吴远昆
时序InSAR总结学习
2021-5-5 16:42
阅读:10771

    现阶段,用于时序InSAR处理的方法主要包括:PS-InSAR、SBAS-InSAR、相位叠加(Stacking)方法、最小二乘(Least Square)方法、垂直航迹干涉(CrossTrack InSAR,CT-InSAR)方法、临时相干点(Temporal Coherence Point InSAR,TCP-InSAR)方法等。

    PS-InSAR与SBAS-InSAR是众多时序InSAR方法中应用最为广泛的两种。

1.png

    PS-InSAR(永久散射体干涉测量)

    基本原理:利用多景同一地区雷达影像,通过相位和幅度信息,查找不受时间、空间去相关影响的点目标(例:人工建筑物、裸露的岩石等)。在统计分析基础之上,PS-InSAR能够减轻点目标的大气等误差的影响,从而估算出每个PS点上的移动速率和时序位移。

    缺点:非人工地表区域,可用的永久散射体数目十分有限,导致观测结果不能客观反映研究区域的整体变化。

2.JPG

    上图为PS-InSAR的处理流程。由于永久性散射体的散射特性随时间的变化较小,故所有的SAR影像均可以与主影像干涉,组成干涉对(其中包括时空基线较长的干涉对)。

    

    SBAS-InSAR

    通过选取短时空基线像对减小时空去相关的影响。此方法还需要通过常规多视或多重空间滤波处理,增加散射体的信噪比。SBAS技术是一种通过牺牲影响分辨率换取估计精度的方法。

    SBAS-InSAR在处理过程中会选择多幅主影像,通过较短的时空基线组合方式进行干涉处理,减弱时间和空间失相干给形变结果带来的干扰,SBAS-InSAR的具体原理如下图所示。

3.png



DS-InSAR(分布式散射体干涉)

    核心思想:筛选出同质点,根据同质点的统计特性,优化分布式目标的相位,降低噪声对分布式目标的影响,联合PS点和DS点进行形变解算,最终达到提高非人工区域的点密度的目的。

    同质点识别:同质点的识别是指判别SAR影像数据集中一定空间范围内的两个像元是否属于同一地物。算法的主要原理是抽取同一像元在时间维度上的强度信息,度量两个样本的相似程度,从而判断是否为同质点。

    事实上﹐利用DSInSAR进行形变监测的概念早在SBAS技术和StamPS技术中已经建立,当时学界更多的是以相干、非相干目标加以区分﹐而弱化了PS与DS之间的物理界限。因此﹐从数据处理的角度来说﹐以SBAS为代表的小基线技术与SqueeSAR技术及其变种有本质不同,但它们又同时强调DS目标的信噪比,因而均属于相位滤波。

    SqueeSAR的技术要点是:①通过同质点选取算法增强时序(InSAR协方差矩阵的估计精度,并同时辅助PS与DS目标的分离;②通过相位优化算法从协方差矩阵中恢复时序SAR影像的相位。在第1个步骤中﹐其前提条件是相同SAR影像质地的像素具有相同相位中心,因此在时序统计推断的框架下,选取具有相同SAR统计分布的像素参与平均不仅可以提升相位信噪比,还能保留图像的空间分辨率。相比之下,SBAS多采用常规多视处理或空间(自适应)滤波,是一种以牺牲空间分辨率为代价换取相位质量提升的方法。在复杂形变特征环境下,这类方法极易损失细节,并伴随形变非形变区域的误读。在第2个步骤中,SqueeSAR在样本协方差矩阵服从复Wishart分布的基础之上,采用极大似然估计方法得到优化后的时序相位。由于似然估计量无解析表达式,需采用非线性优化“挤压”待估参数,便成为“Squeeze”一词命名的由来。值得注意的是,SqueeSAR一方面运用了所有干涉对的信息﹐另一方面却并未从滤波后的干涉相位中直接提取时序相位,这与大多数时序InSAR技术采用相位三角关系从滤波后的干涉相位中直接解算时序相位有本质区别。在优化DS之后,与PS目标一起融入传统PS-InSAR数据处理框架就可以获得精度更高、空间分辨率增强的时序形变产品。




转载本文请联系原作者获取授权,同时请注明本文来自吴远昆科学网博客。

链接地址:https://wap.sciencenet.cn/blog-3473451-1285144.html?mobile=1

收藏

分享到:

当前推荐数:0
推荐到博客首页
网友评论0 条评论
确定删除指定的回复吗?
确定删除本博文吗?