1.SAR影像配准的要求
图像配准的目标是在两幅图像之间找到对应同一位置的匹配点。
InSAR影像的相位信息远比能量信息对地形的变化敏感。
对于双天线而言，数据配准相对比较容易
对于重轨INSAR数据配准，配准的难度较大
• 轨道很难准确控制
• 导航数据不准确
• 其它干扰因素使影像有差异
如果配准误差大于或等于一个像元，则两幅图像完全不相干，干涉图为纯噪声，因此，配准精度必须达到子（亚）像元级。
1. SLC数据处理与显示
SLC：单视复型数据，一般以实部数据文件和虚部数据文件的形式存在，即单天线某一时段所获取数据的集合。
影像不清楚的原因：由于振幅信号离散程度比较大，加上噪声和因干涉效应产生的或甚强或甚弱的信号，使数据的分布出现极不正常的情况，绝大多数数据都是振幅强度很小的数值，振幅强度大的点极少。
解决方法：
1. 对图像进行预处理，进行振幅影像的增强
2. 采取直方图分析的方法，即将频数很少的而振幅强度很大的点都组合到一起，将数值范围压缩，减小零星点的影响。
3. 去噪增强，对影像进行对数变换，抑制亮区，采用3X3窗口去除噪声。
2. 对数变换和去噪声
1）对数变换：对于数值很大的振幅强度值经过对数变换，可以将其数值范围压缩，这样就可以起到抑制作用。
2）噪声判断与去除：采用领域分析法进行处理。
3）再作对数变换
4）显示灰度变换后的数据
5）镜像处理：以便和地形图和专题图对照时，方向基本一致。
5）多视处理（行方向压缩）：由于原始数据在方向上象元分辨率高于斜距方向上的分辨率，往往要进行压缩。
6）确定重叠区（以找明显同名点）切出重叠区
2. 配准原理
基于相位的配准，配准的标准
配准指标：评价 InSAR 复影像配准的常用指标：相干系数，平均波动函数，干涉条纹频谱。
1 相干系数法
在参考影像以待匹配点为中心取一定大小的窗在对应输入影像的一定搜索范围内，逐行、逐个像素地移动，并计算窗口内的相干系数，相干系数最大处即为最佳匹配点。
优点：
1. 在信噪比比较高的区域能够取得比较好的效果
2. 运算量少
以整像素间隔为移动距离，然后对定位结果进行多项式拟合，求出最佳点。这种后处理方法要达到子像元级的精度较为困难。信噪比较低时，并不能保证精度的明显提高，拟合出来的极值位置甚至还可能落在所取窗口之外。
为了达到子像元级配准精度，可以将窗口中影像进行过采样处理，或将移动间隔小于一个像元。这种方法不仅增加了计算量还需要有较好的初始匹配候选点。过采样也没有提高信噪比，本质上与多项式拟合的方法没有区别 。
2 最大频谱法
在目标窗的范围内，计算各点上复型数据的积，在此基础上，做快速傅里叶变换，并计算二维频谱值，取最大值所对应的点为配准点。找到同名点后，计算配准系数，然后进行配准。
该算法的出发点是：当影像达到精确配准时，所形成的干涉图质量应达到最佳。最大频谱法实际上是利用了InSAR影像的相位信息进行配准，即当两幅影像相位越相近时，对应的频谱值越大。
优点：
1. 能克服与频率相关的各种噪声，并且有明显的峰值
2. 匹配精度很高
3. 适用于轨道平行性较差的条件下所获得的复图像的配准
缺点：算法比较复杂，计算量很大
3 相位差平均波动函数法
以同名点领域内相位差变化的一致性为判断依据，计算目标窗内的相位差变化梯度的平均值，最小值对应的位置为配准点位置。当正确配准两幅InSAR影像时，相位差图像上的平均起伏会达到最小化。
以上三种方法的局限性：
1. 采用局部窗口进行无偏估计是有局限性的，为此所得到的相似性测度与理论值存在偏差，而这种偏差往往具有不确定性，表现为相似性测度的计算结果上可能会出现多个极大(小)值(峰值或谷点)的情况。而且计算结果受噪声或随机干扰影响比较大，其中的最大(小)值可能并不是实际的同名匹配点。
2. 以整像素间隔为移动距离，然后对定位结果进行多项式拟合，求出最佳点。这种后处理方法要达到子像元级的精度较为困难。在信噪比较高时，理论精度可达0.15～0.2像素；信噪比较低时，并不能保证精度的明显提高，拟合出来的极值位置甚至还可能落在所取窗口之外。
3. 基于最大频谱法的干涉影像配准从干涉条纹图的质量出发，以干涉图的效果为判据，理论上最适合干涉影像配准。但这种算法需要反复生成局部的干涉图，计算量巨大，而且根据信噪比引导配准也需要较高的信噪比条件。
4. 配准方法
多级配准流程，配准指标，粗匹配到精匹配的过程
1.多级配准流程
在 SAR 影像上选取一些满足特定条件的控制点，然后再根据控制点的信息拟合出整幅图像的配准信息，最后对图像进行重采样得到配准图像。为了达到 InSAR 配准的精度要求，通常采用从粗到精的多级配准策略
2.粗配准
粗配准阶段主要是为了得到主图像与辅图像间的偏移。该偏移量的精度要求在30像素以内。可以采用用户在两幅影像上选择一个同名点，然后分别得到该点在各自影像上的坐标，将坐标相减就可以得到两幅影像的偏移值。
3.像元级配准
像元的配准可以在影像的空间域或者频率域进行。通常在主图像上选取匹配窗口，根据粗匹配结果在辅图像上选取搜索窗口，然后根据配准评价指标计算两个窗口的相似程度，通过移动搜索窗得到最佳配准点。对于所有的配准点，经过一致性检验剔除粗差，最终达到像元级的配准精度。
4.方位向滤波（可选）
由于多普勒效应的影响，主辅图像间会存在由于多普勒频移导致的去相干，为此在进行精配准前可以对两幅影像进行方位向滤波，以减少这种去相干影响。
5.子像元级精配准
子像元级配准主要方法有两类，一类基于原始图像过采样数据进一步寻找更加精确的配准位置，称之像元过采样匹配法；另一类算法基于粗配准点周围若干像元的相关系数插值求取最大相关系数，以之确定更加精确的配准位置，称之相干系数插值法。前者有精度上的优势，后者有速度上的优势。
1）像元过采样匹配法
步骤1：对已获得的每一个控制点采用双线性插值等方法对相应主图像、辅图像块作过采样处理。插值的间隔决定过采样程度
步骤2：进行最大相干估算。与像元级的配准相似，采用基于窗口的搜索方法，寻找可靠的相对偏移量估算值。
步骤3：选取最大相干系数的匹配位置即该控制点亚像元配准位置。
2）相关系数拟合法
插值相关系数法并不是对像素本身进行过采样，而是对周围像元的相关系数值进行 高精度的插值来获得子像元级配准精度。
实相关系数过采样运算量比较大，利用FFT算法，在频率域进行插值，可以大大提高运算效率。
与像元级配准方法相比，该方法主要做了三点修改：
1 需要对配准图像进行插值，因而配准中的点变为亚像素点，搜索图不再是直接从配准图中截取连续的一小块，而是从插值后的配准图中抽取相应点而得到。
2 不再使用整体的位移矢量，而是使用局部位移矢量。先计算一些像素点的位移矢量，再由这些位移矢量插值得到每一个像素的位移矢量。起初选择的那些像素点被称为控制点。
3 配准的结果不是由配准图整体位移得到，而是根据每一个像素点的位移矢量，从插值后的配准图中抽取对应点，得到配准结果。
6. 多项式拟合，配准函数的确定
在完成子像素级别配准后，就会得到一系列同名点对，这个时候就可以用多项式来描述主辅影像之间的变换关系，通常采用二次多项式。
7. 辅图像重采样
8. 配准实验及分析
4. InSAR影像数字摄影测量配准方法
以振幅影像为对象，多种配准方法的结合，逐步精细。
多级配准的三个重要步骤
（1）基于特征点的配准
在参考影像或基准影像上首先确定一个格网，以格网点为中心，在其邻域搜索特征点，对于每一个特征点，在待配准影像上搜索待选同名点，搜索中以相关系数作为确定待选点的测度。
在确定特征点的过程中可以采取各种各样的方法 比如采用Föstner算子法
该方法首先计算一点与其四邻点灰度差分绝对值 只要有任意两方向上差分绝对值大于给定的阈值T 就可将该点作为待选点
然后在以待选点（i,j）为中心的3×3窗口内 按Föstner算子法计算协方差矩阵N和误差椭圆的园度q：
根据误差椭圆度阈值Tq计算待选点(i,j)的权：
最后在一个适当选取的窗口内，取权值最大的待选点为特征点
（2）基于松弛迭代方法的整体影像匹配
在第一级配准结果基础上 对待选点作进一步的分析 特别是对多峰点作深入的分析
（3）最小二乘匹配
在第二步配准结果的基础上，考虑待配准影像相对于参考影像的几何畸变和辐射畸变 通过最小二乘方法逐步迭代以精确确定配准点位
多级配准方法的完善
（1）相干系数的估计用于精确配准
在最小二乘匹配中迭代终止条件用相干系数的估计值替代相干系数
（2）基于相位差分的最小二乘匹配
第三步采取最小二乘匹配方法。在误差方程式中以相位差分代替影像灰度差分
5. 基于结构信息的配准方法（上课讲得很少）
根据SAR影像特点，以影像中结构信息为基础，采取逐级匹配和多种信息相结合的方式
第一步进行影像分割，提取多边形结构信息，在多边形匹配的基础上，取得配准的初步控制信息
第二步作影像边缘信息结构的检测，在初步控制匹配信息的支持下，作边缘影像匹配 得到初步的同名点集合
第三步利用影像纹理匹配以剔除误配的数据，最后以高斯滤波和最小二乘匹配相结合，得到具有子像元匹配精度的结果
1） 影像分割和多边形匹配
2） 边缘提取和边缘匹配
3） 纹理特征提取和纹理匹配
