42雷达干涉测量原理与应用-.doc

4 雷达干涉测量原理与应用• INSＡR基本原理相位关系+空间关系• 雷达波的相位信息的精确提取是决定干涉测量精度的重要因素•　数据解决流程INSＡR 影像对输入基线估算清除平地效应高程计算影像配准干涉成像噪声滤除相位解缠•••ＩＮSAR数据解决的特点• 复数据解决海量数据干涉图与一般景物影像不同解决流程与一般遥感影像解决不同INＳAＲ数据解决的规定•　自动化•　高精度•　海量数据解决IＮＳAR数据解决的核心• 相位信息• 空间参数重要内容§４．１ 雷达干涉测量概述§4．２　复数影像配准§4．3 干涉图生成与相位噪声滤波§4．4 相位解缠§4.5 InSAR发展与应用４.2 复数影像配准本节要点本节系统地论述ＩNSAR复数影像精确配准的重要性,研究配准精度对于干涉图质量的影响，对INSAR数据配准措施发展的现状进行评述,分析存在的问题；然后具体论述从粗到细的影像匹配方略和实行方案,以及最小二乘匹配措施在INSAＲ数据配准中的应用等重要内容１　影像配准的基本原理２ 干涉图质量评估与配准精度３ IＮＳAR复数影像配准措施概述４ 幅度影像的从粗到细匹配方略5 幅度影像有关系数用于精确匹配6 相干性测度用于精确配准影像配准的基本原理配准问题的提出• 在遥感影像的集成应用中,涉及数据融合、变化检测和反复轨道干涉成像等,均一方面需要解决来自不同传感器或者不同步相的影像高精度迅速配准的问题•　在多源数据综合解决的过程中,影像配准往往是一种瓶颈,制约整个数据解决自动化的实现•　由反复轨道获得的两幅复数SAR影像,欲得到精确的干涉相位,必须精确地配准。

理论上,配准精度需要达到子像素级(１／1０像素ＩNSＡR数据配准问题的困难• IＮSＡR影像对是单视数的复数影像,也就是未经任何辐射辨别率改善措施的影像,纹理模糊,尚有斑点噪声的影响,要达到这样的规定并非易事•　单视数复数影像的高精度自动配准，无法用人工措施配准• 自动配准比光学影像之间的配准要困难得多，其配准的实行流程比较复杂影像配准的一般环节　影像配准的一般环节1控制点的拟定:影像自动匹配2几何变换模型:多项式变换（相对配准3质量评估：多项式拟合4复数影像重采样:三次样条、实部/虚部5过采样:避免频谱混迭质量指标 相干性测度的估计 干涉图的噪声来源系统噪声地表变化影像配准聚焦不一致基线去有关后解决后解决精确配准控制成像过程控制成像过程⇒⇒⇒⇒⇒配准精度的影响（1影像大小:２５00　× 2５０0波段:L ,C精确配准:RMS ０.０３像素Ｍax． Ｒesiｄuａｌ ０.05像素非精确配准:+ 0.7像素配准精度的影响(２ 相干系数分布(C波段（a精确配准后生成(b未精确配准后生成配准精度的影响(３　配准精度与相干性的变化趋势图IＮSAＲ复数影像配准措施概述配准是INＳＡR数据解决核心技术之一• 配准精度需要达到子像素级(1／1０像素• 星载SAR几何变形复杂:*　方位向是系统性的*　距离向与地形起伏有关⇒简朴的平移和比例缩放要达到高精度配准是很困难的斑点噪声的影响已有措施之一：相干系数法k　参照影像目的区域l搜索区域输入影像以相干系数为匹配测度已有措施之二:最大干涉频谱法• 对干涉图u进行FＦT计算，得到相应的二维频谱Ｆ。

频谱中最大值(复频谱的幅度峰值表达了最亮的干涉条纹的空间频率分量,其位置则表达了最亮条纹的空间分布频率• 频谱中的信噪比（SNＲ可以用来衡量最亮条纹的相对质量，即最大分量与其她各分量之和的比值• 根据(3－3式,信噪比与相干系数是等效的已有措施之三:平均波动函数法 无地形变化时的抱负相位差分布ＩＮＳＡＲ数据配准措施存在的问题（1• 算法均为单点匹配算法⇒某一点成果的对的与否与周边点无关⇒也许浮现多峰值或谷点的状况这种孤立的、不考虑与周边的同名点对关系的单点影像匹配成果之间也许会浮现矛盾INＳＡR数据配准措施存在的问题（2• 判断最佳点位置的难度和计算量很大⇒或以整像素间隔为移动距离，然后对定位成果进行多项式拟合,求出最佳点⇒或将窗口中影像预先按1:10过采样(ｏverｓampliｎg　⇒或将移动间隔定为０.1个像素本质上与多项式拟合的措施没有区别,并不能保证精度的明显提高I NSAR数据配准措施存在的问题(3• 从干涉条纹图的质量出发来设计匹配测度，需要反复生成局部的干涉图⇒只有在配准精度达到一定限度时,才干看到明显的条纹图⇒直观上很难判断复数像对之间的相似性限度，难以对运算过程加以监控IＮSＡR数据配准措施存在的问题(4• 在一定的搜索范畴内逐点计算和比较⇒事实上引进了大量的反复运算(相干性，FＦT的计算等重要思路•　从粗到细的影像匹配方略• 以相干性作为高精度匹配的测度匹配方略的规定根据SＡＲ影像的特点,把不同特点的匹配措施有机地组合起来，既要保证匹配的高精度，又要保证可靠性和效率重要环节特性点提取⇒选择爱好算子挑选候选点基于灰度的粗匹配⇒拟定下一级匹配的初始值整体概率松弛匹配⇒改善抗噪声能力,提高可靠性最小二乘匹配⇒逐点精化,达到子像素级的精度组合算法的目的• 匹配算法基于幅度分量或功率影像(幅度的平方⇒实数运算大大减少了需解决的数据量•　多种匹配措施的组合⇒保证精度和可靠性• 最小二乘匹配是灰度相似性导引的最速下降算法⇒少量的迭代次数就可达到所需精度,避免了老式措施的逐点搜索、反复计算实行方案(1• 先用Ｆörstner算子选择爱好点• 采用归一化的有关系数作为匹配的测度max ρ(Δx, Δy =σｇ1g２ σｇ1ｇ1　σg２ g２ρ作为初级匹配测度之特点：灰度线性畸变一般存在于由不同传感器或者在不同步相获取的遥感影像之间,ρ是灰度平移、比例尺变形之不变量实 施 方 案(2• 松弛法整体影像匹配 + 跨接法原理 跨接法：先重采样消除相对几何形变,　再计算影像段的相似性度量 ｋ ｊ　３ k 4 k　３ iｈ 和　ｊk　的有关系数: ρ（ iｈ ,jk j　j ３ j 1　i ｈ k 2　k １ 当| ih | ≠ |　ｊk　｜时重采样实行方案(３•　松弛法整体影像匹配 ＋ 跨结法原理C(ｉ，j;h,k∝ρ( ih , jk　实行方案（4•　松弛法整体影像匹配　+　跨接法原理 Ｐ（i,　j: i, j　两点之间的有关系数ρijn(Ｈ为相邻匹配点个数,m（Ｋ和m(J为候选匹配点个数P(ｒ >　T停止迭代,拟定可靠点对。

Ｂ为经验系数∑ 实 施　方 案(5•　单点最小二乘匹配出发点是“灰度差的平方和最小”　具体化:ｎ 1 + g 1　( ｘ　， y =　n　2　+ ｇ　2 ( x ,　y　vｖ = min　ｖ　=　g　1　(　x ， y − g 2 （ ｘ ， ｙ 考虑辐射畸变(窗口小时可觉得是一次线性畸变：g ( ｘ　， y　＝　h 0 + ｈ　1 g ２ ( x , ｙ ]　′　′　实 施 方　案(6只考虑相对位移的状况下（基线短： g 1（ｘ　,　y + n　１（ｘ　, y =　ｇ 2 (x ＋ Δｘ , y +　Δｙ　+ n　2　(x　， y 线性化后:ｖ （x　, y = g　2x　（ｘ ，　y　Δx　+ ｇ 2　ｙ　(ｘ ， y Δy −[g　1(x , y − g 2 （ｘ , y 实行方案（7 实行方案（8•　求解误差方程可得影像坐标改正值： Δx Δy　• 输入影像灰度重新采样• 计算匹配测度, 决定与否继续迭代计算？　• 输入影像相对纠正SIR-Ｃ数据与实验区 Ｃ波段幅度影像（site１Ｌ波段幅度影像(sｉｔe１ＳＩＲ－C数据与实验区L波段幅度影像(ｓiｔｅ2初步的实验成果 Sitｅ１ /　Ｌ波段幅度影像对和同名点对初步的实验成果表　４-1 松弛法匹配成果（二次多项式拟合误差类别点数X　方向ＲMS(像素Ｙ　方向RMS总的ＲMS(像素最大残差(像素(像素Sｉte1 松弛法匹配成果(C　波段Sｉte1　松弛法匹配成果(L　波段Ｓｉte２ 松弛法匹配成果（L 波段1０６１５５166０.09６0．1６０0．257０.1910．1230.２05０.２140．２0１0.3２9０.9８41.9850．9９0成果分析:松弛法匹配的效果明显,所有拟定的同名点(控制点的残差都很小,没有明显的粗差点,可靠性较高初步的实验成果表 4-2 最小二乘匹配成果（ｓｉte2, 二次多项式拟合匹配窗口大小误差类别Ｘ 方向RMSＹ 方向RＭS总的　ＲMS(像素最大残差(像素 (像素　（像素N＝１7　N=２1 N=２5 Ｎ＝2７ Ｎ=2９ N＝３3 N＝３5　N=3７ Ｎ=43　N=51　Ｎ＝６１ N=７1 ０．1２0７０．1８80.1７２０.16５０.1630.１5７０.１5７0．1５80.1470.1３0０.１2００.１1４０．2６8０．252０.22１０．2０5０.1９00.1６30．1510．１45０．1380．1310．１200.1０40．3３８０.３1４0.2800．2630.25００.２260.2１8０.2１5０．2010.１850．1６90．15５1．１０51.２8０１.2１40.8880．84１0.７890.８８０0．８４90.79１０.9５９0．８570．７３１实验成果分析(2•　从幅度影像看，整个SＡＲ影像的纹理特性远不如光学影像，纹理都很模糊。

但是，通过最小二乘匹配,匹配的精度有明显改善•　窗口大小N的选择对匹配精度有明显影响但是随着N增长到一定限度后,对于减少ＲＭS的效果不太明显(相对变形存在的问题（１• N=51甚至71时,还是不可以达到1/１0像素的精度规定因素重要是：⇒SＡＲ影像纹理特性相对非常比较模糊从影像匹配理论可知，影像匹配的精度与纹理特性有密切关系，背面的讨论表白幅度影像有关系数难以控制匹配质量⇒如果Ｎ太大,除了计算量的问题，相对变形也会更复杂存在的问题(２• 匹配前后的有关系数变化不大,可以阐明配准质量的改善不明显表4－3　最小二乘匹配前后的有关系数的变化最大值最小值均值原则差迭代前迭代１5 次后０.９243０.9１41０．204８０.２2８00.６３00．６320.1５９0．１59存在的问题(3•　ρ　的实际动态范畴比较小，有关系数与残差之间的有关性不明显在建立几何变形模型时,若以ρ为根据来判断（加权或剔除某些质量不高的点很困难解决问题的也许途径• 将幅度和相位信息的运用结合起来,在不明显增长运算量的状况下，进一步提高配准精度⇒使用相干系数γ(coherence• 寻找相干系数的迅速估计措施* γ = N M N　Ｍ 2 2　相干系数的迅速估计•　（４－４式是相干系数的无偏估计，在估计窗口足够大，并且相干性不是特别小时,估计的质量是较好的　N　M　| ∑ ∑ ｕ １ （n ,　ｍ　u　2 （n 。