1.一种协调多元指标的雷达干涉相位质量估计方法，其特征在于，包括：采集原始雷达影像数据，获取干涉相位图；

分别计算所述干涉相位图中每一像元的相位导数方差值、干涉相位方差值和Roberts梯度方差值；

将所述相位导数方差值、干涉相位方差值和Roberts梯度方差值进行协调融合，获取协调多元指标的雷达干涉相位质量图；

利用所述协调多元指标的雷达干涉相位质量图进行滤波窗口参数设定或相位解缠路径设置。

2.根据权利要求1所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，获取所述干涉相位图包括：将所述原始雷达影像数据进行处理，获取所述干涉相位图；

其中，处理数据包括：单视复数影像获取、基线估算、干涉影像对精密配准、干涉图生成、相干性估计和平地效应去除。

3.根据权利要求1所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，计算所述干涉相位图中每一像元的相位导数方差值的方法为：其中， 为相位导数方差值， 和 分别表示采样窗口内(i,j)位置像元在距离向和方位向上的相位梯度； 和 分别为k×k窗口内 和 的均值；wrap(·)为缠绕运算操作，i为采样窗口内像元的行序号，j为采样窗口内像元的列序号，m为干涉图中待估计像元的行数，n为干涉图中待估计像元的列数，mod(k/2)表示取整运算， 为采样窗口内(i,j)位置像元的缠绕相位。

4.根据权利要求1所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，计算所述干涉相位图中每一像元的干涉相位方差值方法为：其中， 为干涉图(m,n)位置像元的干涉相位方差值， 为局部(2k+1)×(2k+1)窗口内干涉相位的均值， 为采样窗口内像元的缠绕相位，2k+1为采样窗口的大小，i为采样窗口内像元的行序号，j为采样窗口内像元的列序号，m为干涉图中待估计像元的行数，n为干涉图中待估计像元的列数，k为正整数。

5.根据权利要求1所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，计算所述干涉相位图中每一像元的Roberts梯度方差值包括：基于所述像元的坐标，定义所述坐标的梯度，获取所述梯度的模值，并引用Roberts算子，得到所述Roberts梯度方差值。

6.根据权利要求5所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，得到所述Roberts梯度方差值的方法为：其中， 为干涉图(m,n)位置像元的Roberts梯度方差值； 为局部(2k+1)×(2k+1)移动窗口内Roberts梯度模值的均值，i为采样窗口内像元的行序号，j为采样窗口内像元的列序号，m为干涉图中待估计像元的行数，n为干涉图中待估计像元的列数，grad(i,j)为采样窗口内(i,j)位置像元的Robert梯度，2k+1为采样窗口的大小。

7.根据权利要求1所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，将所述相位导数方差值、所述干涉相位方差值和所述Roberts梯度方差值进行协调融合包括：分配所述相位导数方差值、所述干涉相位方差值和所述Roberts梯度方差值的权重，基于所述权重，获得协调多元指标的雷达干涉相位质量图。

8.根据权利要求7所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，分配所述相位导数方差值、干涉相位方差值和Roberts梯度方差值的权重包括：基于所述干涉图中每一像元的相位导数方差值、干涉相位方差值和Roberts梯度方差值，组成干涉图的相位导数方差质量图、干涉相位方差质量图和Roberts梯度方差质量图，统计所述相位导数方差质量图、干涉相位方差质量图和Roberts梯度方差质量图的均方根误差；

通过所述均方根误差，建立权重分配模型，分配所述相位导数方差值、干涉相位方差值和Roberts梯度方差值的权重。

9.根据权利要求8所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，建立所述权重分配模型的方法为：PDV PV RGV

其中，RMSE 、RMSE 和RMSE 分别为相位导数方差质量图、干涉相位方差质量图与Roberts梯度方差质量图的均方根误差，ω1为相位导数方差值对应的权重，ω2为干涉相位方差值对应的权重，ω3为Roberts梯度方差值对应的权重，e为归化因子。

10.根据权利要求7所述的协调多元指标的雷达干涉相位质量估计方法，其特征在于，获得所述协调多元指标的雷达干涉相位质量图的方法为：PDV PV RGV

γ＝ω1·γ +ω2·γ +ω3·γ

其中，γ为协调后的最终相位质量估计结果；ω1、ω2和ω3分别为对相位导数方差、干PDV PV涉相位方差与Roberts梯度方差赋予的权重，γ 为相位导数方差值组成的矩阵，γ 为干RGV涉相位方差值组成的矩阵，γ 为Roberts梯度方差值组成的矩阵。