CN119044906B - 一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法 - Google Patents

Abstract

本发明公开了一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，包括：获取已定标SAR影像和待定标SAR影像，提取已定标SAR在均匀区域的后向散射系数，以及待定标SAR在均匀区域的幅度值，作为交叉定标数据对；获取已定标SAR和待定标SAR的历史交叉定标数据对；根据定标误差影响因素计算历史交叉定标数据对的总体不确定度；根据总体不确定度计算交叉定标数据对的权重系数；基于加权最小二乘模型构建定标系数模型，利用交叉定标数据对及权重系数代入定标系数模型计算获取定标系数。本发明采用不确定度分析方法计算数据对相应的不确定度并赋予权重系数，然后通过加权最小二乘拟合方法获取待定标卫星的定标系数，可以更进一步提升交叉定标精度。

Description

一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法

技术领域

本发明涉及雷达定标技术领域，特别涉及一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法。

背景技术

合成孔径雷达(SAR)绝对辐射定标是通过建立SAR系统端到端性能的精确关系，以实现SAR图像数字量化值与目标后向散射系数的精确对应关系的过程。这一过程旨在推断目标的物理特性，消除不同辐射误差影响，使得不同时间、不同载荷或不同地区获取的SAR图像具有可比性，为环境监测、资源管理和灾害评估等应用提供准确的辐射信息和基础数据，以满足SAR定量化遥感的需求。

绝对辐射定标的方法可分为基于人工定标器定标法和辐射交叉定标法。基于人工定标器定标法是在定标场地布设一定数量的定标器，根据图像数字量化值和定标器雷达横截面积(RCS)计算出绝对辐射定标系数。辐射交叉定标法是通过对同一目标或场景的观测，将已高精度定标的卫星数据作为参考或标准，对待定标卫星数据进行标定。相比于人工定标器定标法，辐射交叉定标法不需要人工部署定标器和实地测量数据，节约了大量人力、仪器及资金等的投入。同时，辐射交叉定标法还可以对历史数据进行定标，突破地面同步测量的限制。正因此，该方法在定标频次和定标时效性上具有优势。

辐射交叉定标法包括稳定场景的提取、雷达观测入射角的校正、基于普通最小二乘法拟合定标系数等步骤，其中场景的提取和观测入射角的校正均为定标系数获取前的预处理过程。基于普通最小二乘法建立定标模型可以直接获取待定标卫星的定标系数，从而完成辐射交叉定标。但现有的基于普通最小二乘法建立定标模型的方法还存在以下的技术缺陷：预处理过程中交叉数据对是获取定标系数的必要数据，其质量精度会影响到辐射定标的可靠性和真实性。现有的辐射交叉定标方法忽略了各数据对的质量差异，难以消除散射稳定性、空间匹配度、数据块均匀性等因素对定标系数的影响，导致定标系数结果不准确。

因此，如何提供一种能够提升定标精度的基于加权最小二乘的合成孔径雷达辐射交叉定标方法是本领域技术人员亟待解决的技术问题。

发明内容

本发明针对上述研究现状，提供了一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，针对因交叉定标过程中受辐射稳定性、时空一致性和场景均匀性影响而带来的各数据对的质量差异，采用不确定度分析方法计算数据对相应影响因素的不确定度，然后赋予每对交叉数据对权重系数，最后通过加权最小二乘模型获取待定标卫星的定标系数，从而提升辐射交叉定标精度。

本发明提供的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，包括如下步骤：

交叉定标数据对的提取：获取已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的两组影像数据，即已定标SAR影像和待定标SAR影像，根据选取的后向散射系数描述特征提取方法，提取已定标SAR在均匀区域的后向散射系数，以及待定标SAR在均匀区域的幅度值，作为交叉定标数据对；

权重系数的计算：获取所述已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据，根据所述历史影像数据提取已定标SAR历史影像数据的后向散射系数，以及待定标SAR历史影像数据的幅度值，作为历史交叉定标数据对；根据定标误差影响因素计算所述历史交叉定标数据对的总体不确定度；根据所述总体不确定度计算所述交叉定标数据对的权重系数；

定标系数的生成：基于加权最小二乘模型构建定标系数模型，利用所述交叉定标数据对及所述权重系数代入所述定标系数模型计算获取定标系数。

优选的，所述交叉定标数据对的提取步骤中根据选取的后向散射系数描述特征提取方法，提取已定标SAR在交叉目标场景区域的后向散射系数包括如下步骤：

S11：获取同一轨道、同一入射角、VV极化模式下的已定标的SAR影像时间序列数据组；

S12：对所述SAR影像时间序列数据组进行预处理后，选取每一幅SAR影像数据中的同一均匀场景进行切片处理；

S13：根据选取的后向散射系数描述特征提取方法计算每个切片的后向散射系数；

S14：计算所述SAR影像时间序列数据组中所述切片的后向散射系数在对应时间序列上的误差；选取时间序列误差最小的后向散射系数用于构建所述交叉定标数据对。

优选的，所述后向散射系数描述特征提取方法包括中位法和平均值法。

优选的，所述交叉定标数据对的提取步骤中所述两组影像数据中的相同均匀区域包括：在每组影像数据的多个相同场景类别中选取的均匀区域。

优选的，还包括入射角的校正的步骤：

利用所述已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据确定数据对场景评估阈值，所述数据对场景评估阈值用于对所述已定标SAR进行入射角校正，获得已定标SAR校正后的后向散射系数，结合待定标SAR影像数据的幅度值，构建校正交叉定标数据对作为所述交叉定标数据对。

优选的，利用所述已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据确定数据对场景评估阈值的步骤包括：

S21：分别提取所述历史影像数据在均匀区域上的已定标SAR幅度信息DN_cal、待定标SAR幅度信息DN_uncal、已定标SAR后向散射系数信息σ_cal和待定标SAR后向散射系数信息σ_uncal；

S22：根据S21提取的信息得到已定标SAR和待定标SAR在同一目标场景均匀区域的后向散射系数差Δσ和幅度差ΔDN，并拟合构建后向散射系数差Δσ和幅度差ΔDN的经验线性关系；

S23：通过将所述已定标SAR在同一目标场景均匀区域下的历史影像数据与待定标SAR在同一目标场景均匀区域下的历史影像数据间的指定后向散射系数差异值代入所述经验线性关系确定幅度差异值，并将所述幅度差异值作为数据对场景评估阈值；若超过此阈值，则对已定标SAR进行入射角校正补偿，将校正后的后向散射系数作为所述交叉定标数据对中的已定标SAR在均匀区域的后向散射系数。

优选的，所述S23采用指数余弦模型对待定标SAR进行入射角校正处理。

优选的，所述总体不确定度包括多个定标误差影响因素导致的交叉定标数据对的不确定度，并对其采用平方和的根式计算获得所述总体不确定度。

优选的，多个定标误差影响因素导致的交叉定标数据对的不确定度包括如下任意多种的组合：

散射稳定性不确定度：获取所述已定标SAR的历史影像数据对同一交叉数据对场景的时间序列，计算该场景内后向散射系数随时间变化的标准差，作为散射稳定性的不确定度；

空间匹配不确定度：将待定标SAR的成像场景地理位置作为标准值，采用像素点经纬度计算已定标SAR在相同场景内两者的像素点经纬度差异，转化为实际距离偏差，作为空间匹配的不确定度；

数据块均匀性不确定度：根据所述历史交叉定标数据对对应场景的地表散射特性在空间纬度的变化，得出该目标场景的地表散射特性数据标准差与平均数的比，即变异系数，为数据块均匀性的不确定度。

优选的，所述定标系数模型为：

其中，α为定标系数；σ_correct为所述交叉定标数据对中已定标SAR的后向散射系数；为所述交叉定标数据对待定标SAR的幅度值的平方，即强度值；W为所述交叉定标数据对对应的权重系数矩阵。

本发明提出的基于加权最小二乘的合成孔径雷达辐射交叉定标方法相较现有技术具有以下有益效果：

本发明针对普通最小二乘模型获取待定标SAR卫星的定标系数的方法忽略了因交叉定标过程中辐射稳定性、时空一致性和场景均匀性带来的各数据对的质量差异，采用不确定度分析方法计算数据对相应的不确定度并赋予权重系数，然后通过加权最小二乘拟合方法获取待定标卫星的定标系数，可以更进一步提升交叉定标精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的基于加权最小二乘的合成孔径雷达辐射交叉定标方法的流程图；

图2为本发明实施例提供的SAR入射角校正流程图；

图3为本发明实施例提供的定标系数拟合图；

图4为本发明实施例提供的不同场景下本发明方法和传统方法定标精度对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，如图1所示，包括如下步骤：

交叉定标数据对的提取：获取已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的两组影像数据，即已定标SAR影像和待定标SAR影像，根据选取的后向散射系数描述特征提取方法，提取已定标SAR在均匀区域的后向散射系数，以及待定标SAR在均匀区域的幅度值，作为交叉定标数据对；

权重系数的计算：获取已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据，根据历史影像数据提取已定标SAR历史影像数据的后向散射系数，以及待定标SAR历史影像数据的幅度值，作为历史交叉定标数据对；根据定标误差影响因素计算历史交叉定标数据对的总体不确定度；根据总体不确定度计算交叉定标数据对的权重系数；

定标系数的生成：基于加权最小二乘模型构建定标系数模型，利用交叉定标数据对及权重系数代入定标系数模型计算获取定标系数。

在一个实施例中，交叉定标数据对的提取步骤中根据选取的后向散射系数描述特征提取方法，提取已定标SAR在交叉目标场景区域的后向散射系数包括如下步骤：

S11：获取同一轨道、同一入射角、VV极化模式下的已定标的SAR影像时间序列数据组；

S12：对SAR影像时间序列数据组进行预处理后，选取每一幅SAR影像数据中的同一均匀场景进行切片处理；

S13：根据选取的后向散射系数描述特征提取方法计算每个切片的后向散射系数；

S14：计算SAR影像时间序列数据组中切片的后向散射系数在对应时间序列上的误差；选取时间序列误差最小的后向散射系数用于构建交叉定标数据对。

在一个实施例中，后向散射系数描述特征提取方法包括中位法和平均值法。

在一个实施例中，交叉定标数据对的提取步骤中两组影像数据中的相同均匀区域包括：在每组影像数据的多个相同场景类别中选取的均匀区域。

交叉定标数据对的提取步骤具体执行时：

本实施所用的影像数据是Sentinel-1系列卫星影像。获取同一轨道、同一入射角、VV极化模式下的一组Sentinel-1A影像数据，每景影像拍摄间隔大约3个月，共计5景影像，具体选取数据参数如表1所示。随后通过SNAP软件对这5景影像数据进行轨道校正、热噪声去除、辐射定标、相干斑滤波、地理编码等预处理。接着对组影像中同经纬度区域的裸地场景和城区场景进行切片处理，通过中位数法和平均值法计算切片的中值和平均值，比较这两种方法所获取的后向散射系数值在时间序列上的稳定程度。若后向散射系数的时间序列标准差越小，则其时序稳定性越高，可将对应取值视为该目标场景下的后向散射系数的描述特征。

表1影像数据集具体信息

通过确定的后向散射系数描述特征提取方法分别提取城区和裸地的交叉数据对：

首先获取交叉定标双方卫星在同目标场景内的两景影像数据，即已定标的Sentinel-1A影像和待定标的Sentinel-1B影像数据，两者均为干涉宽幅(IW)成像模式和VV极化模式下的影像，两者入射角差异为11°。在辐射交叉定标时，为了避免特殊地形及降雨量变化等的影响，实际数据需要在相近时间内获取。其数据集具体信息如表2所示。

表2交叉数据对图像数据集具体信息

数据	场景种类	极化方式	获取时间	入射角	卫星
						待定标数据	城区+裸地	VV	2022/02/12	44.6°	Sentinel-1B
已定标数据	城区+裸地	VV	2022/02/11	33.1°	Sentinel-1A

通过标志性地物进行参考目标粗配准，初步定位参考目标在两景数据中的大致位置，完成数据切片。在配准后的目标场景内，选出城区场景和裸地场景，分别进行子切片处理，每一个子切片大小为20像素×20像素，每个场景各20个切片。随后用已确定的后向散射系数描述特征分别提取各自场景下的幅度值(DN)和后向散射系数(σ)值作为后续回归定标系数的交叉数据对。

在一个实施例中，还包括入射角的校正的步骤：

利用已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据确定数据对场景评估阈值，数据对场景评估阈值用于对已定标SAR进行入射角校正，获得已定标SAR校正后的后向散射系数，结合待定标SAR影像数据的幅度值，构建校正交叉定标数据对作为交叉定标数据对。

在一个实施例中，利用已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据确定数据对场景评估阈值的步骤包括：

S21：分别提取历史影像数据在均匀区域上的已定标SAR幅度信息DN_cal、待定标SAR幅度信息DN_uncal、已定标SAR后向散射系数信息σ_cal和待定标SAR后向散射系数信息σ_uncal；

S22：根据S21提取的信息得到已定标SAR和待定标SAR在同一目标场景均匀区域的后向散射系数差Δσ和幅度差ΔDN，并拟合构建后向散射系数差Δσ和幅度差ΔDN的经验线性关系；

S23：通过将所述已定标SAR在同一目标场景均匀区域下的历史影像数据与待定标SAR在同一目标场景均匀区域下的历史影像数据间的指定后向散射系数差异值代入经验线性关系确定幅度差异值，并将幅度差异值作为数据对场景评估阈值；若超过此阈值，则对已定标SAR进行入射角校正补偿，将校正后的后向散射系数作为交叉定标数据对中的已定标SAR在均匀区域的后向散射系数。

在具体执行时：

获取已定标和待定标SAR在目标区域的历史影像数据，其具体信息如表3所示。

表3已定标和待定标SAR历史影像数据具体参数

它们在同一目标场景内具有不同的入射角信息，然后分别提取其在均匀场景上的幅度信息DN_cal、DN_uncal和后向散射系数信息σ_cal、σ_uncal。进而得到同一目标场景中均匀地物类型的后向散射系数差Δσ和幅度差ΔDN，它们的单位均为dB。构建Δσ和ΔDN经验线性关系，构建Δσ和ΔDN经验线性关系，即：ΔDN＝aΔσ+b。根据后向散射系数差异值(0.3dB)确定强度值差异值，然后将强度值差异值作为后续影像是否需要进行入射角校正前的评估阈值。

根据历史数据分析，当入射角变化引起的后向散射系数差异在0.3dB以内时，无需校准补偿。若目标场景入射角校正前后DN差值超过(0.3·a+b)，则需要入射角进行校正，反之则不需要，避免数据对过度校正。

在一个实施例中，对于需入射角校正的交叉数据对，S23采用通过指数余弦模型进行校正处理。不同场景下的校正指数n可通过目标区域历史影像数据分析得到。

通过历史数据分析法，发现在n＝5的情况下，余弦校正能够有效解决目标区域内裸地场景因入射角产生的散射差异。而在n＝2的情况下，余弦校正同样能够很好地解决目标区域内城区场景因入射角产生的散射差异。

在一个实施例中，总体不确定度包括多个定标误差影响因素导致的交叉定标数据对的不确定度，各个误差影响因素相互独立的情况下，采用平方和的根式计算总体不确定度。

在一个实施例中，交叉定标数据对在筛选过程中，其质量差异主要来源于以下几点：数据块散射的不稳定性、空间位置匹配引起的误差、数据块均匀性欠缺。因此，多个定标误差影响因素导致的交叉定标数据对的不确定度包括如下任意多种的组合：

散射稳定性不确定度：获取已定标SAR的历史影像数据对同一交叉数据对场景的时间序列，分析裸地场景和城区场景下各20组数据对的后向散射系数随时间变化的波动情况。定义其各组交叉数据对散射稳定性的标准差为其散射稳定性的不确定度；

空间匹配不确定度：几何校正等因素可能会存在像元点偏差的现象，这也是定标时选择尽量散射均匀场地的原因。将待定标SAR的成像场景地理位置作为标准值，采用像素点经纬度进行分析，分析已定标SAR在相同场景内两者的像素点经纬度差异，然后转化为实际地理距离偏差。定义待定标SAR数据对成像场景的实际地理空间与已定标SAR数据对成像场景的实际地理空间的相对距离偏差为交叉数据对空间匹配的不确定度；

数据块均匀性不确定度：分析交叉数据对对应场景的地表散射特性在空间纬度的变化，得出该目标场景的空间离散程度。定义数据对历史散射数据标准差与历史散射数据平均值之比(即变异系数，CV)为交叉数据对均匀性的不确定度。

采用平方和的根式计算总体不确定度：

式中，代表上述三项的不确定度。

在一个实施例中，交叉定标数据对对应的权重系数一般用其不确定度平方的倒数表示，若第n组交叉数据对对应的不确定度为u_n(σ⁰)，则对应的权重为共40组交叉数据对，其各权重可通过权重系数矩阵W表示：

在一个实施例中，基于城区和裸地场景的数据对，通过已定标Sentinel-1A参考数据获取待定标Sentinel-1B数据的定标系数，其中城区数据提供高后向散射系数值，裸地数据提供低后向散射系数值。对于场景评估筛选后的交叉数据对利用加权最小二乘模型(WLS)对其建模，定标系数模型为：

其中，α为定标系数；σ_correct为交叉定标数据对中已定标SAR的后向散射系数；为交叉定标数据对待定标SAR的幅度值的平方，即强度值；W为交叉定标数据对对应的权重系数矩阵。

如图3所示，图3(a)为普通最小二乘回归方法对定标系数的拟合结果，图3(b)为本发明实施例加权最小二乘回归方法对定标系数的拟合结果。

利用普通最小二乘回归方法获得的定标公式如下：

利用加权最小二乘回归方法获得的定标公式如下：

可以看出，由普通最小二乘回归方法得到的定标系数为3.1651×10^-6。由加权最小二乘回归方法得到的定标系数为3.0534×10^-6，该权重系数的差异将在某些区域提供更准确的拟合。

由图4可看出，从上至下分别为城区、农田和裸地这三个验证区域中，本发明方法和传统方法得到的后向散射系数的对比效果图，左边为传统方法效果图，右边为本发明方法效果图。本发明方法得到的后向散射系数数据在整体上更贴近中轴线，其中在裸地区域较为明显。从定量分析来看，本发明方法的定标均方根误差(RMSE)和相对误差(ε)普遍低于传统方法，其定标相对误差平均下降了27.7％，定标均方根误差平均下降了24.1％。该结果表明，本发明方法能进一步降低交叉定标误差，提升其定标精度。

以上对本发明所提供的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，包括如下步骤：

交叉定标数据对的提取：获取已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的两组影像数据，即已定标SAR影像和待定标SAR影像，根据选取的后向散射系数描述特征提取方法，提取已定标SAR在均匀区域的后向散射系数，以及待定标SAR在均匀区域的幅度值，作为交叉定标数据对；

权重系数的计算：获取所述已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据，根据所述历史影像数据提取已定标SAR历史影像数据的后向散射系数，以及待定标SAR历史影像数据的幅度值，作为历史交叉定标数据对；根据定标误差影响因素计算所述历史交叉定标数据对的总体不确定度；根据所述总体不确定度计算所述交叉定标数据对的权重系数；

定标系数的生成：基于加权最小二乘模型构建定标系数模型，利用所述交叉定标数据对及所述权重系数代入所述定标系数模型计算获取定标系数。

2.根据权利要求1所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，所述交叉定标数据对的提取步骤中根据选取的后向散射系数描述特征提取方法，提取已定标SAR在交叉目标场景区域的后向散射系数包括如下步骤：

S11：获取同一轨道、同一入射角、VV极化模式下的已定标的SAR影像时间序列数据组；

S12：对所述SAR影像时间序列数据组进行预处理后，选取每一幅SAR影像数据中的同一均匀场景进行切片处理；

S13：根据选取的后向散射系数描述特征提取方法计算每个切片的后向散射系数；

S14：计算所述SAR影像时间序列数据组中所述切片的后向散射系数在对应时间序列上的误差；选取时间序列误差最小的后向散射系数用于构建所述交叉定标数据对。

3.根据权利要求1所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，所述后向散射系数描述特征提取方法包括中位法和平均值法。

4.根据权利要求1所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，所述交叉定标数据对的提取步骤中所述两组影像数据中的相同均匀区域包括：在每组影像数据的多个相同场景类别中选取的均匀区域。

5.根据权利要求1所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，还包括入射角的校正的步骤：

利用所述已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据确定数据对场景评估阈值，所述数据对场景评估阈值用于对所述已定标SAR进行入射角校正，获得已定标SAR校正后的后向散射系数，结合待定标SAR影像数据的幅度值，构建校正交叉定标数据对作为所述交叉定标数据对。

6.根据权利要求5所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，利用所述已定标SAR和待定标SAR在指定时间区间内同目标场景均匀区域的历史影像数据确定数据对场景评估阈值的步骤包括：

S21：分别提取所述历史影像数据在均匀区域上的已定标SAR幅度信息DN_cal、待定标SAR幅度信息DN_uncal、已定标SAR后向散射系数信息σ_cal和待定标SAR后向散射系数信息σ_uncal；

S22：根据S21提取的信息得到已定标SAR和待定标SAR在同一目标场景均匀区域的后向散射系数差Δσ和幅度差ΔDN，并拟合构建后向散射系数差Δσ和幅度差ΔDN的经验线性关系；

S23：通过将所述已定标SAR在同一目标场景均匀区域下的历史影像数据与待定标SAR在同一目标场景均匀区域下的历史影像数据间的指定后向散射系数差异值代入所述经验线性关系确定幅度差异值，并将所述幅度差异值作为数据对场景评估阈值；若超过此阈值，则对已定标SAR进行入射角校正补偿，将校正后的后向散射系数作为所述交叉定标数据对中的已定标SAR在均匀区域的后向散射系数。

7.根据权利要求6所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，所述S23采用指数余弦模型对待定标SAR进行入射角校正处理。

8.根据权利要求1所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，所述总体不确定度包括多个定标误差影响因素导致的交叉定标数据对的不确定度，并对其采用平方和的根式计算获得所述总体不确定度。

9.根据权利要求8所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，多个定标误差影响因素导致的交叉定标数据对的不确定度包括如下任意多种的组合：

散射稳定性不确定度：获取所述已定标SAR的历史影像数据对同一交叉数据对场景的时间序列，计算该场景内后向散射系数随时间变化的标准差，作为散射稳定性的不确定度；

空间匹配不确定度：将待定标SAR的成像场景地理位置作为标准值，采用像素点经纬度计算已定标SAR在相同场景内两者的像素点经纬度差异，转化为实际距离偏差，作为空间匹配的不确定度；

数据块均匀性不确定度：根据所述历史交叉定标数据对对应场景的地表散射特性在空间纬度的变化，得出该目标场景的地表散射特性数据标准差与平均数的比，即变异系数，为数据块均匀性的不确定度。

10.根据权利要求1所述的一种基于加权最小二乘的合成孔径雷达辐射交叉定标方法，其特征在于，所述定标系数模型为：

其中，α为定标系数；σ_correct为所述交叉定标数据对中已定标SAR的后向散射系数；为所述交叉定标数据对待定标SAR的幅度值的平方，即强度值；W为所述交叉定标数据对对应的权重系数矩阵。