[发明专利]基于最小二乘估计的多图像联合配准方法

权利要求书

1.一种基于最小二乘估计的多图像联合配准方法，其特征在于，包括有如下步骤：

(1)用Delaunay三角网连接图像集中所有的SAR图像，并对Delaunay三角网进行优化：依据雷达成像算法处理雷达获取的回波数据得到SAR图像，形成一个图像集，在空间基线-时间基线二维平面内，采用Delaunay三角网法连接图像集中所有的SAR图像，并设定空间和时间基线门限，舍弃空间和/或时间基线较长的弧线来优化Delaunay三角网；

(2)估计SAR图像对的配准偏移量：用优化Delaunay三角网连接图像集中所有的SAR图像之后，采用传统的InSAR图像配准算法，包括相关函数法、最大频率法或平均波动函数法来估计已连接图像对的配准偏移量；

(3)在图像集中选出一个参考图像，并在参考图像上选一些均匀分布的控制点：根据PS-InSAR处理过程中常用的方法在图像集中选出一个参考图像，其余图像为辅图像，然后在参考图像上选一些均匀分布的控制点；

(4)最小二乘法估计所有辅图像在每一个控制点上相对于参考图像的配准偏移量：对每一个控制点而言，构建出优化Delaunay三角网中已连接SAR图像对之间的配准偏移量与所有辅图像对应配准位置坐标的关系，通过最小二乘法，用已连接图像对的配准偏移量估计出辅图像对应配准位置坐标，根据控制点的像素坐标，得到在该控制点处所有辅图像相对于参考图像的配准偏移量；每一控制点都按此过程处理，得到每一个控制点处辅图像与参考图像之间的配准偏移量；

(5)对所有辅图像构造配准偏移量的偏差函数：构造配准偏移量的偏差函数，根据所有控制点处所有辅图像相对于参考图像的配准偏移量以及参考图像中控制点的像素坐标，进行二次多项式拟合，得到所有辅图像的配准偏移量的偏差函数的参数，即二次多项式的系数，得到所有辅图像配准偏移量的偏差函数的完整形式；

(6)估计所有辅图像相对于参考图像的配准偏移量：根据构造的配准偏移量的偏差函数估计所有辅图像与参考图像之间的配准偏移量；

(7)对所有辅图像进行重采样，完成多图像联合配准：根据估计出所有辅图像相对于参考图像的配准偏移量，对所有辅图像进行重采样，得到参考图像与辅图像对应场景同一位置时辅图像的像素复数值，完成多图像联合配准。

2.根据权利要求1所述的基于最小二乘估计的多图像联合配准方法，其特征在于：步骤(1)中所述的用Delaunay三角网连接图像集中所有的SAR图像，并对Delaunay三角网进行优化，包括有如下步骤：

(1a)在空间基线-时间基线二维平面内，采用Delaunay三角网法连接图像集中所有的SAR图像；

(1b)保持图像集中所有SAR图像均在单一的Delaunay三角网内；

(1c)通过门限对比优化网络：设定空间和时间基线门限，用门限对比的方法，舍弃空间和/或时间基线超过所设门限的弧线来优化Delaunay三角网，保留相干性较强的图像对。