1.基于均方容积卡尔曼滤波器的InSAR相位解缠绕方法,其特征在于:包括以下步骤:步骤1,获取干涉相位图,建立对应的InSAR复相位模型;
步骤2,根据干涉相位图中每个像素的缠绕相位,估计干涉相位图中沿X方向相邻像素间的水平缠绕相位梯度和干涉相位图中沿Y方向相邻像素间的垂直缠绕相位梯度;
步骤3,建立干涉相位图的相位解缠绕系统模型:将干涉相位图的相位解缠绕系统模型等效于一个机动目标跟踪模型,包括状态方程和测量方程;
步骤4,基于相位解缠绕系统模型,构建优化跟踪路径模型,即最优解缠绕路径模型,采用均方容积卡尔曼滤波器算法对干涉相位图的相位进行解缠绕,得到干涉相位图的解缠绕结果。
2.根据权利要求1所述的基于均方容积卡尔曼滤波器的InSAR相位解缠绕方法,其特征在于:所述步骤2包括以下步骤:步骤2.1,在干涉相位图中抽取中心像素为(g,h),大小为Bn×Bm的图像块,设定该图像块仅含有单一的行、列频率,采用最大似然估计分别对行、列频率进行粗估计,得到行、列频率的粗估计值步骤2.2,采用CZT变换对粗估计频率 进行精估计,得到对应的精估计值;
步骤2.3,计算大小为Bn×Bm的InSAR图像块频率精估计 的克拉美-罗界(CLRB);
步骤2.4,由于本地InSAR图像块含有单一的行、列频率,因此本地InSAR图像块的频率就是中心像素(g,h)的频率;采用该图像块的频率精估计 的克拉美-罗界对该图像块上任一像素(x,y)分别沿X方向和Y方向进行相位梯度估计;
步骤2.5,采用该图像块的频率精估计 的克拉美-罗界对该图像块上任一像素(x,y)分别沿X方向和Y方向进行相位方差估计;
把干涉相位图划分成多个图像块,每个图像块都进行步骤2.1-2.5的相位梯度估计和相位方差估计,进而完成整幅干涉相位图的相位梯度估计和相位方差估计。
3.根据权利要求1所述的基于均方容积卡尔曼滤波器的InSAR相位解缠绕方法,其特征在于:所述步骤4包括以下步骤:步骤4.1,构建优化跟踪路径模型:
其中,q(m,n)为像素(m,n)的质量;der(m,n)表示像素(m,n)相位导数方差;coh(m,n)表示像素(m,n)的相干系数;r是权值调整参数;
步骤4.2,初始化优化跟踪路径模型,即选定解缠绕的起始像素{x0,y0},令将起始像素的四邻域中未解缠绕的像素加入等待集中;
步骤4.3,依据优化跟踪路径模型,计算等待集中每个像素的质量,并选取质量最小的像素作为当前待解缠绕像素;
步骤4.4,采用均方容积卡尔曼滤波器算法对当前待解缠绕像素进行解缠绕,得到当前像素的解缠绕结果;
步骤4.5,更新等待集:将当前已解缠像素移出等待集,并将该像素四邻域中未解缠像素加入到等待集中,形成更新后的等待集;
步骤4.6,判断更新后的等待集中是否有像素,若是,则转入步骤4.3,否则,解缠绕过程结束,得到整幅干涉相位图的解缠绕结果。