优化条纹频率估计的改进InSAR-BM3D滤波方法

针对InSAR-BM3D滤波在干涉图条纹密集、噪声严重情况下,存在的对干涉条纹保护较差、易丢失细节信息的问题,该文利用圆周期中值滤波对条纹频率估计方法进行优化以提高条纹频率估计精度,并利用优化的条纹频率方法对InSAR-BM3D滤波方法进行改进。为验证本文改进滤波方法的有效性,分别进行模拟数据与真实数据的滤波实验,并将改进滤波方法与未改进InSAR-BM3D滤波以及常用的Lee滤波、Goldstein滤波、小波硬阈值滤波、小波软阈值滤波进行滤波结果的定性和定量比较。结果表明,改进滤波方法在保持InSAR-BM3D滤波高效抑制噪声优势的同时,提高了对干涉条纹边缘和细节的保护能力,能获得更好的滤波效果。     

一种局部自适应的干涉相位图滤波方法

提出了一种基于局部频率估计的自适应干涉相位图滤波方法。首先,利用相似最大似然法对干涉相位图进行局部频率估计,根据局部频率估计值,求取滤波窗口大小和旋转角度,通过内插求取滤波窗口内的像素值,使窗口内的像素更协调一致;然后,利用Lee滤波算法对窗口内的像素进行处理。仿真与实测数据处理结果表明,该方法不仅能有效抑制干涉相位噪声,而且能很好地保持干涉条纹的细节信息。     

InSAR干涉条纹图滤波方法比较与分析——以南屯矿区为例

以南屯矿区为例,对TerraSAR-X卫星获得的南屯矿区实测干涉条纹图分别进行均值滤波、中值滤波、圆周期均值滤波、圆周期中值滤波以及基于小波变换的滤波处理,详细比较和分析了各种滤波结果,最终通过残留点、等效视数等相关指标,得出圆周期中值滤波是上述方法中选择最适合该矿区的干涉条纹图滤波方法。     

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.     

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。     

结合二维EMD与自适应高斯滤波的遥感卫星影像去噪

传统的遥感影像去噪方法在去除影像噪声时,往往会造成去噪后影像细节信息丢失和模糊的问题。本文将二维EMD去噪理论用于遥感影像的去噪,提出了二维EMD与自适应高斯滤波相结合的遥感影像改进去噪算法。在去噪时能够保留低频信息不变,只对影像高频信息进行二维EMD分解后的不同频率IMF分量图作自适应高斯滤波去噪,从而更好地对含噪影像进行去噪。两组试验对比分析表明：本文算法具有较大的峰值信噪比、平均梯度和结构相似性,具有较小的均方根误差;并且边缘检测结果也表明,噪声在被滤掉的同时,经本文算法去噪后的影像能较多和更好地保留原始影像的细节信息和边缘轮廓信息,具有更好的去噪效果。     

InSAR干涉条纹图去噪方法的研究

分析了干涉条纹图中相位噪声的来源,介绍了几种专门用于InSAR干涉条纹图噪声滤除的方法,针对干涉条纹图的相位跳跃现象,提出了正余弦变换的方法解决相位跳跃的问题,并在此基础上提出了两种新的相位噪声滤除方法———正余弦均值滤波法和正余弦中值滤波法,最后进行了对比试验,证明了本文提出的方法具有噪声抑制效果好、边缘信息保持能力强、算法简单的特点。     

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.     

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.     

一种基于条纹中心线的InSAR干涉图滤波方法

干涉条纹图噪声的滤除是InSAR数据处理的关键步骤之一.针对干涉条纹图的各向异性特征!提出一种基于条纹中心线的InSAR干涉图滤波算法!考虑到干涉条纹中心线获取的复杂性!此算法采用细胞神经网络快速提取干涉条纹图的条纹中心线#通过用真实的InSAR干涉图实验证明此方法具有很好的滤波效果!滤波结果视觉特征良好,残余点减少,保持了图像的边缘和细节特征!而且降低了为滤波效果所付出的时间代价.     

InSAR干涉图的矢量分离式小波滤波

提出了一种新的InSAR干涉图滤波方法,并提出采用滤波前后干涉相位的均方差来进行滤波精度评价的策略。对不同类型的多幅干涉图进行了滤波实验,结果表明,本文滤波方法效果较好,精度较高。     

结合边缘信息的DT-CWT干涉图滤波算法

提出了一种结合边缘信息的双树复小波变换(dual tree complex wavelet transform,DT-CWT)干涉图滤波算法。该方法是在DT-CWT几何多尺度变换域上,通过分析层间系数的传递性及层内系数的相关性确定边缘系数,并利用贝叶斯双变量收缩函数分别对复数小波域的边缘及非边缘系数采用不同的阈值进行收缩处理。实验结果表明,本算法对干涉图噪声有较强的抑制能力,较大程度地保留了干涉图的边缘及细节信息,处理结果优于传统小波域软阈值去噪方法。     

一种基于小波变换的InSAR干涉图滤波方法

提出一种基于小波变换的InSAR干涉图滤波算法,此算法先用小波变换对干涉图数据做多级分解,得到图像的多级近似部分系数和3个(水平、垂直、对角线)方向的细节部分系数,然后分别对每一级各个方向的细节部分系数检测其是否为对应方向的边缘,对边缘处的系数根据边缘的方向不同,用不同的方向模板平滑后,再中值滤波;对非边缘处的系数直接中值滤波。用真实的InSAR干涉图实验结果证明此方法具有较好的滤波效果。     

InSAR图的计算统一构架干涉滤波并行计算

作为InSAR处理中的重要操作,干涉图滤波是比较耗时的步骤之一。针对广泛应用的Goldstein滤波算法,文章设计了一种基于GPU的滤波加速方法,定量评价了滤波效果,并探讨了基于GPU加速的滤波时间与数据大小和滤波窗口大小的关系,讨论了当前GPU的核心设计在并行计算中的缺点。在取得与CPU处理结果相同精度的前提下,此方法获得大约22倍的加速比。     

无人机高分辨率影像的森林株数密度制图

本文以大兴安岭无人机遥感数据为基础进行森林密度制图,并提出了一种局部阈值算法,通过与传统的Otsu方法去除背景噪声相比,得出了该方法在中等或较低森林株数密度地区能很好地去除噪声背景.结合局部最大值法取得很好的单木提取精度,其查全率达到了100％.传统的Otsu去除背景方法在较高森林株数密度地区具有较好的识别效果,但对非...     

InSAR干涉图的零中频矢量滤波算法

提出一合成孔径雷达干涉测量干涉图的滤波方法。该方法引入无线电技术中的零中频技术,将干涉图由高的中心频率变为零中频信号,再将信号分解至矢量空间中的两路正交信号,得到正弦支路信号和余弦支路信号,并分别进行低通滤波处理,最后根据滤波后的两路正交信号计算出滤波后的零中频干涉图,并恢复干涉图的原始频率,得到原始干涉图的滤波结果。实验结果表明:该方法滤波效果较好,能够解决干涉图条纹密集时滤波处理困难、效果较差的问题。     

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。     

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。