MCJ-UNet:一种双/多通道联合InSAR相位解缠网络

干涉合成孔径雷达(InSAR)可实现地表高程的高效获取,在地形测绘中应用广泛。双/多通道InSAR技术可借助不同通道(基线、频点)的高程模糊度差异,解决相位欠采样问题,完成高程陡变区域的干涉相位解缠,实现InSAR技术在测绘困难区域的有效应用。该文即面向高效高精度相位解缠需求,利用深度学习这一有力工具,结合不同通道的相位特征及相互约束关系,提出了一种双/多通道联合干涉相位解缠网络:Multi-Channel-Joint-UNet(MCJ-UNet)。该网络的构建以双通道(双频、双基线)InSAR为基本观测构型,并可实现向多通道构型的扩展,其构建的核心思路主要包括3点:首先,将干涉相位解缠中的模糊数估计问题转化为语义分割问题,并采用UNet网络完成分割处理;其次,引入挤压激励模块(SE)动态调整信息权重,以增强网络不同通道对其所需信息的感知能力;最后,利用多通道联合约束下的相位残差优化损失函数,实现网络调谐。此外,为避免语义分割结果的边缘细节误差对解缠效果的影响,该文还提出了一种基于多通道联合约束的解缠误差自修正方法,以保证解缠质量。模拟地形仿真数据、真实地形仿真数据以及TerraSAR-X实测数据验证了所提方法的有效性。

InSAR相位解缠最大流/最小割权值改进算法

InSAR已经在高精度DEM反演中得到了广泛应用,相位解缠技术是影响DEM获取精度的关键步骤之一,然而大梯度变化区域一直是影响解缠结果精度的核心问题。针对该问题,本文提出一种基于势函数改进权值的最大流/最小割相位解缠算法。首先,针对PUMA模型权值设置不合理的问题进行研究,利用外部已有DEM获取相位梯度变化的先验信息,将窗口最大绝对相位梯度值代入相应的势函数公式中获取权值;然后,通过对势函数权值的设置进行阈值调节,解决由于势函数权值设置不合理导致PUMA势函数无法发挥作用引起的解缠错误问题,进而提高大梯度变化区域相位解缠精度;最后,通过仿真数据和真实TanDEM-X InSAR数据对本文算法进行验证,并与已有方法进行对比。结果表明,仿真数据中本文算法可以提高至少44.93%的解缠精度,真实数据中在大梯度变化区域,本文算法较已有算法可以获得更大范围的有效解缠结果。

离散优化框架下的多基线InSAR相位解缠方法

多基线相位解缠技术通过扩展InSAR干涉相位的模糊度区间,突破了单基线解缠的相位连续性限制。然而,相位噪声始终困扰着多基线解缠,聚类分析算法能够在一定程度上抑制噪声,但聚类簇边界的相位连续性难以保障。针对该问题,本文提出了一种离散优化多基线InSAR抗噪相位解缠方法,该方法将经典的多基线解缠模型转化为离散优化问题,构建了多基线解缠解析框架。本文方法以双向遍历的形式求解相位模糊度,针对相位噪声引起的模糊度个数突变问题,采用分块聚类的策略予以校正,提高了算法的抗噪稳健性,解决了聚类簇边界跳变问题。本文基于模拟数据集及实测数据集验证了本文方法的有效性。结果表明,本文方法相对于传统聚类方法,均方根误差减少了约20%。

基于R2AU-Net的InSAR相位解缠方法

InSAR相位解缠的质量直接影响地形高程或地表形变的反演精度。传统的基于非机器学习模型的相位解缠方法(如基于路径跟踪或最小范数)在低相干性或相位梯度较大(干涉条纹密集)的区域难以获得正确解缠结果。深度神经网络算法在非线性表示和特征表达能力方面具有独特优势,被广泛应用于数字图像处理研究中,InSAR相位解缠可视为图像回归。本文提出基于R2AU-Net深度神经网络的InSAR相位解缠方法。首先,基于数学分形法模拟成对的缠绕和解缠相位,避免了外部DEM合成相位时引入的固有误差和残缺问题,保持了地貌特征的多样性及复杂性,得到模型训练所需的数据集。然后,基于传统的U-Net模型构建R2AU-Net相位解缠模型,该模型结合注意力机制增强了模型对于卷积特征筛选能力,提高了在低相干或条纹密集区域的解缠性能;使用循环残差卷积结构,避免了梯度消失问题,增强了模型特征表示能力。最后,利用模拟和真实数据进行试验分析,结果表明本文提出的R2AU-Net相位解缠模型能够更有效地保留地形高程或真实地表形变信息,提高了解缠结果的可靠性,在性能表现上优于Goldstein枝切法、SNAPHU方法及CNN和U-Net相位解缠模型。

一种激光多普勒测振相位解缠算法及FPGA实现

为了解决周期性跳变引起的相位解调问题,提出了一种基于现场可编程门阵列(FPGA)的自动相位解缠算法。采用数据流水线结构,通过状态机自动寻求跳变周期数,由跳变周期数实现自动相位补偿,并对提出的算法进行了理论分析和实验验证。结果表明,在FPGA内设置跳变周期数计数位宽为8位,能适用256次以下跳变情况;当增加跳变周期数计数位宽,可适应更多跳变次数的情况;自动相位解缠算法几乎不占用存储资源;能解决因振动调制范围增大引起的反正切相位跳变问题;相位解调误差在1‰以内,满足高精度振动检测实时性需求。此自动相位解缠算法为激光多普勒振动测量时反正切相位计算结果存在周期性跳变问题提供了更为简洁的解决方案。

GB-InSAR三维空时相位解缠方法

地基干涉合成孔径雷达是边坡高精度形变测量的重要手段,而相位解缠的准确性直接影响到形变测量的可靠性.为解决随机跳变噪声造成的累积相位阶跃型误差,提出了三维空时相位解缠方法.结合差分干涉相位模型,基于空间维最小费用流解缠结果识别相位跳变点,构建修正网络,根据跳变点和局域内非跳变点之间的空间约束关系建立空域约束方程,根据相邻干涉图的时序约束关系建立时域约束方程,联立实现二维解缠结果的修正.仿真和实测数据的处理结果表明,该方法可以有效地修正随机跳变噪声带来的解缠误差,进而修正区域型相位解缠误差,提高形变反演的可靠性.

基于Zernike多项式的自适应包裹卡尔曼相位解缠

为了在噪声干扰下准确提取干涉图中的相位信息,提出了一种基于Zernike多项式拟合的自适应包裹卡尔曼滤波相位解缠算法。该方法将相位图建模为Zernike多项式的线性拟合,采用相位图二次差分加权策略的包裹卡尔曼滤波器准确计算拟合系数,利用预测值和量测值的新息自适应地调整量测噪声协方差矩阵且无需根据干涉图设置不同的观测噪声。实验仿真和实测结果表明,所提方法能够有效地处理干涉条纹中的噪声,并能准确地恢复出相位信息,对于受噪声干扰的干涉图的相位解缠性能优于最小二乘算法和Kalman算法,具有鲁棒性好、无需预滤波和人工干预的优点。

蚁群算法在高噪声区的InSAR相位解缠应用研究

InSAR技术已成为目前监测地面沉降、山体滑坡和地震等灾害的重要手段,而相位解缠是InSAR技术的关键一步。在噪声严重区域使用枝切法进行解缠时会产生大量的残差点,建立的枝切线过长并且会产生大量密集的区域,解缠时会产生解缠“孤岛”。本文应用蚁群算法寻找距离最近的异性残差点并放置建立枝切线,缩短枝切线的长度,减少密集区域,使得枝切线长度最短来避免枝切法产生的解缠“孤岛”。通过仿真实验和泉州地区实地的InSAR图像数据进行实验计算和分析,并以均方误差和解缠时间作为评价指标与其他5种算法进行对比,结果表明,该算法要优于其他算法,且该算法产生的枝切线相比于Goldstein枝切法产生的枝切线总长度缩短超过50%。

质量引导下的最小二乘相位解缠算法

干涉合成孔径雷达(interferometric synthetic aperture Radar,InSAR)利用干涉图的相位信息提取地面目标的三维信息,相位解缠是InSAR处理流程中的重要步骤,解缠结果的精确性直接决定获取数字高程模型(digital elevation model,DEM)或者地表形变信息的精度。针对复杂山区中严重的相位失相关和相位噪声问题,划分研究区域干涉相位质量高低,提出了质量引导下的最小二乘相位解缠算法,对模拟的低噪声干涉相位数据和中国秦岭地区Sentinel-1A InSAR干涉影像对数据进行相位解缠,结果表明所提算法能有效改善高低质量区域间的相位一致性,提高相位解缠整体精度。

一种改进的InSAR相位解缠算法

干涉雷达计算生成DEM时,相位解缠是其中不可忽视的一步。对最小不连续算法进行效率优化,对孤立噪声点进行预处理,对按质量图分割的已解缠区域进行图像边缘处理,利用图像分割分离出相对完整的相位跳变区域,避免反复计算增长环以及冗余边,达到提高计算效率的目的。利用计算机模拟数据和实际数据新方法与不同方法的解缠效果进行对比。结果显示:最小不连续算法融合质量图法经过数字图像处理方式改进后的算法能够尽可能在保证精度的前提下提高原有算法计算效率。

基于去噪扩散概率模型的InSAR相位解缠

二维相位解缠是合成孔径雷达(InSAR)中的关键任务之一,传统的相位解缠算法要求干涉相位相邻像元间的相位差位于[-π,π]之间,实际上由于噪声和采样率的因素,解算结果不可避免地产生误差或错误。提出了基于去噪概率扩散模型的InSAR相位解缠算法,利用深度学习中的扩散生成模型(Denoising Diffusion Probabilistic Models)设计了相位解缠网络DDPU,使用LiCSAR数据以及仿真数据训练网络,在3000个样本集上评估了相位解缠网络DDPU的质量并与传统相位解缠算法及其他基于深度学习的解缠算法进行对比,结果表明DDPU具有优异的解缠能力以及良好的鲁棒性。

基于GAUNet的深度学习相位解缠方法

提出了一种基于全局注意力上采样网络的相位解缠方法。首先,结合全局注意力上采样机制和PU-M-Net,对不同噪声量级的干涉图进行解缠。其中,全局注意力上采样机制有效利用高级特征信息为低级特征图提供加权指导以减少高级特征与低级特征之间语义条纹信息的差距;PU-M-Net所采用的跳跃连接促进了相位细节信息和语义条纹信息的有效融合。其次,利用噪声量级评估系统对干涉图进行噪声等级划分,构建不同噪声量级的数据集对网络模型进行训练,使完成训练后的网络可有效处理不同噪声量级干涉图的相位解缠问题。最后,将待解缠干涉图匹配至相应噪声量级的解缠网络进行解缠。模拟和实测干涉图相位解缠实验验证了该方法的有效性。

基于边界探测的InSAR最小二乘整周相位解缠方法

为解决最小二乘相位解缠方法一直存在收敛性差和非整周性相位解算问题,提出基于解缠边界探测并搜索整周相位值的解缠方法,采用最小二乘次优解与最优解的阈值判别准则,预测解缠趋势并逐步推进相位解缠边界,并在解缠迭代计算中附加相位搜索增量以提取相位整周值。试验分别基于噪声干扰的模拟图和香港、深圳地区的ERS-1/2卫星SAR影像干涉图,采用边界探测算法进行相位解缠计算,试验结果表明,本文解缠方法对附加强噪声的模拟干涉图能正确解缠出99.5%的相位值,真实SAR影像干涉图的解缠精度达到±0.12rad。

中国余数定理在双基线InSAR相位解缠中的应用

介绍利用中国余数定理求解同余方程组的基本公式,并将中国余数定理引入到双基线InSAR相位解缠中。构造关于干涉相位模糊数的同余方程组,设计基于中国余数定理的双基线InSAR相位解缠方法,扩展相位解缠的非模糊区间,为解决干涉相位欠采样区域的相位解缠难题奠定基础。利用不同地区的多套DEM仿真的双基线InSAR干涉图进行相位解缠试验,验证该方法在干涉相位欠采样等区域的解缠能力。

基于不规则网络下网络流算法的相位解缠方法

相位解缠作为SAR干涉测量数据处理中的一个关键步骤 ,受到越来越广泛的关注 ,出现了各种各样的算法。但现有的相位解缠算法仍无法解决高噪声问题 ,由此导致噪声区域的误差传递到其它区域 ,产生全程误差 ,从而影响相位解缠精度。针对这种情况 ,我们根据网络优化原理 ,提出了一种基于不规则网络下网络流算法的解缠方法 ,以干涉相干作为评价相位质量的标准 ,从含有大量噪声的干涉纹图中剔除低质量的相位 ,只对高质量相位进行处理 ,最终获取有用信息。该方法可以避免低质量区域的误差对高质量区域解缠的影响 ,保证高质量区域的相位解缠 。

噪声条件下的干涉SAR相位解缠

为了获得更为精确的相位解缠结果 ,利用经验模态分解算法对干涉相位图进行了噪声抑制 ,随后用Flynn最小不连续算法对滤波结果进行了相位解缠。对比中值滤波和G .Bo自适应滤波算法 ,以及预处理共轭梯度相位解缠算法的结果证明 ,经验模态分解滤波不仅能有效地抑制噪声 ,而且可以保持相位的细节信息和相位条纹的边缘信息 ,同时表明 ,在噪声条件下 ,Flynn相位解缠算法可以获得更为精确的真实相位。

相位质量图在二维相位解缠中的应用探讨

本文从二维相位解缠的定义出发,介绍了相位质量图和标记,描述了两类有代表性的解缠算法以及它们之间的联系,分析了如何利用相位质量图来评价解缠结果。

卡尔曼滤波在InSAR噪声消除与相位解缠中的应用

相位解缠作为InSAR技术中的关键步骤,一直是研究的难点和热点。通常的相位解缠方法在相位解缠前首先必须进行噪声消除,而卡尔曼滤波将相位解缠问题转化为状态估计问题,实现了相位解缠与噪声消除一并处理,成为一种相位解缠新途径。并提出了卡尔曼滤波在相位解缠与噪声抑制中的一种新算法。

多波段InSAR差分滤波相位解缠方法

依据干涉图零中频矢量滤波经验,设计了多波段InSAR干涉图的差分滤波相位解缠方法。该方法将较短波长干涉图与较长波长干涉图的解缠结果进行差分处理,以降低干涉条纹频率,提高滤波效果和相位解缠性能,从而以较长波长干涉图的解缠结果指导较短波长干涉图的相位解缠。充分利用不同波段干涉图之间的互补相位信息,提高相位解缠的可靠性和解缠精度。采用由DEM仿真的多波段干涉图进行了相位解缠试验,得到了满意的解缠结果,验证了该解缠方法的有效性。

遗传算法在InSAR相位解缠中的应用

相位解缠是干涉合成孔径雷达 (In SAR)测量地形高程的重要步骤之一。由噪声和欠采样导致的相位不一致性问题是相位解缠的难点。本文给出了一种新的基于遗传算法的相位解缠方法。其优点是能够有效地抑制由相位不一致性区域所导致的相位误差传播 ,因而不需要进行相位不一致性区域的识别 。