譚宏偉 周芳

（合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院 安徽省合肥市 230009）

1 引言

合成孔徑雷達(dá)干涉測(cè)量技術(shù)[1-2]（interferometric synthetic aperture radar,InSAR）利用SAR 傳感器獲取地面同一區(qū)域的兩幅或多幅干涉圖像，并對(duì)圖像中對(duì)應(yīng)地面同一散射單元的像素進(jìn)行相位差分反演來(lái)獲得地面的高程或形變信息。然而，由于獲取干涉圖像時(shí)SAR 傳感器空間位置以及方位向時(shí)間的差異，圖像間存在平移、縮放和旋轉(zhuǎn)等變形[3]，因此，需要對(duì)干涉圖像進(jìn)行配準(zhǔn)。

SAR 干涉圖像配準(zhǔn)時(shí)通常在參考圖像（主圖像）上布置一系列控制點(diǎn)，通過(guò)求待配準(zhǔn)圖像（輔圖像）在這些控制點(diǎn)上的亞像素級(jí)配準(zhǔn)偏移量，并對(duì)配準(zhǔn)偏移量與控制點(diǎn)坐標(biāo)間的關(guān)系進(jìn)行多項(xiàng)式擬合從而得到主輔圖像間的坐標(biāo)映射函數(shù)。目前，根據(jù)求取控制點(diǎn)配準(zhǔn)偏移量時(shí)的測(cè)度函數(shù)的不同，SAR 干涉圖像配準(zhǔn)算法主要可以分為互相關(guān)函數(shù)法[4-6]、頻譜比值法[7-8]以及相位平均波動(dòng)函數(shù)法[9]三類(lèi)，其中互相關(guān)函數(shù)法是最常采用的配準(zhǔn)算法，它具有操作簡(jiǎn)單、穩(wěn)健性強(qiáng)的特點(diǎn)。目前全球測(cè)繪任務(wù)SRTM 及TanDEM-X 的干涉圖像配準(zhǔn)均是采用互相關(guān)函數(shù)算法，一些知名的InSAR 數(shù)據(jù)處理軟件也都采用這種算法[10]。

圖1：配準(zhǔn)算法流程圖

互相關(guān)函數(shù)配準(zhǔn)算法根據(jù)數(shù)據(jù)處理的對(duì)象是SAR 幅度數(shù)據(jù)還是包含相位的復(fù)數(shù)數(shù)據(jù)可以相應(yīng)的分為實(shí)互相關(guān)函數(shù)配準(zhǔn)和復(fù)互相關(guān)函數(shù)配準(zhǔn)。研究表明，實(shí)互相關(guān)函數(shù)配準(zhǔn)算法更加穩(wěn)健，在圖像低相干區(qū)域也能表現(xiàn)出一定的配準(zhǔn)精度，然而其在干涉圖像相干性較高且散射特性較為一致的區(qū)域配準(zhǔn)精度不如復(fù)互相關(guān)函數(shù)配準(zhǔn)；復(fù)互相關(guān)函數(shù)配準(zhǔn)算法易受圖像相干性以及干涉相位變化的影響，對(duì)于干涉圖上相干性較低或地形變化劇烈的區(qū)域其配準(zhǔn)性能不如實(shí)互相關(guān)函數(shù)配準(zhǔn)[10]。對(duì)于SAR 干涉圖像，其配準(zhǔn)精度一般應(yīng)優(yōu)于1/8 像元[11]，若配準(zhǔn)誤差大于這一數(shù)值，則干涉圖像對(duì)的相干性將會(huì)受到影響，從而使生成的干涉圖相位中含有較多噪聲。

為進(jìn)一步提高SAR 干涉圖像的配準(zhǔn)精度，本文結(jié)合實(shí)、復(fù)互相關(guān)函數(shù)配準(zhǔn)算法的優(yōu)勢(shì)提出一種兩級(jí)配準(zhǔn)算法。提出算法首先采用實(shí)互相關(guān)函數(shù)配準(zhǔn)算法對(duì)干涉圖像進(jìn)行初步配準(zhǔn)，從而得到粗配準(zhǔn)輔圖像以及低精度的干涉圖和相干系數(shù)圖；然后在相干系數(shù)圖上提取一系列均勻分布的高相干點(diǎn)作為控制點(diǎn)，并定義相位可靠性指標(biāo)，以便根據(jù)初配準(zhǔn)干涉圖上的控制點(diǎn)相位可靠性為每個(gè)控制點(diǎn)選擇相應(yīng)的精配準(zhǔn)方法；最后在初配準(zhǔn)的基礎(chǔ)上采用選擇的精配準(zhǔn)方法對(duì)控制點(diǎn)配準(zhǔn)，得到控制點(diǎn)精確的配準(zhǔn)偏移量。通過(guò)對(duì)實(shí)測(cè)干涉圖像進(jìn)行配準(zhǔn)實(shí)驗(yàn)，結(jié)果表明提出算法能有效提高SAR 干涉圖像的配準(zhǔn)精度。

2 互相關(guān)函數(shù)配準(zhǔn)原理

2.1 互相關(guān)測(cè)度函數(shù)

SAR 干涉圖像配準(zhǔn)中實(shí)互相關(guān)測(cè)度函數(shù)定義如下：

式中，s1和s2分別為主輔復(fù)數(shù)SAR 圖像上截取的圖像塊，(m,n)為坐標(biāo)位置，||表示求復(fù)數(shù)模，M、N 為互相關(guān)運(yùn)算的圖像大小。

復(fù)互相關(guān)測(cè)度函數(shù)定義為：

圖2：圖像網(wǎng)格區(qū)間劃分

其中，*表示復(fù)數(shù)的共軛操作。

主輔SAR 圖像塊的實(shí)互相關(guān)函數(shù)或復(fù)互相關(guān)函數(shù)越大，兩圖像塊越匹配，相應(yīng)的圖像塊中心位置越對(duì)齊。

2.2 互相關(guān)函數(shù)配準(zhǔn)的數(shù)據(jù)處理流程

2.2.1 控制點(diǎn)配準(zhǔn)偏移量計(jì)算

對(duì)SAR 干涉圖像對(duì)配準(zhǔn)時(shí)首先在主圖像上布置一系列均勻分布的控制點(diǎn)，并以這些控制點(diǎn)為中心設(shè)置一系列一定大小的目標(biāo)窗口。在輔圖像相應(yīng)位置處截取同樣大小的匹配窗口，通過(guò)移動(dòng)匹配窗口的位置并計(jì)算其與目標(biāo)窗口的互相關(guān)函數(shù)，當(dāng)互相關(guān)函數(shù)達(dá)到最大時(shí)匹配窗口的中心位置即為控制點(diǎn)的配準(zhǔn)位置。由于干涉圖像的配準(zhǔn)精度需要達(dá)到亞像素精度，因此，在控制點(diǎn)亞像素精度配準(zhǔn)時(shí)需要對(duì)匹配窗口進(jìn)行插值，進(jìn)而以亞像素網(wǎng)格間距移動(dòng)匹配窗口，獲得亞像素精度的配準(zhǔn)偏移量。

2.2.2 偏移模型參數(shù)擬合

在得到一系列控制點(diǎn)的坐標(biāo)偏移量后，就可以對(duì)輔圖像相對(duì)于主圖像的坐標(biāo)偏移模型進(jìn)行參數(shù)估計(jì)。偏移模型一般采用如下所示的多項(xiàng)式表示：

2.2.3 輔圖像插值重采樣

利用坐標(biāo)偏移模型就可以計(jì)算輔圖像相對(duì)于主圖像上每一像素的坐標(biāo)偏移量，進(jìn)而得到主圖像上每一點(diǎn)在輔圖像上的對(duì)應(yīng)坐標(biāo)位置。由于坐標(biāo)值往往不是整數(shù)，因此，需要對(duì)輔圖像進(jìn)行插值重采樣。

3 聯(lián)合實(shí)、復(fù)互相關(guān)函數(shù)的SAR干涉圖像兩級(jí)配準(zhǔn)

受SAR 干涉圖像成像條件的限制，主輔SAR 圖像中往往存在一些低相干區(qū)域，當(dāng)互相關(guān)函數(shù)配準(zhǔn)中控制點(diǎn)位于低相干區(qū)域時(shí)，配準(zhǔn)偏移量的計(jì)算精度會(huì)降低。然而由于缺乏干涉圖像相干性的先驗(yàn)信息，互相關(guān)函數(shù)配準(zhǔn)一般將控制點(diǎn)均勻分布在圖像上，無(wú)法自主選擇高相干的控制點(diǎn)進(jìn)行配準(zhǔn)。另一方面，對(duì)于實(shí)、復(fù)互相關(guān)函數(shù)，實(shí)互相關(guān)函數(shù)配準(zhǔn)的穩(wěn)健性更強(qiáng)，在低相干區(qū)域也能表現(xiàn)出一定的配準(zhǔn)精度，然而由于沒(méi)有利用復(fù)數(shù)圖像的相位信息，其在干涉圖像相干性較高且散射特性較為一致的區(qū)域配準(zhǔn)精度不如復(fù)互相關(guān)函數(shù)配準(zhǔn)。復(fù)互相關(guān)函數(shù)配準(zhǔn)算法的配準(zhǔn)精度容易受圖像相干性以及干涉相位變化的影響，對(duì)于干涉圖上相干性較低或地形變化劇烈的區(qū)域其配準(zhǔn)性能不如實(shí)互相關(guān)函數(shù)配準(zhǔn)[10]。

基于以上分析，本文結(jié)合實(shí)、復(fù)互相關(guān)函數(shù)配準(zhǔn)算法的優(yōu)勢(shì)提出一種SAR 干涉圖像兩級(jí)配準(zhǔn)算法，其配準(zhǔn)過(guò)程可以分為以下三個(gè)步驟：

（1）利用實(shí)互相關(guān)函數(shù)配準(zhǔn)算法計(jì)算主輔SAR 圖像上一系列控制點(diǎn)的低精度坐標(biāo)偏移量，并利用這些坐標(biāo)偏移量進(jìn)行偏移模型估計(jì)和輔圖像插值重采樣，得到初步配準(zhǔn)的輔圖像；

（2）由主圖像和上一步中生成的初配準(zhǔn)輔圖像計(jì)算低精度的干涉圖和相干系數(shù)圖，然后利用得到的相干系數(shù)圖在主圖像上提取一系列均勻分布的高相干點(diǎn)作為下一步精配準(zhǔn)的控制點(diǎn)，并計(jì)算干涉圖上控制點(diǎn)處的相位可靠性，以便根據(jù)相位可靠性在每個(gè)控制點(diǎn)處為下一步精確配準(zhǔn)選擇相應(yīng)的配準(zhǔn)方法；

圖3：SIR-C/X-SAR 干涉圖像幅度圖

圖4：SIR-C/X-SAR 干涉圖像配準(zhǔn)結(jié)果

（3）在每個(gè)控制點(diǎn)處利用選擇的配準(zhǔn)方法計(jì)算控制點(diǎn)精確的配準(zhǔn)偏移量，進(jìn)而重新進(jìn)行偏移模型擬合和輔圖像插值重采樣，得到配準(zhǔn)輔圖像。

算法流程如圖1所示。

圖5：ALOS PALSAR 干涉圖像幅度圖

圖6：ALOS PALSAR 干涉圖像配準(zhǔn)結(jié)果

3.1 基于實(shí)互相關(guān)函數(shù)初步配準(zhǔn)

分別用符號(hào)S1和S2表示主輔復(fù)數(shù)SAR 圖像。對(duì)S1、S2取模，獲得其對(duì)應(yīng)的幅度圖像。傳統(tǒng)基于窗口互相關(guān)函數(shù)的配準(zhǔn)算法在計(jì)算輔圖像上控制點(diǎn)的配準(zhǔn)位置時(shí)是通過(guò)在輔圖像上移動(dòng)尋找與主圖像窗口取得最大互相關(guān)函數(shù)值的位置，這種方法計(jì)算量較大。由于兩幅圖像互相關(guān)函數(shù)的傅里葉變換等于一幅圖像的傅里葉變換與另一幅圖像的傅里葉變換的共軛相乘，因此，可以通過(guò)傅里葉變換的方法將窗口最大互相關(guān)函數(shù)移動(dòng)查找的過(guò)程轉(zhuǎn)變成兩圖像窗口互相關(guān)函數(shù)最大值定位的過(guò)程，這使得計(jì)算效率大大提高。兩圖像窗口互相關(guān)函數(shù)的快速傅里葉變換計(jì)算方法如下式：

式中，F(xiàn)FT2()和FFT2-1()分別為二維傅里葉正變換和逆變換，F(xiàn)FTSHIFT()表示將圖像頻譜的零頻成分移到頻譜中間，y1和y2為兩圖像窗口數(shù)據(jù)。通過(guò)搜索ρr取得最大值的位置即可得到窗口中心點(diǎn)的配準(zhǔn)偏移量：

其中，、 分別為方位向和距離向配準(zhǔn)偏移量，M、N 分別為數(shù)據(jù)窗口的方位向和距離向尺寸，max_x、max_y 分別為ρr取得最大值時(shí)的方位向和距離向位置坐標(biāo)。另外，可以通過(guò)傅里葉變換補(bǔ)零的方法來(lái)實(shí)現(xiàn)亞像素精度的配準(zhǔn)偏移量計(jì)算。

利用上述方法就可以計(jì)算一系列控制點(diǎn)處的輔圖像配準(zhǔn)偏移量，然后進(jìn)行偏移模型擬合和輔圖像插值重采樣，得到初步配準(zhǔn)的輔圖像，用符號(hào)S'2表示。

在配準(zhǔn)時(shí)，若控制點(diǎn)落入圖像的陰影區(qū)域，則配準(zhǔn)結(jié)果可能出現(xiàn)錯(cuò)誤，因此還需要進(jìn)行粗差剔除。本文采用以下兩個(gè)準(zhǔn)則來(lái)進(jìn)行粗差剔除：

（1）粗配準(zhǔn)后以控制點(diǎn)為中心的主輔SAR 幅度圖像塊的互相關(guān)函數(shù)小于某一閾值（如0.8），則將此控制點(diǎn)配準(zhǔn)結(jié)果剔除；

（2）此控制點(diǎn)與周?chē)刂泣c(diǎn)配準(zhǔn)偏移矢量長(zhǎng)度差的平均值大于周?chē)刂泣c(diǎn)配準(zhǔn)偏移矢量長(zhǎng)度的2 倍標(biāo)準(zhǔn)差，則將此控制點(diǎn)配準(zhǔn)結(jié)果剔除。

3.2 高相干控制點(diǎn)選取及精配準(zhǔn)方法選擇

將主圖像S1與第一步中初配準(zhǔn)的輔圖像S'2共軛相乘即可得到粗精度的干涉相位圖φ：

式中，arg()為求復(fù)數(shù)相位值。并計(jì)算其對(duì)應(yīng)的相干系數(shù)圖ρ：

式中，(i,j)為當(dāng)前計(jì)算相干系數(shù)的像素位置，Ω 為以(i,j)為中心的矩形窗口，(k,l)為窗口內(nèi)的像素坐標(biāo)。

本文設(shè)置粗配準(zhǔn)相干系數(shù)圖的均值作為進(jìn)一步配準(zhǔn)的控制點(diǎn)相干系數(shù)閾值，提取相干系數(shù)圖上高于這一閾值的像素作為預(yù)選控制點(diǎn)。InSAR 圖像配準(zhǔn)中，需要控制點(diǎn)在圖像上趨于均勻分布，這樣有利于偏移模型的正確估計(jì)。因此還需對(duì)預(yù)選控制點(diǎn)進(jìn)行離散化，避免控制點(diǎn)集中分布在某一局部高相干區(qū)域。本文通過(guò)以下步驟來(lái)使預(yù)選控制點(diǎn)離散化：

（1）選擇1/10 主圖像圖幅大小作為控制點(diǎn)離散化的窗口大?。ó?dāng)圖像尺寸較大時(shí)，可以縮小離散化窗口相對(duì)于圖像的比例，以增加控制點(diǎn)選擇的個(gè)數(shù)），并以此離散化窗口將原圖像依次劃分為一系列網(wǎng)格區(qū)間，如圖2所示。將每一網(wǎng)格區(qū)間內(nèi)相干系數(shù)最大的預(yù)選控制點(diǎn)作為控制點(diǎn)，并記錄這些控制點(diǎn)的坐標(biāo)位置。

（2）設(shè)置相鄰網(wǎng)格區(qū)間內(nèi)的控制點(diǎn)行列方向的間距最小值分別為離散化窗口行列尺寸的1/2，若當(dāng)前網(wǎng)格區(qū)間內(nèi)的控制點(diǎn)與其相鄰網(wǎng)格內(nèi)的控制點(diǎn)在行方向或列方向的間距小于這一設(shè)定值，則向使行或列間距增大的方向選取下一個(gè)預(yù)選控制點(diǎn)作為控制點(diǎn)。重復(fù)執(zhí)行相鄰網(wǎng)格區(qū)間內(nèi)所選控制點(diǎn)的間距檢測(cè)和重新設(shè)置工作，直至間距滿(mǎn)足設(shè)定值。若當(dāng)前網(wǎng)格區(qū)間中沒(méi)有點(diǎn)滿(mǎn)足要求，則此網(wǎng)格區(qū)間不選擇控制點(diǎn)。

表1：SIR-C/X-SAR 干涉圖像配準(zhǔn)性能分析

表2：ALOS PALSAR 干涉圖像配準(zhǔn)性能分析

（3）在每個(gè)網(wǎng)格區(qū)間內(nèi)重復(fù)步驟（2），直至完成所有網(wǎng)格內(nèi)控制點(diǎn)的選取。

選出一系列高相干控制點(diǎn)后，由于控制點(diǎn)的相干性較高，且粗配準(zhǔn)得到了較為準(zhǔn)確的干涉相位圖，因此可以在這些控制點(diǎn)所在的局部鄰域內(nèi)估計(jì)粗略的干涉相位項(xiàng)，并將估計(jì)的干涉相位項(xiàng)從主SAR 圖像中去除，進(jìn)而利用復(fù)互相關(guān)函數(shù)配準(zhǔn)算法就可以得到控制點(diǎn)更加精確的配準(zhǔn)偏移量。然而在實(shí)際數(shù)據(jù)處理時(shí)，當(dāng)主輔SAR圖像相干質(zhì)量很差時(shí)，選擇的控制點(diǎn)相干性可能依然不佳，復(fù)互相關(guān)函數(shù)配準(zhǔn)不如實(shí)互相關(guān)函數(shù)；另一方面，當(dāng)控制點(diǎn)處于非勻質(zhì)區(qū)域時(shí)，粗配準(zhǔn)得到的干涉相位圖上控制點(diǎn)鄰域范圍內(nèi)含有較多的相位噪聲，此時(shí)難以由含噪干涉相位估計(jì)真實(shí)相位，前述方法的配準(zhǔn)誤差較大。

在理想干涉圖中，局部干涉圖頻譜會(huì)出現(xiàn)較明顯的峰值，并且頻譜峰值會(huì)隨著噪聲等級(jí)的增加逐漸變小。據(jù)此，本文定義一個(gè)相位可靠性指標(biāo)來(lái)評(píng)價(jià)粗配準(zhǔn)干涉相位圖在控制點(diǎn)鄰域內(nèi)的相位可靠性。相位可靠性計(jì)算方法如下：

式中，max()為求矩陣最大值，sum()為對(duì)矩陣求和，P(u,v)為控制點(diǎn)鄰域范圍內(nèi)的干涉圖頻譜。設(shè)置相位可靠性閾值為rth，當(dāng)rp≥rth時(shí)，粗配準(zhǔn)控制點(diǎn)鄰域范圍內(nèi)的干涉相位比較可靠，采用前述方法計(jì)算控制點(diǎn)處精確的配準(zhǔn)偏移量，當(dāng)rp

3.3 控制點(diǎn)精確配準(zhǔn)偏移量計(jì)算和輔圖像插值重采樣

利用為每一控制點(diǎn)選擇的配準(zhǔn)方法就可以在初配準(zhǔn)的基礎(chǔ)上計(jì)算精確的配準(zhǔn)偏移量。當(dāng)采用實(shí)互相關(guān)函數(shù)進(jìn)行配準(zhǔn)時(shí)，配準(zhǔn)過(guò)程與第一步類(lèi)似，不再贅述，當(dāng)采用相位補(bǔ)償?shù)膹?fù)互相關(guān)函數(shù)進(jìn)行配準(zhǔn)時(shí)，數(shù)據(jù)處理過(guò)程如下：

（1）控制點(diǎn)鄰域范圍內(nèi)的干涉相位估計(jì)。由含噪干涉相位估計(jì)實(shí)際相位的操作即為干涉圖濾波，然而本步只是估計(jì)大致的干涉相位項(xiàng)，從而將其從主圖像中去除，以減弱干涉相位對(duì)復(fù)互相關(guān)函數(shù)配準(zhǔn)精度的影響，因此為了減小計(jì)算量，本文采用多視濾波的方法進(jìn)行相位估計(jì)，計(jì)算方法如下：

（2）主圖像干涉相位去除。在主圖像相應(yīng)控制點(diǎn)位置處的同等大小窗口內(nèi)將估計(jì)的干涉相位去除，可以得到去除干涉相位后的主圖像窗口數(shù)據(jù)：

式中，c1為主圖像控制點(diǎn)處的數(shù)據(jù)窗口，φp為估計(jì)的干涉相位。

（3）精確配準(zhǔn)偏移量計(jì)算。同樣，在粗配準(zhǔn)的輔圖像相同位置處提取同等大小的數(shù)據(jù)窗口c2，然后采用復(fù)互相關(guān)函數(shù)配準(zhǔn)算法計(jì)算c'1和c2的中心像素配準(zhǔn)偏移量，并將此偏移量的值與第一步中估計(jì)的粗偏移模型計(jì)算的偏移量相加，得到控制點(diǎn)精確的配準(zhǔn)偏移量。

得到一系列控制點(diǎn)精確的配準(zhǔn)偏移量后，采用最小二乘方法對(duì)主輔圖像間的多項(xiàng)式偏移模型進(jìn)行參數(shù)估計(jì)，在此基礎(chǔ)上計(jì)算主圖像每一點(diǎn)在輔圖像上的相對(duì)坐標(biāo)位置，進(jìn)而對(duì)輔圖像插值重采樣，得到配準(zhǔn)輔圖像。

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證提出算法的有效性，本文對(duì)兩組不同數(shù)據(jù)源的干涉圖像對(duì)進(jìn)行配準(zhǔn)實(shí)驗(yàn)，并將本文算法與實(shí)互相關(guān)函數(shù)配準(zhǔn)算法、復(fù)互相關(guān)函數(shù)配準(zhǔn)算法進(jìn)行對(duì)比。

4.1 SIR-C/X-SAR干涉圖像配準(zhǔn)

第一組實(shí)驗(yàn)數(shù)據(jù)是由SIR-C/X-SAR 系統(tǒng)獲取的意大利Etna 火山區(qū)域圖像，主輔圖像成像日期分別為1996年10月8日和1996年10月9日，圖像大小均為1024×1024 像素，地面分辨率約為30 米，主輔SAR 幅度圖像如圖3所示。由于成像區(qū)域?yàn)樯絽^(qū)，地物多為植被且高程變化劇烈，因此理論上圖像對(duì)相干性較低且干涉相位變化劇烈。

分別采用實(shí)互相關(guān)函數(shù)、復(fù)互相關(guān)函數(shù)以及本文算法進(jìn)行干涉圖像配準(zhǔn)，參數(shù)的設(shè)置情況為：配準(zhǔn)窗口大小設(shè)為51 像素×51 像素，其中實(shí)、復(fù)互相關(guān)配準(zhǔn)以及本文算法的初步配準(zhǔn)階段均在主圖像上均勻布置400 個(gè)控制點(diǎn)，而在本文算法的高相干控制點(diǎn)查找階段設(shè)置離散化窗口的大小為圖像大小的1/20。生成的干涉相位圖以及相干系數(shù)圖如圖4所示。由圖可以看出，復(fù)互相關(guān)函數(shù)配準(zhǔn)得到的干涉圖的相位條紋比較模糊，在圖像右下部分幾乎沒(méi)有相位條紋出現(xiàn)，對(duì)應(yīng)區(qū)域的相干系數(shù)圖也較暗，配準(zhǔn)效果較差。從目視效果來(lái)看，實(shí)互相關(guān)函數(shù)配準(zhǔn)算法以及本文算法的配準(zhǔn)結(jié)果較為相似，都得到了較為清晰的干涉相位圖以及亮度更高的相干系數(shù)圖。

分別計(jì)算不同算法的配準(zhǔn)偏移量多項(xiàng)式擬合時(shí)的距離向、方位向均方根誤差以及配準(zhǔn)結(jié)果的殘差點(diǎn)數(shù)和平均相干系數(shù)，結(jié)果如表1所示?？梢钥闯觯岢鏊惴ǖ木礁`差最小、平均相干系數(shù)最大，殘差點(diǎn)數(shù)目也最少，具有最優(yōu)的配準(zhǔn)性能。

4.2 ALOS PALSAR干涉圖像配準(zhǔn)

第二組實(shí)驗(yàn)數(shù)據(jù)是ALOS 衛(wèi)星上的PALSAR 傳感器獲取的西安地區(qū)圖像，主輔圖像成像日期分別為2009年8月7日和2009年9月22日，圖像大小均為30927×4903 像素，方位向、距離向分辨率分別約為3m 和15m。為了便于圖像顯示，分別在主輔圖像中心位置處截取1024×1024 像素大小的圖像塊進(jìn)行配準(zhǔn)實(shí)驗(yàn)，其幅度圖像如圖5。

采用本文算法以及兩種對(duì)比算法對(duì)干涉圖像進(jìn)行配準(zhǔn)，配準(zhǔn)參數(shù)設(shè)置情況與實(shí)驗(yàn)1 相同，得到的干涉相位圖以及相干系數(shù)圖如圖6所示。可以看出在本實(shí)驗(yàn)中，實(shí)互相關(guān)函數(shù)配準(zhǔn)算法對(duì)應(yīng)的相干系數(shù)圖在圖像右上部分較暗，相應(yīng)區(qū)域相位條紋模糊，配準(zhǔn)效果不佳，而復(fù)互相關(guān)函數(shù)配準(zhǔn)以及本文算法配準(zhǔn)得到的結(jié)果總體一致。

計(jì)算各種算法配準(zhǔn)結(jié)果的性能，結(jié)果如表2所示。可以看出，提出算法在三個(gè)性能指標(biāo)上同樣表現(xiàn)最優(yōu)。

5 結(jié)論

本文提出一種聯(lián)合實(shí)、復(fù)互相關(guān)函數(shù)的干涉圖像兩級(jí)配準(zhǔn)算法，算法首先利用較為穩(wěn)健的實(shí)互相關(guān)函數(shù)配準(zhǔn)算法對(duì)圖像初配準(zhǔn)，然后利用初配準(zhǔn)的結(jié)果選擇高相干的點(diǎn)作為控制點(diǎn)并定義控制點(diǎn)相位可靠性，從而利用相位可靠性為精配準(zhǔn)選擇相應(yīng)的配準(zhǔn)方法。由于初配準(zhǔn)提供了配準(zhǔn)圖像的基本信息，因此在此基礎(chǔ)上進(jìn)行進(jìn)一步的配準(zhǔn)能得到更高的配準(zhǔn)精度。通過(guò)對(duì)兩組干涉圖像進(jìn)行配準(zhǔn)實(shí)驗(yàn)，并從目視效果以及定量性能指標(biāo)上評(píng)價(jià)配準(zhǔn)的效果，結(jié)果證明了提出算法的有效性。