小波-维纳组合滤波算法及其在InSAR干涉图去噪中的应用

为了提高InSAR干涉图的滤波质量,在分析小波变换和维纳滤波各自优势的基础上,提出并构造了一种小波-维纳组合滤波器,实现了相应的滤波算法并开发了一套计算程序。为验证该算法的功效,选取美国Phoenix局部地区作为实验区域,使用ERS-1/2C波段干涉图作为滤波原数据,以视觉效果、相位导数标准偏差、奇异点个数以及数字高程模型精度作为评价指标,并与其他两种典型滤波算法即小波软阈值法和Goldstein法进行了比较,证实了小波-维纳组合滤波算法在干涉图去噪、保护边缘信息和精度等方面具有明显的优势。

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。

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。