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。     

D—InSAR三轨法监测城市地表沉降的研究

差分干涉测量（DInSAR）技术是合成孔径雷达（SAR）卫星应用的一个拓展。雷达图象的差分干涉可用于监测厘米级或更微小的地表形变，以揭示许多物理现象，如地震形变、火山运动、大气变化、冰川漂移、地面沉降以及山体滑坡等。实验选取典型的上海市地面沉降场作为研究对象，使用三幅欧洲空间局ERS1和ERS2的C波段数据，采用三轨法，成功提取了上海市相隔20个月的地面沉降图。     

基于时间序列的InSAR相干性量级估计

本文提出了一种适用于InSAR数据处理的自适应相干性量级估计方法,该方法能够满足复信号随机平稳的假设前提,并兼顾运算效率与估计精度.此方法生成的相干图具有很好的分布特征,避免了影像空间分辨率的损失.提出的算法分为两个步骤:(1)根据地物后向散射特性,对时间序列SAR影像进行聚类分析,选择具有同分布的样本,保证SAR影像质地平稳条件;(2)对干涉图进行条纹频率估计,采用极大似然(ML)条纹频率估计方法去除系统相位引起的复信号非平稳性,并根据Cramer-Rao边界条件改善条纹频率的估计精度.以美国南加州洛杉矶地区的ENVISAT ASAR数据集为例,本文将新方法与现有方法进行了量化分析.结果表明,较传统方法而言,基于时间序列的相干性估计方法能够得到更可靠、精度更高、空间特征更鲜明的干涉相干图.     

极化SAR参数优化与光学波谱相结合的面向对象土地覆盖分类

提出一种基于极化参数优化的面向对象分类方法。该方法结合光学和SAR数据,有效提高了对地物的识别能力。本文方法的关键在于:在■分解中,使用光学影像指导SAR影像选择同质点,使其更精确地估计极化参数并结合光学波谱信息作为输入特征;使用面向对象的分类方法,仅将光学影像作为分割输入,避免SAR噪声引起的分割错误。以美国Bakersfield地区的Sentinel-1/2数据为例,确定7种地物类型,对比分析不同输入与不同分类器对分类结果的影响。研究表明,优化输入参数在纹理丰富区域能够有效提高分类精度;面向对象的分类结果更加稳定并较好地维持地表几何特征;改进分类方法较传统分类方法总体精度提高了近10%,达到92.6%。     

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。     

时序Sentinel-1TOPS模式SAR数据精配准

Sentinel-1卫星星座采用TOPS作为默认成像模式,要求方位向配准精度达到0.001像素以便确保相邻burst干涉图的相位偏差小于3°.ESD技术是消除几何配准系统误差、纠正方位向配准偏移量的有效方法,但在低相干性场景或快速去相关的条件下,该方法配准精度会随着相干的降低而衰减,并导致配准误差的传播,造成干涉图出现相位跳变.为解决这一问题,本文提出一种T OPS模式数据时间序列配准方法.该方法在图论框架下采用Bellman-Ford单源最短路径算法最大化时间网络的相干性并确保网络中包含多余观测,进而削弱平差过程中的误差传播.本文采用模拟数据和覆盖关中平原的真实数据对现有时序配准方法进行了对比验证.结果表明,本文方法能够有效提高T OPS时序配准的精度.     

空间网络对时序InSAR相位解缠的影响——以Delaunay与Dijkstra网络为例EI北大核心CSCD

在时间序列InSAR相位解缠的过程中,相干目标需事先构建空间网络之后再进行模糊度解算。Delaunay三角网是当前时序相位解缠的主流构网方法,但其网络形态易包含高相位梯度的边缘,导致违背相位连续性假设。考虑到目前很少有关于空间网络对解缠影响的研究及相位解缠对InSAR技术测量精度的主导地位,本文在量化分析Delaunay网络对解缠影响的基础上,提出引入图论中的Dijkstra最短路径算法优化Delaunay网络中所有边的相位梯度,进而改善时序相位解缠的精度。本文采用模拟和真实数据对基于Delaunay网络和基于优化网络的相位解缠进行了对比验证。结果表明,本文提出的构网方法能够更好地满足相位连续性假设,减少约33%由解缠误差所导致的不闭合三角环数。较传统研究聚焦解缠方法和目标函数的改进而言,本文研究揭示了空间网络的改善对时间序列相位解缠的重要性。     

基于快速分布式目标探测的时序雷达干涉测量方法:以Lost Hills油藏区为例

针对当前分布式目标雷达干涉测量运算效率低、选点困难等问题,本文提出了一种建立在快速同质点选取下的干涉数据处理框架.相比之前的时序数据处理方法,新方法具有选点快速、自适应性强的特点,能在保留影像分辨率基础之上增加空间点密度.另外,在统计推断的基础上,提出基于无偏空间相干性估计的分布式目标选择方法,进而弥补了传统经验阈值设定的缺陷.本文以美国加州Lost Hills油田区为例,在论证数据处理框架的可行性基础之上,分析了因孔隙流体萃取和孔隙压力降低引起的地表变形.     

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.     

Sentinel-1 SAR在洪水范围提取与极化分析中的应用研究

在洪水灾情监测中,快速准确的获取淹没区域和洪灾面积,对防汛救灾和灾后重建工作具有重要价值。本文以2017年美国圣路易斯洪水为例,基于Sentinel-1 SAR数据,利用变化检测和阈值相结合的方法实现大范围洪水淹没提取,将VV/VH极化数据分别与从同期Sentinel-2光学影像中获取的洪水淹没范围进行比较,评定极化方式的洪水适用性优劣程度。不同的SAR极化数据对洪水监测的适用性不同,通过绘制各极化不同时期的后向散射横断面线来分析多极化中的散射响应特征。研究表明：Sentinel-1 VV/VH极化数据均能以超过82%的高精度识别出洪水,VV极化洪水提取时产生的误判更少;在同样的区域,相较于VH,Sentinel-1 VV极化信号的散射程度小了约28%,在洪水中的信息敏感,更适用于洪水灾害的淹没范围监测。