残差点退化的统计费用网络流机载相位解缠算法

目的 相位解缠是InSAR干涉数据处理的关键步骤,而解缠不连续（即相位跳变）问题却普遍存在,尤其在机载InSAR系统中,由于数据的高分辨率,使得低矮地物如树木带在数据中表现为相位不一致,因而相位跳变问题更加显著。星载InSAR相位解缠广泛使用统计费用网络流（SNAPHU）算法^[1],借鉴其经验将SNAPHU算法引入高分辨机载InSAR相位解缠。而残差点退化方法能有效补偿局部相位不一致区域。因此本文提出一种结合残差点退化方法与SNAPHU算法的高分辨率机载InSAR相位解缠算法。方法 将原始InSAR数据滤波且去除平地相位,再对其进行残差点退化处理。残差点退化包含残差点定位,及残差点补偿两部分。根据残差点及其邻域像元的性质,对残差点进行补偿使其退化为非残差点,不断迭代这一过程,以减少图像中的残差点,优化局部数据。根据机载InSAR系统定标参数,修正SNAPHU算法中的参数及几何模型,使用修正后算法进行相位解缠。结果 利用2011年四川江油地区的单轨双天线X波段机载InSAR数据进行了试验,试验结果表明,在相位不一致,相干性低的连续树木带区域,该算法显著缩小了解缠相位不连续区域,修正了大面积的相位跳变。结论 验证了残差点退化方法结合统计费用网络流算法可有效解决解缠相位大面积跳变问题,且对噪声具有鲁棒性。     

基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法

针对多源遥感图像的差异性和互补性问题,该文提出一种基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法。首先利用卷积神经网络分别进行光学图像和SAR图像的特征提取,设计空间注意力和光谱注意力组成的注意力模块分析特征重要程度,生成不同特征的权重进行特征融合增强,同时减弱对无效信息的关注,从而提高光学和SAR图像融合分类精度。通过在两组光学和SAR图像数据集上进行对比实验,结果表明所提方法取得更高的融合分类精度。     

基于Sentinel-1A数据的天津地区PS-InSAR地面沉降监测与分析

为有效预防地面沉降带来的灾害,利用2015年4月~2018年2月天津地区的24景Sentinel-1A数据,进行了永久散射体干涉测量处理,并使用高精度轨道数据和TanDEM-X DEM修正残差相位,提取了3 a的地面沉降结果,结合土地利用类型、水文、地质和交通等数据,分析了多处沉降地区的特征和形成原因,最后和小基线集方法的监测结果进行对比分析。结果表明:近3 a来天津城区沉降治理效果显著,平均沉降速率在8 mm/a以内,郊区沉降仍然严重,沉降速率在50~70 mm/a,沉降最为严重的区域为武清区王庆坨镇,3 a累计沉降量超过200 mm,并且有和其他沉降漏斗连成片的趋势。地面沉降发生的区域与地下水漏斗形成的区域基本一致,且两种方法得到的累积形变量差值95%在5 mm以内,说明本研究结果可以为天津市地质灾害防治提供数据支撑和决策依据。     

长基线的机载重轨InSAR影像配准方法

在长基线条件下,机载干涉合成孔径雷达(In SAR)系统重轨测量时由于载机飞行高度和姿态不稳定而偏离理想航迹,导致重轨影像对之间产生相对形变,同名像元对应的地面分辨单元大小不一致,从而造成的高精度配准困难,无法进行干涉处理。通过高精度相对定位,将辅影像按照主影像空间大小重采样,即从SAR成像精准几何关系出发,第一步利用少量地面控制点数据对初始斜距和航高进行标定,第二步通过高精度相对定位,计算主影像像元的同名像元的辅影像坐标,并将辅影像按照主影像空间大小重采样。实验采用机载C波段VV极化SAR重轨数据,分辨率为0.5m。结果表明,该方法适用于长基线机载重轨SAR影像的配准。