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。     

融合Goldstein滤波的BM3D干涉图去噪算法

为进一步提高干涉图的滤波效果,该文提出了针对合成孔径雷达干涉技术(InSAR)干涉图的改进BM3D算法。该算法将Goldstein滤波高效去除干涉图噪声的优势融入到BM3D算法基本估计中,并在最终估计阶段增强被过度平滑的图像细节,改进算法在保留图像细节信息的前提下提高了去除InSAR干涉图噪声的能力。为验证改进算法的适用性,采用模拟数据和实测数据进行实验处理,以残差点数、峰值信噪比、边缘保持指数和等效视数等作为评价指标,将此算法与基于梯度的自适应滤波、Lee滤波、Goldstein滤波、BM3D滤波进行比较,结果表明改进算法改善了滤波效果,提高了去噪能力,并保留了图像的细节特征。     

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。     

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。     

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。     

强噪声SAR干涉图的等值线中值–Goldstein 二级滤波

结合等值线滤波条纹边缘保持能力强和Goldstein滤波平滑效果好的特点,并且引入伪相干值对Goldstein滤波因子进行改进,提出InSAR干涉图的等值线中值-Goldstein二级滤波方法.模拟数据和真实数据的实验结果证明,强噪声干涉图经过新方法滤波后噪声水平大大降低而且分布均匀,条纹细节信息保持良好,在原本看不到...     

滤波参数对Goldstein干涉相位图滤波性能的影响分析

经典的Goldstein In SAR干涉图滤波算法选取滤波参数时存在较大的主观性。以经验值作为滤波参数的Goldstein滤波算法为基础,基于相干系数、相位标准偏差、伪相干系数、伪信噪比和结构相似性来获得滤波参数的Goldstein自适应滤波方法,采用32像素×32像素的滤波窗口对模拟和真实干涉相位图分别进行单次滤波实验,对滤波结果进行详细评价和对比分析。研究结果表明,基于这6种滤波参数均能在一定程度上抑制噪声,使干涉条纹趋势更加清晰,提升了干涉图的质量。其中,基于相位标准偏差的滤波不仅能够抑制噪声,并且较好地保持干涉图的细节和边缘信息;基于结构相似性和伪信噪比的滤波效果相对较弱;基于经验值、相干系数和伪相干系数的滤波效果相对欠佳。     

一种基于小波相位分析的InSAR干涉图滤波算法

为了提高InSAR干涉图的滤波质量,本文在考虑干涉信号在同一尺度内具有相关性的基础上,提出并实现了一种基于小波相位分析的干涉图滤波算法.为检验算法的有效性,选取美国Phoenix地区高信噪比和伊朗Bam地区低信噪比两个真实C波段干涉图进行了滤波实验,通过与中值滤波算法、小波-中值滤波算法比较,证实了小波相位滤波算法是有效的且具有一定的优势.研究表明,不论是高信噪比干涉图还是低信噪比干涉图,小波相位滤波算法都能有效抑制其噪声.     

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。     

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。