本发明涉及合成孔径雷达，具体涉及一种多维特征联合的sar图像ps点选择方法。
背景技术：
1、sar(合成孔径雷达，synthetic aperture radar)作为一种主动式微波遥感系统，不分白天、黑夜，在云、雾、雨、雪等天气条件下均可工作，以其全天时、全天候、广覆盖的技术优势，在国民经济诸多领域具有独特的优势。sar图像是单视复影像，每一个像素包括幅度和相位两部分，其中幅度反映地表微波散射强度，相位包含sar到地表的距离信息。
2、通过对不同位置或不同时刻获取的两幅或多幅sar图像进行干涉处理，基于相位干涉测量技术可以实现地形测绘或者形变测量。但受到系统热噪声、地表植被生长、人类施工活动等非理想因素的影响，干涉相位图中部分像素点的相位质量很低，影响干涉测量的可行性，需要从雷达图像中选择出高相位质量的像素点来进行相位分析。
3、幅度离差法在干涉sar领域得到了很好的应用，通过计算每一个像素在多幅sar图像中的幅度序列的标准差与均值的比值，然后设置合理的幅度离差门限，来实现ps(永久散射体，permanent scatterer)的选择。ps点是实现高精度地形测绘和形变测量的基础，但地物类型多样、随季节变化显著，常规基于幅度离差的单维特征ps点选择方法易导致ps点错误选择。
技术实现思路
1、有鉴于此，本发明提供了一种多维特征联合的sar图像ps点选择方法，能够在复杂地表条件下准确地选择出雷达图像中的ps点。
2、本发明的多维特征联合的sar图像ps点选择方法，包括：
3、步骤1，针对多幅sar图像，提取像素点的多维能够描述像素质量稳定程度的特征，并对各特征分别进行归一化处理；
4、步骤2，基于步骤1归一化处理后的多维特征，将图像中的所有像素点划分为两个聚类；
5、步骤3，以两个聚类中质量较高者的中心点的多维特征值作为特征的权重，计算各像素点的评价指数，所述评价指数为该特征点各特征的加权和；
6、步骤4，筛选出评价指数大于设定门限值的像素点，即为sar图像的ps点。
7、较优的，步骤1中，所述多维特征包括幅度均值、幅度离差值、相位均值、相位标准差、时序相干系数和空间维相干系数均值。
8、较优的，步骤1中，对幅度均值、时序相干系数和空间维相干系数均值采用最大-最小归一化法，以最小值为基准进行归一化；对幅度离差值、相位均值和相位标准差采用最大-最小归一化法，以最大值为基准进行归一化。
9、较优的，步骤2中，采用k均值聚类算法对图像中的所有像素点进行聚类划分。
10、较优的，步骤3中，取聚类中心位于聚类结果中右上角的类为质量较高的类。
11、较优的，步骤4中，所述门限为0.8～0.95。
12、有益效果：
13、(1)本发明提取像素点的多项特征，从不同角度描述像素点相位质量的稳定程度；接着对各特征分别进行归一化处理，消除量纲和取值范围的影响；然后将像素点的归一化多维特征分为两类，以质量较高的聚类的中心点的多维坐标作为各特征的权重，从而可以根据数据情况动态获取各项特征的权重分量，进而设计评价指标为各像素点的多维特征的特征加权和，融合各种特征的结果并根据实际数据情况动态调整评价指数，提高评价效果。本发明充分利用数据自身属性，动态获取多维特征权重，提出了多维特征联合加权的新评价指标，实现了多维特征联合加权的ps点选择，可以从sar图像中准确地选择出ps点，有利于保证sar干涉测量的准确性。
14、(2)本发明多维特征采用幅度均值、幅度离差值、相位均值、相位标准差、时序相干系数和空间维相干系数均值，这些特征能够从不同角度描述像素点相位质量的稳定程度。
15、(3)对幅度均值、时序相干系数和空间维相干系数均值采用最大-最小归一化法，以最小值为基准进行归一化，能够消除量的影响；对幅度离差值、相位均值和相位标准差采用最大-最小归一化法，以最大值为基准进行归一化，同时能够消除量纲和取值范围的影响。
1.一种多维特征联合的sar图像ps点选择方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，步骤1中，所述多维特征包括幅度均值、幅度离差值、相位均值、相位标准差、时序相干系数和空间维相干系数均值。
3.如权利要求2所述的方法，其特征在于，步骤1中，对幅度均值、时序相干系数和空间维相干系数均值采用最大-最小归一化法，以最小值为基准进行归一化；对幅度离差值、相位均值和相位标准差采用最大-最小归一化法，以最大值为基准进行归一化。
4.如权利要求1所述的方法，其特征在于，步骤2中，采用k均值聚类算法对图像中的所有像素点进行聚类划分。
5.如权利要求1所述的方法，其特征在于，步骤3中，取聚类中心位于聚类结果中右上角的类为质量较高的类。
6.如权利要求1所述的方法，其特征在于，步骤4中，所述门限为0.8～0.95。
