基于相干系数线性度最优的极化干涉SAR图像配准方法

摘要

本发明涉及一种基于相干系数线性度最优的极化干涉SAR图像配准方法，属于雷达信号处理技术领域。通过利用各极化通道相干系数的线性度与图像配准偏差之间的函数关系，将使相干系数线性度最优的图像偏移量作为图像配准量。由于充分利用了目标的干涉和极化信息，对于体散射较为严重且后向散射均匀的植被覆盖区具有较高的图像配准精度，有效的解决了传统图像配准方法在处理植被覆盖区的极化干涉SAR图像时存在的配准误差大、精度低的问题。

说明书

技术领域

本发明涉及一种极化干涉合成孔径雷达(SAR)图像配准方法，属于雷达信号处理技术领域。

背景技术

在极化干涉SAR信号处理过程中，复图像配准是其中极为重要的一步。如果复图像配准存在偏差，将会导致不同目标的复信号进行干涉，从而降低干涉条纹的信噪比，影响高程的反演精度。因此，复图像的高精度配准是极化干涉SAR数据处理的前提和基础。

对于非植被覆盖区，由于体散射去相干影响较小，可以利用传统的干涉SAR图像配准方法进行图像配准，如相关函数法、平均波动函数法和最大谱估计法。但是，对于植被覆盖区，由于目标后向散射较为均匀，且体散射去相干现象严重，干涉条纹不明显，导致传统方法配准精度下降，进而增加干涉相位噪声，影响极化干涉SAR的高程提取精度。

因此，需要开发一种适用于植被覆盖区的极化干涉SAR高精度图像配准方法。

发明内容

本发明的目的是为了克服已有技术的缺陷，解决传统图像配准方法在处理植被覆盖区的极化干涉SAR图像时存在的配准误差大、精度低的问题，提出了一种基于相干系数线性度最优的极化干涉SAR图像配准方法。

本发明的目的是通过以下技术方案实现的。

一种基于相干系数线性度最优的极化干涉SAR图像配准方法，包括以下步骤：

步骤一、根据主、从阵元HH极化图像、HV极化图像和VV极化图像，得到主阵元HH+VV极化图像和HH-VV极化图像，以及从阵元插值后的HH极化图像、HV极化图像、VV极化图像、HH+VV极化图像和HH-VV极化图像。方法如下：

首先，根据干涉SAR的几何关系，得到主从阵元图像偏移量初值ρ0。

$>{\rho }_0=\frac{H/\cos \theta -\sqrt{{(H+B_{\perp })}^2+{(H\tan \theta +B_P)}^2}}{{\delta }_r}---\left(1\right)$>

其中，H为主阵元距地面的高度，θ为主天线波束中心下视角，B_⊥为垂直基线，B_P为平行基线，δ_r为斜距像素间隔；

然后，根据图像偏移量初值ρ₀和预设的估计偏差ρ_ε，设定图像偏移量搜索区间为[ρ₀-ρ_ε，ρ₀+ρ_ε]，即ρ∈[ρ₀-ρ_ε，ρ₀+ρ_ε]。

之后，以主阵元各极化图像S_1HH，S_1HV，S_1VV为参考，依次根据所述搜索区间[ρ₀-ρ_ε，ρ₀+ρ_ε]内的所有像素偏移量ρ对从阵元各极化图像S_2HH，S_2HV，S_2VV进行插值，得到从阵元插值后的HH极化图像、HV极化图像和VV极化图像，用符号S′_2HH(ρ)，S′_2HV(ρ)，S′_2VV(ρ)表示；

最后，获取主从阵元HH+VV极化图像和HH-VV极化图像，用符号S_1HHpVV，S_1HHmVV，S′_2HHpVV(ρ)，S′_2HHmVV(ρ)表示：

S_1HHpVV＝S_1HH+S_1VV    (2)

S_1HHmVV＝S_1HH-S_1VV    (3)

S′_2HHpVV(ρ)＝S′_2HH(ρ)+S′_2VV(ρ)(4)

S′_2HHmVV(ρ)＝S′_2HH(ρ)-S′_2VV(ρ)(5)

步骤二、利用步骤一得到的主从阵元HH极化图像、HV极化图像、VV极化图像、HH+VV极化图像和HH-VV极化图像，获取像素偏移量ρ对应的相干系数测量值和拟合值之间的欧几里德距离。方法如下：

首先，利用步骤一得到的主从阵元HH极化图像、HV极化图像、VV极化图像、HH+VV极化图像和HH-VV极化图像，获取各极化方式同名像素的相干系数测量值，用符号γ_ij(ρ)，ij＝HH，HV，VV，HHmVV，HHpVV表示：

$>{\gamma }_{\mathrm{HH}}\left(\rho \right)=\frac{<S_{1\mathrm{HH}}·S_{2\mathrm{HH}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{HH}}{S}_{1\mathrm{HH}}^{*}><S_{2\mathrm{HH}}^{\prime }\left(\rho \right)·S_{2\mathrm{HH}}^{\prime *}\left(\rho \right)>}}---\left(6\right)$>

$>{\gamma }_{\mathrm{HV}}\left(\rho \right)=\frac{<S_{1\mathrm{HV}}·S_{2\mathrm{HV}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{HV}}{S}_{1\mathrm{HV}}^{*}><S_{2\mathrm{HV}}^{\prime }\left(\rho \right)·S_{2\mathrm{HV}}^{\prime *}\left(\rho \right)>}}---\left(7\right)$>

$>{\gamma }_{\mathrm{VV}}\left(\rho \right)=\frac{<S_{1\mathrm{VV}}·S_{2\mathrm{VV}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{VV}}{S}_{1\mathrm{VV}}^{*}><S_{2\mathrm{VV}}^{\prime }\left(\rho \right)·S_{2\mathrm{VV}}^{\prime *}\left(\rho \right)>}}---\left(8\right)$>

$>{\gamma }_{\mathrm{HHpVV}}\left(\rho \right)=\frac{<S_{1\mathrm{HHpVV}}·S_{2\mathrm{HHpVV}}^{\prime *}>}{\sqrt{<S_{1\mathrm{HHpVV}}{S}_{1\mathrm{HHpVV}}^{*}><S_{2\mathrm{HHpVV}}^{\prime }\left(\rho \right)·S_{2\mathrm{HHpVV}}^{\prime *}\left(\rho \right)>}}---\left(9\right)$>

$>{\gamma }_{\mathrm{HHmVV}}\left(\rho \right)=\frac{<S_{1\mathrm{HHmVV}}·S_{2\mathrm{HHmVV}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{HHmVV}}{S}_{1\mathrm{HHmVV}}^{*}><S_{2\mathrm{HHmVV}}^{\prime }\left(\rho \right)·S_{2\mathrm{HHmVV}}^{\prime *}\left(\rho \right)>}}---\left(10\right)$>

其中，<·>是数学期望算子。

然后，对同名像素的相干系数测量值在复平面上进行最小二乘直线拟合，得到各极化相干系数拟合值，用符号ij＝HH，HV，VV，HHmVV，HHpVV表示；

最后，获取像素偏移量ρ对应的相干系数测量值和拟合值之间的欧几里德距离L(ρ)：

步骤三、利用步骤二得到的结果，获取所有相干系数测量值和拟合值之间的欧几里德距离的最小值，并将其对应的像素偏移量ρ作为主从阵元图像偏移量的估计值

根据上式即可得到基于相干系数线性度最优的极化干涉SAR图像偏移量估计值。

有益效果

本发明所述的一种基于相干系数线性度最优的极化干涉SAR图像配准方法，与传统的极化干涉SAR图像配准方法相比，具有以下优点：采用了基于相干系数线性度最优的极化干涉SAR图像配准方法，充分用了目标的极化信息，因此在体散射较为严重且后向散射均匀的植被覆盖区具有较高的配准精度。

附图说明

图1为本发明具体实施例的流程图；

图2为本发明的具体实施例的待配准的极化干涉SAR图像示意图。

具体实施方式

下面结合附图和实施例对本发明做进一步详细说明。

实施例

一种基于相干系数线性度最优的极化干涉SAR图像配准方法，设观测场景为森林覆盖区，其实施流程如图1所示，其具体步骤为：

步骤一、根据主、从阵元HH极化图像、HV极化图像和VV极化图像，得到主阵元HH+VV极化图像和HH-VV极化图像，以及从阵元HH极化图像、HV极化图像、VV极化图像、HH+VV极化图像和HH-VV极化图像。方法如下：

首先，根据干涉SAR的几何关系，得到主从阵元图像偏移量初值ρ₀：

$>{\rho }_0=\frac{H/\cos \theta -\sqrt{{(H+B_{\perp })}^2+{(H\tan \theta +B_P)}^2}}{{\delta }_r}---\left(13\right)$>

其中，H为主阵元距地面的高度且H＝3000m，θ为主天线波束中心下视角且θ＝45°，B_⊥为垂直基线且B_⊥＝10m，B_P为平行基线且B_P＝10m，δ_r为斜距像素间隔且δ_r＝1.36，像素偏移量初值计算结果为ρ₀＝10.4；

然后，根据图像偏移量初值ρ₀和预设的估计偏差ρ_ε设定图像偏移量搜索区间为[ρ₀-ρ_ε，ρ₀+ρ_ε]，即ρ∈[ρ₀-ρ_ε，ρ₀+ρ_ε]。

之后，以主阵元图像各极化图像S_1HH，S_1HV，S_1VV为参考，依次根据所述搜索区间[ρ₀-ρ_ε，ρ₀+ρ_ε]内的所有像素偏移量ρ对从阵元各极化图像S_2HH，S_2HV，S_2VV进行插值，得到从阵元插值后的HH极化图像、HV极化图像和VV极化图像，用符号S′_2HH(ρ)，S′_2HV(ρ)，S′_2VV(ρ)表示；

最后，获取主从阵元HH+VV极化图像和HH-VV极化图像，用符号S_1HHpVV，S_1HHmVV，S′_2HHpVV(ρ)，S′_2HHmVV(ρ)表示：

S_1HHpVV＝S_1HH+S_1VV    (14)

S_1HHmVV＝S_1HH-S_1VV    (15)

S′_2HHpVV(ρ)＝S′_2HH(ρ)+S′_2VV(ρ)(16)

S′_2HHmVV(ρ)＝S′_2HH(ρ)-S′_2VV(ρ)(17)

步骤二、利用步骤一得到的主从阵元HH极化图像、HV极化图像、VV极化图像、HH+VV极化图像和HH-VV极化图像，获取像素偏移量ρ对应的相干系数测量值和拟合值之间的欧几里德距离。方法如下：

首先，利用步骤一得到的结果，获取各极化方式同名像素的相干系数测量值，用符号γ_ij(ρ)，ij＝HH，HV，VV，HHmVV，HHpVV表示：

$>{\gamma }_{\mathrm{HH}}\left(\rho \right)=\frac{<S_{1\mathrm{HH}}·S_{2\mathrm{HH}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{HH}}{S}_{1\mathrm{HH}}^{*}><S_{2\mathrm{HH}}^{\prime }\left(\rho \right)·S_{2\mathrm{HH}}^{\prime *}\left(\rho \right)>}}---\left(18\right)$>

$>{\gamma }_{\mathrm{HV}}\left(\rho \right)=\frac{<S_{1\mathrm{HV}}·S_{2\mathrm{HV}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{HV}}{S}_{1\mathrm{HV}}^{*}><S_{2\mathrm{HV}}^{\prime }\left(\rho \right)·S_{2\mathrm{HV}}^{\prime *}\left(\rho \right)>}}---\left(19\right)$>

$>{\gamma }_{\mathrm{VV}}\left(\rho \right)=\frac{<S_{1\mathrm{VV}}·S_{2\mathrm{VV}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{VV}}{S}_{1\mathrm{VV}}^{*}><S_{2\mathrm{VV}}^{\prime }\left(\rho \right)·S_{2\mathrm{VV}}^{\prime *}\left(\rho \right)>}}---\left(20\right)$>

$>{\gamma }_{\mathrm{HHpVV}}\left(\rho \right)=\frac{<S_{1\mathrm{HHpVV}}·S_{2\mathrm{HHpVV}}^{\prime *}>}{\sqrt{<S_{1\mathrm{HHpVV}}{S}_{1\mathrm{HHpVV}}^{*}><S_{2\mathrm{HHpVV}}^{\prime }\left(\rho \right)·S_{2\mathrm{HHpVV}}^{\prime *}\left(\rho \right)>}}---\left(21\right)$>

$>{\gamma }_{\mathrm{HHmVV}}\left(\rho \right)=\frac{<S_{1\mathrm{HHmVV}}·S_{2\mathrm{HHmVV}}^{\prime *}\left(\rho \right)>}{\sqrt{<S_{1\mathrm{HHmVV}}{S}_{1\mathrm{HHmVV}}^{*}><S_{2\mathrm{HHmVV}}^{\prime }\left(\rho \right)·S_{2\mathrm{HHmVV}}^{\prime *}\left(\rho \right)>}}---\left(22\right)$>

其中，<·>是数学期望算子。

然后，对同名像素的相干系数测量值在复平面上进行最小二乘直线拟合，得到各极化相干系数拟合值，用符号ij＝HH，HV，VV，HHmVV，HHpVV表示；

最后，获取像素偏移量ρ对应的相干系数测量值和拟合值之间的欧几里德距离L(ρ)：

步骤三、利用步骤二得到的结果，获取所有相干系数测量值和拟合值之间的欧几里德距离的最小值，并将其对应的像素偏移量ρ作为主从阵元图像偏移量的估计值

根据上式即可得到基于相干系数线性度最优的极化干涉SAR图像偏移量估计值。

对主从阵元的极化干涉SAR各极化方式图像(如图2(a)、图2(b)、图2(c)、图2(d)、图2(e)、图2(f)所示)分别利用相关系数最大法、平均波动函数法、最大谱法和幅度相关法和本实施例中的方法得到了图像偏移量的五组估计值，如表1所示；可见仅有本发明方法得到的图像偏移量与理论值相吻合，这表明本发明方法在森林覆盖区具有较高的图像配准精度。

表1

以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。