1.一种基于SVD‑DCS的稀疏阵列层析SAR三维重建方法，其特征在于：包括以下步骤：S1：获取稀疏阵列SAR图像并进行预处理，得到预处理好的层析SAR堆栈数据；

S2：以参考像元为中心，在划定的窗口范围内，采取平均对数相干阈值及平均幅度约束准则的方法，在预处理好的层析SAR堆栈数据中逐像素搜索识别相邻等高像元；

S3：根据相干系数指数权重进行自适应权重设计，对相邻等高像元构成的层析SAR数据堆栈作SVD分解以降低DCS数据处理维度；

S4：通过MMV观测SVD投影，估计降维后的层析SAR数据堆栈的参考像元处的噪声能量作为SVD‑DCS频谱估计模型的参数；具体步骤为：S41：设 表示奇异值构成的对角矩阵，、表示奇异值向量构成的矩阵；对压缩传感矩阵 进行奇异值分解如下：（5）；

S42：设 为稀疏阵列SAR图像的图幅数， 表示第 个奇异值向量， 表示降维后的层析SAR数据堆栈 的第 列向量，计算参考像元处的噪声能量：（6）；

S5：代入降维后的层析SAR数据堆栈，利用SVD‑DCS频谱估计模型估计频谱矩阵，并重建参考像元散射强度轮廓；具体步骤为：S51：设 、 分别表示矩阵的L1‑L2混合范数、F范数；代入降维后的层析SAR数据堆栈，构建SVD‑DCS频谱估计模型：, s.t.  （7）；

S52：采用谱梯度投影方法估计频谱矩阵 ；

S53：设 表示估计出的频谱矩阵 的第 行向量；给出最终参考像元处散射强度结果；

S6：通过频谱矩阵构建信息论约束的模型阶数求解模型，确定层析SAR点云模型阶数；

具体步骤为：

S61：设 为参考像元处有效目标的个数， 为前 个最大频谱峰值的位置， 表示前 个最大频谱峰值位置对应的三维散射系数；构建信息论约束的模型阶数求解模型：（8）；

信息约束项采用BIC、MDL模型：

（9）；

S62：根据频谱峰值从大到小组合，通过穷举法代入并计算代价函数，将代价函数最小的目标分布情形对应的有效散射目标个数以及高程位置作为参考像元处有效的目标个数及高程位置 信息；

S7：通过频谱矩阵构建目标三维复散射系数优化求解模型，估计层析SAR点云散射强度值；具体步骤为：S71：构建目标三维复散射系数优化求解模型：

（10）；

S72：设 表示 的第 列向量；通过最小二乘方法求解公式（10），并估计层析SAR点云散射强度值为：（11）；

S8：对距离‑多谱勒‑高程坐标系下的层析SAR点云数据进行地理编码，输出层析SAR点云空间位置及散射强度数据。

2.根据权利要求1所述的一种基于SVD‑DCS的稀疏阵列层析SAR三维重建方法，其特征在于：所述的步骤S1中，具体步骤为：S11：获取稀疏阵列SAR图像并进行复图像配准，得到SAR复图像；

S12：根据参考地形数据对SAR复图像进行相位去斜处理，得到去斜SAR复图像；

S13：对去斜SAR复图像进行幅相误差校正，得到预处理好的层析SAR堆栈数据。

3.根据权利要求1所述的一种基于SVD‑DCS的稀疏阵列层析SAR三维重建方法，其特征在于：所述的步骤S2中，具体步骤为：S21：设 表示第 幅预处理好的层析SAR堆栈数据在参考像元 处的复值，表示第 幅预处理好的层析SAR堆栈数据与参考像元 处相邻的像元处的复值，表示复数的共轭运算；构建参考像元 与相邻像元 的相似性度量指数 ，分布范围在之间：（1）；

S22：对参考像元 与相邻像元 的相似性度量指数取负对数运算，分布范围在 之间：（2）；

S23：设 为SAR图像块像元总数；在相干计算窗口内，逐个计算参考像元图像块与相邻像元图像块对应像元间的相似性度量指数，求平均相似性度量指数并作为参考像元图像块与相邻像元图像块的相似性度量指数：（3）；

S24：计算参考像元与相邻像元处层析SAR数据的平均幅度 、 ；

S25：将参考像元处平均幅度 大于0.5倍的相邻像元处平均幅度 、参考像元处平均幅度 小于2倍的相邻像元处平均幅度 ，以及与参考像元图像块的相似性度量指数小于 的相邻像元图像块的中心像元，识别为相邻等高像元，其中设置相干阈值 ；

S26：遍历所有像元作为参考像元，根据步骤S41到S45找出所有像元的相邻等高像元。

4.根据权利要求3所述的一种基于SVD‑DCS的稀疏阵列层析SAR三维重建方法，其特征在于：所述的步骤S3中，具体步骤为：S31：设 为矩阵的秩， 为相邻等高像元数加1，为从大到小排列的奇异值元素构成的对角矩阵， 、 ， 、 表示前 个奇异值对应特征向量构成的信号子空间，其余奇异值对应的特征向量构成的是噪声子空间；通过SVD将相邻等高像元构成的层析SAR数据堆栈 分解为信号和噪声对应的子空间，且仅保留信号子空间：（4）；

S32：令 ，其中 为 的单位阵， 为 的零矩阵；计算降维后的层析SAR数据堆栈为 。

5.一种基于SVD‑DCS的稀疏阵列层析SAR三维重建系统，其特征在于：该系统用于实现权利要求1至4中任意一项所述的方法；包括SLC图像配准模块、相位去斜模块、幅相误差校正模块、相邻等高像元识别模块、自适应权重设计模块、噪声能量估计模块、SVD‑DCS谱估计模块、模型阶数选择模块、目标参数估计模块和地理编码模块；

SLC图像配准模块用于获取稀疏阵列SAR图像并进行复图像配准，得到SAR复图像；

相位去斜模块用于根据参考地形数据对SAR复图像进行相位去斜处理，得到去斜SAR复图像；

幅相误差校正模块用于对去斜SAR复图像进行幅相误差校正，得到预处理好的层析SAR堆栈数据；

相邻等高像元识别模块用于以参考像元为中心，在划定的窗口范围内，采取平均对数相干阈值及平均幅度约束准则的方法，在预处理好的层析SAR堆栈数据中逐像素搜索识别相邻等高像元；

自适应权重设计模块用于根据相干系数指数权重进行自适应权重设计，对相邻等高像元构成的层析SAR数据堆栈作SVD分解以降低DCS数据处理维度；

噪声能量估计模块用于通过MMV观测SVD投影，估计降维后的层析SAR数据堆栈的参考像元处的噪声能量作为SVD‑DCS频谱估计模型的参数；

SVD‑DCS谱估计模块用于代入降维后的层析SAR数据堆栈后估计频谱矩阵，并重建参考像元散射强度轮廓；

模型阶数选择模块用于通过频谱矩阵构建信息论约束的模型阶数求解模型，确定层析SAR点云模型阶数；

目标参数估计模块用于通过频谱矩阵构建目标三维复散射系数优化求解模型，估计层析SAR点云散射强度值；

地理编码模块用于对距离‑多谱勒‑高程坐标系下的层析SAR点云数据进行地理编码，输出层析SAR点云空间位置及散射强度数据。

6.一种计算机存储器，其特征在于：其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行如权利要求1至权利要求4中任意一项所述的一种基于SVD‑DCS的稀疏阵列层析SAR三维重建方法。