喀斯特地貌SAR影像配准方法研究.pdf

1.1 研究的目的和意义

合成孔径雷达（SAR）作为一种主动式微波遥感，具有全天候、全天时、覆

盖面积广、空间分辨率高等特点，让红外、可见光等遥感技术都大为逊色[1]。另

外，合成孔径雷达对地面目标形态、坡度比较敏感，可以采用 SAR 影像干涉测

量、SAR 立体影像测量和 SAR 影像阴影-形状坡度估计的方法计算地面目标点的

高程，进一步扩展了 SAR 技术的应用范围，现在已广泛的应用于农业、海洋、

地质环境等方面[2]。

合成孔径雷达干涉测量（InSAR）技术是在合成孔径雷达（SAR）技术基础

上发展起来的一种空间对地观测新技术，也可以说是 SAR 技术应用领域的一个

新方向。InSAR 技术利用了合成孔径雷达获取地面地物的相位信息，通过地面同

一目标返回的两个回波信号，进行干涉处理，得到相位差，再结合雷达卫星的位

置参数和采集时的几何关系，就可获取地面点的高程信息以及监测微小的地表形

InSAR 技术为大范围 DEM 的快速提取提供了一种新的技术方法。近年来，

在国内，InSAR 技术在地表沉降、高铁水准测量等的成功应用，表明了 InSAR

技术在未来大场景、大范围三维重建、地表变形监测、DEM 提取等方面有很大

的潜力。同时，通过对星载 SAR 关键技术的攻关，我国于 2012 年 11 月发射了

首颗民用雷达卫星 HJ-C 卫星，实现了我国 S 波段合成孔径雷达卫星零的突破，

可以全天候、全天时的对地观测。InSAR 技术的发展已引起了国内学者越来越多

的关注，受到学术界和产业界的重视。

然而， InSAR 技术处理的对象必须是地面同一目标的两个相位信息。相同

区域不同角度的两幅雷达影像代表了两个不同的雷达数据集合，要对地面同一点

进行回波信号的分析，就必须确定确定两个雷达数据集合中哪些是同一点的数

据。在雷达影像上，就是寻找同名点对，进行 SAR 影像的配准。现有的 InSAR

技术数据采集多是采用重复轨道干涉测量模式，即同一卫星在不同时刻对同一地

区进行数据的采集，这就更需要通过配准来获取同一点的数据。

对 SAR 影像干涉处理的过程分析可知，数据处理首要解决的问题就是 SAR

影像的配准，影像配准的好坏直接关系生成的干涉条纹图的清晰度，同时影响相

位解缠的复杂程度，继而影响提取地面高程信息（DEM）的精度。两幅 SAR 影

像的高精度配准可以提高 SAR 数据在 InSAR 处理的相干性，有效去除配准噪声

的影响，提高干涉条纹图的清晰度，减少相位解缠的复杂度和提高相位解缠的准

确性，提高提取的数字地面高程（DEM）的精度。所以 SAR 影像配准作为数据

处理过程中的首要步骤和关键环节，对它的研究具有重要的意义。

在 InSAR 技术数据处理过程中相干系数是一个非常重要的指标，两幅雷达

影像只有在相干性足够高的情况下，才能获得高精度的高程信息，相干系数越低

的区域，获取的 DEM 精度越不可靠。桂林地貌在地质上属于典型的喀斯特地貌，

山峰众多，且多以独峰、孤峰为主，相隔耸立在 SAR 影像上。由于喀斯特地貌

地形起伏剧烈以及山体阴影、树木覆盖等的影响，相干性很低，属于典型低相干

区域。对于低相干区域，通过 InSAR 技术获取地表的三维信息存在着一定的难

度，为了提高低相干区域的相干性，SAR 影像的配准显得尤为重要。采用传统

的 SAR 影像配准方法，对于特定区域的数据类型，可以取得较高的配准精度，

如平坦的戈壁滩地区等，对于低相干区域，就存在着一定的局限性，如不能对山

峰众多的低相干区域 SAR 影像精确配准或者配准精度很低，不能生成干涉条纹，

满足不了 SAR 影像干涉处理的要求。现有的对于低相干区域的配准多是采用基

于几何特征的配准。针对于桂林的这种喀斯特地貌，要想利用 InSAR 技术获取

高精度的 DEM,必须研究这种特殊低相干地区 SAR 影像的配准。

1.2 历史和现状

1.2.1 InSAR 技术的发展历史和现状

二十世纪 60 年代，Roger 和 Ingalls 首先利用无线电波干涉测量技术，对金

星表面进行观测，对金星南北半球的雷达模糊回波进行分离[3-4]。1972 年，Zisk

利用 InSAR 技术获取了月球表面的地形数据，高程精度优于 500m。1974 年，

Graham 首先提出了利用 InSAR 技术在地球表面进行地形图的制作，采用机载合

成孔径雷达方式进行单航迹的飞行，以光学 SAR 成像为背景，通过干涉条纹中

包含的高程信息，获取了满足 1:25 万地形图精度要求的高程数据，开创了 InSAR

技术对地观测中获取地表三维信息的先河[5]。

80 年代末期，随着计算机技术和雷达卫星的发射，各国对 SAR 技术的研究

逐步加速，与之相应的 InSAR 技术也有了相应明显的发展。1986 年，美国加州

理工的喷气推进实验室（JPL）的 Zebker 和 Goldstein 在旧金山海湾，用机载方

式的 InSAR 技术获取了高程精度为 2-10m 的三维地形图[6]。随着海洋卫星

SEASAT 数据交付民用，1988 年，Goldstein 等利用 SEASAT 雷达卫星数据进行

干涉处理得到了死亡谷棉球盆地的地形图，与该区域的地形图比较，吻合的效果

二十世纪 90 年代，美国、德国、加拿大、法国的科研人员在 InSAR 的基本

分纠正技术对待配准影像纠正，这种多级配准方案提高运算效率和配准精度。

2008 年，焦明连[35]等侧重研究基于 SAR 影像幅度信息的配准方法，证明了对于

SAR 影像单进行幅度配准的可行性，但是只利用灰度信息，减少了 SAR 影像的

信息源，会受到噪声的影响。石晓进[36]等提出了一种结合 Fourier-Mellion 交换和

相干系数相结合的 InSAR 图像配准方法，对两幅具有小角度夹角的星载 SAR 影

像进行了精确的配准，估计出了精确配准时两影像具有的微小夹角和偏移量。

2010 年，樊志华[37]等提出了基于 Harris 角点量与相位相关的亚像素级的配准方

法。利用 Harris 点的位移不变性，在进行二维谱变化时不会出现边界效应问题，

通过加窗的方法代替整幅影像进行相位相关计算，可以高精度的估计影像的偏移

量。石磊[38]等人利用 Sift 和相干系数粗差探测的方法进行 SAR 影像的配准，将

Sift 配准方法引入到 SAR 配准方法中。如果只利用于 SAR 影像的幅度信息，误

匹配的特征点较多。利用匹配特征点的相干系数进行误匹配特征点的剔除，提高

了 Sift 特征点配准的精度。2011 年辛登松[39]等针对相位相关配准方法只适用于

只存在平移变化的 SAR 影像，提出了一中改进的 SAR 影像配准算法，通过引入

极坐标的方法将尺度缩放、旋转角度变为平移的关系，再利用相位相关的方法计

算出配准影像缩放的尺度和旋转的角度。2011 年刘钰菲等[40]提出来一种快速区

域互相关改进的 InSAR 影像配准方法，对影像的灰度值进行二维频谱的变换，

为了消除干涉相位的影响，通过对干涉相位的粗估计对配准的影像进行相位补

偿，然后再去参与到快速区域相关的配准算法中，提高了配准的精度。

随着研究的深入，为了提高配准的速度和精度，研究人员还提出了多种方法

有机组合的多级配准方案如：基于整体松弛迭代和最小二乘方法的多级配准方法

[41]，基于雷达影像结构信息分层匹配的多级配准方案[42]，基于卫星轨道信息和

相关函数信息结合起来的多级配准方案[43]等等。这些多级配准方案将不同的配

准方法有机结合，分层配准，解决了单一配准方法中出现的多极值情况，提高了

配准的可靠性和精度。学者们还对主流的配准算法提出了各种改进，弥补算法的

不足，各种配准算法在成像质量好的条件下或者特定的地形条件下，通过实验验

证，能够得到一定的配准精度，对于在特殊环境（如植被茂森覆盖面积大的山区）、

低相干区域（如地形起伏剧烈高山地区、）、时间失相干情况，常规的配准方法很

难形成明显的干涉条纹，低相干区域 SAR 影像的配准方法研究的还很少，所以，

对这些复杂区域进行高效率、高精度的 SAR 影像配准研究仍是我们研究的课题。

1.3 本论文的主要内容及结构

本文利用广西桂林地区 ALOS PLASAR 卫星雷达数据进行干涉处理，分析

InSAR 技术获取地表三维信息的原理，研究干涉处理获取 DEM 的技术流程，重

第二章 合成孔径雷达干涉测量基本原理

干涉测量起源于“杨氏双缝干涉实验”，很早应用于激光距离测量，根据向

被测目标发射两束相干光，通过两束相干光的相位差来实现对被测目标距离的测

量。基于相位的距离测量方法具有精度高的优点，合成孔径雷达干涉测量也是基

于相位差来计算距离差的原理，利用了 SAR 影像获取地面地物的相位信息，通

过对地面同一目标产生相位差，形成干涉图，再结合雷达卫星的位置参数和采集

时的几何关系，就可获取地面点的高程信息以及监测微小的地表形变。

目前，SAR 干涉测量的系统的分类方法有很多[44-47]，本文按照搭载的飞行

平台主要分为两类：星载干涉测量系统和机载干涉测量系统，现阶段研究和使用

最多的还是星载干涉测量系统。机载干涉测量系统主要应用于城市大比例尺测

图，发生自然灾害时获取大范围及时变化的现场资料，为进行抢险救灾提供决策

和评估灾情、灾后搬迁重建工作提供重要的数字依据。星载干涉测量系统主要应

用于大范围测绘和长期的动态过程的检测，特别适合大场景三维建模和人类无法

进入的危险地区的研究工作，代价也相对较低，是现阶段应用研究的主流。

2.1 InSAR 数据获取的方式

InSAR 数据获取方式从搭载合成孔径雷达的平台可以分为两种：机载方式和

星载方式。从工作的原理上，机载方式又可分为顺轨干涉测量模式和交轨干涉测

量模式。星载方式又可称为单轨重复轨道干涉测量模式。

　　1. 机载方式

机载方式的合成孔径雷达平台大都是安装在飞机上故称为机载方式。机载方

式的工作原理是在遥感平台上载有两个相离一定距离的雷达天线，一个负责发射

和接收雷达波束，另一个只负责接收。机载方式主要有两类：顺轨干涉测量模式

和交轨干涉测量模式[48]。顺轨干涉测量模式是在飞行平台上安装两副雷达天线，

天线的安装顺着飞行轨道，前后两幅天线的基线通常为 2-20m。顺轨干涉测量模

式可以用来精确测定地物的运动，如运动物体的变化检测，海洋洋流的速度场等。

交轨干涉测量模式是飞行平台上两雷达天线的安装正交于飞行轨道，奋进号航天

飞机就是采用这种模式进行地形测量（SRTM）。

　　10

的是获取的两幅 SAR 影像时间间隔问题，防止出现时间失相关。采用星载方式

要获得质量较高的干涉数据，必须的保证两侧观测期间地物没有发生明显变化，

如不同季节土壤含水量、植被状况等都会造成相位“失真”。为了克服时间基线

的影响，采用双星串联飞行模式，可以获得时间间隔为一天左右的像对，如

ERS-1/ERS-2 组合。另外，重复轨道干涉测量对基线条件也有一定的要求，基线

太长，获取的同一地区信号差异较大，相关程度较低，相位差的计算不能有效进

行，同时对陡峭山区增加了相位混淆。但长基线具有更小的高度模糊数，有利于

获取精度更高的 DEM。短基线，有利于干涉相位的展开，但降低了对地面高度

的敏感性，导致目标区域 DEM 的精度不是太高。

2.2 SAR 影像形成干涉的条件

通过机载方式或者星载方式获取的 SAR 影像并不能全部用来进行干涉测

量。干涉测量处理时，对 SAR 影像的质量要求很高，两幅 SAR 复影像必须有足

够高的相干性，才能从中提取满足精度要求的地形信息。相干性是保证 SAR 影

像对能够进行干涉测量的关键指标。研究表明，两幅 SAR 影像对要有高的相干

性必须满足以下几个条件：

①、两次观测变化不能太大，地物的散射特性应相似

星载单轨重复模式是在两个时刻进行观测，两次观测期间，地表地物可能会

发生变化如不同时期、土壤含水量发生变化、植被生长状况发生变化，还有不同

的天气造成的变化如冰点上下的冻土、地面上的冰雪等。在不同情况下，同一地

物的散射特性就不一样，雷达接收到得回波信号就不同，往往会造成相位失真，

同一点上的相位差也会失真。在星载两次观测期间地形发生巨大变化的地区，还

会产生去相关问题，两幅影像上很难寻找同一地物在两幅影像中的位置，这就在

后期处理中很难用到同一地物点的相位差信息。星载方式在时间间隔短、地表形

态稳定、植被覆盖率低、湿度变化不大的地区如：干燥地区，沙漠戈壁滩地区可

以提供相干性很高的 SAR 影像数据。

机载方式[49]在获取同一地区的 SAR 影像时，因为是同时获取两幅 SAR 影像，

地物的后向散射系数保持不变，保持了很好的数据相干性，排除了不同时间、季

节获取的影像相同区域地表发生变化的可能性，地面地物在影像上有很好的对应

关系，同点名的寻找相对简单，SAR 影像的配准相对容易进行。

②、SAR 影像采集时，遥感平台要稳定，使具有稳定的观测几何关系

星载方式进行干涉测量时，卫星的飞行高度在 800km 以上，不受大气层干

扰，轨道和姿态都很稳定。

机载方式进行干涉测量时，对飞机的飞行姿态要求很高。飞行控制和惯性导

　　11

航系统是机载干涉测量方式的技术难点问题。

③、SAR 数据处理器能在做了运动补偿的信号中保留好内在的相位信息[50]。

④、合适的基线长度

基线的选择影响最终提取的 DEM 精度。基线太长，获取的同一地区信号差

异较大，相关程度较低或者完全无相关，相位差的计算不能有效进行，同时对陡

峭山区增加了相位混淆。但长基线具有更小的高度模糊数，有利于获取精度更高

的 DEM。短基线，有利于干涉相位的展开，但降低了对地面高度的敏感性，导

致目标区域 DEM 的精度不是太高。

对于单轨道重复观测模式，根据基线选取数据首先必须计算出临界基线。临

界基线长度的计算公式为:

上式中，Bc的值称为临界基线长度，λ 是雷达波波长，R 是雷达天线离地面

的距离，Lc表示视线方向上的分辨率，θ 是雷达波入射角。

对于 ERS 和 ENVISAT SAR 数据，R=850KM, θ=23

。，Lc=25M, λ=5.6CM,它

们的临界基线大约是 1100m。由于波长和入射角的关系，JERS-1 和 PALSAR SAR

数据的临界基线（R=730KM, θ=23

。，Lc=25M, λ=23CM,）远远大于 ERS 和

ENVISAT 的临界基线。最佳基线则在（0，Bc ）区间内，一般选取数据的基线

在临界基线的 1/10 左右。研究表明临界基线长度受到雷达波长 λ，雷达天线距离

R 以及地面坡度的影响[51-52]。

不同的应用领域对高程精度的要求不同，基线长度与应用领域的对应关系见

表 2.1，参照这个表，可根据实际应用的需要，选择合适的卫星 SAR 影像对。

表 2.1 不同应用基线的要求

　　0-600m

　　150-300m

数字地面模型的建立

　　30-70m

　　0-5m

星载重复轨道干涉测量模式在应用中还要求两次飞行的轨道尽可能的平行，

轨道不平行导致同一景物的两幅影像需经过距离向重采样才能重叠，另外在方位

向上也使不同高度的目标相对移动，也必须考虑方位向的重采样，给 SAR 影像

2.3 InSAR 技术获取地面高程基本原理

利用 InSAR 技术获取地面高程信息，类似于立体摄影测量技术。在摄影测

　　13

单轨重复轨道干涉测量模式是两次发射和接收雷达信号，信号传播的斜距差

为 2ΔR =R1-R2，所以两幅影像上同名点对的相位差 Δφ 与斜距差的关系为：

R1、H、h、θ 组成的三角形几何关系可计算：

由式（2-5）求出 θ,式（2-6）求出 ΔR ，带入公式（2-7）可求出目标点高程。

对于星载系统，平台的高度 H,雷达波长 λ 和斜距 R1 已知，基线 B 与角度 α 可由

两次成像卫星的空间位置和瞬间矢量参数求出。通过相位解缠，求出每点的相位

差，根据公式可计算出每点对应的高程。从工作原理中可以看出，要精确获取地

面点的高程信息，其一两次观测地面点要有准确的相位差信息才能精确计算距离

信息，其二要有精确的卫星位置数据和高精度的基线估计方法。

2.4 InSAR 数据处理的流程

采用单轨重复轨道干涉测量方式获取的干涉 SAR 影像对要得到地面的数字

高程模型（DEM）要经过一系列数据处理步骤。干涉数据的处理[53]主要包括以

下几个方面：①单视复型影像数据（SLC）的配准，②干涉条纹的生成，③基线

估计，④去平地效应，⑤相位解缠，⑥数字高程模型的重建。

InSAR 数据处理的步骤如下图：

　　18

枝切法的主要思想是将符号相反的残数点连接起来，使这一区域的残数正好

相互抵消只要积分路径不经过这些切线就可以进行解缠。最小二乘算法是在最小

二乘的意义下，寻找使展开相位梯度与缠绕相位梯度整体偏差最小的解。网络流

算法思想是最小化解缠相位的导数与缠绕相位的导数之间的差异。通过将相位解

缠问题转化为最小成本网络流问题利用比较成熟的算法来解决最小成本网络流

问题，计算出相位梯度后，通过积分直接计算解缠相位。

通过对上述方法进行比较可知，枝切法速度快，内存小，相干性较好部分准

确性高，但是相干性较差的话容易形成孤岛。最小二乘方法较为平滑，不会出现

孤岛现象，但是误差扩散到整幅影像方程解算效率低下。网络流方法是目前最为

准确的一种方法，但是效率有待进一步提高。遗传算法能够有效抑制相位误差的

传播，不需要进行相位不一致性的检测，相位解缠能够自动完成。

相位解缠的准确与否，直接影响到提取的目标高程信息（DEM）精度的有

效性。相位解缠的质量评价必须考虑两个方面，一致性：在视觉上表现为解缠的

相位图处处连续光滑，解缠后的相位数据任意两点间的相位差与这两点间的路径

无关；精确性：解缠后的相位要能真实的恢复到原始的相位。

通过对 InSAR 数据进行干涉处理，得到地面点的高程之后，得到的只是相

对于影像的地面高程点数据集合。必须作地学编码和校正处理才能得到真正的数

字高程模型 DEM。

2.5 InSAR 技术的应用

InSAR 技术利用 SAR 影像中每个像元包含的传感器到地面的相位值，由相

位值高精度得到距离值。合成孔径雷达卫星能够穿透云雾、烟尘及全天候、全天

时的获取地面信息，可以弥补光学影像在时间和空间上的局限性，使其在光学传

感器成像困难的地区如自然环境监测、热带雨林和云贵高原地区测绘等方面有着

特殊的应用。同时利用 InSAR 技术监测时间跨度很大，从相隔一天到相隔几年，

覆盖范围广，可大面积获取地面信息。目前，InSAR 技术的应用已涉及地形测图，

数字高程模型的提取，还广泛应用在自然资源调查如水文、森林、海岸带等，自

然灾害监测如地面沉降、火山灾害、地震活动、极地研究等诸多领域[68-70]。其主

要应用领域包括以下几个方面：

（1）数字高程模型（DEM）的获取。

雷达数据生成 DEM 的最新方法是 InSAR 技术，InSAR 技术的研究也是近几

十年才开始，InSAR 技术利用 SAR 影像数据中每个像元包含的相位信息，由相

位可以精确计算微小的位移变化。InSAR 技术提取 DEM 的精度可达到米数量级，

　　20

解释了地震发生的原理，分析了地震演化的整个周期过程。

但在地震的形变观测中，地震前后的覆盖情况已经发生明显的变化，数据的

相干性就收到明显的影响，另外还有相位解缠问题，电磁波在大气传播中的延时

问题等，这些都会导致利用 InSAR 技术进行地表微小形变检测的实际结果和理

论的结果有些差距。

（5）滑坡、泥石流检测。

滑坡和泥石流是十分严重的地质灾害，广泛、频繁发生的滑坡和泥石流有其

特殊的分布和演化规律，正确了解这些规律，掌握它们的发展趋势，对这些灾害

的监测和预防有重要的指导意义。

传统的方法如 GPS 方法、大地测量的方法通过在地面设置观测点进行检测。

利用 InSAR 技术采用三次重复路径观测方法和数字高程模型法，能够检测和预

测滑坡和泥石流。2010 年张建龙等利用 D-InSAR 技术对两幅 Radarsal-1 影像进

行处理得到了四川丹巴县甲居滑坡的两期位移量。利用 InSAR 技术可以动态检

测滑坡发生的可能性，对滑坡进行有效评估，同时在滑坡发生时可以绘制滑坡发

生的范围，分析发生滑坡的原因以及滑坡发生时平均位移速度等。

从理论上分析，InSAR 技术和 D-InSAR 技术都有检测地表微小形变的能力，

在，但在实际应用过程中往往包含了很多不确定因素。其一是时间去相关问题，

时间间隔对于干涉成像有重要影响如果地表的状况发生大的变化，则会导致成像

的相干性降低，地震滑坡等灾害中，地面覆盖状况发生明显变化，获取的数据和

干涉测量的原理出现矛盾，还有就是电磁波在大气传播中的延时，给对应的干涉

图增加一个相位信息。对于这些问题学者也提出了不同的解决办法，对于失相干

的问题，通过布设角反射器或者寻找比较稳定的地物，人工建筑，或者岩石等所

谓的永久散射体来克服时间间隔太长引起的失相干问题。在一些精密检测过程

中，InSAR 技术还可以和 GPS 技术相结合来去除大气的影响等。

2.6 本章小结

本章主要论述了InSAR技术的基本原理和利用InSAR技术数据处理的流程。

其中，首先论述了利用 InSAR 技术数据获取的方式和获得的 SAR 影像能够形成

干涉的条件。然后，几何推导出 InSAR 技术获取地面点高程的公式，分析了 InSAR

技术数据处理过程中的几个关键步骤：SAR 影像的配准、干涉条纹的生成、基

线估计、去平地效应、相位解缠和数字高程模型的重建，为后面 SAR 影像配准

进行了必要的准备。最后，介绍了利用 InSAR 技术在现有领域的应用。通过对

InSAR 技术的基本原理和数据处理的主要步骤的分析，引出后面重点阐述的 SAR

　　21

 ther  coreg

第三章 SAR 影像的配准

InSAR 数据处理中首要解决的就是 SAR 影像的配准问题，配准的质量直接

影响干涉条纹的质量，继而影响 DEM 提取的精度。前面已经论述了 SAR 影像

配准对于 InSAR 数据处理的重要性，对于星载系统即使以后发展为双天线系统，

在 D-InSAR、数据更新和其它进行动态监测是也需要进行高精度的配准。两幅

SAR 影像在精确配准的情况下才能得到准确的相位差，否则，将会增加配准噪

声，产生的干涉条纹就会不清晰，甚至失相干，此时的相位图像就像均匀分布在

（0-2π）空间的相关噪声。单视 SAR 影像（SLC）纹理模糊,受到斑点、噪声的

影响，它的高精度自动配准，要比光学影像的配准要难很多。本章结合影像配准

的过程，逐步分析单视 SAR 影像的配准方法。

3.1 SAR 影像的配准的精度要求

影像配准是将来自同一地区的两幅或者多幅影像在空间位置上最佳的套合

起来，这些影像或者是同一传感器在不同时间不同角度拍摄，或者不同传感器的

影像。影像配准的主要目的是寻找同名点对，纠正输入影像和参考影像的几何畸

单轨重复轨道干涉测量方式获取的 SAR 影像，由于不同的视角，不同的时

间，不同的天气状况等条件，两幅影像会出现平移、旋转、尺度变换、局部畸变

等差别。所以，同一目标在两幅 SAR 影像上就会有不同的几何坐标。要进行干

涉测量，必须获取同一目标的干涉相位，这就是雷达影像利用 InSAR 技术时要

进行高精度配准的目的所在。

研究表明 InSAR 影像的配准对干涉条纹质量及最终的相干系数有很大的影

响，Just 和 Bamler[71]等人提出了 InSAR 影像配准与相干系数的关系：

γ 为相干系数，Γother 为其它因素对相干系数的影响，Γcoreg 为影像配准误差

　　22

对相干系数的影响。其中 δx，δy 分别为距离向和方位向配准误差的像元个数。

对上式的分析可知，若配准的误差在像元级，配准的相干系数为 0，在干涉

条纹图上表现为纯噪声，不会有任何干涉条纹出现。这样就无法满足干涉测量的

条件。若配准的误差为 1/8 个像元，则配准的相干系数为 0.9496。若配准的误差

达到 1/10 个像元，则最终的相干系数为 0.9675。通常情况下，我们认为 SAR 影

像的配准误差必须在 1/8 像元到 1/10 像元之间[72]，此时的配准误差对进行干涉

测量相干性的影响很小，这样才能保证生成干涉图的质量，所以进行干涉测量时

SAR 影像的配准的精度要达到亚像元的级别。

3.2 影像配准的步骤

进行 InSAR 处理的 SAR 影像数据为单视复型数据 SLC，就是一景的 SAR

数据，包括灰度信息（振幅）和相位信息，即每一点的雷达数据由实部（Re）

和虚部（Im）两部分组成。我们看到的 SAR 影像就是经过灰度化变换的振幅值。

其中振幅值得计算为：

影像配准中，如果对 SAR 影像的每一点逐个进行配准，复影像配准的计算

量将非常庞大。国内外对 InSAR 影像配准方法的研究主要是采用确定控制点的

方法，即两幅影像之间控制点的自动或半自动的匹配方法。通过匹配足够数量的

控制特征点，进行相对纠正，选取几何模型进行坐标变化，确定影像之间的坐标

关系。最后对待配准的影像进行重采样。影像配准的主要步骤归纳如下：

　　28

非线性变换适用于图像出现不规则曲变的情况，是一系列平移、旋转、缩放、

弯曲等基本变换的综合结果。对于 n 阶多项式，至少确定(n+1)(n+2)/2 对控制点

就可解算多项式的系数，多项式为二阶变换时，至少需要 6 对匹配点，三次多项

式变换时至少需要 8 对匹配点。

3.2.5 输入影像的重采样

两幅影像经过几何变换后，待配准影像在参考影像的对应点不一定在影像的

数字网格上，因此需要重采样的方法确定灰度值并把灰度值转化到参考影像空间

中去。重采样常用的插值方法有最邻近法、双线性插值、三次样条插值等。重采

样方法往往会带来低通滤波的效果，所以要仔细选择插值方法。另外，对 SAR

影像进行干涉处理时，为了生成干涉图要将两幅复数影像相乘，要考虑采样率与

频谱混叠的现象，一般情况下是对 SAR 影像对作过采样处理。

在 InSAR 数据处理中，通常采用高保真度的三次样条曲线内插，而且是分

别对复数影像的实部和虚部重采样。

3.3 SAR 影像常用的配准方法

目前，SAR 影像的配准的算法主要有相干系数法、相位差影像平均波动函

数法、最大干涉频谱法、结合最小二乘匹配的多级配准方法。下面分别介绍对这

3.3.1 相干系数法

干涉测量中两幅雷达影像之间相似程度可用相干性来衡量。相干系数法与摄

影测量中相关系数的配准方法原理一样，不同在与相关系数不对 SAR 影像的相

位信息进行计算[82]。相干系数法是基于窗口的自动匹配，在参考影像上以待匹

配点为中心选取一定大小的窗口，在输入影像的一定搜索范围内，逐行、逐列、

逐点移动，计算两个窗口内的相干系数，相干系数最大点位置就表示最佳匹配位

　　32

　　1 n

配准的精度，达到多级配准的目的。最小二乘配准方法结合数字摄影领域或者遥

感影像中较成熟的配准理论和方法，依据 SAR 影像配准的要求和特点，进行影

像由粗到细的多级配准，有效地解决了配准过程中的效率，精度和可靠性等问题。

3.4 基于特征信息的 SAR 影像配准

基于特征的配准方法是一种常用的配准方法，该算法一般包括特征提取和特

征匹配两步。根据影像分割等过程提取待配准影像中具有代表性、明显性、和易

于进行相似性度量的特征为配准基元，提取的特征信息通常为角点、边缘线、纹

理、曲率、多边形区域或某些特殊的结构。然后在两幅影像对应的特征集中用特

征匹配算法选择匹配关系的特征，实现影像的配准。

3.4.1 常用的匹配特征

（1）多边形的面积

对于矢量图形，计算多边形的面积主要有两种方法：三角形法和梯形法

按照三角形法计算面积，多边形面积公式为：

按照梯形方法计算面积，多边形的面积公式为：

若多边形包含内环则可以按照同样方法计算内环所包围的面积，然后外环面

积减去内环面积，即为多边形的面积。

对于栅格图形，图像中的区域面积可以用同一标记的区域中的像素的个数来

（2）多边形的周长

矢量图形多边形的周长计算公式：

栅格图形周长一般按欧式距离计算，水平垂直方向上相邻像素点间的距离为

1，倾斜方向上相邻像素点间的距离为

，周长定义为上述两点距离定义的逐点

(3)多边形的内角

　　35

当两个相似度中有一个大于阈值时，意味着多边形存在匹配的可能，此相似

度指标误配的可能性很大。针对上述重叠面积相似度计算没有考虑两个多边形面

积的相似性，吴建华（2008）提出了双向面积重叠度的概念，并通过正反两个方

向的面积叠加获得其相似度。

重叠面积法匹配测度，计算速度快，算法简单，在遇到弱覆盖或者面积重叠

度较高等情况时会出现误匹配，可作为特征匹配的相似度指标之一。

基于特征的配准方法从影像中提取显著的特征，这些特征有点，线，边缘，

纹理，轮廓区域等，还有基于这些轮廓区域的统计信息等。然后选择合适的匹配

算法进行特征匹配。基于特征的影像配准方法也多使用金字塔分层结构，将上一

层特征匹配的结果作为初始值，并考虑对粗差的剔除和修改，最后以特征匹配结

果为控制对其他点进行匹配或者插值。特征配准方法用影像中很少的特征点代替

整幅影像进行配准，使得计算量减小，影像的噪声对它的影响较小，对影像灰度

变化具有一定的鲁棒性。

3.5 SAR 影像配准质量评估

SAR 影像的配准关系到干涉图的生成、相位解缠的复杂程度、DEM 提取的

精度。因此，对 SAR 影像配准结果质量的评价是很重要的。经过研究和实验论

证，两幅经过精确配准的 SAR 影像能够形成干涉，其相位差分量为干涉条纹图。

类似于幅度影像的相关系数常用于影像匹配的测度，SAR 影像采用相干系数[87-88]

和信噪比（SNR）[89]作为配准质量评价的量化指标。相干系数可以看做是幅度影

像之间相关系数的推广。

式（3-45）中，γ 的绝对值范围为[0,1]，将它作为配准质量评价指标。若 γ

的绝对值为 0，表示两幅 SAR 影像失相干，没有配准。若 γ 的绝对值为 1，则表

　　36

示完全相干，没有噪声。

相干系数和信噪比（SNR）具有很强的相关性：

式（3-46）中，Fmax 为干涉影像经过二维傅里叶变换的频谱最大值，Fi 为影

像各个像元的频谱值。

其中信噪比和相干系数也有对应关系，为：

从公式（3-42）中可以看出信噪比越高，相干系数值越大

相干系数可以对配准精度做出比较精确的估计，实际的计算过程中，在 M

×N 区域，用样本的均值计算相干系数的公式为：

逐点计算以其为中心的 m×n 窗口内的相干系数值，每一点的相干系数表明

了该点的配准精度。

3.6 本章小结

本章主要分析了要进行干涉测量 SAR 影像进行配准的步骤和方法，其中首

先分析了 SAR 影像配准与相干系数的关系，从公式推导出 SAR 影像的配准精度

要达到亚像元级别；分析了 SAR 影像配准的主要步骤，主要有粗配准、像元级

配准、亚像元级配准、几何模型转化、重采样等步骤，论述了各个步骤的主要内

容和实施的方法；重点论述了常用的 SAR 影像配准方法：相干系数法、相位差

影像平均波动函数法、最大干涉频谱法和最小二乘匹配方法，也为喀斯特地貌

SAR 影像配准方法的对比提供了依据。然后剖析了基于几何特征信息的 SAR 影

像配准，论述了常用的几何匹配特征和几何特征描述方法，为喀斯特地貌 SAR

影像配准方法的提出做好铺垫。最后，分析了 SAR 影像配准的质量评估，验证

SAR 影像配准的质量好坏。

　　37

第四章 喀斯特地貌低相干区域配准方法

4.1 喀斯特地貌 SAR 影像分析

由于地物目标所处位置、地物的结构、表面粗糙程度和介电性能等不同，所

以对雷达波束的回应是不一样的，同时雷达波段的不同、入射角的差异，极化方

式的不同也会使地物产生不同的反应，因而在雷达影像上将形成不同的纹理特征

和色调特征[90]。

雷达影像灰度与回波信号的强度相对应，与光学影像相比较：光学影像细节

信息要丰富很多，而且光学影像上很多地物信息在雷达影像上完全没有体现。在

SAR 影像上，例如：在静止的水面，可看作光滑的表面，微波由于发生镜面反

射，导致水体的后向散射强度很弱，在 SAR 影像就呈现暗黑色。植被由于易于

产生体散射，其在 SAR 影像上灰度显示往往在亮色与暗色之间。对于人工建筑

物，单独建筑物侧面和顶面一般可以受到雷达波束照射，由于侧面和地面可组成

多个角反射器，回波信号很强，因此在 SAR 影像，居民地一般呈亮白色或者白

色，如果建筑物面积很小，则在 SAR 影像上出现很亮的点状目标。

桂林喀斯特地貌，山峰众多，且多以独峰、孤峰为主，相隔耸立，地形起伏

剧烈。由于山体众多、地形起伏剧烈，雷达影像便形成大范围的阴影区域，如图

4.1 所示，喀斯特地貌在雷达影像上特征明显，明亮相间，呈蜂窝状分布，而这

些阴影区域往往相干性很差或者失去相干性。

喀斯特地貌的蜂窝状影像

图 4.1：喀斯特地貌 SAR 影像

　　38

对这些阴影范围很大、低相干程度很高的地区，采用基于相位信息的 SAR

影像配准方法，精度不是很高。本章介绍了在喀斯特地貌低相干区域进行干涉测

量时 SAR 影像进行配准的一种新方法：一种基于阴影区域提取的多级影像配准

方法。这种方法主要是根据喀斯特地地貌在 SAR 影像上的特征，通过阴影区域

的分析，逐级提取阴影区域质点和位于山峰位置的高相干点作为特征点，然后在

进行像元级和亚像元级的配准时分别采用几何特征和相干系数作为特征点自动

配准的测度。对于喀斯特地貌 SAR 影像配准逐级提取阴影、质点和高相干点，

利用几何特征和相干系数法相结合的方式，提高了配准精度，对以后低相干区域

的 SAR 影像配准有一定的应用价值。

4.2 雷达影像阴影的产生

桂林喀斯特地貌，山峰众多，且多以独峰孤峰为主，在 SAR 影像上的阴影

雷达波束受到山峰等高大地面目标的遮掩时，位于目标背影区域，雷达波束

不能到达，因此不能接受到回波信号。由此引起的背影区域在 SAR 影像上呈黑

色影像称为雷达影像的阴影。

SAR 影像能否产生阴影与雷达波束的俯角 α、背坡坡度角 β、地物的高度有

关，与光学影像不同，阴影的产生与太阳方位角和太阳高度无关。图 4.3 说明了

雷达阴影产生的条件：

图 4.2：SAR 影像上的阴影

　　39

从图示可见 α<β 时，背坡雷达波束无法到达则产生雷达阴影，当 α>β 时，

整个背坡都可以被雷达波束照射到，因而不会造成阴影；当 α=β 时，雷达阴影的

产生与背坡凸凹有关，如果是平滑表面，则接收不到雷达波束，产生阴影；若有

凹凸，则凸起地方可能产生回波，凹陷则会产生阴影。

4.3 喀斯特地貌 SAR 影像配准过程

图 4.4：喀斯特地貌 SAR 影像配准流程

4.4 SAR 影像阴影区域的提取

SAR 影像上的阴影区域，没有回波信号，相干性很差，几乎为零。由于地

物后向散射特性的复杂性和相干斑的影响，简单的分割方法不能取得好的效果，

分割过程会出现很多孤立的点和未封闭的块，对 SAR 影像阴影的提取非常破碎，

质量不好。对于 SAR 影像阴影区域的提取本文提出了一种基于多尺度数学形态

梯度边缘检测和自适应迭代阈值相结合的自动分割方法。

多尺度数学形态和迭代

阈值分割进行阴影提取

阴影质点、面积、周长

以质点为特征点，以多

种组合为匹配测度进行

正向逆向寻求同名点

双线性插值进行过采样

利用相干系数为匹配测

度，利用正向逆向进行全

α=β雷达波束擦略后坡

图 4.3：产生阴影的条件

　　44

N（i,j）是（i,j）点的权重系数，取（i,j）点灰度的概率。

① 选择图像的灰度的中值作为初始阈值 Ti=T0 求出图像中的最小和最大灰

度值 Z0 和 Zk 的阈值初值：

② 利用阈值 Ti 将图像分割成两部分区域 R1 和 R2,计算灰度均值 U0 和 U1

③ 求出新的阈值 Ti+1：

④ 重复步骤②、③，直到 Ti+1 和 Ti 的差值小于某个给定阈值。

4.5 SAR 影像像元级的配准

4.5.1 阴影区域质点的提取和几何特征的自动匹配

基于特征的配准方法根据影像分割过程提取待配准影像中具有代表性、明显

性和易于进行相似性度量的特征为配准基元，提取的特征信息通常为角点、边缘

线、纹理、曲率、多边形区域或某些特殊的结构，然后在两幅影像对应的特征集

中用特征匹配算法，选择匹配关系的特征，实现影像的配准。常用的相似性度量

指标有：距离相似性，形状相似性，角度相似性，方向相似性等。具体的方法见

在提取阴影区域以后，本文通过分析阴影区域有用的几何特征，以阴影的质

心作为特征点，将阴影区域作为一个整体，阴影质心点对阴影区域进行唯一标示，

作为进行匹配的特征点。

Matlab 图像处理中，regionprops 函数用来获取区域多边形的属性信息，通

过此函数可以获取阴影区域的一系列几何特征：

Regionprops 在 matlab 中的语法为：STATS = regionprops(L,properties)

其中，L 表示处理的二值化图像，Properties 表示可以获得属性信息，可以

　　46

转化为矩阵形式为：

式（4-12）中，A,B 为仿射变换参数，A=(a1,a2,tx),B=(a1,a2,tx)

研究证明，只要 W 的秩大于 6，则存在 A,B 的最小二乘解：

上面对最小二乘求解仿射变换六个参数进行了数学方法分析，理论上最小二

乘方法选取多余的匹配点，匹配点选取的结果应使观测值与相应函数值的距离误

差平方和达到最小。假设取 5 对匹配点，分别记为 Ai,Bi,i=(1,2,3,4,5)。三对匹配

点就可以确定一组仿射变换参数，5 对匹配点则可获取十组的仿射变换参数，先

有（A1,A2,A3）,(B1,B2,B3)确定仿射变换参数，求 B4 经过仿射变换后的点 B4，与

匹配点 A4 之间的欧氏距离作为误差 Δd1。

x 反向的误差为：

y 反向的误差为：

同理求取 B5 的距离误差 Δd2，最后求取距离误差平方和 U=∑Δdi，选取最小

的距离误差平方和对应的匹配点对，通过匹配点对计算得到最优参数。

4.6 SAR 影像亚像元级的配准

4.6.1 亚像元配准的过采样方法

SAR 影像亚像元级的配准与像元级的配准方法类似，可在空间域和频率域

实现。对 SAR 影像的亚像元级的配准，多是采用过采样的配准方法：对参考影

像和待配准影像作过采样处理，插值的间隔由过采样的程度决定。常用的插值方

法有：最邻近插值、双线性插值、双三次卷积法等。

　　50

在亚像元配准，采用相干系数作为相似度指标，进行影像的自动配准。相干

系数是一个非常重要的指标，可以用相干系数来衡量影像的相似程度，（很多配

准方法都是以相干系数为配准的基础，现有的一些知名软件如 ERDAS 都是采用

相干系数法进行配准），还可以用相干系数评价干涉图的质量。

两幅雷达影像分别为 U1,U2,其中：

式（4-24）中，U1(n,m)、U2(n,m)即目标窗中对应位置(n,m)上的两个复型数

*(n,m)为 U2(n,m)的共轭复数。

在整个搜索范围内，逐一计算每一搜索点位置上的 γ 值，最后取取其中最大

值对应的位置为配准点位置。

4.7 本章小结

本章主要提出了一种喀斯特地貌 SAR 影像的配准方法。通过对桂林喀斯特

地貌 SAR 影像进行分析，发现 SAR 影像上雷达阴影众多，呈蜂窝状分布。针对

喀斯特地貌在 SAR 影像上的特殊性，提出了一种以阴影区域提取为基础，以特

征点的自动匹配为原则的多级配准方案。在像元级配准时，采用多尺度数学形态

图 4.15：基于窗口的自动配准

　　52

第五章：喀斯特地貌 SAR 影像配准实验

5.1 实验数据

ALOS 是日本先进的对地观测卫星，采用了高分辨率和微波扫描，主要用于

发展陆地探测技术、在测图、区域性观测、灾害监测、资源调查等方面应用。

ALOS 卫星携带三个传感器：PRISM 传感器、AVNIR-2 传感器、PALSAR 传感

器，主要对 PALSAR 传感器介绍，它是主动式微波传感器不受云层，天气和昼

夜影响，可全天候，全天时对地观测，具有高分辨率、扫描式合成孔径雷达、极

化方式三种观测模式，使之获取更宽的地面幅度。观测区域为北纬 87.8 度到南

纬 75.9 度。表 5.1 列出 ALOS 卫星的基本参数：

表 5.1:ALOS 卫星的基本参数

2006 年 1 月 24 日

　　3-5 年

高度 691.65km

回归天数 46 天

　　2.0×10

-40（配合地面控制点）

　　1m

240MBPS(通过数据中继卫星)

120MBPS（直接下传）

数据记录仪存贮器（90G）

表 5.2：ALOS 卫星合成孔径雷达传感器 PALSAR 的基本参数

High Resolution

1270MHZ(L-band)

HH/HV or VV/VH

HH/HV + VV/VH

　　28MHz

　　14MHz

　　14,28MHz

　　14MHZ

9.9-50.8º

9.7-26.2º

　　18º-43º

　　8º-30º

7.0-44.3m

14.0-88.6m

　　100m（多视）

24.1-88.6m

　　5 bits

　　5 bits

　　5 bits

3 或 5 bits

240 Mbit/s

　　120

　　240

240 Mbit/s

　　40-70km

250-350km

　　30km

PALSAR 数据有三种格式，对应不同的应用：数据格式说明如下表 5.3：

表 5.3：PALSAR 数据格式

　　53

未经处理的原始信号产品，附

带辐射与几何纠正参数。

经过距离向和方位向压缩，斜

距产品，单视复数数据（原始

经过多视处理及地图投影，未

采用 DEM 高程数据进行几何纠

根据前面提供的配准理论和方法，实验使用两幅 ALOS PALSAR 影 1.1 级产

品像数据，时间间隔为 368 天，采用单轨重复轨道的观测方式，研究区域为桂林

周边喀斯特地貌区域。两幅 SAR 影像的影像参数如下表 5.4：

表 5.4：实验数据参数说明

ALPSRP215240490

　　464

　　490

　　2010-2-7

ALPSRP161560490

　　464

　　490

　　2009-2-4

由于 SAR 卫星数据非常大，在配准算法的研究过程中并没有对整幅 SAR 影

像进行配准，全景的 SAR 影像可以通过影像金字塔方式逐级配准，在参考影像

上选取 500×500 大小的影像，输入影像上选取 500×500 大小的影像进行比较分

析。参考影像和输入影像的幅度图如图 5.1 所示：

5.2 实验过程

5.2.1 SAR 影像像元级的配准

（1）SAR 影像像元级的配准的主要过程：

图 5.1：参考影像和输入影像幅度图

　　58

5.3 实验结果及分析

对实验区域选取了 500×500 像素的子区域，通过程序运行像元级配准得到的

X 方向的偏移量为 41，Y 方向的偏移量为 3。进行亚像元配准时，以 200×200

像素区域为配准范围，通过双线性插值，影像变为 2000×2000 像素，以山峰点为

特征点进行精确配准。

SAR 影像中往往选用相干系数来衡量配准的结果和质量评价，实验中在两

幅影像中分别选取 500 个点，计算这些点的相干系数，并进行统计分析。

对得出的结果进行分析，图 5.11 为像元级配准和亚像元配准各个点的相干

系数图，从图中可以看出在相同位置亚像元配准的相干系数大于像元级别配准的

相干系数。图 5.12 为统计出的相干系数范围对应的点数，可以看出未配准时相

干系数的峰值位于 0.6-0.7 之间。像元级别配准和亚像元级别配准，相干系数的

峰值均处于 0.8-0.9 之间，但是亚像元配准的峰值个数明显高于粗配准和像元级

别配准，在相干系数范围 0.8-1 之间，亚像元级配准均高于粗配准和像元级配准，

同时在相干系数小于 0.8 的范围内，亚像元配准的点的个数最少。此外对高可靠

点和不可靠点，相干系数均值进行对比，如表 5.5：

表 5.5：配准过程相干系数的比较

相干系数 0.9-1

相干系数小于 0.7

　　44

　　181

　　0.7271

　　108

　　15

　　0.8442

　　127

　　0.8630

为了验证本方法的可靠性和配准精度的提高，与 SAR 影像的准方法相干系

数法进行对比，相干系数法以手动选取的特征点进行 SAR 影像的粗配准，以相

图 5.12：试验点相干系数分布比较图

图 5.11：各点对应的相干系数图

　　59

干系数作为亚像元级别配准的测度。图 5.13 为相干系数法试验点相干系数分布

对相干系数法获取的高可靠点和不可靠点，相干系数均值进行对比，如表

　　5.6：

表 5.6：相干系数法三种配准级别结果的比较

相干系数 0.9-1

相干系数小于 0.7

　　44

　　181

　　0.7271

　　95

　　24

　　0.8276

　　107

　　12

　　0.8445

通过对比图 5.12 和图 5.13，像元级配准和亚像元级配准峰值位置明显高于

常规的相干系数法，通过对比表 5.5 和表 5.6，在各级配准步骤中高相干点个数

要高于相干系数法，相干系数小于 0.7 的点个数低于相干系数法，并且相干系数

均值也要高于相干系数法。

5.4 本章小结

本章首先对实验区使用的 ALOS PALSAR 影像数据进行介绍和说明。然后重

点介绍了通过 matlab 编程实现喀斯特地貌 SAR 影像配准的各个步骤，给出各个

步骤的成果图。像元级配准时，以阴影区域的质心作为特征点，以阴影区域的几

何特征向量作为匹配测度，大大减少了计算量，提高了配准的速度和精度。在亚

像元级配准时，选用包含幅度信息和相位信息的山峰点作为特征点，以相干系数

作为匹配测度，进一步提升匹配的精度。本章中通过对此方法和常用的相干系数

法进行对比发现，相干系数均值，和高相干系数点都有提高。很好的验证了本文

图 5.13:相干系数法试验点相干系数分布比较图

　　61

本文以喀斯特地貌 ALOS/PALSAR 数据为研究对象，深入分析了 InSAR 技

术获取地面点高程的基本原理。对 InSAR 数据处理过程中的首要也是重要步骤

SAR 影像的配准进行了深入的研究，提出了一种适合于喀斯特地貌低相干区域

SAR 影像的自动配准方法，实验也验证了此方法取得了较好的配准结果，配准

现将本论文的主要工作成果归纳如下：

（1）提出了多尺度数学形态边缘检测和迭代阈值分割相结合的 SAR 影像阴

影提取，提取的阴影区域比较完整，便于进行特征配准。

（2）基于阴影区域提取的基础上，提出了几何特征和相干系数相结合的多

级 SAR 影像自动配准方案。在像元级配准时，以阴影区域的质点为特征点，通

过分析阴影区域的几何特征，赋予不同的权重进行特征点的自动配准。在亚像元

配准时，通过提取的位于山峰位置高相干点（增加了配准的数据源）作为特征点，

充分利用高相干点的相位信息和幅度信息，采用相干系数法进行自动配准，进一

步提高了配准的精度。

（3）利用喀斯特地貌 SAR 影像数据，通过 Matlab 编程实现配准方法的研

究。通过对配准过程的比较和主流的相干系数配准方法比较，验证了此方法适用

于喀斯特地貌 SAR 影像自动配准，并且提高了配准精度。

喀斯特地貌低相干区域 SAR 影像的配准难度很大，本文的研究内容并不全

面，研究的深度和广大还需进一步拓展，笔者认为下一步的应开展的研究工作：

（1）为了提高喀斯特地貌 SAR 影像配准的速度，对影像采用影像金字塔或

者小波金字塔进行分层配准，也是下一步研究的课题。

（2）在 SAR 影像亚像元级配准时，采用过采样的方法进行插值，插值的方

法有多种，不同的插值方法对配准的精度影响如何，也是需要研究的问题。

（3）利用高相干点作为特征点进行自动配准时，使用快速相干系数估计的

方法进行配准，如何充分使用这些高相干点的相位信息和幅度信息进行快速配准

也是值得进一步研究的。

（4）在对喀斯特地貌 SAR 影像进行 InSAR 处理时，为了提高提取 DEM 的

精度，多基线的 InSAR 测量方式也是值得研究的。

　　62

[l] 王超，张红，刘智.星载合成孔径雷达干涉测量[M].北京:科学出版社，2002

[2] 曾琪明，焦健.合成孔径雷达遥感原理及应用简介[J].遥感信息，1998，1-4 期

[3] A.E.E.Rogers and R.P.Ingalls,Venus:Mapping the surface Reflectivity by Radar-

Interferometry [J] , Science, 1969, 165(3895): 797-799

[4] S.H.Zisk,Luna, Topography: First Radar-Interferometer Measurements of the Alphonsus

-ptolemaeus-Arzachel Region[J], Science, 1972, 178(4064): 977-980

[5] L.C.Graham.Synthetie Aperture Radar for Topographic mapping..Proe.IEEE.1974,62,

　　763-768

[6] Howard A.Zebker, Richard M.Goldstein,Topographic mapping from interferometric

synthetic aperture radar observations[J]. Journal of Geophysical Research,1986,91(B5)

4993-5000

[7] R.M.Goldstein,H.A.Zebker and C.L.Werner,Satellite radar interferometry Two-dimensional

Phase unwrapping[J],Radio Science,1988,23(4):713-720

[8] A.Gabriel and R.Goldstein,Crossed orbit interferometry: Theory and experimental results

from sir-b[J],Remote Sensing 1988,9:857-872

[9] 李平湘，杨杰.雷达干涉测量原理与应用[M].北京：测绘出版社,2006.6-7

[10] F.K.Li，R.M.Goldstein. Studies of Multibaseline Spaceborne Inter-ferometric Synthetic

Aperture Radar, IEEE Trans on Geoscience and Remote Sensing，vol.28，No.l，January 1990

[11] F.K.Li,R.M.Goldstein,Studies of multibaseline spaceborne interferometric synthetic

aperture radars[J] .IEEE Transactions on Geoscience and Remote Sensing,1990,28(l):88-97

[12] E.Rodriguez,etal.,Theory and design of interferometric synthetic aperture radars,IEEE

Pro.F,vol.139,No.2,April 1992

[13] 张继超. InSAR 影像提取 DEM 的实用化方法研究[D].硕士学位论文，辽宁，辽宁工程

技术大学，2002

[14] 魏钟铨.合成孔径雷达卫星[M].北京:科学出版社,2001:2-48

[15] 张澄波.综合孔径雷达原理、系统分析与应用[M].北京:科学出版社, 1989: 10-32

[16] 吴一戎，朱敏慧等.合成孔径雷达技术的发展现状与趋势.遥感技术与应用[J]. 2000，

15(2):121-123

[17] 孙建宝,梁芳等.汶川 Ms8.0 地震 InSAR 形变观测及初步分析.地震地质[J]. 2008，30(3)：

　　789-795

[18] 张培震，徐锡伟等. 2008 年汶川 8.0 级地震发震断裂的滑动速率、复发周期和构造成

因[J].地球物理学报，51(4): 1066—1073

[19] 单新建.汶川 Ms 8.0 地震 InSAR 同震形变场观测与研究[J].地球物理学报，2009，52(2):

　　496-504