机载双天线InSAR复图像自动配准研究

引用本文

孙中昶, 郭华东, 焦孟梅, 刘广. 机载双天线InSAR复图像自动配准研究[J]. 国土资源遥感, 2010,22(1): 24-29
SUN Zhong-chang, GUO Hua-dong, JIAO Meng-mei, LIU Guang. The Automatic Registration of Airborne Dual-Antenna Interferometric SAR Complex Images[J]. REMOTE SENSING FOR LAND & RESOURCES,2010,22(1): 24-29 复制到剪切板

Permissions

《国土资源遥感》编辑部

机载双天线InSAR复图像自动配准研究

孙中昶^1,², 郭华东¹, 焦孟梅³, 刘广¹

1.中国科学院对地观测与数字地球科学中心,北京 100012

2.中国科学院研究生院,北京 100039

3.北京勘查技术工程有限公司,北京 100190

第一作者简介: 孙中昶(1983-),男,博士研究生,主要从事微波遥感研究。

收稿日期: 2009-06-10

基金: 863计划项目(编号: 2007AA120304)地质灾害干涉雷达监测预警技术系统研究项目(编号: 200811053)和华北平原地面沉降区InSAR监测子课题(编号: 09C008101B)共同资助

摘要

干涉雷达复图像之间的精确配准是提高雷达干涉测量精度的关键之一。对于机载双天线干涉雷达系统,精确的地形高程测量需要精确的干涉相位来保证,从而要求干涉复图像在亚像元级的精确配准。为了使两幅机载双天线InSAR复图像之间配准精度达到亚像元级以及提高运算效率,在分析前人算法的基础上,分别采用基于快速傅里叶变换(FFT)复相关精配准算法以及基于过采样图像的精配准方法对机载双天线InSAR复图像进行精配准试验和比较,生成了干涉条纹图,并进行了相干性分析。试验结果表明,机载双天线复图像相干性很高、偏移量较小; 对于机载双天线复数据而言,这两种方法都可以有效地实现复图像数据的高精度配准,但是从配准精度以及算法运行时间来看,基于FFT的复相关精配准算法较优,运算效率更高,且更具实用性。

关键词: 机载干涉合成孔径雷达; 复图像配准; FFT; 相关系数; 干涉纹图

中图分类号:TP75 文献标志码:A 文章编号:1001-070X(2010)01-0024-06

The Automatic Registration of Airborne Dual-Antenna Interferometric SAR Complex Images

SUN Zhong-chang^1,², GUO Hua-dong¹, JIAO Meng-mei³, LIU Guang¹

1.Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing 100012,China

2.Graduate School of Chinese Academy of Sciences, Beijing 100039,China

3.Beijing Explo-Tech Engineering Corp, Beijing 100190,China

Abstract

For the purpose of improving the precision of SAR interferometric measurement, the registration of InSAR complex images is one of the key technologies involved in SAR interferometry. For the airborne dual-antenna InSAR system, the accurate terrain elevation measurement needs to be ensured by the accurate interferometric phase; therefore, the registration of sub-pixel complex images is very important. In order to improve the registration precision and computational speed of airborne dual-antenna interferometric SAR complex images, the authors employed the methods of complex correlation fine registration based FFT and over-sampling image fine registration in this study. Chinese airborne dual-antenna InSAR complex images were chosen to perform the above-mentioned algorithms; meanwhile, interferogram was generated and the coherence of registered images was analyzed.The results show that both algorithms are feasible and robust.However, through analyzing registration precision and computational speed of the two algorithms, the authors have reached the conclusion that the complex correlation fine registration based FFT method is more accurate, and its computation efficiency is higher. The practical application also proves that the complex correlation fine registration based FFT method is applicable and effective.

Keyword: Airborne InSAR; Complex Images Registration; FFT; Correlation coefficient; Interferogram

Show Figures

0 引言

干涉合成孔径雷达(InSAR)所具有的全天时、全天候以及穿透性强的特点^[1], 已经被证实为是快速获取大面积(乃至全球)DEM^{[2, 3]}或监测地表位移的一种高精度、高效率的技术手段。其中, 单视复数影像对(Single Look Complex Pair, SLCP)的精确配准是影响InSAR测量高程或地面形变量精度的关键因素之一。研究表明, 配准精度优于1/8像元才对干涉条纹图的质量没有明显影响^[4]。

InSAR复图像配准关键在于确定两幅复图像之间匹配位置的相对偏移量。为了把两幅干涉复图像配准到亚像元精度, 学者们对InSAR复图像的精配准作了大量研究, 提出了一些较为有效的算法, 如最大频谱法、相干系数法、相位差平均梯度函数法、矩阵法及各种改进算法等^[5~13]。其中, 彭曙蓉^[10]等提出的基于边缘提取和改进型整体松弛匹配算法的InSAR复图像配准方法, 提高了配准精度; 廖明生^[12]等提出的结合最小二乘匹配的多级匹配方法较好地解决了效率、精度和可靠性问题; 袁永照^[13]在原始数据成像过程中通过补偿直接得到配准的图像。所有这些方法的提出, 极大地丰富了当前InSAR配准的技术并促进了InSAR应用的发展, 但这些方法大多是基于滑动窗口的算法, 运算效率低, 有的方法并不适用于复图像的配准^[6]。

对于机载双天线干涉雷达系统(同一架飞机上安装两副天线), 精确的地形高程测量需要精确的干涉相位来保证, 进而要求干涉复图像在亚像元级的精确配准。为了使两幅机载双天线InSAR复图像之间配准达到亚像元级配准精度以及提高运算效率, 本文在分析前人算法的基础上, 采用基于快速傅里叶变换(Fast Fourier Transform, FFT)复相关精配准算法和基于过采样图像的精配准方法对机载双天线InSAR复图像进行精配准试验和比较。试验结果表明, 这两种方法都可以有效地实现复影像数据的高精度配准, 但从配准精度以及算法运行时间来看, 基于FFT的复相关精配准算法的配准精度较优, 运算效率更高, 更具实用性。

1 配准流程与方法

星载干涉复图像的配准基本上分为粗配准、像元级配准及亚像元级精配准3个步骤^[14]。对于机载双天线干涉雷达系统来说, 一方面两副天线的位置关系固定不变, 轨道平行; 另一方面基线长度较短, 因而获取的两幅干涉复图像数据间的偏移量较小, 主辅图像间大约偏移量为1~2个像元之间, 因此可以直接进行精配准。配准流程如图1所示。

	Figure Option View Download New Window
	图1 机载双天线干涉雷达复图像配准流程Fig.1 The flow chart of registration of airborne dual-antenna InSAR complex images

1.1 基于FFT的复相关精配准

相关精配准是基于控制点周围若干像元的相关系数插值求取最大相关系数, 以之确定更加精确的配准位置^[14]。为了提高计算速度, 本文采用FFT将局部图像块转化到频域, 共轭相乘后再进行逆变换, 得到整个图像块的相关函数。具体算法如下:

(1)在主图像上随机并且均匀布设控制点, 控制点的个数按照每10 000个像元布设1个控制点的原则来确定。

(2)在主图像上以某一控制点为中心确定一个M像元× M像元的匹配窗。由于主辅图像偏移量较小, 再以辅图像对应位置为中心确定一个N像元× N像元的搜索窗口(图2(b))。M和N应满足N> M, 以便能在搜索窗口内部找到与匹配窗口相对应的窗口。另外, 为了后面的FFT快速计算, M、N的取值应当满足: M, N=2ⁿ(n=1, 2, 3, …)。

	Figure Option View Download New Window
	图2 相关匹配算法示意图Fig.2 The sketch map of correlation matching algorithms

(3)如图2所示, 在搜索窗内确定一个M像元× M像元的对应窗口, 计算该窗口与匹配窗之间的相关系数, 其计算公式为

γ = $\begin{matrix} \overset{M / 2}{\sum_{n = - M / 2}} \end{matrix} \begin{matrix} \overset{M / 2}{\sum_{00 m = - M / 2}} \end{matrix}$ u₁(n, m) $\begin{matrix} u_{2}^{*} \end{matrix}$ (n, m)/ $\begin{matrix} \sqrt[]{\binom{}{\overset{M / 2}{\sum_{n = - M / 2}} \overset{M / 2}{\sum_{00 m = - M / 2}} | u_{1} (n, m) |^{2} \overset{M / 2}{\sum_{n = - M / 2}} \overset{M / 2}{\sum_{00 m = - M / 2}} | u_{2} (n, m) |^{2}}} \end{matrix}$ (1)

式中, u₁(n, m)和u₂(n, m)分别表示匹配窗和对应窗中对应位置(n, m)上的两个复型数据, u₁(n, m)=a₁+b₁i, u₂(n, m)=a₂+b₂i; $\begin{matrix} u_{2}^{*} \end{matrix}$ (n, m)表示u₂(n, m)的共轭复数; γ 表示两个复图像窗口的相关系数。式中最大位置的确定主要取决于分子, 分母的作用主要是归一, 对结果影响较小。因此, 式(1)可改写为^[15]

式(2)是一个二维相关函数, 利用卷积的FFT进行快速计算, 则有^[15]

γ =FFT^-¹[FFT^*(u₁)FFT(u₂)] (3)

这样采用FFT将局部图像块转化到频域, 共轭相乘后再进行逆变换, 得到其相关函数。按行列搜索, 计算并保存每一个相关系数值, 取模后的相关系数峰值位置就是最大匹配点(同名点)的位置, 记下它们中心像元之间的相对偏移量。

(4)重复步骤(2)、(3), 按行列搜索, 计算其他控制点所对应的最大相关系数以及同名点的位置和相对偏移量。

(5)以同名点位置为中心取一个3像元× 3像元的相关系数窗口, 然后用二元三点插值法以0.01像元的间距插值相关系数来确定该控制点精确配准位置, 其配准精确度可以认为达到了亚像元级的精度。在控制点处插值相干系数的具体公式为^{[8, 14]}

z(x, y)= $\begin{matrix} \overset{p + 2}{\sum_{i = p}} \end{matrix}$ $\begin{matrix} \overset{q + 2}{\sum_{j = q}} \end{matrix} \begin{matrix} [\binom{\overset{p + 2}{\prod_{\frac{i = p}{k \neq i}}} \frac{x - x_{k}}{x_{i} - x_{k}}}{}] \end{matrix} \begin{matrix} [\binom{\overset{q + 2}{\prod_{\frac{i = q}{l \neq i}}} \frac{y - y_{l}}{y_{i} - y_{l}}}{}] \end{matrix}$ z_ij (4)

式中, z_ij为相关系数值; z(x, y)为插值后的相关系数值; p、q分别为相关窗口的宽度和高度。

(6)重复步骤(5), 计算其他控制点所对应的同名点的精确位置以及精确偏移量。

1.2 基于过采样图像的精配准

基于过采样图像的精配准是基于原始图像过采样数据来进一步寻找更加精确的配准位置, 其配准算法如下^{[4, 14]}:

(1)在主图像上随机并且均匀布设控制点, 控制点的个数按照每10 000个像元布设1个控制点的原则来确定。

(2)对主辅图像作过采样处理。采用合适的插值方法对主辅图像进行插值采样将图像放大, 其插值间隔为0.01个像元。理想的插值函数是sinc函数, 因为采用这种函数被认为几乎没有信息量的损失^[5]。在实际运作中, 通常采用四点立方卷积法(a=-1)进行插值采样, 因为这种方法一方面利于编程实现, 另一方面, 其插值误差小于0.3%, 能够满足干涉处理的要求^{[4, 5]}, 其插值函数为^[4]

$S (x) = \begin{matrix} \{\begin{matrix} (a + 2) | x |^{3} - (a + 3) | x |^{2} + 1 0 \leq | x | < 1 \\ a | x |^{3} - 5 a | x |^{2} + 8 a | x | - 4 a 1 \leq | x | < 2 \\ 0 | x | \geq 2 \end{matrix} \end{matrix}$ (5)

计算时, 参照图3, 利用周围16个邻点的灰度值进行内插计算, 则该像素的灰度值为

f(x, y)=A· B· C(6)

式中A、B、C分别为

$A = \begin{matrix} {[\begin{matrix} S (1 + t) \\ S (t) \\ S (1 - t) \\ S (2 - t) \end{matrix}]}^{T} \end{matrix}$ (7)

$B = \begin{matrix} [\begin{matrix} p (i - 1, j - 1) p (i - 1, j) p (i - 1, j + 1) p (i - 1, j + 2) \\ p (i, j - 1) p (i, j) p (i, j + 1) p (i, j + 2) \\ p (i + 1, j - 1) p (i + 1, j) p (i + 1, j + 1) p (i + 1, j + 2) \\ p (i + 2, j - 1) p (i + 2, j) p (i + 2, j + 1) p (i + 2, j + 2) \end{matrix}] \end{matrix}, C = \begin{matrix} {[\begin{matrix} S (1 + s) \\ S (s) \\ S (1 - s) \\ S (2 - s) \end{matrix}]}^{T} \end{matrix}$ (8)

式中, s、t为内插点f(x, y)到像素点p(i, j)间的距离在水平和垂直方向的投影, 如图3所示。

	Figure Option View Download New Window
	图3 四点立方卷积内插法示意图Fig.3 The sketch map of four cubic convolution interpolation

(3)进行最大相干估算。为了提高计算速度, 采用基于窗口的搜索方法(图2)。在进行最大相关计算的过程中引入FFT可以省去循环搜索。其计算步骤与基于FFT的复相关精配准算法中的(2)~(4)步相同, 这里就不再赘述。

(4)选取最大相干系数的匹配位置即该控制点亚像元配准位置。

1.3 偏移量拟合

由上述精配准可以得到每一个控制点所对应的精确偏移量, 删除相关系数小于0.9的控制点, 对剩下的控制点采用最小二乘法进行二阶多项式拟合, 确定两幅图像中任何一个匹配位置的相对偏移量, 从而计算复图像对的坐标转换关系。二次多项式函数具体形式为

$\begin{matrix} \{\begin{matrix} u = a_{00} + a_{10} x + a_{01} y + a_{20} x^{2} + a_{11} xy + a_{02} y^{2} \\ v = b_{00} + b_{10} x + b_{01} y + b_{20} x^{2} + b_{11} xy + b_{02} y^{2} \end{matrix} \end{matrix}$ (9)

式中, 多项式的系数为拟合参数, (x, y)为主图像中的像元坐标, (u, v)为主辅图像对应配准位置的相对坐标偏移量。根据这个偏移量可以计算复图像对之间的坐标转换关系。令

$\begin{matrix} \{\begin{matrix} L = {[u, v]}^{T} \\ B = [\begin{matrix} 1 x y x^{2} xy y^{2} 0 0 0 0 0 0 \\ 0 0 0 0 0 0 1 x y x^{2} xy y^{2} \end{matrix}] \\ δ = [a_{00}, a_{10}, a_{01}, a_{20}, a_{11}, a_{02}, b_{00}, b_{10}, b_{01}, b_{20}, b_{11}, b_{02}]^{T} \end{matrix} \end{matrix}$ (10)

则根据最小二乘法原理, 可以得到拟合参数的值为

δ =-(B^TBP)^-1B^TPL(11)

式中, P为权阵。

1.4 辅图像的重采样

由于经过精配准后得到的辅影像配准点的坐标不可能是一个整数, 那么就需要依据相邻数点的数值(实部和虚部数值)做插值计算, 也就是需要对辅图像进行重采样^[5]。常用的采样方法有sinc函数法、双线性插值法、四点立方卷积法以及最邻近像元法等。一般情况下, 四点立方插值α =-1能够满足干涉处理的要求, 其计算过程如图3以及公式(5)~(8)所示。

2 实验结果与分析

2.1 实验数据

选用我国某地区的机载双天线X波段SLC数据对上述算法进行验证, 两幅图像大小均为4 096像元× 8 192像元。设其中之一为主图像, 另一幅图像为辅图像。表1为X波段机载雷达成像基本参数。

表1 X波段机载雷达成像基本参数 Tab.1 The basic parameters of X band airborne InSAR system

2.2 数据处理及配准参数

实验采用亚像元级配准— 求解拟合参数— 辅图像重采样流程进行。采用上述两种算法分别进行数据处理, 表2是本文在运算过程中使用的主要参数。

表2 配准参数 Tab.2 Registration parameters

2.3 处理结果与分析

在主图像上随机均匀布设4 000个控制点, 分别采用基于FFT的复相关法和基于过采样图像法对复图像进行精配准试验。从算法运行时间上来看, 后者运算所耗费的时间更长。为了定量检验所用数据的相干性以及比较两种精配准算法的配准精确性, 对精配准后的4 000个点的相关系数进行了分段统计, 统计的段数为11, 前10段的间距为0.1。统计结果如图4和表3所示。

	Figure Option View Download New Window
	图4 相关系数分布曲线Fig.4 Distribution curve map of the correlation coefficient

表3 相关系数统计分布 Tab.3 Correlation coefficient statistical distribution

两种精配准方法的运算效率如表4所示。

表4 两种精配准方法的运算效率 Tab.4 The computational efficiency of two kinds of registration methods

分析图4和表3、4, 可以得到以下结论:

(1)对于机载双天线干涉雷达系统来说, 由于两天线位置关系固定, 基线较短且同时成像, 一般来说, 机载双天线复图像的相干性非常高, 相关系数大部分在[0.9, 1.0]区间内。

(2)两种精配准算法对相干性比较高的机载双天线复图像的配准效果相差不大, 并且精度都很高。但是基于过采样图像精配准方法由于在过采样图像过程中, 难免会损失图像信息, 从而影响配准相关系数^[5], 从落在相关系数区间[0.9, 1.0]的像元个数以及算法运行时间来看, 基于FFT的复相关精配准算法配准精度较优。

(3)从两种精配准方法运行时间来看, 基于FFT的复相关精配准算法运算效率更高, 更具有实用性。

通过上面的分析, 本文对基于FFT的复相关精配准所生成的同名点的偏移量进行拟合。在实验中, 主辅图像均匀布设4 000个控制点, 剔除掉相关系数小于0.9的同名点, 剩余2 465个同名点。通过式(9)~(11), 对这些同名点进行二阶多项式偏移量拟合, 其拟合参数如表5所示。

表5 二阶多项式拟合参数 Tab.5 The fitting parameters of second-order polynomial

通过表5, 可以得到以下结论:

(1)方位向和距离向拟合参数的值都很小, 说明对于机载双天线干涉雷达系统来说, 所获得的两幅干涉复数图像数据间的偏移量很小。

(2)方位向拟合参数的值都为0, 说明所获得的机载双天线InSAR复图像对在方位向上没有偏移, 只是在距离向上有较小的偏移。

另外, 干涉条纹图和相干图是对复图像配准效果的最直接和最有效的检验^[15]。图5为沿着距离向截取的部分单视干涉条纹图。

	Figure Option View Download New Window
	图5 干涉条纹图Fig.5 The interferogram

从图中可以看到, 干涉图中大部分区域干涉条纹比较平滑且呈平行的条带状, 说明图像的相干性比较高, 配准效果比较好。对照主辅图像可知, 该地区是田地, 地形起伏比较平缓, 相干性很高, 干涉条纹呈平行的条带状。但在图像两侧基本上看不到条纹分布, 说明相干性较低, 这种“ 鬼影(Ghost)” 现象是由于飞机姿态不稳以及成像处理所造成的^[16]。

图6为沿着距离向截取的部分单视相干图。该图是最常用的质量图, 相干值的高低表明图像不同区域的相干性, 是最直观的干涉质量评价图^[4], 亮度值高处表示相干性高, 干涉质量好; 亮度值低暗处表示相干性差, 干涉质量较差。

	Figure Option View Download New Window
	图6 相干图Fig.6 The coherence map

从图6可以看到, 图像上大部分区域比较亮, 说明相干性高; 图像两侧比较暗, 说明相干性较低。这是因为, 该地区为田地, 地势起伏不大, 相干性高; 而在图像两侧由于雷达成像质量差出现“ 鬼影” 现象而导致相干性差, 相干图比较暗。另外, 对照主辅图像可知, 在图像中部有池塘和水渠, 因为水体的相干性较差, 所以在图像的中部出现暗的区域以及两条暗线。

3 结论

(1)对于机载双天线干涉雷达系统来说, 由于两天线位置关系固定、基线较短且同时成像, 一般来说, 机载双天线复图像的相干性非常高。

(2)机载双天线InSAR复图像对之间的偏移量很小, 在方位向上没有偏移, 只是在距离向上有较小偏移。

(3)基于FFT的复相关精配准算法和基于过采样图像的精配准方法都可以有效地实现复影像数据的高精度配准, 但是从配准精度以及算法运行时间来看, 前者配准精度较优, 运算效率更高且更具实用性。

由于数据源限制, 本次实验区域为平坦地区, 对于山区机载双天线InSAR复数据的配准精度以及相干性如何, 还需要做进一步的研究工作。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	Graham L C. Synthetic Interferometer Radar for Topographic Mapping[J]. Proc. IEEE, 1974, 62: 763-768. [本文引用:1]
[2]	Rabus B, Eineder M, Roth A, et al. The Shuttle Radar Topography Mission- A New Class of Digital Elevation Models Acquired by Spaceborne Radar[J]. J. Photogramm. Rem. Sens. , 2003, 57: 241-262. [本文引用:1]
[3]	Thomas M Carson. Topographic Mapping in the Equatorial Belt Using Dual-Frequency Airborne IFSAR (Geo-SAR)[J]. Photogrammetric Engineering & Remote Sensing, 2008, 8: 939-944. [本文引用:1]
[4]	王超, 张红, 刘智. 星载合成孔径雷达干涉测量[M]. 北京: 科学出版社, 2002. [本文引用:5]
[5]	舒宁. 雷达影像干涉测量原理[M]. 武汉: 武汉大学出版社, 2003. [本文引用:5]
[6]	赵志伟, 杨汝良, 祁海明. 一种改进的星载干涉SAR复图像最大频谱配准算法[J]. 测绘学报, 2008, 37(1): 64-69. [本文引用:1]
[7]	唐智, 周荫清, 李景文. InSAR数据处理中基于相关系数的配准方法[J]. 雷达科学与技术, 2004, 2(2): 108-114. [本文引用:1]
[8]	汪鲁才, 王耀南, 毛建旭. 基于相关匹配和最大谱图像配准相结合的InSAR复图像配准方法[J]. 测绘学报, 2003, 32(4): 320-324. [本文引用:1]
[9]	Abdelfattah R, Nicolas J M. InSAR Image Co-registration Using the Fourier-mellin Transform[J]. International Journal of Remote Sensing, 2005, 26: 2865-2876. [本文引用:1]
[10]	彭曙蓉, 王耀南, 刘国才. 基于边缘提取和改进型整体松弛匹配算法的InSAR复图像配准方法[J]. 测绘学报, 2007, 36(1): 35-36, 46, 56, 66, 77. [本文引用:1]
[11]	孙造宇, 梁甸农, 张永胜. 星载InSAR复图像多级配准及其误差分析[J]. 信号处理, 2008, 24(3): 508-511. [本文引用:1]
[12]	LIAO Ming-sheng, LIN Hui, ZHANG Zu-xun. Automatic Registration of InSAR Data Based on Least-square Matching and Multi-step Strategy: InSAR Application[J]. Photogrammetric Engineering and Remote Sensing, 2004, 70: 1139-1144. [本文引用:1]
[13]	袁永照. 基于成像的机载双天线干涉SAR系统配准方法研究[D]. 北京: 中国科学院电子研究所, 2006. [本文引用:2]
[14]	张登荣, 俞乐. 一种高精度的干涉雷达复数影像配准方法[J]. 测绘学报, 2007, 11(4): 563-567. [本文引用:4]
[15]	曾琪明, 解学通. 基于谱运算的复相关函数法在干涉复图像配准中的应用[J]. 测绘学报, 2004, 33(2): 127-131. [本文引用:3]
[16]	Stefano Perna. Airborne Synthetic Aperture Radar: Models, Focusing and Experiments[D]. Dottorato thesis, Università degli Studi di Napoli Federico II, 2006. [本文引用:1]

1974

0.0

... 0 引言干涉合成孔径雷达(InSAR)所具有的全天时、全天候以及穿透性强的特点^[1],已经被证实为是快速获取大面积(乃至全球)DEM^[2,3]或监测地表位移的一种高精度、高效率的技术手段 ...

2003

0.0

2008

0.0

2002

0.0

王超, 张红, 刘智. 星载合成孔径雷达干涉测量[M]. 北京: 科学出版社, 2002.

本书是作者在长期从事合成孔径雷达(SAR)干涉测量(InSAR)研究工作的基础上编写而成。它全面系统地阐述了合成孔径雷达干涉测量的基本理论、处理方法、系统实现及在地学领域的应用。全书共分七章，主要内容为:合成孔径雷达干涉测量概述;合成孔径雷达千涉测量原理;星载InSAR算法分析;相位解缠;出状极化干涉测量;InSAR应用;未来SAR干涉测量发展。本书内容新颖、实用，可供从事遥感、测绘、

... 研究表明,配准精度优于1/8像元才对干涉条纹图的质量没有明显影响^[4] ...

... 2 基于过采样图像的精配准基于过采样图像的精配准是基于原始图像过采样数据来进一步寻找更加精确的配准位置,其配准算法如下^[4,14]: ...

... 3%,能够满足干涉处理的要求^[4,5],其插值函数为^[4] ...

... 该图是最常用的质量图,相干值的高低表明图像不同区域的相干性,是最直观的干涉质量评价图^[4],亮度值高处表示相干性高,干涉质量好 ...

2003

0.0

... 为了把两幅干涉复图像配准到亚像元精度,学者们对InSAR复图像的精配准作了大量研究,提出了一些较为有效的算法,如最大频谱法、相干系数法、相位差平均梯度函数法、矩阵法及各种改进算法等^[5~13] ...

... 理想的插值函数是sinc函数,因为采用这种函数被认为几乎没有信息量的损失^[5] ...

... 3%,能够满足干涉处理的要求^[4,5],其插值函数为^[4] ...

... 4 辅图像的重采样由于经过精配准后得到的辅影像配准点的坐标不可能是一个整数,那么就需要依据相邻数点的数值(实部和虚部数值)做插值计算,也就是需要对辅图像进行重采样^[5] ...

... 但是基于过采样图像精配准方法由于在过采样图像过程中,难免会损失图像信息,从而影响配准相关系数^[5],从落在相关系数区间[0 ...

2008

0.0

赵志伟, 杨汝良, 祁海明. 一种改进的星载干涉SAR复图像最大频谱配准算法[J]. 测绘学报, 2008, 37(1): 64-69.

最大频谱法常用于星载干涉SAR复图像配准,但该方法计算量较大且易受噪声影响.本文提出一种改进的最大频谱配准算法.该方法利用chirp-z变换替换补零FFT变换,以相对较少的运算量达到较高的频谱峰值计算精度;通过设定合理的判决门限,判定控制点偏移量估计结果的可靠性,以便对位于不同区域的控制点自适应选取子图像截取窗口的长度,达到控制运算量的目的.利用该算法分别对来自ASAR和ERS-1/2的两对复图像进行验证,实验结果表明该算法可以有效实现配准,且比同条件下利用常规最大频谱算法得到的结果更加可靠.

... 所有这些方法的提出,极大地丰富了当前InSAR配准的技术并促进了InSAR应用的发展,但这些方法大多是基于滑动窗口的算法,运算效率低,有的方法并不适用于复图像的配准^[6] ...

2004

0.0

唐智, 周荫清, 李景文. InSAR数据处理中基于相关系数的配准方法[J]. 雷达科学与技术, 2004, 2(2): 108-114.

对相关系数的四种计算方法进行了分析,对比了这些计算方法的计算量、评估效果和优缺点.考虑到干涉图中各点的信噪比不同,将边缘检测中的方向平滑和滤波器设计中的最大误差最小准则的思想引入到求取相关系数中,提出了方向加权相关系数的计算方法.对平滑程度较好、信噪比高的数据施加大的权重,对受到严重噪声污染、信噪比低的数据施加小的权重,可以得到更合理的相关系数.基于方向加权的相关系数进行配准,在干涉条纹密集、相关窗口较小时,可以抑制干涉条纹边缘的噪声,得到更好的配准效果.文中应用ERS-1/2实际数据进行了验证,给出了精配准偏移量和配准后干涉图,结果表明该方法有效.

2003

0.0

汪鲁才, 王耀南, 毛建旭. 基于相关匹配和最大谱图像配准相结合的InSAR复图像配准方法[J]. 测绘学报, 2003, 32(4): 320-324.

InSAR复图像配准是合成孔径雷达干涉3维成像技术中的重要步骤之一.为了获得高精确度的测量结果,要求两幅复图像之间配准达到亚像素级配准精确度.提出了一种将相关匹配和最大谱图像配准相结合的配准新方法.在相关匹配进行粗配准的情况下,通过插值所选控制点的值,并采用最大谱图像配准方法以亚像素单元进行精配准,其配准精确度达到亚像素级.实验结果证实了所提出方法的有效性.

... 在控制点处插值相干系数的具体公式为^[8,14] ...

2005

0.0

2007

0.0

彭曙蓉, 王耀南, 刘国才. 基于边缘提取和改进型整体松弛匹配算法的InSAR复图像配准方法[J]. 测绘学报, 2007, 36(1): 35-36, 46, 56, 66, 77.

配准精度是InSAR合成孔径雷达干涉成像技术中的重要指标.为获得高精确度的测量结果,提出一种包括概略配准、像素级初配准和亚像素级精配准三个环节的逐级提高精度的InSAR复图像配准方法.利用EnView软件提供的经度和纬度实现概略配准、采用基于多边形结构和边缘提取的像素级初匹配方法大大提高匹配速度.考虑以往的匹配算法都是基于能量图进行并且忽略了整体性,采用基于整体松弛匹配和相位最小二乘匹配相结合的亚像素级精匹配算法减少误匹配率,提高匹配精度.实验结果证明该方法具有良好的性能.

... 其中,彭曙蓉^[10]等提出的基于边缘提取和改进型整体松弛匹配算法的InSAR复图像配准方法,提高了配准精度 ...

2008

0.0

孙造宇, 梁甸农, 张永胜. 星载InSAR复图像多级配准及其误差分析[J]. 信号处理, 2008, 24(3): 508-511.

复图像的配准是星载干涉合成孔径雷达(InSAR)数据处理中的重要步骤。对于星载InSAR复图像的配准,为了达到高的配准精度并同时保持较高的计算效率,需要采用多级配准的方法, 即可先后采用几何配准方法、基于窗口的配准方法和基于频谱差别的配准方法来完成复图像的配准。首先讨论了三种算法的原理和处理方法,其中详细分析了基于频谱差别配准方法的原理。然后分析了各算法的误差,由于基于频谱差别配准影响最终的配准精度,分析了通过去噪来减少其误差。使用上述算法对仿真数据的处理结果验证了算法的有效性。

2004

0.0

... 廖明生^[12]等提出的结合最小二乘匹配的多级匹配方法较好地解决了效率、精度和可靠性问题 ...

2006

0.0

袁永照. 基于成像的机载双天线干涉SAR系统配准方法研究[D]. 北京: 中国科学院电子研究所, 2006.

这篇论文基于机载双天线干涉 SAR系统，从成像算法入手，紧密结合干涉SAR的配准处理。初步讨论了在失配情况下，在从正侧视到斜侧视的成像方式的变化中，导致的干涉相位误差的区别。重点分析了相比于正侧视成像下，斜侧视成像下增加的干涉相位误差，并且采取一定的方法补偿这个相位误差。围绕这个核心课题，本文开篇简要介绍了SAR和干涉SAR的基本概念。在后续的章节中，深入探讨了SAR的成像机理，详细阐述了三种具有代表性的成像方法，并且对这三种成像算法之间的联系进行了透彻的分析，比较了它们之间的异同。使用MatLab对这些算法进行了充分地仿真分析，既包括正侧视，也包括斜侧视；既对单个点目标，也对多个点目标。简要介绍了几种传统的配准方法，为后续分析失配误差建立完整的配准概念。在深入研究波数域成像算法的基础上，提出了一种基于波数域的成像算法，这种算法能够在对原始回波数据的成像过程中完成复影像对的配准。并且从实际数据处理的角度考虑，将这种算法转化为CS算法，并且对机载双天线干涉SAR系统接收的原始回波数据进行成像处理，得到了效果较好的干涉相位条纹图。在前四章的基础上，对本论文的核心课题做了一定的初步分析。首先阐述了在斜侧视成像下，多普勒中心频率随距离向距离变化而变化的概念和形成机制，然后从原理上分别对点目标和分布目标分析了斜侧视成像后的失配情况，以及由斜视角引起的干涉相位误差。最后针对点目标，进行了在失配下的干涉相位误差的仿真定量分析，采取了两种方法补偿这个相位误差。

... 袁永照^[13]在原始数据成像过程中通过补偿直接得到配准的图像 ...

2007

0.0

张登荣, 俞乐. 一种高精度的干涉雷达复数影像配准方法[J]. 测绘学报, 2007, 11(4): 563-567.

This paper mainly discusses the high-precision co-registration methods for interferometric synthetic aperture radar(InSAR) complex image.After several registration methods are reviewed and compared,a new method of the co-registration for two single looking complex(SLC) SAR images(the master image and the slave image) based on coherence coefficient,harris feature points, wavelet pyramid and Triangulated Irregular Network(TIN) based differential rectification was proposed.The experiment with space-borne InSAR(ERS 1/2) showed the method accomplished co-registration in about 43 seconds with a coherence 0.719855.It proves that the accuracy of this method can satisfy the requirement of Interferometry.

在总结现有算法的基础上,提出了基于相干系数、Harris特征点、小波金字塔及TIN三角微分纠正技术的单视复数雷达图像的配准流程。通过ERS 1/2的实验表明,提高了配准的精度和效率,特别是保证了在没有精确轨道甚至没有轨道参数的情况下也能获得很高的配准精度,计算正确的干涉相位图。在重采样过程中采用的三角联网策略,进一步使匹配点的局部拟合误差得到有效控制,得到配准精度更高的复图像对。在CPU 3.06GHz计算机上,43 s内完成5000像素×1000像素的主辅图像的配准,平均相干系数为0.719855。

... 1 配准流程与方法星载干涉复图像的配准基本上分为粗配准、像元级配准及亚像元级精配准3个步骤^[14] ...

... 1 基于FFT的复相关精配准相关精配准是基于控制点周围若干像元的相关系数插值求取最大相关系数,以之确定更加精确的配准位置^[14] ...

... 在控制点处插值相干系数的具体公式为^[8,14] ...

... 2 基于过采样图像的精配准基于过采样图像的精配准是基于原始图像过采样数据来进一步寻找更加精确的配准位置,其配准算法如下^[4,14]: ...

2004

0.0

曾琪明, 解学通. 基于谱运算的复相关函数法在干涉复图像配准中的应用[J]. 测绘学报, 2004, 33(2): 127-131.

复图像配准是干涉SAR处理中的关键步骤之一,要求配准精度达到0.1个像元的水平,而控制点的精确定位是复图像配准中的核心环节.尽管前人提出采用复相关系数法、信噪比法、平均扰动函数法等算法,但他们都是基于滑动窗口的算法,运算效率低.在分析前人算法的基础上,引入基于谱运算的复相关函数算法实现控制点的亚像元级精确定位,分析比较了算法的计算复杂度.应用该算法对我国某地区ERS-2的SLC数据进行了实验,生成了干涉图像,并进行了相干性分析,证明了该算法的可行性和稳健性.实验研究证明即使在主从图像时间间隔较大、相干性差的情况下,应用该算法也能获得干涉条纹图.

... 因此,式(1)可改写为^[15] ...

... 式(2)是一个二维相关函数,利用卷积的FFT进行快速计算,则有^[15] ...

... 另外,干涉条纹图和相干图是对复图像配准效果的最直接和最有效的检验^[15] ...

2006

0.0

... 现象是由于飞机姿态不稳以及成像处理所造成的^[16] ...