一种基于梯度向量域上字典学习的有效InSAR相位滤波

本文提出了一种基于梯度向量域上字典学习的InSAR相位的降噪算法.首先利用字典学习,建立了干涉相位滤波的优化模型.鉴于该模型难以求解,本文采用分裂技术和增广拉格朗日框架,获得非线性约束松弛优化模型,最后引入交替方向乘子法对松弛问题求解,获得最终的相位滤波结果.具体地,通过先从InSAR复相位图的水平和垂直梯度域依顺序训练字典,然后从这两个梯度向量的稀疏表达式出发重建所需的干涉相位图.对仿真和实测数据的处理结果显示这种新的InSAR相位降噪方法在残点数、均方误差和边缘完整性保持等方面优于几种经典的滤波方法.