CN114859346B - 一种基于Insarbm3d滤波算法的迭代反演滤波方法 - Google Patents

一种基于Insarbm3d滤波算法的迭代反演滤波方法 Download PDF

Info

Publication number
CN114859346B
CN114859346B CN202210421101.0A CN202210421101A CN114859346B CN 114859346 B CN114859346 B CN 114859346B CN 202210421101 A CN202210421101 A CN 202210421101A CN 114859346 B CN114859346 B CN 114859346B
Authority
CN
China
Prior art keywords
filtering
phi
interference phase
algorithm
diagram
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210421101.0A
Other languages
English (en)
Other versions
CN114859346A (zh
Inventor
陈小毛
何超
黄莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN202210421101.0A priority Critical patent/CN114859346B/zh
Publication of CN114859346A publication Critical patent/CN114859346A/zh
Application granted granted Critical
Publication of CN114859346B publication Critical patent/CN114859346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9004—SAR image acquisition techniques
    • G01S13/9005—SAR image acquisition techniques with optical processing of the SAR signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于Insarbm3d滤波算法的迭代反演滤波方法，该方法使用反演算法，将输入的干涉相位图反演出复数配准图对，再使用Insarbm3d滤波算法进行滤波，再计算滤波前后的衡量图像质量的参数，若该参数的变化不满足迭代终止条件，则将滤波算法输出的干涉相位图送回反演算法进行再次反演、滤波，直到满足迭代终止条件；本方法只需提供干涉相位图，通过使用反演算法将干涉相位图转换成Insarbm3d滤波算法能够处理的数据类型并用其进行滤波，并引入了迭代结构改善滤波效果。通过大量数据测试证实，与当前仅需提供干涉相位图滤波的算法相比，大大提高了滤波性能。

Description

一种基于Insarbm3d滤波算法的迭代反演滤波方法
技术领域
本发明涉及InSAR图像处理和干涉相位图滤波技术领域，具体是一种基于Insarbm3d滤波算法的迭代反演滤波方法。
背景技术
合成孔径雷达干涉测量法（InSAR）是主动微波遥感最成功和最广泛的应用之一。通过展开干涉相位图（干涉相位图是复数干涉图的相位信息），我们可以生成一个数字高程图，根据系统参数，它可能具有极高的精度。然而，由于强散斑噪声对SAR图像的影响，干涉相位本身可能会有相当大的噪声，因此需要在展开前使用一些相位恢复方法。
Insarbm3d滤波算法将BM3d算法应用于Insar干涉相位图去噪，是2018年发表的，近几年最先进的InSAR干涉相位图去噪滤波算法之一，其滤波效果十分优越。
在仅提供干涉相位图时，能对其滤波的传统干涉图滤波算法如中值滤波，均值滤波，小波变换去噪的滤波效果远远不如提供生成干涉相位图的复数配准图使用Insarbm3d算法滤波效果。
虽然Insarbm3d滤波算法效果十分优越，但是使用Insarbm3d算法需要提供生成干涉相位图的复数配准图。用于生成干涉相位图的复数配准图像的获取并不容易，在一定程度上限制了Insarbm3d算法的使用。
发明内容
本发明的目的在于间接降低Insarbm3d算法对输入数据的要求，在仅提供干涉相位图时，也能间接使用Insarbm3d算法进行滤波，并取得与提供生成干涉相位图的复数配准图像对，直接使用Insarbm3d滤波，接近的滤波效果，并与当前仅需提供干涉相位图滤波的算法相比滤波效果大大提高，并通过大量数据验证其有效性。
实现本发明目的的技术方案是：
一种基于Insarbm3d滤波算法的迭代反演滤波方法，包括如下步骤：
1）干涉相位图反演：
将干涉相位图φ采用基于N.Goodman信号模型的反演算法进行反演， N.Goodman信号模型中，当相干系数为1时，干涉相位图φ反演为复数配准图对u1、u2，u1为复数配准图对主图，u2为复数配准图对副图，u1=A1×v1，u2=A2×v1×e-jφ，则复数干涉图I为：
I=u1×（u2 *）=A1×A2×ejφ+(|v1|2-1)×A1×A2×ejφ （1）
其中A1是配准图u1的振幅，A2是配准图u2的振幅，|v1|2是v1的模的平方，A1×A2×ej φ是干涉相位图φ经反演算法反演出的不包含噪声的复数干涉图，(|v1|2-1)A1×A2×ejφ为反演过程引入的误差；
2）Insarbm3d滤波：
将步骤1）得到的反演出的复数配准图对u1、u2作为Insarbm3d算法的输入数据，使用Insarbm3d滤波算法进行滤波，对输入的复数配准图对u1、u2共轭相乘取相位之后对应的干涉相位图φ1进行降噪，得到滤波后的干涉相位图φ2；其中干涉相位图φ1与u1、u2的关系表达式为φ1=angle（u1×（u2 *））；干涉相位图φ1为干涉相位图φ在反演算法引入噪声后的干涉相位图。具体是：
该滤波算法包括两个过程：在第一个过程中，对噪声图像进行滤波，产生一个基本的估计。然后，同样的噪声图像再次滤波，但第二次滤波过程是由第一次滤波的估计结果驱动的，导致了一个很大程度的改进结果。这两个滤波过程都包括三个步骤：分组、协同滤波和聚合。在分组步骤中，对于每个图像块，在整个图像上挑出许多相似的块，并在一个三维堆栈中收集。块的选择考虑了噪声的统计量，基于块相似度度量。在协同滤波中，同时考虑了局部（块内）和非局部（块间）的依赖关系。这些依赖关系在协同滤波步骤中被利用，以产生整个堆栈的去噪版本，堆栈中的每个块都会协同恢复所有其他块。在聚合步骤中，将堆栈中的所有过滤块返回到它们在图像中的原始位置。由于在每个堆栈中过滤了几个块，因此最终会生成大量重叠的过滤块。因此，每个图像像素都有多个估计，需要对多个估计值通过加权平均；
3）计算干涉相位图φ经反演滤波前后的性能指标：
3-1）计算干涉相位图φ进行反演滤波前的相位差和值SPD、相位标准偏差PSD和残数residual；
3-2）计算干涉相位图φ2的相位差和值SPD、相位标准偏差PSD和残数residual；
4）根据干涉相位图φ与干涉相位图φ2性能指标的变化，设置3个迭代终止条件，当性能指标满足其中任意一个条件，则终止迭代反演滤波；否则重复步骤1）至步骤3）；将干涉相位图φ的相位差和值SPD、相位标准偏差PSD和残数residual分别记为SPDφ、PSDφ、residualφ，干涉相位图φ2的相位差和值SPD、相位标准偏差PSD和残数residual分别记为SPDφ2、PSDφ2、residualφ2，则3个迭代终止条件表达式为：
条件1：(（SPDφ-SPDφ2)÷SPDφ)<0.02
条件2：(（PSDφ-PSDφ2)÷PSDφ)<0.02
条件3：（residualφ-residualφ2）<0。
本发明提供了一种基于Insarbm3d滤波算法的迭代反演滤波方法，该方法由于使用反演算法将干涉相位图反演出干涉配准图对，将干涉相位图转换成了insarbm3d滤波算法可以处理的数据形式，在仅提供干涉相位图时，也能间接使用insarbm3d算法进行滤波，间接降低了insarbm3d算法对输入数据的要求。由于使用了迭代滤波结构，通过多次迭代滤波改善了滤波效果，取得与提供生成干涉相位图的复数配准图像对，直接使用insarbm3d滤波，接近的滤波效果，并与当前仅需提供干涉相位图滤波的算法相比滤波效果大大提高，且通过大量数据验证了其有效性。
附图说明
图1为本发明一种基于Insarbm3d滤波算法的迭代反演滤波方法的流程图；
图2是测试的模拟纯净干涉相位图与带噪声的干涉相位图与其对应的局部剖面图，从图中可知，在干涉相位图的上面显示其与纯净干涉相位图的均方误差，上面一行是带噪声的干涉图与其局部剖面图，下面一行是纯净的干涉相位图与其局部剖面图，局部剖面图在左，干涉相位图在右；
图3是模拟数据使用基于Insarbm3d滤波的迭代反演滤波算法对干涉相位图进行滤波的结果，提供滤波结果的局部剖面图，并在干涉相位图上面显示其与纯净干涉相位图的均方误差，局部剖面图在左，干涉相位图在右；
图4是图3的干涉相位图提供复数配准图对直接使用insarbm3d滤波算法进行滤波的结果，提供滤波结果的局部剖面图，并在干涉相位图上面显示其与纯净干涉相位图的均方误差，局部剖面图在左，干涉相位图在右；
图5是测试的真实带噪声的干涉相位图数据，与其局部剖面图。在干涉相位图上面显示其PSD，局部剖面图在左，干涉相位图在右；
图6是使用基于insarbm3d滤波的迭代反演滤波算法对干涉相位图进行滤波的结果，提供滤波结果的局部剖面图，并在干涉相位图上面显示其PSD，局部剖面图在左，干涉相位图在右；
图7是图6的干涉相位图提供复数配准图对直接使用insarbm3d滤波算法进行滤波的结果，提供滤波结果的局部剖面图，并在干涉相位图上面显示其PSD，局部剖面图在左，干涉相位图在右。
具体实施方式
下面结合附图和实施例对本发明内容做进一步阐述，但不是对本发明的限定。
实施例：
一种基于Insarbm3d滤波算法的迭代反演滤波方法，如图1所示，包括如下步骤：
1）干涉相位图反演：
将干涉相位图φ采用基于N.Goodman信号模型的反演算法进行反演， N.Goodman信号模型中，当相干系数为1时，干涉相位图φ反演为复数配准图对u1、u2，u1为复数配准图对主图，u2为复数配准图对副图，u1=A1×v1，u2=A2×v1×e-jφ，则复数干涉图I为：
I=u1×（u2 *）=A1×A2×ejφ+(|v1|2-1)×A1×A2×ejφ （1）
其中A1是配准图u1的振幅，A2是配准图u2的振幅，|v1|2是v1的模的平方，A1×A2×ej φ是干涉相位图φ经反演算法反演出的不包含噪声的复数干涉图，(|v1|2-1)A1×A2×ejφ为反演过程引入的误差；
A1、A2约束的是复数干涉图的幅值信息，本实施例采用在复数干涉图的幅度信息被约束为一个定值后，再使用干涉相位图去约束复数干涉图的实部与虚部，因此A1、A2需要设置一个定值，本实施例中，默认设置A1、A2为1，φ为算法输入的干涉相位图，v1是一个复高斯随机过程，其实部与虚部独立同分布于标准正态分布，|v1|2是v1的模的平方；A1×A2×ejφ是干涉相位图φ经反演算法反演出的不包含噪声的复数干涉图，(|v1|2-1)A1×A2×ejφ为反演过程引入的误差，该误差非常小，在A1、A2设为1时，反演算法在干涉相位图引入的误差是10的负17次方。本实施例使用的反演算法使用了上述N.Goodman信号模型在相干系数p为1时的化简结论A1、A2默认设置为1，输入的是干涉相位图φ，输出的是复数配准图对u1、u2。
2）Insarbm3d滤波：
将步骤1）得到的反演出的复数配准图对u1、u2作为Insarbm3d算法的输入数据，使用Insarbm3d滤波算法进行滤波，对输入的复数配准图对u1、u2共轭相乘取相位之后对应的干涉相位图φ1进行降噪，得到滤波后的干涉相位图φ2；其中干涉相位图φ1与u1、u2的关系表达式为φ1=angle（u1×（u2 *））；干涉相位图φ1为干涉相位图φ在反演算法引入噪声后的干涉相位图。具体是：
该滤波算法包括两个过程：在第一个过程中，对噪声图像进行滤波，产生一个基本的估计。然后，同样的噪声图像再次滤波，但第二次滤波过程是由第一次滤波的估计结果驱动的，导致了一个很大程度的改进结果。这两个滤波过程都包括三个步骤：分组、协同滤波和聚合。在分组步骤中，对于每个图像块，在整个图像上挑出许多相似的块，并在一个三维堆栈中收集。块的选择考虑了噪声的统计量，基于块相似度度量。在协同滤波中，同时考虑了局部（块内）和非局部（块间）的依赖关系。这些依赖关系在协同滤波步骤中被利用，以产生整个堆栈的去噪版本，堆栈中的每个块都会协同恢复所有其他块。在聚合步骤中，将堆栈中的所有过滤块返回到它们在图像中的原始位置。由于在每个堆栈中过滤了几个块，因此最终会生成大量重叠的过滤块。因此，每个图像像素都有多个估计，需要对多个估计值通过加权平均；
3）计算干涉相位图φ经反演滤波前后的性能指标：
3-1）计算干涉相位图φ进行反演滤波前的相位差和值SPD、相位标准偏差PSD和残数residual；
3-2）计算干涉相位图φ2的相位差和值SPD、相位标准偏差PSD和残数residual；
4）根据干涉相位图φ与干涉相位图φ2性能指标的变化，设置3个迭代终止条件，当性能指标满足其中任意一个条件，则终止迭代反演滤波；否则重复步骤1）至步骤3）；将干涉相位图φ的相位差和值SPD、相位标准偏差PSD和残数residual分别记为SPDφ、PSDφ、residualφ，干涉相位图φ2的相位差和值SPD、相位标准偏差PSD和残数residual分别记为SPDφ2、PSDφ2、residualφ2，则3个迭代终止条件表达式为：
条件1：(（SPDφ-SPDφ2)÷SPDφ)<0.02
条件2：(（PSDφ-PSDφ2)÷PSDφ)<0.02
条件3：（residualφ-residualφ2）<0。
本实例使用了模拟干涉相位图与真实干涉相位图进行测试。模拟干涉相位图对应的平地相位为0。真实干涉相位图对应的平地相位为modp，如果需要使用insarbm3d输出滤波后去平地相位的干涉相位图，在使用insrbm3d滤波算法之前需要进行前处理，需要将含平地相位的真实干涉相位图对应的复数配准图对u1，u2中的复数配准图对副图u2重构，使u2=u2×ej×modp，再使用insrbm3d滤波算法滤波，如果不进行前处理直接使用insrbm3d滤波算法滤波得到的是滤波之后的含平地相位的干涉相位图。对于本算法来说如果输入含平地相位的干涉相位图输出的就是滤波之后的含平地相位的干涉相位图，如果输入去平地相位的干涉相位图输出的就是滤波之后的去平地相位的干涉相位图。如果需要使用本算法输出滤波后去平地相位的干涉相位图，在使用本滤波算法之前也需要进行前处理，去平地相位的干涉相位图=未去平地相位的干涉相位图-modp。如果提供含平地相位的干涉相位图，要获得滤波之后去平地相位之后的干涉图，无论使用本算法还是使用insarbm3d滤波算法均需要进行上述各自的前处理。
通过图2，图3，图4可以看出对于模拟干涉相位图，仅仅提供干涉相位图使用本算法滤波的效果与提供同一干涉相位图的复数配准图对，使用insarbm3d滤波的效果比较接近。图5，图6，图7是真实干涉相位图仅仅提供干涉相位图使用本算法滤波的结果与提供同一干涉相位图的复数配准图对，使用insarbm3d滤波结果，图中显示了滤波结果的相位标准偏差PSD，可见两者性能也接近。

Claims (2)

1.一种基于Insarbm3d滤波算法的迭代反演滤波方法，其特征在于，包括如下步骤：
1）干涉相位图反演：
将干涉相位图φ采用基于N.Goodman信号模型的反演算法进行反演， N.Goodman信号模型中，当相干系数为1时，干涉相位图φ反演为复数配准图对u1、u2，u1为复数配准图对主图，u2为复数配准图对副图，u1=A1×v1，u2=A2×v1×e-jφ，则复数干涉图I为：
I=u1×（u2 *）=A1×A2×ejφ+(|v1|2-1)×A1×A2×ejφ （1）
其中A1是配准图u1的振幅，A2是配准图u2的振幅，|v1|2是v1的模的平方，A1×A2×ejφ是干涉相位图φ经反演算法反演出的不包含噪声的复数干涉图，(|v1|2-1)A1×A2×ejφ为反演过程引入的误差；
2）Insarbm3d滤波：
将步骤1）得到的反演出的复数配准图对u1、u2作为Insarbm3d算法的输入数据，使用Insarbm3d滤波算法进行滤波，对输入的复数配准图对u1、u2共轭相乘取相位之后对应的干涉相位图φ1进行降噪，得到滤波后的干涉相位图φ2；其中干涉相位图φ1与u1、u2的关系表达式为φ1=angle（u1×（u2 *））；干涉相位图φ1为干涉相位图φ在反演算法引入噪声后的干涉相位图；具体是：
3）计算干涉相位图φ经反演滤波前后的性能指标：
3-1）计算干涉相位图φ进行反演滤波前的相位差和值SPD、相位标准偏差PSD和残数residual；
3-2）计算干涉相位图φ2的相位差和值SPD、相位标准偏差PSD和残数residual；
4）根据干涉相位图φ与干涉相位图φ2性能指标的变化，设置3个迭代终止条件，当性能指标满足其中任意一个条件，则终止迭代反演滤波；否则重复步骤1）至步骤3）；将干涉相位图φ的相位差和值SPD、相位标准偏差PSD和残数residual分别记为SPDφ、PSDφ、residualφ，干涉相位图φ2的相位差和值SPD、相位标准偏差PSD和残数residual分别记为SPDφ2、PSDφ2、residualφ2，则3个迭代终止条件表达式为：
条件1：(（SPDφ-SPDφ2)÷SPDφ)<0.02
条件2：(（PSDφ-PSDφ2)÷PSDφ)<0.02
条件3：（residualφ-residualφ2）<0 。
2.根据权利要1所述的一种基于Insarbm3d滤波算法的迭代反演滤波方法，其特征在于，步骤2）中，所述的Insarbm3d滤波包括两个过程，具体是：先对对噪声图像进行滤波，产生一个估计后；相同的噪声图像再次滤波；其中第二次滤波过程是由第一次滤波的估计结果驱动；两个滤波过程都包括：分组、协同滤波和聚合三个步骤；在分组步骤中，对于每个图像块，在整个图像上挑出许多相似的块，并在一个三维堆栈中收集；块的选择考虑噪声的统计量，基于块相似度度量；在协同滤波中，同时考虑局部即块内和非局部即块间的依赖关系；这些依赖关系在协同滤波步骤中被利用，以产生整个堆栈的去噪版本，堆栈中的每个块都会协同恢复所有其他块；在聚合步骤中，将堆栈中的所有过滤块返回到它们在图像中的原始位置；由于在每个堆栈中过滤了几个块，因此最终会生成大量重叠的过滤块；因此，每个图像像素都有多个估计，通过对多个估计值进行加权平均。
CN202210421101.0A 2022-04-21 2022-04-21 一种基于Insarbm3d滤波算法的迭代反演滤波方法 Active CN114859346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210421101.0A CN114859346B (zh) 2022-04-21 2022-04-21 一种基于Insarbm3d滤波算法的迭代反演滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210421101.0A CN114859346B (zh) 2022-04-21 2022-04-21 一种基于Insarbm3d滤波算法的迭代反演滤波方法

Publications (2)

Publication Number Publication Date
CN114859346A CN114859346A (zh) 2022-08-05
CN114859346B true CN114859346B (zh) 2024-05-03

Family

ID=82630614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210421101.0A Active CN114859346B (zh) 2022-04-21 2022-04-21 一种基于Insarbm3d滤波算法的迭代反演滤波方法

Country Status (1)

Country Link
CN (1) CN114859346B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016086699A1 (zh) * 2014-12-01 2016-06-09 中国科学院电子学研究所 一种结合局部频率估计的小波域InSAR干涉相位滤波方法
CN108594222A (zh) * 2018-03-21 2018-09-28 中国科学院电子学研究所 一种双频干涉合成孔径雷达的高程重建方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016086699A1 (zh) * 2014-12-01 2016-06-09 中国科学院电子学研究所 一种结合局部频率估计的小波域InSAR干涉相位滤波方法
CN108594222A (zh) * 2018-03-21 2018-09-28 中国科学院电子学研究所 一种双频干涉合成孔径雷达的高程重建方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
自适应伪相干值改进的InSAR干涉图Goldstein滤波算法;李世金;张书毕;张秋昭;高延东;;金属矿山;20180715(07);全文 *

Also Published As

Publication number Publication date
CN114859346A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
Ongie et al. Off-the-grid recovery of piecewise constant images from few Fourier samples
Fadili et al. Total variation projection with first order schemes
CN109633648B (zh) 一种基于似然估计的多基线相位估计装置及方法
WO2024159926A1 (zh) 一种误差自动校正的InSAR时序变形监测方法
WO2016086699A1 (zh) 一种结合局部频率估计的小波域InSAR干涉相位滤波方法
CN109146797B (zh) 一种基于Lp伪范数与交叠组稀疏的脉冲噪声古籍图像修复方法
CN103454636B (zh) 基于多像素协方差矩阵的差分干涉相位估计方法
CN110796616B (zh) 基于范数约束和自适应加权梯度的湍流退化图像恢复方法
CN113269691B (zh) 一种基于卷积稀疏进行噪声仿射拟合的sar图像去噪方法
CN106530334B (zh) 一种机载干涉合成孔径雷达复图像配准方法及复图像配准系统
CN103824287A (zh) 一种基于稳健平面拟合的相位相关亚像素匹配方法
CN103809180B (zh) 用于InSAR地形测量的方位向预滤波处理方法
CN107085826B (zh) 基于加权重叠非局部回归先验的图像超分辨率重建方法
CN114859346B (zh) 一种基于Insarbm3d滤波算法的迭代反演滤波方法
CN106707283B (zh) 基于无味信息滤波的相位展开算法
Gilman et al. Least-squares optimal interpolation for fast image super-resolution
Facciolo et al. Irregular to regular sampling, denoising, and deconvolution
CN105068071B (zh) 一种基于反投影算子的快速成像方法
CN107767342B (zh) 一种基于积分平差模型的小波变换超分辨率图像重建方法
CN115239876A (zh) 一种基于正则化boole模型的波前重构方法
Hesabi et al. A modified patch propagation-based image inpainting using patch sparsity
CN109143234A (zh) 基于FFT高精度估计干涉相位梯度的InSAR滤波方法及系统
CN110440935B (zh) 一种基于扩展信息滤波的相位展开方法
Elad Analysis of the bilateral filter
Fang et al. A novel InSAR phase denoising method via nonlocal wavelet shrinkage

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant