本发明考虑将常规的图像配准方法与联合定标方法相结合，并在此基础上给出了适用于insar数据融合的两级配准方法。在具体实现上，本发明配准方法嵌入在insar数据的三维地理定位处理流程中，能够在不影响地理定位精度的前提下实现insar数据之间的配准。配准分两步进行，初级配准在斜距域通过联合定标实现(斜距域是指insar观测坐标系，其坐标轴为方位向、距离向)，次级配准在正射域通过重采样实现(正射域是指地理平面坐标系，其坐标轴为正东方向、正北方向)，可见本发明通过联合定标来保证粗配准，通过重采样来实现精确配准。
[0032]
关于融合，常用的图像融合方法可分为三类：像素级图像融合、特征级图像融合和决策级图像融合。鉴于融合对象为dem数据，该数据中没有分辨率、纹理等图像信息，不是传统意义上的图像数据，融合的目的是减少dem随机误差、提高高程精度，因此本发明选用像素级图像融合方法。在像素级图像融合方法中，加权平均融合方法的特点在于能够较好地抑制图像中的噪声，但会降低图像的轮廓和对比度。dem数据的融合只追求高程精度，而不追求对比度等图像特征。因而，本发明采用加权平均的方法实现insar多次观测数据在正射dem域的融合，其中加权的依据是各像素点高程值在每次观测数据中的精度，该精度可通过
像素点处的相干系数值及其位置分布表征。通过加权处理能够顾及到不同质量和位置分布的像素点在各次观测数据中的权重差异。嵌入两级配准方法后的insar数据融合流程如图2所示。
[0033]
本发明方法的具体步骤如下：
[0034]
步骤1，初级配准：
[0035]
面向insar数据融合的初级配准是通过联合定标来实现的，即在反演dem和正射几何校正的过程中完成配准。联合定标是指对存在地域重叠的多组insar数据同时进行干涉参数外定标，联合定标能够保证各组insar数据的三维定位精度和多组insar数据之间的三维位置一致性。insar数据的定位精度能够保证地物目标三维位置的计算结果在真值附近的一定误差范围内波动，而联合定标能够实现对各组insar数据的三维定位误差的重新分配，从而抑制了关于同一场景的各组insar数据之间的三维位置不一致现象。
[0036]
联合定标能够保证对同一场景多次观测获取的dem数据的一致性，具体来说，即能够保证各组dem数据在低频趋势上的一致性。这一性质使得后续的融合处理能够有效地消除dem数据的高频噪声。
[0037]
三维重建几何模型是联合定标的基础，只有在准确的几何模型下才能保证联合定标的精度insar系统三维重建的函数如下：
[0038][0039]
式(1)中各参数的物理意义如下：
[0040]
h表示地物目标的高程，x表示地物目标的北向位置，y表示地物目标的东向位置，φ表示展开后的干涉相位，b
//
表示顺轨基线长度，b
⊥
表示交轨基线长度，α表示交轨基线倾角，f
dc
表示多普勒中心频率，v表示主天线相位中心的速度，r表示最近斜距，h表示主天线相位中心的高度，x表示主天线相位中心的北向位置坐标，y表示主天线相位中心的东向位置坐标，θ表示平台航向角，λ表示雷达波长。
[0041]
在初级配准(即多次观测数据的联合定标)中，设第i(i＝1,2
…
i)组数据的待求解的干涉参数修正量为δxi，gcp点的数目为mi，该组数据中第m(m＝1,2
…
mi)个gcp处的3维位置为(x
i,m
,y
i,m
,h
i,m
)、干涉参数初值为则有
[0042][0043]
设第j组与第j'(j,j'∈{1,2,
…
i},j'≠j)组数据存在地域重叠(因为是针对同一区域的观测观测数据，故地域重叠的范围比较大)，并且该两组数据之间有n
j,j'
对同名点，则第n(n＝1,2
…nj,j'
)对同名点处的约束方程可写为：
[0044][0045]
多次观测数据的联合定标相当于求解式(2)、式(3)所表征的方程组，从而获得各组insar数据的干涉参数偏差δxi(i＝1,2
…
i)。式(2)、式(3)联立的方程组即为联合定标的数学模型，通常为非线性超定方程组，通常采用最优化的方法或基于线性化误差的近似的敏感度迭代方法对其求解。
[0046]
需要说明的是，在实际的insar数据处理中，并不是式(1)中所有参数均需要进入定标阶段，例如波长λ比较稳定，通常无需定标。
[0047]
步骤2，次级配准：
[0048]
基于联合定标(即初级配准方法)获取的insar数据的三维定位精度与多组insar数据之间的三维位置衔接性精度，能够满足地理测绘与图像拼接的需求，但无法满足数据融合的精度需求，因此融合时需要对各次观测的insar数据做进一步的配准，即次级配准。次级配准建立在初级配准的基础之上，对初级配准的残余误差做进一步的校正。次级配准在正射域进行。
[0049]
虽然融合的对象为正射dem数据，但鉴于正射sar幅度图与正射dem是逐像素对应的关系，并且正射sar图像更便于选取同名点进行配准操作，故次级配准中的同名点选取、几何偏移量的计算与评估等步骤是针对正射sar幅度图进行的。由此获取的配准偏移量可直接应用于正射dem数据，进而完成对dem数据的插值重采样，最终实现正射dem数据之间的严格配准。
[0050]
初级配准方法充分考虑了insar数据的自身特性(insar的系统参数、几何定位原理、干涉相位信息、gcp信息等)，初级配准方法的精度水平充分反映了insar系统的定位能力。换言之，insar数据的系统特性与先验信息已在初级配准中充分利用，故次级配准不再考虑insar数据的特有属性，而是按照普通的图像配准方法进行处理。次级配准的主要步骤包括：同名点的选取、配准偏移量的计算和正射dem数据的插值重采样。
[0051]
利用同名点信息确定各次观测获取的正射sar幅度图之间的相对几何变换模型，进而获取各像素点处的配准偏移量。通常使用的几何变换模型是多项式。设同名点对在两次观测获取的正射sar幅度图中的坐标分别为(x1,y1)、(x2,y2)，则多项式几何变换模型可表示为
[0052][0053]
其中，n为多项式的阶次，a
ij
和b
ij
为均待定系数。依据一定数量的同名点即可求解出式(4)中的待定系数，然后应用式(4)即可解出配准所需的偏移量。
[0054]
一般而言，多项式几何变换能够解决待配准图像对之间的总体变形，却难以顾及局部变形。鉴于此，可以考虑将整幅图像分成适当的小块进行配准，以适应局部变形的影响，即在每一个图像分块中分别应用多项式变换模型。通常情况下，二阶多项式即可满足要
求。
[0055]
步骤3，融合权值的分配：
[0056]
常用的图像融合方法可分为三类：像素级图像融合、特征级图像融合和决策级图像融合。鉴于融合对象为dem数据，该数据中没有分辨率、纹理等图像信息，不是传统意义上的图像数据，融合的目的是减少dem随机误差、提高高程精度，因此选用像素级图像融合方法。
[0057]
在像素级图像融合方法中，加权平均融合方法的特点在于能够较好地抑制图像中的噪声，但会降低图像的轮廓和对比度。dem数据的融合只追求高程精度，而不追求对比度等图像特征。因而，采用加权平均的方法实现insar多次观测数据在正射dem域的融合。
[0058]
加权平均融合方法即是对输入的待融合数据做线性加权平均，其数学表达如下
[0059]
f(x,y)＝w1(x,y)
·
a(x,y) w2(x,y)
·
b(x,y)
ꢀꢀ
(5)
[0060]
在式(5)中，a(x,y)、b(x,y)表示输入的待融合数据，f(x,y)表示输出的融合结果，w1(x,y)、w2(x,y)表示融合权值，权值可以逐像素变化。具体到本发明的情况，a(x,y)、b(x,y)表示两次观测获取的同一场景的正射域dem数据，并且它们已经严格配准。在应用式(5)进行数据融合前，需要计算权值w1(x,y)和w2(x,y)。insar系统随机噪声的存在，使得多次观测获取的dem的精度效果并不相同，因此在融合时有必要设计合理的权值，以顾及各次观测数据的精度差异，进而获取更高的融合精度。
[0061]
在insar数据处理中，dem误差可由干涉相位误差表征，干涉相位误差可由相干系数表征，则有
[0062][0063]
在式(6)中，δh(x,y)表示dem误差，δφ(x,y)表示干涉相位误差，表示高程关于干涉相位的敏感度，l表示多视数，γ(x,y)表示相干系数(相干系数可在干涉处理阶段统计出来)。通过式(6)即可方便地求出各像素点处的dem误差。需要说明的是，在求解dem误差时，需要计算敏感度的值，由于在斜距域中的值更便于计算，故考虑先计算出斜距域的dem误差，再将其变换至正射域(dem误差数据从斜距域到正射域的变换，可伴随着insar数据的地理编码同步进行，无需额外操作)。
[0064]
依据待融合的dem数据的误差状况以及融合权值的归一化条件，可将融合权值设置如下
[0065][0066]
其中，δh1(x,y)、δh2(x,y)分别表示两次观测数据对应的正射域dem误差。
[0067]
在获得融合权值w1(x,y)、w2(x,y)后，即可按照式(5)进行数据融合处理。
[0068]
本发明实施例选取了一组机载x波段insar实测数据进行了处理，该组数据包含对同一场景的两次insar观测。融合前后dem的随机波动情况如图3和图4所示，图示结果显示融合后dem的随机误差得到抑制。融合后的dem截图如图5所示，可以看出利用本发明方法将
insar数据融合与地理定位同步进行，并最终在正射域完成dem数据的融合。
[0069]
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。