InSAR可检测的最大最小变形梯度的函数模型研究

InSAR干涉图中的相位噪声是相干性和视数的函数.InSAR能检测的地表最大最小形变梯度,除了受到InSAR硬件的限制外,还直接受到InSAR干涉图中噪声强弱的影响.此外,由于多视处理会改变像元的大小,也会引起可检测的最大最小形变梯度显著变化.本文研究了 InSAR可检测的地表最大最小形变梯度与相干性和视数的关系,并建立了视数为1、5和20时(ERS和ENVISAT常采用的多视数)InSAR可检测的最大最小形变梯度的经验函数模型.最后,本文用伊朗Bam地区的Enivsat ASAR数据进行了试验,结果表明该模型能够准确地判别不同视数和相干性情况下地表变形能否被InSAR技术所检测.与Baran只考虑了相干性的模型相比,本文的模型适用范围更广.

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.

用L波段和C波段SAR数据研究汶川地震的同震形变

结合ALOS PALSAR和EnvisatASAR监测汶川震区同震形变场的示例验证L波段和C波段SAR数据集的优缺点。实验结果表明L波段数据集更适于地形起伏较大、高植被覆盖地区的地表形变监测,尤其在形变梯度较大的区域,PALSAR影像不易引起干涉图中的条纹混叠现象,便于相位解缠,从而提高观测精度。

MATLAB软件在基础教学和案例教学中的双向探索——以遥感图像处理为例

MATLAB软件凭借强大的矩阵计算能力,成为应用于遥感图像处理的一门计算机语言。针对目前学生偏向软件自动化操作、编程能力不强等现状,将专业教学特点与学生实际情况相结合,探索MATLAB软件在基础教学和案例教学上的新角度和新思路,并以遥感图像处理中的实例详细阐述教学过程。通过增加课堂趣味性、互动性等多种教学方法,创建出多元教学模式相结合的教学新思想。在新的教学方法下,提高学生对MATLAB软件编程的兴趣,提升学生MATLAB软件编程能力和实践能力。

时序InSAR同质样本选取算法研究

分布式雷达目标时序InSAR技术是目前InSAR形变监测领域的主流方向,其中同质样本选取是该技术的基础,其估计精度直接影响SAR影像分辨率与后续参数解算精度.本文在追踪最新研究进展之上,系统回顾了当今统计同质选点算法的优缺点.在参数与非参数两类统计方法的应用中,采用蒙特卡罗方法和真实数据验证定量比较算法差异以及适用场景.根据之前的研究结论,提出一种改进的最优参数统计同质样本选择方法.最后,论文介绍了团队研发的MATLAB开源工具包,涵盖了同质样本提取和时序InSAR协方差矩阵估计两部分内容,为InSAR科研人员和后续数据处理提供高质量、全分辨率的观测源.

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。

InSAR干涉图最优化方向融合滤波

在分析干涉条纹图噪声特征的基础上,提出了一种能有效保持干涉图条纹的边缘和细节信息的InSAR干涉图滤波算法——基于最优化融合的自适应方向平滑算法。该算法首先对8个线性方向窗口进行统计分析,然后根据干涉图的相干性选择合适的线性方向窗口,按照最优化融合的方法,以方差倒数为权重对各个方向窗口的均值进行加权平均。模拟和真实干涉图数据的实验结果表明新方法不仅能有效的抑制干涉图噪声,而且能较好的保持干涉图的细节和边缘信息,具有很好的信息保持能力。

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。

PALSAR可检测的最大/最小地表形变梯度的统一函数模型（英文）

基于相干性和离散视数,建立PALSAR干涉可检测的最大和最小形变梯度的经验函数模型。在此基础上,采用最小二乘回归的方法拟合模型系数,建立关于相干性和视数两个参数的统一函数模型。利用汶川地区的PALSAR数据进行实验,结果表明该模型能够准确判别地表变形能否被D-InSAR技术检测到。研究结果可以帮助研究人员准确选择PALSAR数据和合理配置其干涉处理参数,对解释地表形变结果也具有重要的价值。

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%。

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。

InSAR技术与应用课程教学探索与改革

合成孔径雷达作为及时高效动态监测生态环境的新型手段,在生产实践中已被广泛应用。针对高校教育中雷达专业课程少、学生参与度不高、数据处理实践能力不强的问题,以翻转课堂教育理念为基础,由教师建立相关的课程网站,利用信息时代新途径改善课程教育模式;将合成孔径雷达干涉测量(InSAR)技术与应用课程的理论知识教育与实际区域案例教学相结合,辅助以Matlab软件进行雷达数据处理,提高学生编程能力,培养创新理念;课程考核方式由传统单一的纸质考试向上机实践操作转变,穿插以小组课题完成度作为最后结业考查;课堂教学之余向学生征集课程内容评价,突出以学生为主体的多元化教学,实现普及雷达技术并培养学生地理信息能力的目的。

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

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。

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TOPS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TOPS时序配准的精度。

影像大地测量技术再探伊朗桑塞菲德2017年M_(W)6.1地震盲断层倾向

在盲断层参数未知的情况下,确定断层模型参数是获取震源机制的基础,也是地震风险性分析的首要任务.2017年伊朗桑塞菲德M_(W)6.1地震倾角的确定作为盲断层参数确定的一个宝贵实例,在研究观点上仍存在诸多争议.为更好地解释此次地震断层倾角,本文先基于弹性半空间模型构建了东北倾和南倾两种备选的单一平面断层模型.在此基础上,利用哨兵1号和ALOS-2提供的影像大地测量数据联合解算的二维同震形变揭示了两种不同断层模型的逆冲走滑运动特性以及俯冲带逆冲断层破裂模式.为进一步分析更多断层细节并充分解释断层倾向,本文以二维形变数据为约束采用最小二乘动力学反演和贝叶斯反演分别获取了两种潜在断层的最优断层参数和滑动分布并着重分析了两种方法反演结果的各向异性,结果表明东北倾断层具有较小残差且滑动分布更合理.通过分析主震后重定位的59次余震结果发现余震走向分布以及深度延伸方向与东北倾断层模型更吻合,并且东北倾向断层走向与伊朗东北部已知活动断层基本平行,因此可以作为桑塞菲德地震的发震断层为WNW-ESE走向的进一步佐证.本文研究的断层参数为走向314.67°,倾角41.5°,平均滑动角128.8°,断层特征为东北倾逆冲兼具右旋走滑,滑动分布主要集中在沿走向6~22 km处,最大滑动量为7 km深处的1.09 m,断层破裂并未到达地表,反演矩张量为1.427×10^(18) N·m,相当于M_(W)6.07矩震级地震.

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。

InSAR干涉相位图噪声模拟的研究

分析了合成孔径雷达干涉相位图中噪声的产生原因,讨论了相位噪声不仅与相干性有关,还与干涉图视数有关,成功地模拟了不同视数下的加噪相位图。

基于迪杰斯特拉算法的哨兵卫星TOPS模式时序影像精配准

目前,哨兵卫星被广泛应用于监测地表形变,然而其默认成像模式TOPS(terrain observation with progressive scanning)受粗配准的精度限制,方位向的频谱混叠会导致重叠观测区域出现相位跳变,需要通过精配准进行纠正。多数开源软件都采用几何配准和增强谱分集结合的方式对哨兵影像进行精配准。增强谱分集的精度通常受到时间去相干、几何去相干和方位向形变等诸多因素的影响,但其直接影响因素是相干性,研究了增强谱分集的精度与相干性的关系。同时,为了提高时序影像的配准精度,提出在精确估计相干性的基础上提取高相干点用于增强谱分集,并应用迪杰斯特拉最短路径算法生成最优配准像对,完成时序像对的精配准。利用传统的单主影像增强谱分集和目前精度最高的序贯网络增强谱分集(network-based enhanced spectral diversity,NESD)对所提出的方法进行了精度验证。实验证明,所提方法能够达到对哨兵影像进行有效精配准的目的,并且弥补了NESD方法的不足。

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。