[发明专利]联合PS目标与DS目标的双极化相位优化地表形变监测方法

说明书

本发明提供一种联合PS目标与DS目标的双极化相位优化地表形变监测方法，利用平均幅度阈值法分别选取VV、VH双极化数据的PS目标，将两种极化数据的PS目标合并。再利用Anderson‑Darling检验和平均幅度阈值法识别DS目标，对DS目标采用自适应均值滤波进行降噪处理。基于PS目标和DS目标生成时空间相干矩阵，采用相干矩阵特征值分解方法分离出第一主成分，即最大特征值，采用BGSM算法寻找最优散射机制使得第一主成分相位贡献达到最大，可以有效改善相干点目标密度和提高相位质量，最后联合PS目标与DS目标反演地表形变。

技术领域

本发明涉及雷达遥感以及图像处理技术领域，尤其涉及一种联合PS目标与DS目标的双极化相位优化地表形变监测方法。

背景技术

合成孔径雷达干涉测量(InSAR)技术是20世纪60年代产生的一项空间对地观测技术，它能够不受光照和天气条件的限制实现全天候、全天时对地观测，还可以穿透地表和植被获取地表下信息。1998年，产生了极化合成孔径雷达干涉测量技术，该技术研究同一目标的不同极化方式，通过统计分析同一地区多幅SAR影像时间序列上幅度与相位信息稳定性，探测保持高相干性的点为PS点。通过这些稳定PS点目标，可以估计并消除大气效应相位的贡献，获得更加精确的三维信息和形变量。

然而，传统的PS点选取方法往往因为自身的局限性，导致选点数量与选点精度的不足。如何解决上述方法的不足，是本发明主要解决的问题。

发明内容

为了提高Sentinel-1A数据中相干点的数量和优化相干点目标(PS与DS目标)相位，本发明提出了一种极化干涉雷达领域中的DS目标识别以及极化相位优化方法，该方法利用VV、VH极化幅度信息选取PS与DS目标，并基于PS目标与DS目标的时空间相干矩阵，利用特征值分解极化优化技术，抑制相位中的噪声分量，提高相位质量。

BGSM算法是双极化中PS点目标与DS目标优化算法中的方法之一。通过在投影矢量双变量范围内以一定的步长取值，寻找最优变量优化目标函数。

为了实现上述目的，本发明提供了一种联合PS目标与DS目标的双极化相位优化地表形变监测方法，包括如下步骤：

S1、获取N景原始的VV极化、VH极化SLC影像，并对所述SLC影像进行裁剪、配准、多视预处理，得到多视后的SLC影像；

S2、基于所述多视后的SLC影像分别计算VV极化数据和VH极化数据的平均幅度值，并设置阈值选取PS目标，将VV极化数据和VH极化数据选取的PS目标的总和作为最终的PS目标；采用Anderson-Darling检验和平均幅度阈值法识别得到DS目标；

S3、利用投影矢量和Pauli矢量将VV极化、VH极化的复数像元组合成新的SLC影像，并对所述新的SLC影像中的DS目标进行自适应均值滤波处理，得到滤波后的DS目标；

S4、分别计算得到所述新的SLC影像中的PS目标集与DS目标集的时空间相干矩阵；

S5、通过特征值分解方法分解所述时空间相干矩阵，得到PS目标集的特征值和DS目标集的特征值；

S6、通过BGSM算法搜索最优投影矢量使得最大特征值占所有特征值总和的比重最大，得到优化后的干涉相位；

S7、根据所述优化后的干涉相位联合PS目标与DS目标反演地表形变，得到地表形变速率图。