专利名称：多基线干涉合成孔径雷达干涉相位展开方法
技术领域：
本发明涉及雷达探测技术领域，是一种基于优化回波数据的多基线干涉合成 孔径雷达干涉相位展开方法，可以在合成孔径雷达SAR图像配准精度很差的条 件下准确地展开相应像素间的干涉相位，能够实现对地面高分辨率、高精度三维 地形重构和地面动目标检测。
背景技术：
干涉合成孔径雷达InSAR是一种重要的遥感技术，能够实现全天候对地面 高空间分辨率、高精度三维测绘和地面动目标检测。干涉相位展开是InSAR处 理中的重要步骤之一，传统InSAR干涉相位展开方法，如最小二乘LS方法，区 域增长方法以及枝切方法，都要求图像配准的精度达到1/10 1/100个分辨单元， 否则会影响后续处理，从而导致地形高程测量精度和可靠性降低。而且传统的单 基线InSAR系统由于受到干涉相位模糊和高程层叠等严重影响，因此限制了其 对复杂地形，如城市、山谷和悬崖等的高精度测绘能力。多基线InSAR系统能 够有效克服这些缺点。多基线InSAR系统可以充分利用其长短基线获取的信息 来提高相位展开的可靠性，而不会降低高程测量精度，比传统的单基线InSAR 系统具有更高精度和更高稳健性的三维地形重构能力。因此，研究对图像配准误 差具有强稳健的多基线干涉相位展开方法，具有重要的实用价值。
目前，对图像配准误差稳健的干涉相位展开方法主要有以下几种 1. D.C.Ghiglia等1994年在IEEE第六届Digital Signal Processing国际会议上 发表的《Interferometric Synthetic Aperture Radar Terrain Elevation Mapping from Multiple Observations》文中，提出了多基线相位展开方法中包括基于最小方差LS 和最大似然ML的相位展开方法。M.G.Kim等1999年在IEE第七届Image Processing 国际会议上发表的《Phase Unwrapping of Multibaseline Interferometry Using Kalman Filtering》文章中，利用卡尔曼滤波进行多基线相位展开。G.Fomaro等2006 年在IET Radar, Sonar & Navig上发表的《Maximum Likelihood Multi-Baseline SAR Interferometry》文中，利用干涉相位的统计特性进行多基线相位展开。F.Alessandro等l999年在IEEE Trans, on GRS上发表的《Multibaseline InSAR DEM Reconstruction: The Wavelet Approach》中，利用小波变换方法进行数字高 程图恢复。W.Xu等1994年在正EE GRS国际会议上发表的《Phase-unwrapping of SAR Interferogram with Multi-frequency or Multi-baseline》中，禾(J用多基线相位展 开方法包括了中国余数定理、投影以及线性组合方法。这些方法在图像配准误差 很大的情况下，会对干涉相位展开以及地形高程恢复带来困难。
李真芳等人2007年在IEEE Trans, on GRS上发表的《Image Auto-Coregistration and InSAR Interferogram Estimation Using Joint Subspace Projection》文章中，利用了相邻像素的相干信息和空间投影技术。虽然可以在 存在配准误差时获得满意的干涉相位展开结果，但是在展开干涉相位时首先要确 定噪声子空间维数，若噪声子空间维数估计不准，必定影响干涉相位的展开结果。
2.毛志杰等人2008年在系统工程与电子发表的《基于联合像素模型的InSAR 干涉相位稳健性估计》，在该文章中，提出了一种基于干涉相位和特征向量构造 的投影矢量来确定噪声子空间维数，进而估计InSAR干涉相位的方法，该方法在 图像存在配准误差时，不仅能够准确地估计出噪声子空间的维数，同时增强了联 合像素方法估计干涉相位的实用性和稳健性。但是，在估计噪声子空间时需要人 工设定阈值进行判定。毛志杰等在电波科学学报发表的《基于优化回波数据的自 适应图像配准InSAR干涉相位估》，提出基于加权联合单像素模型的干涉相位估 计方法，虽然在估计干涉相位时不需要确定噪声子空间维数，但是在估计干涉相 位时需要首先确定配准误差方向，并且确定最优权值时需要搜索，因此计算量较 大。
发明内容
本发明的目的在于克服上述已有技术的不足，提供一种计算量小，且无需 设定阈值进行判定的基于优化回波数据的多基线InSAR干涉相位展开方法，以 解决在SAR图像配准精度很差条件下可准确展开相应像素间的干涉相位，实现 对三维地形的精确重构。
为实现上述目的，本发明的方法包括如下过程
A. 对卫星接收的M幅回波数据分别进行SAR成像处理，M》3 ;
B. 选择SAR成像处理后的任意一幅图像作为主图像，以该主图像为参考用 相关法或者其他图像配准方法，分别对其它的图像进行粗配准，得到M-l幅粗
配准SAR图像；
C. 利用粗配准后的SAR图像构造最优加权联合数据矢量jx(z'，w。^);
<formula>formula see original document page 7</formula>为主图像<formula>formula see original document page 7</formula>分别优化后 的第2，第3，…，第M幅SAR复图像数据，w^为最优加权向量，！'表示当前
要计算的主图像和粗配准图像像素标号，上标r表示转置操作；
D. 根据最优加权联合数据矢量jx(z',w。p)估计协方差矩阵为
<formula>formula see original document page 7</formula>式中，￡[.]表示统计平均,上标//表示共轭转置；
E. 对协方差矩阵Cov^,w。p,)进行特征分解，得出代价函数
式中，(a(仍)Ol^)张成协方差矩阵的信号子空间，张成噪声子空
间；
F.通过代价函数进行干涉相位展开，即将代价函数的输出功率最小值所对 应的干涉相位^作为干涉相位展开结果。
本发明由于利用粗配准后的SAR图像构造最优加权联合数据矢量对回波数 据进行自适应图像配准处理，且充分利用相邻像素的相干信息，不仅不需要搜索， 大大降低运算量，而且不论图像配准误差的方向与大小都可以准确得到噪声子空 间的维数估计，因.而可以在SAR图像配准精度很差的条件下准确地驛开相应像 素间的干涉相位。
仿真结果表明，不仅可以对SAR图像进行自适应配准，而且不用估计噪声 子空间维数，在图像配准误差为一个像素的条件下，能够准确地展开相应像素间 的干涉相位，从而精确实现三维地形重构。
对本发明的目的、特征、优点可通过如下附图和仿真试验详细描述。
图l是本发明的方法流程图2是本发明构造最优加权联合数据矢量的主图像和粗配准图像示意图3是本发明仿真中应用的SAR图像中像素对位置图 图4是本发明仿真的协方差矩阵的特征值分布图； 图5是本发明仿真中的数据优化前后的柱状图6是本发明仿真中的干涉相位随着配准误差变化的均方根误差图7是本发明仿真的干涉相位随着SNR变化的均方根误差图8是本发明仿真中应用的地形高程图9是本发明在图像精确配准时的仿真结果图10是本发明在配准误差为
时的仿真结果图11是本发明在配准误差为[1.0，1.0]时的仿真结果图。
具体实施例方式
参照图l，实现本发明的步骤如下
步骤l，对卫星接收的M幅回波数据分别进行SAR成像处理。 根据卫星接收数据的特性和卫星参数，利用距离-多普勒R-D算法或线性调
变标CS算法或者频率变标FS算法对接收的回波数据进行SAR成像处理，将其
原始数据变为SAR图像数据。 步骤2，图像粗配准。
选择SAR成像处理后的任意一幅图像作为主图像，以该主图像为参考用相 关法或者其他图像配准方法，分别对其它的图像进行粗配准，得到M-l幅粗配 准SAR图像。在该图像粗配准处理中，不要求像传统的干涉相位估计方法那样 要求图像配准的精度必须达到亚像素级，即配准精度要达到1/10到1/100像素， 只要求图像配准精度达到像素级，也就是说配准精度允许达到一个分辨单元就够 了，这样大大减轻了图像配准的难度。
步骤3，计算最优权向量。
1.计算主图像和粗配准的第m(m二2,3,…,M)幅SAR图像的联合数据矢量
主图像的结构如图2 (a)所示，粗配准图像的结构如图2 (b)图2 (c)所 示，图2中z'为所要展开干涉相位的像素，按照图2的主图像和粗配准图像的结 构，可得第1幅和第m(附z2,3,…，M)幅SAR图像的联合数据矢量x^(;)为
<formula>formula see original document page 8</formula> (1) 式中，、(/)，A(z')，A(z')，…，XmG)分别为主图像和粗配准后的复图像数
据，z'-4,z—V—2,卜l》'+l,z'+2，z'+3,Z+4表示第w幅回波数据像素,'及其邻近的像
素单元，上标^表示转置操作；
2.由联合数据矢量x^(/)计算其协方差矩阵Cov^(;)，即
<formula>complex formula see original document page 9</formula>
式中，外]表示统计平均，上标/Z表示共轭转置； 3在最小均方误差准则下，由协方差矩阵计算最优权向量
<formula>complex formula see original document page 9</formula>
式中，z'"v(')表示对矩阵求逆操作，A=[UV-,0L，令w^^,W2f其中，
Mi=Hl)， w2=[h<2), ,h<10)]T。由(3)式可得到基于图2所示的最优加权联
合数据矢量模型的最优权向量为
=血(\￥2/1^)，附=2,3,-''，# 。 (4) 步骤4，构造最优加权联合数据矢量。
1. 用所得到的最优权向量w;，m二2,3，…,M分别对粗配准SAR图像进行加 权，得到优化后的第m幅SAR数据
^0'，w!;))i(。J、J0， m = 2,3,...，M (5) 式中，wi;) ^—t…，v^，…，《4)f为主图像相对于第w幅图像的最优权向
量，xm(0 = [xm("4),…,a: i(/)， ，x(/+4)]T为第附(附=2,3,…,M)幅图像数据；
2. 由主图像和优化后的M-1幅SAR图像数据得出最优加权联合数据矢量
<formula>complex formula see original document page 9</formula>
步骤5，估计协方差矩阵.
1. 用最优加权数据矢量jx(Z,M^)估计相应的协方差矩阵CovA(Z，vv^),公式 如下:
<formula>complex formula see original document page 9</formula>
2. 对协方差矩阵Cov"i,w。p,)进行特征分解，分别获得协方差矩阵的信号子 空间(a (^)〇％)和噪声子空间，即
<formula>formula see original document page 10</formula>(8)
式中，aWKl,e^,e气…,e^:f称为导向矢量，I为单位矩阵，g(O表示 像素Z的回波功率， 2表示噪声功率，R;力'，w。p,)称为像素对z的优化相干函数矩
阵，R力(z'，w。p)可由协方差矩阵的幅值估计得到
<formula>formula see original document page 10</formula> (9)
对R力("w承)进行特征分解分别得到大特征值&以及对应的特征矢量和~5 ，由
此，(a(^)OI^)张成协方差矩阵Co^(Z,w。p,)的信号子空间，{1^)}:2张成协方差
矩阵的噪声子空间；
3.由于协方差矩阵Cov"/,w。p,)的信号子空间(a (a)OB力)正交于其噪声子空
间{|^)}:2，将协方差矩阵的信号子空间向噪声子空间投影，得到代价函数
<formula>formula see original document page 10</formula> (10)
步骤6，利用代价函数对干涉相位进行展开。
1. 以0.01弧度为步长，将^在给定范围内的每一个取值代入代价函数中， 分别计算其结果；
2. 对所计算的结果进行排列，找出其中的最小值，将该最小值对应的相位^
-作为干涉相位展开的结果，用所得到的展开干涉相位结果进行三维地形高程图恢 复。
步骤7，获取整个地形的干涉相位图。
对主图像和粗配准SAR图像的每一像素分别执行上述步骤3 步骤6操作， 就可以得到整个地形的干涉相位图，即可得到整个地形的高程图。 本发明的效果可以通过以下仿真结果进一步说明。 l.仿真条件
根据Hill方程，以3颗Cartwheel卫星构形为例，选取某一个轨道位置时刻 的三颗卫星进行仿真。对应的有效垂直航向基线长度分别为卫星1与2之间的垂直基线512=63.8米、卫星1与3之间的垂直基线513 = 345.3米。雷达的下视角为 40°，利用一幅实测SAR图像作为地面场景每一个SAR像素的回波功率，生成 三幅SAR图像。雷达工作在X波段。第一颗卫星发射信号，所有卫星接收回波 信号。对3颗卫星接收的地面回波信号进行SAR成像处理，SAR图像的信噪比 SNR为20dB。其相干系数由垂直基线长度、局部地形坡度和SNR决定。仿真地 形为多山地形如图8所示，其最大高度为326.7米，最低点为-75米。 2.仿真结果
(1)最优权向量与图像配准误差的关系，如图3、图4和图5所示。 图3中，每一个圆圈表示一个像素单元，z'就是要求干涉相位的中心像素单
元。图4中的4条曲线分别为不同配准误差情况下的特征之分布图。
当图像完全配准且假定图像的相关性较高时，协方差矩阵即有一个大特征 值且另两个小特征值趋于零，其结构如图3 (a)所示，特征值分布如图4中的 曲线a所示。
当图像方位或距离向配准误差为0.5个像素时，如图3 (b)，通过获得最 优权向量w^对像素/以及相邻像素进行加权处理，使得优化的回波数据的相干
信息不会丢失，从而可以准确得到噪声子空间的维数，其特征值分布如图4中的 曲线b所示。
当同时存在距离向方位向配准误差如图3 (c)时，通过最优加权处理仍然 可以得到很好的处理效果，其结果如图4中的曲线c所示。
当存在一个像素误差如图3 (d)，通过最优加权处理仍然可以准确得到噪声 子空间的维数，其结果如图4中的曲线d所示。
例如，当卫星1与2之向图像精确配准，卫星1与3之间距离向或方位向絶 准误差为0.5个像素、同时存在距离向与方位向配准误差为
个像素以及 存在1个像素的配准误差时，通过对回波数据的处理得到一组最优权向量w:、
w;,、 w^和w^，通过构造最优加权联合数据矢量，从而可以实现对卫星接收
回波数据的优化处理。<formula>formula see original document page 12</formula>图5为配准误差为
个像素即最优权为w:w^时回波数据优化前后的
柱状图，其中，图5 (a)与5 (b)分别表示优化数据前方位向和距离向统计柱 状图，图5 (c)与5 (d)分别表示优化后的柱状图。
从图3与图4比较可见，在最优加权联合观测矢量中起作用主要是与配准误 差大小方向有关的像素，通过对回波数据进行最优化加权联合处理，并且充分利 用像素Z以及周围相邻像素的信息，不论配准误差的大小与方向都可以精确得到 噪声子空间的维数。同时由图5可知，通过加权联合处理，实现了对SAR图像 自适应配准操作。
(2)检证本发明方法对图像配准误差的稳健性，如图6-7和图9~11所示。 图6所示为图2 (a)与图2 (b)精确配准，图2 (a)与图2 (c)的配准误 差为
个像素时，展开的干涉相位随着配准误差变化的均方根 误差图，三条干涉相位均方误差曲线分别由传统方法、现形方法以及本发明估计 得到。
图7描述的是图2 (a)与图2 (b)和图2 (a)与图2 (c)之间的配准误差 均为
个像素时，SNR由零变化到25dB时均方根误差随着SNR变化关系 图。同时在图7中给出了均方根误差曲线与卡拉梅洛下界CRLB比较。
图9所示为图2(a)、图2(b)和图2(c)精确配 i时的处理结果图。图9 (a)与9 (b)分别为卫星1与卫星2和卫星1与卫星3之间利用传统方法得到 的干涉相位图，图9 (c)是在精确配准时，通过本发明方法的联合处理得到的 展开干涉相位进而恢复的地形高程图，9 (d)是由图9 (c)重构地形的高程图 与仿真地形高程图的误差图。
图10为图2 (a)分别与图2 (b)和图2 (c)之间的配准误差均为
个像素时的结果图。图10 (a)与10 (b)分别为卫星1与卫星2和卫星1与卫 星3之间利用传统方法获得的干涉相位图，图10 (c)为图2 (a)分别与图2 (b)和图2 (c)之间的配准误差均为
个像素时，通过本发明方法恢复的地形 高程图，10 (d)是由图10 (c)恢复地形的高程图与仿真地形高程图的误差图。
图11所示为图2(a)分别与图2(b)和图2(c)之间的配准误差均为[l.O,l.O] 个像素时的处理结果图。图ll(a)与ll(b)分别为卫星1卫星2和卫星1与卫星3 之间利用传统方法得到的干涉相位图，图11 (c)是图2 (a)分别与图2 (b)和 图2 (c)之间的配准误差均为[1.0，1.0]个像素时，通过本发明方法进行联合处理 后得到的展开干涉相位进而重构三维地形图；11 (d)是由图11 (c)恢复地形 的高程图与仿真地形高程图的误差图。
从如图6-7和图9~11中的仿真结果可知，用本发明方法进行干涉相位展开 或地形高程恢复时，本发明对图像配准误差和信噪比都具有很强的稳健性和实用 性。
综上，本发明方法充分利用相应像素对及其相邻像素的相干信息,通过构造 多基线最优加权矢量使得对应的SAR图像进行自适应配准处理，不论图像配准 误差的大小与方向，都可以准确获得对图像配准误差稳健的干涉相位展开结果。
权利要求
1.一种多基线干涉合成孔径雷达干涉相位展开方法，包括如下过程A.对卫星接收的M幅回波数据分别进行SAR成像处理，M≥3；B.选择SAR成像处理后的任意一幅图像作为主图像，以该主图像为参考用相关法，分别对其它的图像进行粗配准，得到M-1幅粗配准SAR图像；C.利用粗配准后的SAR图像构造最优加权联合数据矢量jx(i，wopt)；<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mi>jx</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <msub><mi>w</mi><mi>opt</mi> </msub> <mo>)</mo></mrow><mo>=</mo><msup> <mrow><mo>[</mo><msub> <mi>x</mi> <mn>1</mn></msub><mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo></mrow><mo>,</mo><msub> <mover><mi>x</mi><mo>^</mo> </mover> <mn>2</mn></msub><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <msub><mi>w</mi><mi>opt</mi> </msub> <mo>)</mo></mrow><mo>,</mo><msub> <mover><mi>x</mi><mo>^</mo> </mover> <mn>3</mn></msub><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <msub><mi>w</mi><mi>opt</mi> </msub> <mo>)</mo></mrow><mo>,</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>,</mo><msub> <mover><mi>x</mi><mo>^</mo> </mover> <mi>M</mi></msub><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <msub><mi>w</mi><mi>opt</mi> </msub> <mo>)</mo></mrow><mo>]</mo> </mrow> <mi>T</mi></msup> </mrow>]]></math></maths>式中，x1(i)为主图像， id="icf0002" file="A2008101505810002C2.tif" wi="68" he="5" top= "86" left = "76" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>分别优化后的第2，第3，…，第M幅SAR复图像数据，wopt为最优加权向量，i表示当前要计算的主图像和粗配准图像像素标号，上标T表示转置操作；D.根据最优加权联合数据矢量jx(i，wopt)估计协方差矩阵并对协方差矩阵进行特征分解，得<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><msub> <mi>Cov</mi> <mi>jx</mi></msub><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <msub><mi>w</mi><mi>opt</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mi>E</mi><mo>[</mo><mi>jx</mi><mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <msub><mi>w</mi><mi>opt</mi> </msub> <mo>)</mo></mrow><mi>jx</mi><msup> <mrow><mo>(</mo><mi>i</mi><mo>,</mo><msub> <mi>w</mi> <mi>opt</mi></msub><mo>)</mo> </mrow> <mi>H</mi></msup><mo>]</mo> </mrow>]]></math></maths>式中，E[·]表示统计平均，上标H表示共轭转置；E.对协方差矩阵Covjx(i，wopt)进行特征分解，得出代价函数式中， id="icf0005" file="A2008101505810002C5.tif" wi="20" he="4" top= "179" left = "51" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>张成协方差矩阵的信号子空间，{βn(l)}l＝2M张成噪声子空间；F.通过代价函数进行干涉相位展开，即将代价函数的输出功率最小值所对应的干涉相位 id="icf0006" file="A2008101505810002C6.tif" wi="2" he="4" top= "199" left = "38" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>作为干涉相位展开结果；G.对主图像和粗配准SAR图像的每一像素分别执行过程C～F操作，得到整个图像的干涉相位展开结果。
2.根据权利要求1所述的干涉相位展开方法，其特征在于步骤C中所述的构造最优加权联合数据矢量jx(z',w^)，按如下过程进行Ca.计算主图像和粗配准的第m (m = 2,3,…,M)幅SAR图像的联合数据矢量Xl W)+(o，w)——4)，. '，xJO，. ■'，义w(z.+4)]7式中，^0')^2 ，^ ，'''，~ 分别为主图像和粗配准后的复图像数据，z'-4，/-3,/-2, '-1》'+1,/ + 2，/+3,/+4表示第777幅图像数据的像素Z及其邻近的像素单元，上标T表示转置操作；Cb.由联合敷据矢量x^(0计算其协方差矩阵Co、,')，艮口c ('"[y)《(0一Cc.在最小均方误差准则下，由协方差矩阵计算最优权向量w = /"v(Covx (!'))'A式中，Z'"V(')表示对矩阵求逆操作，A=[UV、(1，令W-h，W2]7 (Mi=H(l)， W2=[H<2), — ,>V(10)f)，则最优权向量为:afo(W2、)， m = 2,3,'.-,M Cd.用所得到的最优权向量w;分别对第M(附-2,3，…，Af)幅粗配准SAR图像进行加权，得到第m幅SAR图像数据，即^m = 2,3,...,M式中，wg-[wtt…，Mf ， ，—;jf为第附幅图像相对于主图像的最优权向量，\ =[\(!'-4),"&(/)，''',气(/+《为第w幅粗配准后的SAR图像数据；Ce.由主图像和优化后的SAR图像数据得出最优加权联合数据矢量- 厂 Y -jx(z', w。声)=(/), A (Z, w取),A (z., ),…,；M (f， )」。
3.根据权利要求1所述的干涉相位展开方法，其特征在于步骤E按如下过程进行Ea.对协方差矩阵CovA"Ww)进行特征分解，分别获得协方差矩阵的信号子空间(a (仍)0 )和噪声子空间^)C艮卩Co、 (Z, w。" ) = < (Z)a ) G) R々(!、 w一 ) +力式中，a(炉,.h[l,e^,一,…y^f称为导向矢量，I为单位矩阵，《(Z)表示像素i 的回波功率，W表示噪声功率，R,力',W—)称为像素对/的优化相干函数矩阵，R,)'，w承)可由协方差矩阵的幅值估计得到，即R;, 0; ,)=|Cov a O., ,)-ct"21Eb.对R,力'，W，)进行特征分解分别得到大特征值^以及对应的特征矢量和B力，由此，(a (p,)OB力)张成协方差矩阵Co^(/,w。p,)的信号子空间，— "二张成协方差矩阵的噪声子空间；Ec.将协方差矩阵的信号子空间向噪声子空间投影，得到代价函数
4.根据权利要求1所述的干涉相位展开方法，其特征在于步骤F中所述的将代 价函数的输出功率最小值所对应的干涉相位^作为干涉相位展开结果，按如下过程进 行Fa.以0.01弧度为步长，将^在给定范围内的每一个取值代入代价函数中，分别 计算其结果；Fb.对所计算的结果进行排列，找出其中的最小值，将该最小值对应的相位^作 为干涉相位展开的结果。
全文摘要
本发明公开了一种多基线干涉合成孔径雷达干涉相位展开方法。其过程为对卫星接收M幅回波数据分别进行SAR成像处理；选择SAR成像处理后的任意一幅图像作为主图像，以主图像为参考用相关法，分别对其它的图像进行粗配准，得到M-1幅粗配准SAR图像；利用粗配准后的SAR图像构造最优加权联合数据矢量jx(i，w<sub>opt</sub>)；根据最优加权联合数据矢量估计协方差矩阵Cov<sub>jx</sub>(i，w<sub>opt</sub>)并对协方差矩阵进行特征分解，得出代价函数；将代价函数的输出功率最小值所对应的干涉相位φ<sub>i</sub>作为干涉相位展开结果；对每一像素重复执行上述相关过程得到整个图像的干涉相位展开结果。本发明具有运算量小，在SAR图像配准精度很差时准确地展开干涉相位的优点，可用于对地面高分辨率、高精度三维地形重构和地面动目标检测。
文档编号G01S13/00GK101339245SQ20081015058
公开日2009年1月7日 申请日期2008年8月8日 优先权日2008年8月8日
发明者廖桂生, 青 徐, 操 曾, 军 李, 杨志伟, 毛志杰, 陶海红 申请人:西安电子科技大学