基于最小二乘估计的多图像联合配准方法技术

本发明专利技术公开了一种基于最小二乘估计的多图像联合配准方法，解决PS‑InSAR等信号处理中提高多图像配准精度的问题。实现步骤：用Delaunay三角网连接图像集中所有SAR图像，优化Delaunay三角网；用InSAR配准方法估计已连接SAR图像对的配准偏移量；在图像集中选一参考图像，在参考图像上选一些均匀分布的控制点；用最小二乘法估计所有辅图像在每一控制点相对参考图像的配准偏移量；构造所有辅图像配准偏移量的偏差函数并估计所有辅图像相对于参考图像的配准偏移量；以此偏移量对所有辅图像重采样，完成多图像联合配准。本发明专利技术明显缓解时间和空间去相干，以及误差传播效应影响，提高了多图像联合配准精度，同一像素处参考图像和辅图像区域吻合度更高，可用于PS‑InSAR等信号处理。

【技术实现步骤摘要】
基于最小二乘估计的多图像联合配准方法
本专利技术属于信号处理
，特别涉及干涉合成孔径雷达InSAR图像的多图像配准，具体是一种基于最小二乘估计的多图像联合配准方法，可用于PS-InSAR等信号的处理。
技术介绍
干涉合成孔径雷达InSAR的应用极其广泛，最直接的应用就是获取数字高程图DEM。InSAR信号处理包括干涉SAR图像对配准、干涉相位滤波和干涉相位解缠绕，由解缠绕得出的绝对相位反演出场景目标的高程信息，获取其DEM。干涉SAR图像对配准作为InSAR信号处理的第一步，它的好坏直接影响生成干涉条纹图的质量，进而影响DEM反演的精度。传统的干涉SAR图像对配准受时间和/或空间去相干的影响，配准精度较低。研究高精度的干涉SAR图像对配准方法对获取场景目标高质量的DEM至关重要，也是InSAR信号处理技术的一个研究热点。双天线单航过或单天线双航过工作模式下的雷达平台扫过地面某一场景区域时，会对这一场景区域形成两幅SAR图像。由于观测雷达平台的两次运动轨迹不同，同一区域目标两次观测所成图像在同一分辨单元上会出现漂移、伸缩或旋转效应，使这两幅图像在距离向和方位向上都有微小像素偏差，其相位差不能反映地面高度起伏情况，自然不能反演出该场景区域的DEM。所以必须进行干涉SAR图像对配准处理使两幅SAR图像很好地匹配起来，使两幅图像相应位置处的像素对应地面上同一块区域。图像对配准一般包含粗配准和精配准，配准精度影响获取场景区域DEM的精度，必须要设法提高配准精度，为了满足InSAR干涉图的要求，一般情况下需要配准到1/10像素。现有的干涉SAR图像对配准方法计算出同一像素在方位向和距离向上的配准偏移量存在一定的误差，配准精度较低。选定在同一空间位置获取的多幅SAR图像中的一幅为主图像，其余的为辅图像，主辅图像之间均进行配准，由此而得的配准精度较高，反演出的DEM精度较高。对PS-InSAR时序信号的处理而言，图像配准通常是将所有的SAR图像与一个共同的主图像进行配准。常用的方法是SMC和SWC,即辅图像通过传统的InSAR图像配准算法与主图像进行配准。在SMC方法中，选择一幅图像作为主图像，其他图像分别与之配准，该配准方法存在两个缺点：当辅图像与主图像之间时间基线、空间基线或多普勒中心频率差较大时，配准精度很差；没有考虑辅图像之间配准误差的传递，导致辅图像之间配准精度不高。在SWC方法中，利用最小生成树法在时间基线-空间基线二维平面内连接主辅图像，在时间和/或空间基线较长的图像对中存在严重的时间和/或空间去相干，很难对这些图像进行精配准。另外，由于误差传播效应，尽管所有辅图像都能以很小的配准误差与主图像进行配准，未通过最小生成树法连接的图像对的配准精度也会很差。因此，不能保证SMC和SWC方法的配准精度。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种进一步提高配准精度的基于最小二乘估计的多图像联合配准方法。本专利技术是一种基于最小二乘估计的多图像联合配准方法，其特征在于，包括有如下步骤：(1)用Delaunay三角网连接图像集中所有的SAR图像，并对Delaunay三角网进行优化：依据雷达成像算法处理雷达获取的回波数据得到SAR图像，形成一个图像集，在空间基线-时间基线二维平面内，采用Delaunay三角网法连接图像集中所有的SAR图像，并设定空间和时间基线门限，舍弃空间和/或时间基线较长的弧线来优化Delaunay三角网；(2)估计SAR图像对的配准偏移量：用优化Delaunay三角网连接图像集中所有的SAR图像之后，采用传统的InSAR图像配准算法来估计已连接图像对的配准偏移量；(3)在图像集中选出一个参考图像，并在参考图像上选一些均匀分布的控制点：根据PS-InSAR处理过程中常用的方法在图像集中选出一个参考图像，其余图像为辅图像，然后在参考图像上选一些均匀分布的控制点；(4)最小二乘法估计所有辅图像在每一个控制点上相对于参考图像的配准偏移量：对每一个控制点而言，构建出优化Delaunay三角网中已连接SAR图像对之间的配准偏移量与所有辅图像对应配准位置坐标的关系，通过最小二乘法，用已连接图像对的配准偏移量估计出辅图像对应配准位置坐标，根据控制点的像素坐标，得到在该控制点处所有辅图像相对于参考图像的配准偏移量；每一控制点都按此过程处理，得到每一个控制点处辅图像与参考图像之间的配准偏移量；(5)对所有辅图像构造配准偏移量的偏差函数：构造配准偏移量的偏差函数，根据所有控制点处所有辅图像相对于参考图像的配准偏移量以及参考图像中控制点的像素坐标，进行二次多项式拟合，得到所有辅图像的配准偏移量的偏差函数的参数，即二次多项式的系数，得到所有辅图像配准偏移量的偏差函数的完整形式；(6)估计所有辅图像相对于参考图像的配准偏移量：根据配准偏移量的偏差函数估计所有辅图像与参考图像之间的配准偏移量；(7)对所有辅图像进行重采样，完成多图像联合配准：根据估计出所有辅图像相对于参考图像的配准偏移量，对所有辅图像进行重采样，得到参考图像与辅图像对应场景同一位置时辅图像的像素复数值，完成多图像联合配准。本专利技术能够较为精确地计算所有辅图像与参考图像之间的配准偏移量，完成多图像配准，可用于PS-InSAR等信号的处理。本专利技术与现有的技术相比具有以下优点：第一，本专利技术中采用优化Delaunay三角网法连接所有的SAR图像，相对传统的SMC方法而言，Delaunay三角网是二维平面最优网，能够保证大部分连接的SAR图像对的时间和空间基线比较短。时间和空间基线比较短时，时间和空间去相干会比较小。估计时间和空间基线比较短的SAR图像对之间的配准偏移量，会很大程度地缓解时间和/或空间去相干的影响，从而大大提高SAR图像对配准精度。第二，本专利技术中构建出优化Delaunay三角网中已连接SAR图像对之间的配准偏移量与所有辅图像相对参考图像的配准偏移量之间的关系。通过传统的InSAR图像配准方法估计出优化Delaunay三角网中已连接SAR图像对之间的配准偏移量后，采用最小二乘法，可以得到所有辅图像相对参考图像的配准偏移量。优化Delaunay三角网中绝大多数辅图像未与参考图像直接相连，用已连接图像对的配准偏移量估计所有辅图像相对参考图像的配准偏移量，提高了多图像的配准精度。第三，本专利技术中通过最小二乘法来解决误差传播问题，由此估计出的所有辅图像相对参考图像的配准偏移量较为精确，根据估计出的配准偏移量对所有辅图像进行重采样时，同一像素处参考图像和辅图像所对应的区域吻合度较高。附图说明图1为本专利技术的实现流程图；图2为在空间基线-时间基线二维平面内连接图像集中所有SAR图像形成Delaunary三角网；图3为舍弃空间和/或时间基线较长的连接弧线优化Delaunay三角网；图4为采用SMC、SWC、本专利技术JC和本专利技术JCO方法对图像集配准后识别出的PS点的数量(相对于SMC配准方法下识别PS点数量的归一化值)随DA阈值的变化曲线图；图5SMC、SWC、本专利技术JC和JCO方法下对图像集配准后能够识别PS点的DA的平均值随其阈值的变化曲线图。具体实施方式下面结合附图对本专利技术详细说明：实施例1在雷达进行干涉处理时常用的多图像配准方法是SMC，但这种本文档来自技高网...

【技术保护点】
一种基于最小二乘估计的多图像联合配准方法，其特征在于，包括有如下步骤：(1)用Delaunay三角网连接图像集中所有的SAR图像，并对Delaunay三角网进行优化：依据雷达成像算法处理雷达获取的回波数据得到SAR图像，形成一个图像集，在空间基线‑时间基线二维平面内，采用Delaunay三角网法连接图像集中所有的SAR图像，并设定空间和时间基线门限，舍弃空间和/或时间基线较长的弧线来优化Delaunay三角网；(2)估计SAR图像对的配准偏移量：用优化Delaunay三角网连接图像集中所有的SAR图像之后，采用传统的InSAR图像配准算法来估计已连接图像对的配准偏移量；(3)在图像集中选出一个参考图像，并在参考图像上选一些均匀分布的控制点：根据PS‑InSAR处理过程中常用的方法在图像集中选出一个参考图像，其余图像为辅图像，然后在参考图像上选一些均匀分布的控制点；(4)最小二乘法估计所有辅图像在每一个控制点上相对于参考图像的配准偏移量：对每一个控制点而言，构建出优化Delaunay三角网中已连接SAR图像对之间的配准偏移量与所有辅图像对应配准位置坐标的关系，通过最小二乘法，用已连接图像对的配准偏移量估计出辅图像对应配准位置坐标，根据控制点的像素坐标，得到在该控制点处所有辅图像相对于参考图像的配准偏移量；每一控制点都按此过程处理，得到每一个控制点处辅图像与参考图像之间的配准偏移量；(5)对所有辅图像构造配准偏移量的偏差函数：构造配准偏移量的偏差函数，根据所有控制点处所有辅图像相对于参考图像的配准偏移量以及参考图像中控制点的像素坐标，进行二次多项式拟合，得到所有辅图像的配准偏移量的偏差函数的参数，即二次多项式的系数，得到所有辅图像配准偏移量的偏差函数的完整形式；(6)估计所有辅图像相对于参考图像的配准偏移量：根据构造的配准偏移量的偏差函数估计所有辅图像与参考图像之间的配准偏移量；(7)对所有辅图像进行重采样，完成多图像联合配准：根据估计出所有辅图像相对于参考图像的配准偏移量，对所有辅图像进行重采样，得到参考图像与辅图像对应场景同一位置时辅图像的像素复数值，完成多图像联合配准。...

【技术特征摘要】
1.一种基于最小二乘估计的多图像联合配准方法，其特征在于，包括有如下步骤：(1)用Delaunay三角网连接图像集中所有的SAR图像，并对Delaunay三角网进行优化：依据雷达成像算法处理雷达获取的回波数据得到SAR图像，形成一个图像集，在空间基线-时间基线二维平面内，采用Delaunay三角网法连接图像集中所有的SAR图像，并设定空间和时间基线门限，舍弃空间和/或时间基线较长的弧线来优化Delaunay三角网；(2)估计SAR图像对的配准偏移量：用优化Delaunay三角网连接图像集中所有的SAR图像之后，采用传统的InSAR图像配准算法来估计已连接图像对的配准偏移量；(3)在图像集中选出一个参考图像，并在参考图像上选一些均匀分布的控制点：根据PS-InSAR处理过程中常用的方法在图像集中选出一个参考图像，其余图像为辅图像，然后在参考图像上选一些均匀分布的控制点；(4)最小二乘法估计所有辅图像在每一个控制点上相对于参考图像的配准偏移量：对每一个控制点而言，构建出优化Delaunay三角网中已连接SAR图像对之间的配准偏移量与所有辅图像对应配准位置坐标的关系，通过最小二乘法，用已连接图像对的配准偏移量估计出辅图像对应配准位置坐标，根据控制点的像素坐标，得到在该控制点处所有辅图像相对于参考图像的配准偏移量；每一控制点都按此过程处理，得到每一个控制点处辅图像与参考图像之间的配准偏移量；(5)对所有辅图像构造配准偏移量的偏差函数：构造配准偏移量的偏差函数，根据所有控制点处所有辅图像相对于参考图像的配准偏移量以及参考图像中控制点的像素坐标，进行二次多项式拟合，得到所有辅图像的配准偏移量的偏差函数的参数，即二次多项式的系数，得到所有辅图像配准偏移量的偏差函数的完整形式；(6)估计所有辅图像相对于参考图像的配准偏移量：根据构造的配准偏移量的偏差函数估计所有辅图像与参考图像之间的配准偏移量；(7)对所有辅图像进行重采样，完成多图像联合配准：根据估计出所有辅图像相对于参考图像的配准偏移量，对所有辅图像进行重采样，得到参考图像与辅图像对应场景同一位置时辅图像的像素复数值，完成多图像联合配准。2.根据权利要求1所述的基于最小二乘估计的多图像联合配准方法，其特征在于：步骤(1)中所述的用Delaunay三角网连接图像集中所有的SAR图像，并对Delaunay三角网进行优化，包括有如下步骤：(1a)在空间基线-时间基线二维平面内，采用Delaunay三角网法连接图像集中所有的SAR图像；(1b)保持图像集中所有SAR图像均在单一的Delaunay三角网内；(1c)通过门限对比优化网络：设定空间和时间基线门限，用门限对比的方法，舍弃空间和/或时间基线较长的弧线来优化Delaunay三角网，保留尽可能多的相干性较强的图像对。3.根据权利要求1所述的基于最小二乘估计的多图像联合配准方法，其特征在于：步骤(2)中估计SAR图像对的配准偏移量，包括有如下步骤：(2a)定义已连接图像对的配准偏移量：设优化Delaunay三角网连接的SAR图像对有M个，则M个已连接图像对的距离向和方位向的配准偏移量表示为：δa＝[δa1,…,δaM]Tδr＝[δr1,…,δrM]T其中，δa1,…,δaM是M个已连接图像对在方位向上的配准偏移量，将其存放在向量δa中；δr1,…,δrM是M个已连接图像对在距离向上的配准偏移量，将其存放在向量δr中；上角标T表示向量的转置；(2b)定义图像对中主、辅图形的索引：优化Delaunay三角网中三角边带有方向，以起点处SAR图像作为图像对中的主图像，终点处SAR图像作为图像对中的辅图像，在已连接图像对定义两个变址向量索引M个图像对...

【专利技术属性】
技术研发人员：索志勇，项红丽，张金强，李真芳，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61