配准是干涉图产生的基础，因为它能保证每个地面目标在主辅图像具有相同的像素点。从GBSAR观点来看，图像配准在不连续监测下是间断的，在不连续监测活动中，GBSAR系统设备在每次活动中是重新放置的，通常是使用一些标记来实现GBSAR的“定位”。注意到“定位”，很容易导致几毫米的重新定位误差。在实际应用情况下，“定位”是很有必要的，这就需要建立一个混凝土基台或者其他精确的机械定位结构。另外，即使是在某些情况下，GBSAR的位置可以用机械来具体定位，原理上可以保证精确的重新定位，仍然需要图像配准，为了减少任何可能发生的重新定位误差的影响。值得注意的是，获得的两幅图像位置不准确匹配会导致两个结果，即相干损失和相位φGeom。

为了配准，首先，需要对辅图像到主图像进行几何关系的转换，然后，再对辅图像重新采样到主图像。为了保证干涉相位质量，进行这个操作需要达到亚像素精度。事实上，一个像素的配准误差可能会产生相干损失，进而可能影响干涉测量。使用不连续监测时，没有进行配准产生的干涉图与进行配准产生的干涉图差别是明显的。

原理上，配准通常是可以避免的，即保持传感器在各采集过程中稳定，从而得到连续监测的GBSAR数据。然而，它在实际使用过程中又是必要的，由于在单一图像数据采集过程中大气存在变化，当测量距离较远时会造成图像失真。目前，常用的配准算法主要有相干系数法、相关系数法、频谱极大值法等。

1.相干系数法

用相干系数γ作为匹配测度的步骤与数字摄影测量中用相关系数ρ作为匹配测度大致相同。在参考影像中以待匹配点为中心取一定大小的窗口，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。这种方法需要相干系数的精确计算。但是，相干系数的精确计算却非常困难，需要求得准确的相干相位，对共轭交叉相乘项进行补偿才能算出正确的结果，然而求取准确的干涉相位又依赖于精确的配准结果，因此需要反复的迭代运算。

2.相关系数法

相关系数法是图像配准的基本方法，常用于模板或模式的匹配，是很多匹配算法的基础。在某些匹配参数未知的情况下，相关系数能给出图像之间总体的配准结果，从而为其他高精度配准方法提供基准点。它应用相关系数（标准化协方差函数）作为相似性测度，计算参考影像和输入影像在不同方位和距离偏移处的互相关系数CC（0＜CC＜1）：

M和S（i，j）分别为参考影像和输入影像的幅度。当搜索到CC的最大值时，对应着配准的偏移量。

与相干系数法相比，此方法不需估计干涉相位，具有思路简单、计算快捷的特点，是最好的相似性测度之一。然而，此方法也有固有的缺陷，它的配准精度不高，只能达到像素级，易受随机噪声的影响，产生多个峰值。

3.频谱极大值法

频谱极大值法是以频谱偏移理论作为基础，同一地面点的两幅影像在成像过程中由于存在观测角度的差异以及基线的存在会导致干涉相位图频谱是非对称的。当两幅影像高度匹配时，经共轭相乘得到的干涉图的质量最高，在频域中有最大的频谱极大值。该方法的具体过程是，首先将匹配窗口定义为2的整次幂（便于作快速傅里叶变换）大小，截取同样大小的主、辅复影像块逐点共轭相乘，得到新的乘积复影像。若两复影像为R和S，则两影像的像点可表示为：

式中，a，b分别为复影像R的实部和虚部；c，d分别为复影像S的实部和虚部。

复影像共轭相乘有：

式中，i，j∈[0，N-1]；N×N为目标窗口大小。

对新的复影像进行二维傅里叶变换：

得到二维干涉条纹频谱，频谱中（模）的最大值就代表了最亮条纹的空间频率fmax，最亮条纹的相对质量可以由其频谱的信噪比SNR来确定，计算公式如下：

配准区域信噪比SNR最高，即为最佳的配准位置。

要生成高质量的干涉条纹，需要先对GBSAR图像进行内插处理。采用高精度的三次卷积内插法，利用周围16个像素点的灰度值，按一定的加权系数计算加权平均值，示意图如图4-1所示。

图像上的浮点坐标为（i+u，j+v），i，j为正整数，u，v为[0，1）区间的纯小数，f（i+u，j+v）的值是图像中由以P点为中心区域的16个像素的灰度值共同决定：(www.daowen.com)

式中，[A＝s（1+v）s（v）s（1-v）s（2-v）]，

图4-1　三次卷积内插法示意图

用插值加权系数函数S（ω）来逼近理论上的最佳插值函数sin c（x），其中

两幅GBSAR复图像中，主图像M是参考图像，辅图像S需要被配准到M。图像配准的过程主要包含三步：图像匹配、转换估计和图像重采样。

图像匹配包含两幅图像相同点的识别和估计图像在距离及方位向的偏移。偏移估计可以使用不同的方法，如非相干相关（Incoherent Correlation）法使用两幅图像幅度平方的互相关来估计偏移。相关函数的最大值表明了图像S和M之间的偏移量。当相关性很高时，可以达到0.05个像素的偏移精确度。偏移的估计通过从主图像M选择一系列在场景中有较好空间分布的点，以避免对最后干涉图的系统产生影响或者相关损失。对于每个从主图像选择的像素（x，y），其偏移由hxy＝（hx，hy）给出：

其中，Wxy是n×m的窗口，μM、μS分别是图像M和S在窗口Wxy内的均值，σM、σS分别是图像M和S在窗口Wxy内的方差。

函数C的取值范围是[0，1]，经过这个步骤，对于每个选择的像素，可以获得其距离向偏移、方位向偏移和互相关值。对于该步骤主要的输入参数是Wxy的大小，在GBSAR数据配准过程中通常选择的窗口大小为32×32像元。

转换估计：估计S和M之间的转换参数，使用的模型是二维的多项式：

其中（x，y）是主图像中给定点的坐标，使用最小二乘法来估计转换参数（ax，bx，cx，dx）和（ay，by，cy，dy），观测模型为：

其中，（xM，yM）是主图像上的坐标，对应的辅图像的坐标为（xS，yS），（ζx，ζy）是残留的误差值，根据估计的偏移（hx，hy）可以计算转换公式，为：

偏移值（hx，hy）可在上一步骤中获得，但一般选用高相关的像素点来偏移估计，典型的互相关阈值为0.7。

重采样：对于主图像M中每个像素值（xM，yM），计算在辅图像S中（xS，yS）的（I，Q）值，再选用截断的sin c插值。截断sin c插值核的大小是关键参数，典型的插值核大小是8个像素。

经过p次数据采集，得到p组回波数据，对获得的p组数据分别进行成像处理。从p幅GBSAR图像中选择图像对，按照图4-2所示的选择方式顺序选择，总共有（p-1）对图像，对每对图像分别进行配准，得到p幅配准图像。

图4-2　顺序选择两幅GBSAR图像进行配准的简单网格