基于瞬时频率估计的InSAR相位解缠

相位解缠是InSAR处理的关键步骤,解缠结果的可靠性和稳定性影响着InSAR测量的性能。从干涉条纹频率与相位解缠结果之间的内在联系出发,推导了干涉条纹频率与干涉复数值之间的严密关系式,设计了基于瞬时频率估计的相位解缠方法,采用多套干涉数据获取的干涉图进行了相位解缠实验,验证了基于瞬时频率估计方法进行相位解缠的可行性。     

多波段InSAR差分滤波相位解缠方法

依据干涉图零中频矢量滤波经验,设计了多波段InSAR干涉图的差分滤波相位解缠方法。该方法将较短波长干涉图与较长波长干涉图的解缠结果进行差分处理,以降低干涉条纹频率,提高滤波效果和相位解缠性能,从而以较长波长干涉图的解缠结果指导较短波长干涉图的相位解缠。充分利用不同波段干涉图之间的互补相位信息,提高相位解缠的可靠性和解缠精度。采用由DEM仿真的多波段干涉图进行了相位解缠试验,得到了满意的解缠结果,验证了该解缠方法的有效性。     

顾及地形因素的卡尔曼滤波相位解缠算法

相位解缠是InSAR进行数字高程模型提取和地表形变测量的关键步骤.提出一种顾及地形因素的卡尔曼滤波相位解缠算法.该算法通过在卡尔曼滤波的状态空间模型中引入与地形因素相关的输入控制变量来实现.由于干涉条纹直接反映地形的变化起伏,局部条纹频率与局部地形坡度密切相关,考虑采用局部条纹频率估计作为输入控制变量.在局部频率估计中...     

DEM辅助的山区InSAR相位解缠

针对山区InSAR相位解缠困难的问题,在实现零中频矢量滤波的基础上,设计了DEM辅助的山区InSAR相位解缠方法。将原始干涉图与DEM模拟的干涉图做差分处理,获取条纹中心频率极低的零中频干涉图,再对零中频干涉图进行滤波和相位解缠处理;并将解缠结果和模拟干涉相位求和得到原始干涉图的解缠结果,从而减小相位欠采样和频谱混叠现象对干涉处理的影响,提高相位解缠性能。采用兰州地区和登封地区两套ENVISAT ASAR数据进行相位解缠实验,统计解缠百分比、解缠效率,以及零中频干涉图对应的相干图和常规干涉相干图构成的差分相干图的相干值均值,验证方法的可行性和有效性。     

中国余数定理在双基线InSAR相位解缠中的应用

介绍了利用中国余数定理求解同余方程组的基本公式,并将中国余数定理引入到双基线InSAR相位解缠中。构造了关于干涉相位模糊数的同余方程组,设计了基于中国余数定理的双基线InSAR相位解缠方法,扩展了相位解缠的非模糊区间,为解决干涉相位欠采样区域的相位解缠难题奠定了基础。利用不同地区的多套DEM仿真的双基线InSAR干涉图进行了相位解缠实验,得到了满意的解缠结果,验证了该方法在干涉相位欠采样等区域的解缠能力。     

利用差分滤波进行多基线InSAR相位解缠

将差分滤波思想引入到多基线InSAR相位解缠中,以较短基线干涉图解缠结果指导较长基线干涉图的相位解缠,从而扩展相位解缠的非模糊区间,解决较长基线干涉图中欠采样区域的相位解缠难题。利用由SRTM DEM和SIR-C/X-SAR干涉数据获取的DEM进行实验,得到了满意的相位解缠结果。     

利用梯度重建的稳健多频InSAR相位解缠方法

为解决常规InSAR系统因干涉相位欠采样所导致的陡峭地区高程提取困难问题,提出一种利用多频干涉量进行相位梯度重建并实现相位解缠的处理方法。基于干涉相位的统计分布特性,研究了多频InSAR相位梯度的最大似然估计原理,针对有限观测频点情况下梯度解模糊性能对相位噪声敏感的问题,提出通过基于邻点集的局部曲面建模进行相位梯度重建的稳健算法,并从频点选择、估计区间限定等方面进一步研究了提高算法稳健性的途径。最后通过对仿真和实际DEM数据的试验,验证该方法的有效性。     

基于局部频率和多网格技术的InSAR相位解缠算法

提出一种基于自适应局部频率估计和多网格加权迭代的相位解缠算法。采用高精度的局部频率估计代替滤波相位差分,先用最小二乘FFT法进行初始相位解缠,再以局部频率估计置信度做为依据判断不可解缠区域进而设置加权参量,应用多网格法完成精细相位解缠。局部频率估计的应用使得解缠前无需进行单独的相位滤波,简化了InSAR处理模块,提高了数据处理效率。经实验验证,InSAR数据处理精度明显提高。     

一种改进的多基线相位展开方法

针对最大似然估计的多基线InSAR相位解缠算法对噪声比较敏感且难以解缠低信噪比干涉图的缺点,该文提出一种多基线迭代与最大似然估计相结合的多基线相位展开方法。首先利用多基线迭代法得到最长基线干涉图粗略的干涉相位;然后在以此粗略相位为中心的相位区间里,利用多基线最大似然估计得到最长基线干涉图的干涉相位精确估计值。该文采用仿真的金字塔场景、多山场景以及城市场景干涉图进行相位解缠实验。实验表明,该方法的相位展开精度比多基线迭代法和最大似然估计法都有了不同程度的提高。     

基于R2AU-Net的InSAR相位解缠方法

InSAR相位解缠的质量直接影响地形高程或地表形变的反演精度。传统的基于非机器学习模型的相位解缠方法(如基于路径跟踪或最小范数)在低相干性或相位梯度较大(干涉条纹密集)的区域难以获得正确解缠结果。深度神经网络算法在非线性表示和特征表达能力方面具有独特优势,被广泛应用于数字图像处理研究中,InSAR相位解缠可视为图像回归。本文提出基于R2AU-Net深度神经网络的InSAR相位解缠方法。首先,基于数学分形法模拟成对的缠绕和解缠相位,避免了外部DEM合成相位时引入的固有误差和残缺问题,保持了地貌特征的多样性及复杂性,得到模型训练所需的数据集。然后,基于传统的U-Net模型构建R2AU-Net相位解缠模型,该模型结合注意力机制增强了模型对于卷积特征筛选能力,提高了在低相干或条纹密集区域的解缠性能;使用循环残差卷积结构,避免了梯度消失问题,增强了模型特征表示能力。最后,利用模拟和真实数据进行试验分析,结果表明本文提出的R2AU-Net相位解缠模型能够更有效地保留地形高程或真实地表形变信息,提高了解缠结果的可靠性,在性能表现上优于Goldstein枝切法、SNAPHU方法及CNN和U-Net相位...