论文部分内容阅读
随着经济的快速发展与城市化水平的不断推进,城镇人口也不断增长,如何对城市三维模型进行获取、如何对城区进行有效的形变监测,对城市的健康发展具有十分重要的意义。随着星载合成孔径雷达(Synthetic Aperture Radar,SAR)技术的不断发展,特别是近年来以Terra SAR-X、COSMO-Sky Med为代表的新一代SAR卫星的发射,SAR技术应用的广度与深度也不断拓展。新一代SAR卫星其空间分辨率大大提高,这就使得利用SAR数据对城区进行测量成为可能;同时卫星定轨精度的提升,也使得利用重复航过的SAR干涉与层析技术进行城区场景三维重建与动态监测十分具有吸引力。SAR干涉技术利用SAR卫星对同一地区在不同时刻/不同轨道上的观测,传输路径延迟所体现的相位信息差异,可以对高程、形变等信息进行估计,其在地表重建与形变探测等方面都得到了广泛的应用。传统的SAR干涉技术一般利用两到四轨数据进行干涉处理,其高分辨DEM重建易受到相位解缠、轨道位置等误差的影响,而形变测量则还会受到DEM误差的制约且不具备长时间的持续形变测量能力。为了抑制上述不利因素,实现高程、形变等量更为准确的估计,可以利用同一卫星对某一地区的长时间的多次重复观测(重复航过SAR数据)进行干涉分析,这也被称为多时相干涉技术。另外,干涉技术基于单散射元假设,且仅利用相位信息,不能对散射剖面形成有效重建;SAR层析技术是在干涉基础上发展起来的,同时利用幅度和相位信息,能在除方位-距离的第三维NSR向上形成合成孔径,实现真正的三维成像,达到叠掩分离的效果。虽然重复航过的多时相干涉技术与SAR层析技术相对于传统干涉技术具有极大的优越性,但仍有很多问题亟待解决。如前者在参数估计、相位解缠等方面还存在缺陷,后者其超分辨与恒虚警、性能与计算效率的统一性等问题尚未得到很好的解决。针对上述问题,基于重复航过SAR数据,本文针对干涉和层析技术展开了以下研究:1)在单主影像的多时相干涉中,对PS-In SAR技术进行了研究与改进,使其在组网连通性、参数求解可靠性等方面得到了提升。城区中的人工结构存在大量在长时间序列上散射特性稳定的点,而PS-In SAR技术正是基于这些稳定点的处理,故PS-In SAR技术十分适合城区的分析与监测。利用区域生长的方法进行了参考网组建,利用网的生成与边的确认同步的方法提高了参考网的可靠性与连接性;对参考网外的点实施加权参考估计,降低了大气相位误差的影响,提高了参数估计的可靠性。同时,对参数估计的可靠性与总影像数目的关系进行了深入的探讨,也对形变模型的匹配度等进行了分析。2)在多主影像的多时相干涉中,提出了BLC算法,解决了在DEM陡变地区(尤其是在高楼林立的城区)干涉相位解缠困难的问题,并生成了高分辨率高精度的DEM。BLC算法利用干涉图的线性组合,形成具有极小基线的等价干涉图,减小了由于DEM信息不准确所带来的影响;通过临近点的空间差分形成EDTN网络,利用空间与时间上的最小二乘估计,获得原始干涉图的相位解缠结果。利用所得的相位解缠值,又可以得到高分辨率的DEM估计并为后续形变估计提供可靠信息。同时,也对极小基线干涉图的形成方法、异常边的剔除准则、可能存在的误差影响等方面进行了深入探讨。3)在重复航过的层析技术研究中,提出了两种层析成像与检测算法,即CS-GLRT与iterative-SGLRT。城区层析主要关注于叠掩目标的分离与散射剖面的重建。现代高分辨星载SAR系统在城区叠掩现象严重,常需要采用超分辨算法进行成像分离,而现有的如SL1MMER算法无法对虚警率进行有效控制,故提出了CS-GLRT算法。CS-GLRT首先利用压缩感知(Compressive Sensing,CS)进行超分辨成像以提供高程位置的先验信息,随后采用广义似然比检验(Generalized Likelihood Ratio Test,GLRT)在所提供的先验信息下进行模型选择并利用最小二乘进行最终的参数估计。实验结果表明,CS-GLRT具有超分辨、恒虚警、估计准确性高等优点,适合于城区高分辨场景的叠掩分离。超分辨成像算法通常计算量较高,而一些快速算法在超分情况下的可靠性又难以保证;针对此类不足,提出了iteratve-SGLRT算法。Iterative-SGLRT首先利用迭代解算进行参数求解,随后又通过序贯GLRT(Sequential GLRT,SGLRT)对散元的数目进行确定。迭代解算将多维搜索问题等价为多个一维搜索问题进行处理,在保证准确性的同时,极大地降低了运算量,是sup-GLRT与fast-sup-GLRT算法在准确性与运算效率上的统一。实验结果表明,利用iterative-SGLRT可以得到场景的有效三维重建与叠掩分离,且以Li DAR数据为参考,可达到0.1ρs的均方根误差。由于其高效性与一定的超分辨能力,iterative-SGLRT十分适合于大场景的城区成像处理。