城区地表形变差分TomoSAR监测方法

压缩感知技术(CS)的差分TomoSAR技术解决了中高分辨率SAR数据在城区出现的叠掩问题,实现了城区地表形变信息的重构,但是该方法仅利用了目标的稀疏特性并没有考虑目标的结构特性,对具有这两种特性的目标进行重构时其性能较差。针对这一问题,本文采用联合Khatri-Rao子空间和块压缩感知(KRS-BCS),提出了一种差分SAR层析成像方法。该方法依据目标的结构特性和重构观测矩阵具有的Khatri-Rao积性质,将稀疏结构目标的差分TomoSAR问题转化为Khatri-Rao子空间下的BCS问题,然后对目标进行块稀疏的l1/l2范数最优化求解,最后通过理论分析和仿真试验对分辨能力和重构估计性能进行了定性和定量评价,仿真结果表明本文所采用的KRS-BCS方法不仅保持了高分辨率的优点,而且有效地降低了虚假目标出现的概率,大幅度提高了散射点准确重构概率,切实可行地解决了CS方法的不足。应用实例研究中,利用34景Envisat卫星ASAR时间序列影像对日本千叶县茂原市城区进行地表形变监测,并以一等水准点和实时测量的GPS站点观测数据作为参考形变结果进行验证,试验结果表明采用KRS-BCS方法反演的结果与参考形变结果保持了良好的一致性且形变速率整体偏差也较小,实现了较高精度的城区地表形变估计。

基于改进PSInSAR技术的非城区地表形变监测

为解决经典PSInSAR技术在非城区因受永久散射体空间分布不足而导致地形形变监测误差较大的问题,提出基于分时散射体(partial time scatterer,PTS)提取的改进算法。首先基于改进的经验模态分解对影像进行边缘保持平滑滤波降噪,然后采用可信概率估计对PTS目标进行联合提取,最后通过参数差分估计分离PTS相位和计算形变速率,从而得到监测区的地表形变。实验结果表明,提取的PTS目标基本可保持传统PS点的空间分布特性和时序变化趋势,提高非城区目标点的空间分布密度,本文算法具有有效性。

基于分时散射目标的非城区地形PS-InSAR监测

永久散射体(PS)在非城区的分布密度通常难以满足PS-InSAR技术的地形监测需求,导致PS-InSAR监测误差较大,而非城区通常存在一定时段内的散射目标,即分时散射目标,为此,本文提出基于分时散射目标的改进PS-InSAR算法。首先采用通过边缘保持EMD算法对SAR影像干涉对进行降噪;然后以双层K-means聚类提取非城区的分时散射目标候选集,并通过可信概率提取可靠的分时散射目标;最后通过组内加权参数迭代和组间等权融合,计算监测区的地表形变。试验结果表明,提取的分时散射目标与同位置PS点具有相近的分布特性和变化趋势,较大地提高了非城区目标点的分布密度,提高了非城区地表形变监测的精度。