一种星载SAR影像数据压缩方法技术

本发明专利技术公开了一种星载SAR影像数据压缩方法，属于合成孔径雷达干涉测量(InSAR)数据处理和分析领域，该方法包括以下几个步骤：将配准后的原始影像分成几个小的堆栈，在每个堆栈中生成差分干涉图；构建相位估计器，在每个微型堆栈中进行Phase‑Linking；构建数据压缩模型，对每个微型堆栈中的SAR影像数据进行压缩处理，得到虚拟影像；利用每个微型堆栈中得到的虚拟影像进行干涉处理，生成人工干涉图；利用生成的人工干涉图进行时序InSAR处理和分析。本发明专利技术在时序InSAR处理过程中引入了数据压缩方法，在保证精度的情况下可以大大降低数据处理量和存储量，提高SAR数据处理效率，为处理InSAR大数据奠定基础，使得利用InSAR技术对地表形变进行实时监测和预警成为可能。

【技术实现步骤摘要】
一种星载SAR影像数据压缩方法
本专利技术涉及时序InSAR数据处理和分析领域，尤其涉及一种星载SAR影像数据压缩方法。
技术介绍
目前的时序InSAR时间序列处理技术主要通过干涉图组合进行非线性优化估计，计算量较大，而且需要大量的存储设备。以哨兵卫星为例，卫星设计寿命为7.5年，重复周期为6天，理论上将对同一区域采用500景影像，如果采用DS处理方案进行干涉图全组合，将产生124750个干涉对组合，时间维相干矩阵元素达到500×500。无论是存储数据量，还是计算量都不是普通用户的硬件设备所能承担的。另外，当前SAR卫星只能获取小区域的形变信息，且较长的重访时间间隔容易导致时间失相干现象。为了利用丰富的SAR数据获取更精确地大规模区域形变信息，提高InSAR形变估计的精度，不久的将来随着美国国家航空航天局(NASA)研制的NISAR卫星的发射以及德国宇航中心(DLR)提出的Tanden_L卫星飞行任务计划的实施，每周进行一次全球系统形变监测将成为可能，这些卫星具有较短的重访周期、较大的宽幅以及较长的运行周期，意味着InSAR将进入大数据时代，许多应用领域将受益于这种全所未有的数据连续性，例如，地质灾害的预警和预报。另一方面随着这些卫星的出现势必会增加SAR数据的处理难度，特别是随着时间维度的增加，使得InSAR数据处理量成指数增长，从而大大降低了InSAR处理效率。因此，快速处理这些庞大的数据是实现实时监测预警系统的关键问题之一。而现有时序InSAR处理算法尚不适用于大数据量的运算,在处理过程中不仅处理效率较低，而且较长的时间基线容易导致失相干现象，从而降低了SAR数据原有的潜在精度。综上，现有的时序InSAR处理方法存在运算量大、存储量大、效率低、相干性差等缺点。有鉴于此，特提出本专利技术。
技术实现思路
专利技术要解决的技术问题在于克服现有技术的不足，提供一种星载SAR影像数据压缩方法，用以解决现有的时序InSAR处理方法存在运算量大、存储量大、效率低等缺点。本专利技术的目的主要是通过以下技术方案实现的：一种星载SAR影像数据压缩方法，所述压缩方法包括以下步骤：1)对原始的SAR影像进行分堆处理，具体为：将配准后的原始影像分成几个微型堆栈，在每个堆栈中生成干涉图，这样在每个小的堆栈中各影像间都具有较高的相干性，可以避免由于时间基线过长导致的失相干现象。2)建立相位估计器，在时序InSAR处理过程中，为了提高测量点(MPs)的相干性和空间密度，需通过有效的相位估计器对原始影像进行相位估计，该过程称为Phase-Linking,为了补偿所有影像之间可能存在的反向散射功率不平衡的问题，本专利技术采用一种基于相干矩阵分解而不是协方差矩阵分解来获取原始相位信息，具体过程为：利用特征分解方法对相干矩阵T进行特征分解，得到相干矩阵的特征值和特征向量，并将特征值按降序排列，即λ1≥λ2≥λ3,…,≥λN，T可解释为N个散射体相干矩阵的和，其中每个相干矩阵代表一个独立的目标。当后面的(N-m)个特征值较小时，可以认为前m个特征向量的相位与原始数据向量的相位相同。因此，可用前m个特征向量的相位值代替原始数据的相位值，通过上述方法可以将原始影像数据中噪声相位和冗余相位去除。3)建立SAR影像数据压缩模型假设有一个SAR影像集合Zn×l，n为该集合包含的影像数量，l为所选窗口大小，则该集合在时间上的维度为n维，即含有n个变量，设法找到m个变量来代替原有的n个变量(m＜＜n)，而窗口大小l∈Ω保持不变，则原有的SAR影像集合就变成了压缩后其维度变成了m维，从而达到了降维的目的。即对于任意的正交投影变换Γ,则有：对于任意像素点，假设其在n景影像中的相位信息为Z＝(z1,z2,z3,…,zn)H，则主成分分析模型表示为：式中，为投影变换后的相位信息，系数uij(i＝1,2,…,n；j＝1,2,…,m)为投影变换系数。根据公式(2)可知，只要求出系数uij即可将原变量Z转换成新变量实现数据压缩，压缩的效率取决于基向量的选择。在最有效的情况下，选择基向量以捕获数据空间的最大变化(方差最大)，从数学上可以证明，原变量协方差矩阵的特征根是主成分的方差，因此，前m个较大的特征根就代表前m个主成分较大的方差值，前m个较大特征值对应的特征向量即为相应主成分的系数uij，即最强特征向量的子集：Γ＝[u1,u2,u3,…,um](3)其中uj＝uij,(i＝1,2,…,n,j＝1,2,…,m)为基向量，可利用如下特征分解得到：为相位估计后的复相干矩阵，λi为降序排列的特征值，ui为相应的特征向量，为了加以限制，一般ui使用λi对应的单位化的特征向量，即uiHui＝1，通过对数据空间的频谱分解，以使最大特征值对应特征向量表示携带信息量最大的信号，反之亦然。本文考虑将每个微型堆栈中的影像在时间维上压缩维一维的情况，即m＝1，则对应的特征向量可表示为：Subjecttou1Hu1＝1根据上述分析可知，SAR影像数据压缩是通过定义的空间线性变换Γ来实现：通过线性变换将n维数据Z投影到m(m＜＜n)维数据表示的线性子空间中，从而压缩数据量。的行中包含m个排序的压缩的视复数影像(SLC)，因此第一行对应于信息量最大的信号分量。当m＝1时，压缩的SLC由以下公式给出：通过上述数据压缩方法，可得到每个微型堆栈中的虚拟影像，大大减少了SAR数据处理量，提高时序InSAR处理效率。例如一个由100景SAR影像组成的时间序列，如果利用DS方法进行时序分析，则可生成对干涉图，其数据处理量非常之大，随着影像数量的增加，其数据处理量将成指数增长，几乎不可能实现对地面形变进行实时监测和预警的目标。按照专利技术的方法则可将100景影像分为10个微型堆栈，每个堆栈包含10景影像，假设每个堆栈中的10景影像最后都被压缩成一景，则相当于只需要生成45对干涉图即可达到相同的效果，其数据处理量减少了90％以上。4)生成人工干涉图利用步骤3)得到的虚拟影像建立干涉对，生成人工干涉图5)利用生成的人工干涉图进行时序InSAR处理。采用上述技术方案后，本专利技术与现有技术相比具有以下有益效果。本专利技术相对于现有时序InSAR技术相比，其优势在于：1)本专利技术对原始SAR影像进行分堆处理，在每个微型堆栈中各影像间具有较高的相干性，可以克服现有时序InSAR技术中由于时间基线过长导致的失相干现象；2)本专利技术在相位估计中利用相干矩阵而不是协方差矩阵进行特征分解，该方法可以补偿所有影像之间可能存在的反向散射功率不平衡，从而提高相位估计的精度；3)本专利技术利用数据压缩方法，对每个微型堆栈中的SAR影像数据进行压缩处理，得到携带此堆栈中原始SAR影像大部分信息的少数几个虚拟影像，再利用这些虚拟影像生成人工干涉图进行时序InSAR处理，大大减少了数据处理量和存储量，从而提高时序InSAR处理效率，解决InSAR大数本文档来自技高网...

【技术保护点】
1.一种星载SAR影像数据压缩方法，其特征在于，包括以下步骤：/n步骤1，对原始的SAR影像进行分堆处理，将配准后的原始影像分成几个微型堆栈，在每个堆栈中生成干涉图；/n步骤2，构建相位估计器，在每个微型堆栈中进行Phase-Linking，其中，采用基于相干矩阵分解来获取原始相位信息：/n步骤3，构建数据压缩模型，对每个微型堆栈中的SAR影像数据进行压缩处理，得到虚拟影像；/n步骤4，利用每个微型堆栈中得到的虚拟影像进行干涉处理，生成人工干涉图；/n步骤5，利用生成的人工干涉图进行时序InSAR处理和分析。/n

【技术特征摘要】
1.一种星载SAR影像数据压缩方法，其特征在于，包括以下步骤：
步骤1，对原始的SAR影像进行分堆处理，将配准后的原始影像分成几个微型堆栈，在每个堆栈中生成干涉图；
步骤2，构建相位估计器，在每个微型堆栈中进行Phase-Linking，其中，采用基于相干矩阵分解来获取原始相位信息：
步骤3，构建数据压缩模型，对每个微型堆栈中的SAR影像数据进行压缩处理，得到虚拟影像；
步骤4，利用每个微型堆栈中得到的虚拟影像进行干涉处理，生成人工干涉图；
步骤5，利用生成的人工干涉图进行时序InSAR处理和分析。


2.根据权利要求1所述一种星载SAR影像数据压缩方法，其特征在于，所述步骤2采用基于相干矩阵分解来获取原始相位信息的具体过程为：利用特征分解方法对相干矩阵T进行特征分...

【专利技术属性】
技术研发人员：左小清，李勇发，黄亮，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53