论文部分内容阅读
极化干涉合成孔径雷达(Polarimetric Interferometry Synthetic Aperture Radar,PolInSAR)技术不仅包含了对地物高程信息敏感的干涉相位信息,也包含对自然地物形态、材质、结构、方向以及空间分布敏感的极化散射信息。该技术在植被高度反演、高精度地形测绘、高效林业资源管理、农业生产、气象测图、防灾减灾、事故搜救、反恐侦察等领域有着巨大的应用潜力。层析合成孔径雷达(Tomographic Synthetic Aperture Radar,TomoSAR)技术是干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,InSAR)系统沿俯仰向逐渐增加基线数目形成合成孔径,然后通过高度维成像处理获得地物的高度向分辨率的技术。该技术已广泛应用于建筑高度反演、建筑物三维结构提取、建筑物微小形变监测以及植被垂直结构反演中。本文针对基于PolInSAR的植被高度反演和基于TomoSAR的建筑物高度反演中存在的关键问题进行了研究。文中植被高度指广义的植被区高度,包含植被区数字表面模型(Digital Surface Model,DSM)和地表到植被顶部的植被冠层高度。论文主要从PolInSAR理论基础与数据预处理、PolInSAR植被区DSM估计、X波段下PolInSAR植被冠层高度反演和TomoSAR建筑物高度反演四个方面展开研究。主要内容和创新点概括为如下:(1)PolInSAR理论基础与数据预处理第二章简要介绍了PolInSAR的基本理论,对极化SAR数据中相干斑噪声滤波方法和稀疏植被区PolInSAR相干系数估计方法进行了研究,主要工作如下:提出一种联合约束准则的极化SAR相干斑噪声滤波方法。针对传统极化SAR相干斑噪声滤波时,滤波器在图像边缘纹理特征、强度统计特性和极化散射特性三种性能保持上存在缺陷的问题,提出一种可以自动匹配地物弧形或线性边缘的形态窗和一种可以保持地物极化散射特性的极化散射相似因子(Scattering Similarity Factor,SSF);结合已有的保持图像强度统计特性的改进Lee-sigma滤波器,提出一种联合上述三种约束准则的极化SAR相干斑噪声滤波方法,该方法首先经过形态一致准则选择出保持图像纹理特性的样本像素,然后同时利用另外两种准则在已选出的样本像素中再次进行筛选,最后进行噪声滤除处理。经过该方法滤波后能同时使图像中上述三种性能保持不变。星载极化SAR实测数据验证了所提方法的有效性。给出一种稀疏植被区PolInSAR相干系数估计方法。针对稀疏植被区传统相干系数估计求统计平均时没有考虑缝隙存在导致估计的相干系数不准确的问题,借鉴极化SAR相干斑滤波过程,将联合约束准则运用到极化干涉相干系数的估计中,给出一种基于联合约束准则同时估计主辅航过的自相关矩阵和互相关矩阵,从而估计得到精确相干系数的方法。机载实测数据验证了方法的有效性。(2)PolInSAR植被区DSM估计第三章针对极化干涉相干最优化技术和基于该技术下的PolInSAR植被区高精度DSM估计方法展开了研究,主要内容包括:给出一种基于极化干涉相干系数最大化相位差最优化法的PolInSAR植被区DSM估计方法,并介绍了一种联合干涉相干系数幅度差和相位差最优化法的PolInSAR植被区DSM估计方法。前者通过求解相干系数正切值最大程度上提高电磁波在植被中的散射相位中心高度。后者通过考虑干涉相干系数幅度差和干涉相干系数相位差关联度最优,兼顾极化干涉相位质量和植被中电磁波散射相位中心高度的提高。考虑DSM对于干涉相干系数相位比较敏感,当相干最优化后得到干涉相干系数幅度均较高的情况下,优先选择最大化相位差最优化法进行最终的DSM估计。提出一种基于电磁波最浅穿透深度估计的PolInSAR植被区DSM估计。针对电磁波在植被中有一定穿透深度,利用最大化相位差最优化法进行DSM估计后得到的结果与真实植被顶部高程仍有一定间距,即DSM仍然欠估计的问题,提出一种植被中指数形式的电磁波最浅穿透深度估计模型。利用最大化相位差最优化法得到的高散射相位中心干涉相位进行干涉处理获取植被区粗表面高程,然后将得到电磁波最浅穿透深度补偿到粗表面高程中,从而提高植被区DSM估计精度。仿真数据和机载实测数据验证了所提方法的有效性。(3)X波段下PolInSAR植被冠层高度反演第四章对X波段下PolInSAR植被冠层高度反演技术进行了研究,主要内容如下:提出一种结合不同极化通道SAR图像方位向频谱分割(Frequency Segmentation,FS)的X波段下PolInSAR植被冠层高度反演策略。针对X波段下相干系数分布过于集中,传统三阶段反演算法中地形相位估计和有效体散射相干系数估计均出现较大误差导致植被冠层高度反演不准确的问题,首先利用FS得到的子视干涉对扩展了原来SAR图像在不同极化状态下的干涉相干系数范围,从而得到准确的地形相位。对于有效体相干系数的判断,利用范围扩展后的相干系数分布拟合直线被固定范围消光系数曲线截取的部分求平均,从而得到准确的有效体相干系数。最后利用去除地形相位的有效体相干系数估计得到X波段下高精度植被冠层高度结果,机载实测数据验证了所提方法的有效性。(4)TomoSAR建筑物高度反演第五章针对TomoSAR成像中的基线优化设计和利用TomoSAR技术进行建筑物高度估计展开了研究,主要工作如下:提出一种基于迭代空域扰动的序列二次规划(Iterative Space-perturbation on Sequential Quadratic Programming,ISP-SQP)基线优化方法。针对利用层析成像方法进行建筑物高度反演时,传统基线优化方法容易收敛到局部最优的问题,通过在传统基线优化结果基础上对基线分布不断迭代加入空域扰动,最终得到全局最优的基线设计结果,利用仿真数据验证了所提方法的可行性。提出一种基于幅相联合(Joint Phase and Amplitude,JPA)的不一致准则。针对高分辨不同航过SAR图像中同名点存在扩散现象从而影响建筑物高度反演的问题,构建了一种像素幅相不一致准则,该准则利用参考像素与窗口中邻域像素点的幅度和相位不一致性判断SAR图像中的同名像素点。通过该准则可有效找到不同航过下扩散的同名点,从而提高TomoSAR建筑物高度反演精度。利用仿真数据和机载实测数据验证了方法的有效性。提出一种基于改进奇异值分解(Singular Value Decomposition,SVD)的建筑物高度反演方法。针对传统奇异值分解方法只针对测量矩阵进行处理,观测矢量在低信噪比(Signal to Noise Ratio,SNR)下包含较大的相位误差,导致层析成像误差较大的问题,给出一种结合信号子空间的奇异值分解层析成像方法。该方法首先引入一种不考虑噪声分布形式的M估计器进行观测信号协方差矩阵估计,然后对得到的协方差矩阵进行特征值分解。选出模型阶数下的特征向量构成信号子空间,并对信号子空间累加得到去噪后的观测矢量。最后将观测矢量应用到奇异值分解方法中,从而提高建筑物高度反演精度。利用仿真数据和机载实测数据验证了算法的有效性。