论文部分内容阅读
目前,新兴的InSAR技术已经是进行大面积地表形变监测的重要技术手段。在利用该技术的过程中,影像干涉是决定监测精度效果的关键步骤。要得到预想的干涉效果,干涉像对的优化选取是达到此目标的首要步骤和重要内容,也是提高数据利用率和影像相干性的重要方面。基于此,本文在实验验证基于公共主影像的序列SAR干涉像对选取算法和基于最小生成树(MST)的序列SAR干涉像对选取算法的基础上,提出并验证了具有更加优越性的基于MST聚类分析的序列SAR干涉像对选取算法。具体做了以下研究内容：1)实验验证基于公共主影像的序列SAR干涉像对优化选取算法。基于SAR影像相干性分析,本文以时间基线、空间垂直基线、多普勒质心频率差为评价因子,采用Andrew John Hooper2004年提出的一种能使以上三种评价因子达到最佳组合的评价模型作为公共主影像选取方法的算法模型。详细阐述该模型的优越性和适用于强相干性区域等特点,并且利用某地区1992年-1998年间的16幅影像数据进行实验验证,得到该实验数据的最佳公共主影像,进一步由实验数据结果分析得出该算法不足之处。2)实验验证基于MST的SAR序列干涉像对选取算法。详细分析和阐述了MST算法的概念及性质,并介绍了其经典算法；利用上面的实验影像数据进行了该算法的实验验证,并编程实现了克鲁斯科尔(Kruskal)算法用于该实验的像对选取,得到了十五对干涉像对的最佳组合；根据实验选取结果的分析详细阐述了该算法的优点和不足。3)在实验验证公共主影像选取算法和基于MST的序列SAR干涉像对选取算法的前提下,取其精华,克其不足,结合空间聚类和MST聚类思想,提出了基于MST聚类分析的序列SAR干涉像对选取算法。并利用上述实验数据进行该算法的实验验证。得出结论：该算法继承了以上两种算法的优点并克服其不足,是一种比较理想的SAR干涉像对选取算法。还进一步实验验证了在结合实际工程应用时,该算法中时间坚强方式的算法应用,实验结果显示该方式让该算法选取的像对在时间分布上更加合理,灵活性更高。最后,本文对本项研究的内容和创新点进行总结,并对后续研究进行了展望。