精确提取InSAR时间去相关分量的方法

提出了一种干涉合成孔径雷达(InSAR,Synthetic Aperture Radar Interferometry)回波信号时间去相关分析的新方法,该方法主要包括三个步骤:采用自适应区域增长算法(IDAN,Intensity-Driven Adaptive Neighborhood)估计所有干涉子集的相干性;利用迭代最小二乘去除估计量偏差;采用相干性分解技术对无偏样本相干性进行分离,获得精确的时间去相关分量.以美国南加州洛杉矶地区的ENVISAT ASAR数据集为例,对新方法和现有方法进行了比较研究.结果表明,新的融合算法能够获得更加可靠、精度更高的时间去相关分量,并具有非阈值和近乎完全的自适应性.本文的研究将有利于改善与时间相干性有关的地球物理参数反演,也有利于地表变化周期性和随时间变化的气候环境实时监测等.     

压缩感知在城区高分辨率SAR层析成像中的应用

在建筑密集的城区复杂场景中,高分辨率SAR影像中存在严重的叠掩效应,影像解译的难度加大.SAR层析成像可以分离单个分辨单元内混叠的散射体目标,并且获取各个散射体的3维位置和后向散射强度.该文首先论述了3维SAR层析成像的基本原理,针对传统谱估计法获得的高程向分辨率较低的问题,综述了压缩感知方法在城区3维SAR层析成像中的应用,以基追踪和双步迭代收缩阈值法为例,开展了TerraSAR-X聚束模式数据实验,并与传统的奇异值阈值法进行了对比分析.研究结果表明压缩感知方法的高程向超分辨率、旁瓣抑制优势明显,在城区SAR层析成像中具有广阔的应用前景.      

基于贝叶斯信息准则的极化干涉SAR图像非监督分类

该文提出一种利用贝叶斯信息准则自动确定聚类类别数的极化干涉SAR非监督分类算法。该方法首先利用Shannon熵特征对极化干涉SAR图像进行初始分类,然后利用期望最大化(Expectation-Maximization, EM)算法和标号代价(LabelCost)优化算法对分类结果进行迭代优化,同时通过贝叶斯信息准则(Bayesian Information Criterion, BIC)自动确定非监督分类的最佳类别数。实验结果表明该算法能够较准确地确定分类类别数,并具有较为满意的分类效果。