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
阅读说明：本技术 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 (Airborne InSAR orbit error removing method based on wavelet multi-scale correlation analysis ) 是由 何永红 于 2020-04-09 设计创作，主要内容包括：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。(The invention discloses an airborne InSAR orbit error removing method based on wavelet multi-scale correlation analysis, and relates to the technical field of microwave remote sensing of remote sensing images. The scheme of the invention is based on that the orbit error is independent of the polarization mode, the onboard InSAR orbit error processing theory and the onboard InSAR orbit error processing method are expanded from a single polarization mode to a dual polarization mode, the differential interference phases in the interferograms of different polarization modes are subjected to multi-scale analysis, the components such as the terrain error phase and the noise phase which are shorter than the orbit error phase are filtered, the high correlation of the orbit errors of the differential interference phases of different polarization modes is subjected to weight reduction refinement, and the onboard InSAR orbit error phase is removed.)
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
步骤S3：对所述两种不同极化方式差分干涉图尺度L上的低频部分按平均相关系数定权方式对低频小波系数进行精化；对介于尺度L和M上的高频部分，按平均相关系数定权方式对高频小波系数进行精化；利用精化后小波系数重构，得到轨道误差改正后的差分干涉相位。
其中，所述平地相位其表达式为：
式中，λ为波长，R1和R2为参考斜距；
所述地形相位其表达式为：
式中，P表示极化方式，可以为线性极化方式(如HH、HV、VV、HH+VV及HH-VV或合成极化方式)，B为基线长度，θ为入射角，α为基线倾角，h为裸地表高度地形相位，Δh与散射目标相关的高度。
本发明方案基于多极化PolInSAR数据模式下,轨道误差信号与极化方式无关且不同极化方式的SAR影像同时获取，导致不同极化方式干涉图中含有相同的轨道误差相位，利用小波多尺度分析对差分干涉相位的地形残差相位及噪声相位进行抑制之后，实现了通过不同极化方式轨道误差的高度相关性对轨道误差相位进行降权精化。
在本发明方案中，步骤S1具体而言，是通过去除平地相位、地形相位等预处理过程，最终获得两种不同极化方式的差分干涉图，并对两种不同极化方式的差分干涉图的相位成分组成及其与极化方式是否有关做了分析，理清了干涉相位组成中相位成分与极化方式的相关性，为后续步骤S2改正模型建立提供理论支撑。
对于多尺度分析，很难选择一个合适的小波函数将地形误差相位及轨道误差相位完全区分开，但是，小波分解技术能够做到将波长小于轨道误差相位波长的地形误差相位、噪声相位给予初步分离。实际上，噪声相位、地形误差相位通常以短波长成分为主，通过对这些成分的分离，可以更好的对轨道误差进行探测。
步骤S2中所述进行多尺度分析的步骤为：干涉相位首先经二维小波分解分离出高频相位失相关噪声相位，本文采用文献重构信号与原始信号均方根误差(root meansquare error，以下简称RMSE)变化率约为1时的分解尺度作为高低频最优分解尺度M。
干涉相位经二维小波分解分离出高频相位失相关噪声相位后，通过对不同极化的差分干涉相位进一步进行多尺度分析，利于进一步对地形误差相位进行去除。要去除波长比轨道误差相位小的地形误差相位，采用两极化方式低频部分平均相关系数ACC(averagecorrelation coefficient)法对分解尺度L进行确定。
通过设定合适的分解尺度L，可以部分去除地形误差相位，但仍有残余的地形误差相位混合在轨道误差相位中。
步骤S3中所述进行降权改正的步骤为：
对尺度L低频部分进行降权精化，
式中，表示改正后低频系数，改正前低频系数，cj表示两极化方式低频相关系数，
当分解尺度大于最优分解尺度后，由于地形残差和轨道误差会存在频率混叠情况，部分轨道误差被分解为高频成分，对L≥M时尺度上的高频部分，对高频部分按相关性定权方式进行降权精化。
式中为改正后不同方向细节系数，为改正前不同方向细节系数，表示两极化方式高频图像不同方向二维相关系数，ε＝1,2,3。
利用精化后小波系数重构，得到轨道误差改正后的差分干涉相位及估计的轨道误差。
附图说明
图1是本发明实施例提供的一种基于小波多尺度相关性分析的机载InSAR轨道误差去除 方法的流程示意图；
图2是本发明实施例中InSAR测高原理示意图；
图3是本发明实施例中基于小波多尺度相关性分析的机载InSAR轨道误差去除方法的算 法流程图；
图4是本发明实施例中P波段实测数据HH极化方式RMSE变化率实验结果图；
图5是本发明实施例中P波段实测数据HH-HV两种极化方式ACC变化率实验结果图；
图6是本发明实施例中P波段HH-HV双极化干涉图低频高频小波系数相关性实验结果图；
图7是本发明实施例中利用HH-HV双极化干涉图提取的横向轨道误差相位剖面结果图。
图8是本发明实施例中利用HH-HV双极化干涉图提取的纵向轨道误差相位剖面结果图。
图9是本发明实施例中利用HH-HV双极化干涉图估计的轨道误差相位实验结果图。
具体实施方式
为了方便理解本发明方案的内容，下面结合具体实施予以详细阐述。
为了使本发明的目的、技术方案及优点更加清楚明白，本发明实验采用德国宇航局机载 E-SAR获取的全极化P波段实测数据进行验证，数据是在BioSAR2008项目支持下，采用重复轨道飞行模式获取。实验区位于瑞典北部的省，影像获取于2008年10月，干涉基线为16米，该区域地势变化约400米，植被资源丰富，主要树种为松树、云杉、桦树、山杨、扭叶松、灰植木、黄花柳、花楸树，分别采用HH、HV双极化差分干涉图和HH、VV双极化差分干涉图估计轨道误差相位。
具体步骤为：
步骤1：对HH、VV、HV不同极化方式的SAR相位，精确配准主辅影像，去除平地相位，干涉处理得到原始干涉图；对原始干涉图滤波，将干涉图和DEM生成的模拟地形相位做差分，得到差分干涉图；再经过相位解缠，生成HH、VV、HV等不同极化方式的差分干涉图。
其中，平地相位表达式为：
地形相位表达式为：
得到差分干涉相位组成为：
式中，P表示极化方式，为HH、HV、VV线性极化方式。
步骤2：对某一极化方式解缠后的差分干涉图如HH极化差分干涉图进行小波多尺度分解与重构，利用重构信号与原始信号RMSE变化率确定的分解尺度，作为高低频分解最优尺度M。
对HH极化差分干涉图进行小波多尺度分解与重构：
HH(x1,x2)表示HH极化方式的差分干涉相位，φ和ψ分别是尺度函数和小波函数， j＝1～J，J是小波分解尺度，＜·,·＞是内积运算符，和是HH和VV两种不同极化方式干涉相位的低频小波分解系数，和是HH和VV两种不同极化方式干涉相位不同分辨率的高频小波系数。ε＝1,2,3，分别是f(x1,x2)垂直方向、水平方向和对角方向高频分量的小波分解系数。
小波多尺度分析过程中计算重构信号与原始信号RMSE变化率：
式中
当重构信号与原始信号RMSE变化率接近1时的分解尺度，作为高低频分解最优尺度M。
步骤3：分别对两种不同极化方式解缠后的差分干涉图如HH、HV进行小波多尺度分解，计算两种不同极化方式HH、HV低频系数的ACC变化率，确定低频分解最大尺度L。
分别对HH和VV极化差分干涉图进行小波多尺度分解：
计算两种不同极化方式HH、HV低频系数的ACC变化率：
平均相关系数(ACC)表达式为：
当两种不同极化方式差分干涉图低频系数的ACC变化率趋于1时，作为低频分解最大尺度L。
步骤4：对HH极化方式的差分干涉图尺度j＝L上的低频部分和j＝M,…,L上的高频部分采用定权方式进行精化降权处理。
低频部分精化方式：
式中，
高频部分精化方式：
式中，
步骤5：利用降权处理后的小波系数进行小波重构，重构得到HH极化方式轨道误差改正后的差分干涉相位。
式中表示改正后低频系数，为改正前不同方向细节系数，改正前低频系数，为改正后不同方向细节系数，ε＝1,2,3。
步骤6：为了验证HH、HV极化方式估计的轨道误差的有效性，用HH、VV双极化差分干涉图估计轨道误差，并计算HH、HV极化方式估计的轨道误差与HH、VV双极化差分干涉图估计的轨道误差的均方根误差。
步骤7：利用原始干涉图及矫正后的干涉图生成DEM，以LiDAR为真值，对DEM结果进行评价。
从实验结果图可以看出，在轨道误差较小或者接近0的地方，本文方法与原相位拟合较好，在方位向上轨道误差较大的地方，本文方法呈现出很好的改正效果，改正后干涉相位在 0附近抖动，干涉纹图中存在的沿方位向的轨道误差大部分已消除。HH、HV极化方式估计的轨道误差与HH、VV双极化差分干涉图估计的轨道误差的均方根误差为0.0065，无论是距离向还是方位向，改正后相位均具有更好的连续性、一致性以及稳健性。通过改正后的干涉图生成的DEM来看，InSAR测高精度有了显著改善，证明了该方法的有效性。
综上所述，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，该方法将机载InSAR轨道误差处理理论与方法从单极化模式(HH或VV)扩展为双极化数据模式(HH,HV,VV,VH)，弥补了少量数据条件下机载InSAR数据轨道误差问题。本发明能在一定程度上解决机载轨道误差相位对SAR干涉测量精度的制约，对InSAR技术理论、测量方法研究具有重要意义。同时，对提高InSAR数据处理能力，增强InSAR测量技术的实用性有重要的现实意义。还对准确监测我国重点区域的地面沉降特征，以及进行潜在的地质灾害和环境评价有重要的社会意义，可被广泛采用。
以上所述仅为本发明的实施例而已，并不用以限制本发明，凡在本发明精神和原则之内，所作任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：基于移变构型的双基前视SAR波数域成像方法