[发明专利]一种基于小波多尺度相关性分析的机载InSAR轨道误差去除方法

说明书

本发明公开了一种基于小波多尺度相关性分析的机载InSAR轨道误差去除方法，涉及遥感影像的微波遥感技术领域。本发明方案基于轨道误差独立于极化方式，将机载InSAR轨道误差处理理论与方法从单极化模式拓展到双极化模式，对不同极化方式干涉图中的差分干涉相位进行多尺度分析，滤除比轨道误差相位波长短的地形误差相位、噪声相位等成分，并对不同极化方式差分干涉相位轨道误差的高相关性进行降权精化，去除机载InSAR轨道误差相位，该方法理论严密，且不需要其他数据进行支撑，能够有效提高InSAR数据处理精度。

技术领域

本发明涉及遥感影像的微波遥感技术领域，尤其涉及一种基于小波多尺度相关性分析的机载InSAR轨道误差去除方法。

背景技术

目前机载InSAR系统已经在森林参数繁衍、农作物监测及地质灾害等领域发挥了重要作用。然而，在机载干涉(Airborne SAR Interferometry)系统中，由于气流等不稳定因素的影响，载机飞行过程中会发生位置偏移和姿态变化，由此引起的运动误差影响雷达天线相位中心位置和雷达波束指向，从而影响成像质量和高程反演精度。为了建立干涉相位与监测目标位置的严密几何关系，要求机载SAR平台惯导系统能够准确记录飞行平台运动参数，以便后续数据处理过程中进行运动补偿处理。然而载机导航定位系统的精度，即使在进行DGPS处理后，仍然只能达到2-15cm的精度，利用POS数据补偿后的图像中仍有残余时变基线误差导致的残余相位误差，尤其对于重复轨道干涉测量，即使采用高精度惯导系统，载机每次飞行过程中轨道误差都是独立存在的，引入了未知时变基线误差，在生成干涉图过程中，由基线变化引起的轨道误差不能抵消，会在距离向和方位向产生严重的轨道误差相位(残余运动误差相位)。伴随着高分辨率机载InSAR的发展，轨道误差相位已经成为制约机载InSAR分辨率提高的决定因素，其作为一种重要的误差源，会给干涉图的正确解译和信息提取带来困难，是干涉测量精度的主要限制因素之一。

为了剔除轨道误差相位，已有研究发展了多种方法。主要包括：基于子孔径分解的方法 (Multisquit,MS)、基于SAR影像自聚焦的方法(Weighted Phase CurvatureAutofocus, WPCA)及基于多基线InSAR数据的联合定标方法。但是，基于子孔径分解技术的方法对相干性具有较强的依赖性，且当监测地物几何结构存在各向异性时，不同入射角条件下，相位中心的差异会降低该方法的精度；基于WPCA方法要求监测场景内要有高相干目标点；基于多基线的联合定标方法要求具有较大的数据量才能获取可靠的结果，极大的限制了该方法的通用性。因此，构建机载InSAR轨道误差去除模型，解决少量数据条件下机载SAR数据轨道误差问题对改善机载干涉质量具有重要意义。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于小波多尺度相关性分析的机载InSAR轨道误差去除方法。将InSAR轨道误差估计方法从单极化数据模式(HH或VV)扩展为双极化数据模式(HH,HV,VV,VH)，该方法解决了少量数据条件下机载SAR数据轨道误差问题，对提高InSAR结果的解译精度以及应用起着至关重要的作用，为机载InSAR轨道误差补偿提供了一种新的思路。

本发明提供了一种基于小波多尺度相关性分析的机载InSAR轨道误差估计及去除方法，包括：

步骤S1：获取与目标区域相对应的两种不同极化方式的合成孔径雷达SAR主影像和辅影像，经过图像预滤波，主从影像配准等过程，生成不同极化方式的干涉图；利用轨道参数计算平地相位利用轨道参数和外部DEM数据计算地形相位对所述两种不同极化方式干涉图进行滤波，并做差分干涉测量，去除平地相位和地形相位，得到两种不同极化方式差分干涉图

步骤S2：对所述两种不同极化方式差分干涉相位图分别进行小波多尺度分析，利用小波分解重构信号与原始信号均方根误差(RMSE)变化率确定的分解尺度作为高低频最优分解尺度M，分离出高频失相关噪声相位利用两种不同极化方式低频部分平均相关系数 (ACC)变化率确定最大分解尺度L，分离出低频地形残差相位及轨道误差相位