[发明专利]一种面向小数据集的非局部自适应多视方法及系统

说明书

本发明公开了一种面向小数据集的非局部自适应多视方法及系统。面向小数据集的自适应多视方法，包括以下步骤：S1.对于经过配准、非相干平均等预处理的时序SAR影像，基于幅度均值图像，采用无监督的灰度级方法进行图像分割；S2.基于图像分割结果和时间维幅度向量间的L1范数，自适应构建联合数据向量；S3.对于构建的联合数据向量，首先剔除联合数据向量中的异常值，然后采用AD检验方法选取SHP集合；S4.基于选取的SHP集合，自适应地估计相干系数及降噪处理。本发明同时考虑了空间维和时间维两个维度的信息，可以在影响数目较小的情况下，选取到可靠的SHP集合，从而可以自适应地估计相干系数和干涉相位图降噪。

技术领域

本发明属于信号与信息处理技术领域，涉及时间序列干涉合成孔径雷达的地表形变反演方法，具体是在小基线集(Small Baseline，SBAS)技术框架上，首先基于图像分割结果以及L1范数自适应构建联合数据向量，并对构建的联合数据向量进行异常值剔除，然后采用AD检测进行小数据集的同质点(Statistically Homogeneous Pixel,SHP)选取，最后基于选取的SHP集合进行自适应多视处理。

背景技术

干涉合成孔径雷达(Interferogrametric Sythetic Aperture Radar,InSAR)技术是一种极具潜力的微波遥感技术，可以获取高精度的地形和地面形变信息，在制图、土地利用分类和自然灾害生态环境监测等地理信息方面具有广阔的应用前景。相比于传统InSAR技术，时序InSAR技术利用多景SAR影像生成多幅干涉图，能够有效地降低时空失相干的影响并去除大气延迟相位，在缓慢累积形变监测方面具有明显的优势。

时序InSAR技术主要分为两大类：永久散射体干涉技术(Persistent InSAR,PSInSAR)和小基线集(Small Baseline，SBAS)技术。PSInSAR技术采用单主影像方式组成干涉对，基于高相干点进行形变反演，可以获取毫米级的形变测量精度，但通常要求影像数量大于25景。相比于PSInSAR技术的单主影像处理，SBAS技术选取多主影像的处理策略，充分利用获取的SAR影像，通过设置合理的时空基线阈值，有效地降低了时空失相干的影响。

SBAS技术通常基于相干系数进行高相干目标选取，估计形变前需要对干涉图进行相位解缠。相位解缠结果直接决定了SBAS形变反演可靠性，而相位解缠的好坏与相位噪声相关。为降低相位噪声的影响，通常采用多视技术对InSAR数据进行预处理。基于固定窗的多视处理可以快速高效地抑制噪声，但在一定程度上降低了影像分辨率且损失了细节信息。自适应多视处理可以在降低噪声的同时保持图像的细节信息，其核心技术在于SHP集合的选取。然后对于影像数较少的情况，基于时间维幅度信息的SHP选取方法检测率较低，在一定程度上影响了相位滤波结果以及相干系数自适应估计结果。

发明内容

为获取高分辨率的形变信息，本发明在现有SBAS技术的形变反演框架基础上，充分考虑像元的时间维和空间维信息，针对小数据的SHP选取可靠性低问题，给出有效的解决策略。具体而言，首先采用无监督分类算法对幅度均值图像进行图像分割处理，然后基于图像分割结果和时间维强度向量间的L1范数自适应地构建联合数据向量，再基于构建的联合数据向量采用AD检验方法选取SHP集合；选取的SHP集合可以用于降噪处理及相干系数估计，从而可以获取兼顾效果和分辨率的处理结果。

为达到上述目的，本发明采取如下技术方案：

一种面向小数据集的自适应多视方法，包括以下步骤：

S1.对于经过配准、非相干平均等预处理的时序合成孔径雷达(SyntheticAperture Radar,SAR)影像，基于幅度均值图像，采用无监督的灰度级方法进行图像分割；本发明首先进行多幅SAR图像间的配准、幅度校正，然后进行时间维非相干强度平均等预处理。

S2.基于图像分割结果和时间维幅度向量间的L1范数，自适应构建联合数据向量；