共查询到17条相似文献,搜索用时 140 毫秒
1.
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。 相似文献
2.
3.
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。 相似文献
4.
5.
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。 相似文献
6.
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。 相似文献
7.
8.
9.
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. 相似文献
10.
11.
An adaptive contoured window filter is proposed to filter off the noise from phase images of interferometric synthetic aperture radar (InSAR) in this letter. The contoured windows can best satisfy the requirement that constrains the phase signal constant inside windows on which low-pass filtering can remove the noise well while the fringe phases are well preserved. The contoured windows are determined by tracing along the local fringe orientation. An algorithm for determining window sizes adaptive to the fringe density is also proposed. The theoretical analysis and experiments prove that the proposed filter can greatly remove decorrelation noise while preserving the fringe phase well, even for those fringes with strong curvatures for InSAR processing 相似文献
12.
InSAR干涉图滤波方法研究 总被引:9,自引:0,他引:9
探讨多视滤波法、中值滤波法、基于梯度的自适应滤波、additive滤波法四种抑制干涉图噪声的滤波方法.多视滤波法平滑了影像数据,是以牺牲空间分辨率为代价的,通常这种滤波处理应用在从两个单视影像获得的复数影像处理中;作为一种传统的抑制噪声方法,中值滤波技术实质上是一种非线性信号处理技术,它假设噪声具有极端的数值,即在所定义的平滑模板内为最(较)大值或最(较)小值,因此它会使得干涉图丢失一些信息;基于梯度的自适应法是基于梯度的一种中值滤波,它使得边缘更加清晰,该方法可与中值滤波联合使用;Addtive滤波法强调根据局部噪声状况和使用方向平行窗口得到的滤波噪声边缘来自适应的滤除噪声,对于局部噪声状况由关联图来决定.这种方法尤其对高关联的干涉图最为可取. 相似文献
13.
A locally adaptive filter of interferometric phase images 总被引:2,自引:0,他引:2
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. 相似文献
14.
一种新的INSAR干涉条纹图滤波方法 总被引:6,自引:0,他引:6
干涉条纹图滤波是合成孔径雷达干涉测量处理中不可缺少的重要环节.对干涉条纹图滤波的一个重要要求是在有效抑制噪声的同时尽可能地保持条纹的跳变纹理信息.在分析干涉条纹图一阶差分的分布性质和三种当前最常用干涉条纹图滤波的算法的优缺点的基础上,提出基于椭圆方程的干涉条纹方向检测方法,并基于此推导了基于误差方程的用于表述不同方向的像素与滤波窗口中心像素的相关关系的加权模型,以此加权模型修正窗口均值滤波和圆周期均值滤波,得到新的保边缘的滤波器.接着分析了新滤波器的计算复杂度和不同权函数对滤波结果的影响.以此新的椭圆加权的保边缘滤波器处理了河北尚义地区的ERS-1/2合成孔径雷达数据,证明了本文提出的新滤波算法具有噪声抑制效果好,边缘信息保持能力强,计算速度快和可灵活配置等优点. 相似文献
15.
多源传感器动、静态滤波融合导航 总被引:12,自引:2,他引:12
杨元喜 《武汉大学学报(信息科学版)》2003,28(4):386-388,396
首先给出联邦滤波各局部输出量之间的相关协方差矩阵,进而给出了基于各传感器独立观测信息的动、静态滤波解法,这种解法避免了重复使用载体状态方程信息的问题,保证了多传感器数据融合的最优性,而且很容易扩展到抗差滤波和自适应滤波融合。 相似文献
16.