[发明专利]用于多基线干涉合成孔径雷达相位解缠的聚类校正方法、系统和介质

说明书

本发明公开了用于多基线干涉合成孔径雷达相位解缠的聚类校正方法、系统和介质，方法为：根据多基线干涉合成孔径雷达的参数，计算每幅干涉图中每个像素对应的整周模糊数，从而得到每个像素的模糊矢量；将模糊矢量相同的像素聚为同一类；对干涉图中的像素进行类校正：若干涉图尺寸小于预设尺寸值，则对所有像素，均按照像素的扩展区域内的最大类别进行类校正；若干涉图尺寸超过预设尺寸值，则先根据像素的扩展区域的密度判断该像素是否需要校正，然后对需要校正的像素，按照像素的扩展区域内的最大类别进行类校正。本发明可以提高现有多基线干涉合成孔径雷达相位解缠的像素聚类结果的准确性和有效性，进而提高解缠相位的精度。

技术领域

本发明属于干涉合成孔径雷达技术领域，具体涉及一种用于多基线干涉合成孔径雷达相位解缠的聚类校正方法、系统和介质。

背景技术

干涉合成孔径雷达(InSAR)可根据同一场景对应的两幅SAR图像的绝对干涉相位获取地面目标的高程信息，最终可用于获取数字高程模型(DEM)^[1][2]。然而，InSAR系统只能得到绝对相位的主值，即缠绕相位。为了精确估计地形高度，必须通过相位解缠(PU)来重建绝对相位^[3][4]。为了解决这个问题，研究人员首先提出了单基线相位解缠方法(SBPU)^[4]。对于传统的SBPU，一个方程中有两个未知数，这将导致许多解。为了保证解的唯一性，SBPU假设相邻像素之间的实际相位跳变小于π，这被称为相位连续性假设或Itoh条件^[5]。为了克服SBPU的缺点，有研究者提出了以中国余数定理(Chinese remainder theorem,CRT)为理论基础的多基线相位解缠算法(MBPU)，以消除相位连续性假设的限制^[6]。

在过去的几十年里，MBPU得到了广泛的研究。文献[6]首次提出了三种使用具有不同基线或频率的多干涉图MBPU方法。然后在文献[7]和[8]中提出了基于最大似然估计的方法。随后，在[9]和[10]中提出了一种基于贝叶斯框架和最大后验概率(MAP)估计的新策略。在[11]中，将最大似然准则和扩展卡尔曼滤波器(EKF)相结合，构建了多通道EKF相位解缠框架，实现了有趣的性能改进。在[12]中，非局部滤波技术被引入到基于MAP的MBPU方法中。在[13]中，提出了一种两阶段规划方法(TSPA)，它将SBPU的框架移植到MBPU。

作为最流行的MBPU方法之一，基于聚类分析的MBPU算法也得到了广泛的研究。在[14]中，提出了一种基于聚类分析的快速方法，简称CA。聚类方法根据多个干涉图的组合信息将所有像素划分为不同的类，然后逐个进行PU。在[15]中，每个像素对应的模糊向量根据闭合形式的鲁棒CRT求解，然后根据模糊向量进行聚类，并设计了一些措施来提高性能。在[16]中，提出了一种鲁棒的基于CA的多基线干涉图PU算法(缩写为CANOPUS)，其可识别的数学模型从截距维度扩展到行、列和截距维度。在[17]中，采用线性组合方法来增加高度模糊数并提高CA方法的噪声鲁棒性。文献[18]考虑了基线过多或搜索空间过大的情况，给出了类模糊矢量的闭合解公式，同时还提出了一种新的相位滤波策略，进一步提高了解缠相位的精度。

但这种基于聚类分析的MBPU方法仍然存在鲁棒性较弱的问题，容易产生错误的聚类结果:(1)直接基于CRT的PU方法对相位噪声敏感，较小的相位噪声可能造成较大的解缠误差，因此噪声鲁棒性较差；(2)虽然CA方法在一定程度上提高了噪声鲁棒性，减少了PU的时间，但是当含有像素较少的类与含有像素较多的类的截距非常接近时，由于相位噪声的存在，会将这两个类合并在一起，造成错误的聚类结果；(3)CANOPUS法仅将待聚类像素的聚类信息由截距扩展到行、列及其截距值，但仍然容易得到错误的聚类结果。

发明内容

本发明的目的在于提供一种用于多基线干涉合成孔径雷达相位解缠的聚类校正方法、系统和介质，提高基于CA的MBPU算法的噪声鲁棒性。

一种用于多基线干涉合成孔径雷达相位解缠的聚类校正方法，包括：