基于自适应中心加权中值和Goldstein的InSAR干涉图强噪声滤波方法

针对现有的滤波方法在处理强噪声干涉图时的不足,提出一种基于自适应中心加权中值和Goldstein的两步干涉图滤波方法。试验结果表明,构造的针对强噪声干涉图的两步滤波法在滤除噪音的同时,可以很好地保存干涉图的条纹信息。与经典的Goldstein方法相比,新方法的滤波效果可以提高22.4%和43.6%。     

一种改进的Goldstein InSAR干涉图滤波算法

提出了一种抑制InSAR干涉图噪声并保持干涉图条纹细节的算法,该算法改进了Goldstein滤波的参数α,将干涉图的相位标准偏差函数模型作为参数。相位标准偏差是相位噪声的体现,以干涉图的相位噪声强弱来决定滤波的强弱,噪声强的局部区域强滤波,噪声弱的局部区域弱滤波。实验结果表明,此方法改善了滤波效果,增强了滤波的局部自适应性和条纹细节的保真性。     

基于局部条纹频率估计的二维高斯滤波方法

提出一种基于局部条纹频率估计的干涉相位图二维高斯滤波方法。该方法采用最大似然法估计局部条纹频率,并用相位噪声的局部标准差评价噪声强度,从而控制滤波器参数实现自适应滤波,并采用仿真数据和SIR-C/XSAR在意大利Etna火山的干涉数据进行试验,将本算法与均值滤波方法和中值滤波方法以及Goldstein滤波方法进行了比较。试验结果表明,该方法不仅能够有效抑制干涉相位噪声,还能够很好地保持干涉条纹的细节信息。     

基于信噪比的InSAR干涉图自适应滤波

提出一种基于信噪比的InSAR干涉图相位噪声抑制算法.该算法对Goldstein滤波方法进行改进,使Goldstein滤波参数α依赖于局部信噪比,从而实现对低信噪比区域进行强滤波、高信噪比区域弱滤波.采用模拟数据和真实数据进行验证,结果表明新算法能有效抑制InSAR干涉图的噪声.     

InSAR干涉图滤波方法对比

针对不同滤波算法在InSAR数据处理中去噪效果的差异,该文从滤波理论出发,采用模拟和真实干涉数据进行实验。在各种滤波算法中,均值滤波(多视处理)、Goldstein滤波及其变种滤波应用广泛,本文对4种滤波方法进行了系统分析,深入探讨了经典InSAR滤波和国内外学者算法的优缺点。实验表明:4种滤波均能有效抑制噪声,提升干涉图质量。其中,Goldstein滤波以及两种改进的滤波效果要明显优于均值滤波,且具有更好的自适应性或条纹保持能力,较经典Goldstein滤波而言,变种滤波方法不仅保持了Goldstein滤波的优点,在边缘信息和细节保持能力方面优势更加显著。     

基于信噪比的InSAR干涉图自适应滤波

提出了一种基于信噪比的InSAR干涉图相位噪声抑制算法。该算法对Goldstein滤波方法进行了改进，使Goldstein滤波参数 依赖于局部信噪比，从而实现对低信噪比区域进行强滤波、高信噪比区域弱滤波。采用模拟数据和真实数据进行验证，结果表明新算法能有效抑制InSAR干涉图的噪声。     

一种改进的SAR干涉图综合滤波算法研究

SAR干涉图作为相位信息的载体,其质量直接影响对研究区域形变状况的进一步分析,采取有效的滤波算法能抑制干涉图相位噪声,提高干涉测量精度。在获得的干涉相位图中,由于矿区开采而造成的地表沉降会体现出近环状相位条纹的特征。针对这一特点,对传统的基于梯度的滤波算法做出了改进,并结合Goldstein频域滤波和改进的梯度自适应滤波,提出了一种适用于矿区沉降形成的SAR干涉相位模式滤波方法。选取河北峰峰煤矿的PALSAR干涉相位图作为实验数据,对该滤波方法做出了详细的性能评价和对比。结果表明,采用本文提出的综合滤波方法在显著降低实验区SAR干涉图相位噪声的同时,也很好地保持了相位分辨率,使由于矿区沉降而造成的形变相位环的边缘形态更加清晰。     

基于EMD-自适应滤波的干涉图去噪方法研究

提出了一种基于EMD-自适应滤波干涉图去噪方法,该方法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波梯度参数进行自适应滤波处理,从初始干涉图上减去与斑点噪声所对应尺度信息,从而达到噪声抑制的目的。通过实验对比研究了该算法与Goldstein滤波、圆周期中值滤波、EMD分解方法和梯度-自适应滤波去噪的降噪效果。实验表明,该方法不仅能有效地去除InSAR干涉图的噪声,并且能很好地保持相位的细节信息和条纹的边缘信息。     

联合EEMD-KECA算法的InSAR干涉相位时频滤波

根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。     

干涉图像第二类统计Goldstein自适应滤波方法

干涉图滤波是InSAR数据处理中的关键步骤之一,滤波结果的优劣会直接影响到相位观测的质量和最终产品精度。本文结合干涉图滤波算法的研究进展,对Goldstein频率域滤波及其经典改进算法进行了系统分析和比较,在此基础上提出了一种基于第二类统计的稳健相干性估计量的Goldstein自适应滤波方法。本文采用模拟数据和Envisat ASAR真实数据与现有方法进行了验证,试验结果表明,新的滤波方法在保持细节和抑制噪声方面优势更加明显。     

一种利用卷积神经网络的干涉图去噪方法

干涉图滤波是合成孔径雷达数据处理的关键,引入卷积神经网络（convolutional neural networks,CNN）进行干涉图去噪。首先,采用自编码器结构进行非监督学习,将干涉图去除局部地形坡度相位,所得残余噪声作为模型输入;然后将模型输出结果与去除的局部地形坡度相位相加,生成滤波结果。利用航天飞机成像雷达数据和哨兵一号A(Sentinel-1A)卫星数据,通过与Goldstein滤波器、均值滤波器、Lee滤波、Frost滤波、改进的去噪卷积神经网络（denoising convolutional neural network,DnCNN）进行对比实验,结果表明,该方法对干涉图相位质量有很大的改善,不仅能够较大程度地抑制噪声,而且能够更多地恢复出图像细节,保持干涉条纹边缘连续性。     

Noise Reduction in Interferograms Using the Wavelet Packet Transform and Wiener Filtering

A novel noise reduction scheme for synthetic aperture radar (SAR) interferograms based on the wavelet packet transform (WPT) and the Wiener filter is introduced in this letter. First, by employing the WPT in the spatial frequency domain, the real and imaginary parts of the complex noisy interferogram are decomposed, respectively, and the wavelet coefficients are obtained. Then, for these coefficients, Wiener filtering is adopted to remove noise. This scheme can filter noise adaptively according to the local noise level, without requiring any a priori information. By using a simulated noisy interferogram and two ENVISAT Advanced Synthetic Aperture Radar C-band interferograms, the performance of this scheme, in terms of noise reduction and fringes preservation, is reported and compared with other filter algorithms. The experimental results demonstrate the effectiveness of the proposed scheme.      

A locally adaptive filter of interferometric phase images

We propose an adaptive filtering approach for interferograms, which is a modification to the Lee adaptive complex filter. Based on local frequency estimates, we compute the normal orientation of local phase fringes. A directionally dependent filtering window is aligned perpendicular to the normal orientation of local phase fringes (i.e., along local phase fringes) by interpolation, making the pixels included in the filtering window have approximately more homogeneous values. Moreover, the computation of the filter parameter does not require local phase unwrapping in the real plane. This filter minimizes the loss of signal and reduces the level of noise. By using two sets of simulated data, its effectiveness can be seen in terms of the fidelity to noise-free phases, fringe preservation, and residue reduction.     

基于数据同化的元胞自动机

提出基于集合卡尔曼滤波(EnKF)的元胞自动机(CA)模型。在CA模型中,由于不同的样本会训练出不同参数值 的转换规则,且获取的转换规则在整个模拟过程中不能改变等原因,误差在模拟过程中会不断累积。本文在CA模型中 引入集合卡尔曼滤波的数据同化方法,建立了基于集合卡尔曼滤波的数据同化CA模型,同化遥感观测数据,根据得出 的同化值修正模拟结果使之向真实情况逼近。利用该模型模拟了广东省东莞市的发展情景(1995年—2005年),实验表 明,与传统CA模型相比,基于集合卡尔曼滤波的CA模型能够融合遥感观测数据,并能更有效地模拟城市扩张过程,达 到良好的模拟效果。     

基于边缘检测的自适应干涉SAR降噪方法

提出了一种新的相位滤波方法,基于干涉条纹方向的检测,完全自适应地对干涉相位进行滤波。本方法计算简单,十分适用于干涉条纹密集的区域进行滤波。通过SIR—C／X—SAR的X—SAR数据的处理验证,结果令人满意。     

相位解缠的CKF局部多项式系数递推估计法

为从含噪干涉相位数据中估计出解缠相位,本文提出相位解缠的CKF局部多项式系数递推估计法。利用基于修正矩阵束模型的局部相位梯度估计算法(AMPM)来获取多项式系数中的梯度信息,在此基础上获得局部多项式系数初始值(即状态变量初值),最后利用容积卡尔曼滤波(CKF)算法递推估计多项式系数状态估计值,从而获得解缠相位。可根据干涉图条纹密度以及相位噪声情况,分别采用逐行(或逐列)扫描方式或质量图引导策略引导容积卡尔曼滤波器解缠干涉图缠绕像元。模拟样例与实测数据试验结果表明,与其他同类方法相比,本文算法能从噪声干涉图中获得更高的解缠精度。