CN103226194A - 一种基于经验模式分解的InSAR干涉相位滤波方法 - Google Patents

Abstract

本发明提供了一种基于经验模式分解的InSAR干涉相位滤波的方法，克服传统的基于窗口的处理方法不能兼顾去噪和细节保持的缺点。本发明利用二维经验模式分解将干涉相位复信号分解为不同尺度的分量，各个层次的分量根据其包含干涉相位和噪声的特征不同程度的提高其

指数，使得每一个分量的噪声得到抑制并且不破坏干涉相位的结构，从而克服了传统的基于窗口的滤波方法不能兼顾去噪和细节保持的缺点，实现高精度的干涉相位滤波，为高精度的干涉测量提供了条件。

Description

一种基于经验模式分解的InSAR干涉相位滤波方法

技术领域

本发明属于干涉合成孔径雷达信号处理领域，尤其涉及一种基于经验模式分解的干涉合成孔径雷达干涉相位滤波的方法。

背景技术

干涉合成孔径雷达（Interferometric Synthetic Aperture Radar，InSAR）是利用合成孔径雷达（SAR）复数据的相位信息获取地表的高程信息或变化信息的一项技术，具有全天时、全天候、高精度的特点，因此在地形测绘、冰川研究、海洋测绘以及地面沉降监测等多个领域都有广泛的应用。

干涉测量的精度和可靠性在很大程度上取决于干涉相位图的质量。然而，在实际系统中，受热噪声去相干、时间去相干、基线去相干、配准误差等多种去相干因素的影响，干涉相位图不可避免的存在相位噪声。干涉相位噪声的存在直接影响相位解缠的效果及最终干涉测量的精度。因此，在相位解缠前必须对干涉相位进行滤波，从而获得较为准确的干涉相位估计值。

目前干涉相位的滤波方法可以大致分为空间域滤波和频率域滤波。多视滤波是一种最常用的空间域滤波方法(R.Lanari.Generation of digital elevation models by usingSIR-C/X-SAR multifrequency two-pass interferometry:The Etna case study.IEEETransactions on Geoscience and Remote Sensing,1996,34(5):1097-1114.)，它实现简单，运算速度快，但滤波视数难以确定，在条纹密集时容易破坏相位细节，降低分辨率。频率域滤波方法中，Goldstein滤波(R.M.Goldstein,C.L.Werner.Radar Interferogramfiltering for Geophysical Application.Geophysical Research Letters.1998,25(21):4035-4038.)应用最为广泛，但该方法受分块大小和滤波参数的影响较大，在信噪比很低时，滤波效果较差。因此，为满足InSAR应用对干涉相位精度的要求，需要研究能有效去除噪声并保持相位细节的自适应滤波方法。

发明内容

为解决上述问题，本发明提供了一种基于经验模式分解的InSAR干涉相位滤波的方法，以克服传统的基于窗口的处理方法不能兼顾去噪和细节保持的缺点，从而提高干涉相位的精度。

该基于经验模式分解的InSAR干涉相位滤波的方法，包括以下步骤:

第一步:将干涉相位φ变换到复数域中为:e^jφ=cosφ+jsinφ，分别取e^jφ的实部为Re{e^jφ}=cosφ，虚部为Im{e^jφ}=sinφ;

第二步:对e^jφ的实部Re{e^jφ}进行二维经验模式分解，得到各层内蕴模式分量F_n，n=1，...，N和一个剩余分量R_N，其中N为分解层数;

第三步:分别对F_n，n=1，…，N和R_N进行小波分解，得到各层内蕴模式分量的小波系数和剩余分量的小波系数其中，n为内蕴模式分量的层数，j为小波尺度，k为小波系数的位置，N+1层代表剩余分量；

第四步：根据各层内蕴模式分量和剩余分量所包含信号和噪声的特征，分别设置

指数增量Δα_n，n=1，...，N+1，其中N+1层代表剩余分量；

第五步：根据小波系数与

指数改变量的关系，分别对各层内蕴模式分量和剩余分量的小波系数

进行调整，得到调整后的小波系数

第六步：根据各层内蕴模式分量和剩余分量调整后的小波系数

分别进行小波重构，得到调整后的各层内蕴模式分量

和剩余分量

第七步：将调整后的内蕴模式分量和剩余分量进行合成，从而得到滤波后的复干涉相位的实部，即

第八步：对e^jφ的虚部Im{e^jφ}也重复第二步至第七步，得到滤波后复干涉相位的虚部Im；

第九步：根据滤波后的复干涉相位的实部和虚部，计算滤波后的干涉相位为

所述的

指数增量Δα_n的变化范围取值为0～1之间。

所述的小波系数与

指数改变量的关系为：

其中，

为各分量小波分解后的小波系数，

为调整后的小波系数，j为小波变换的尺度，k为小波系数的位置，Δα为

指数的增量。

本发明的有益效果：

本发明利用二维经验模式分解将干涉相位复信号分解为不同尺度的分量，各个层次的分量根据其包含干涉相位和噪声的特征不同程度的提高其

指数，使得每一个分量的噪声得到抑制并且不破坏干涉相位的结构，从而克服了传统的基于窗口的滤波方法不能兼顾去噪和细节保持的缺点，实现高精度的干涉相位滤波，为高精度的干涉测量提供了条件。

附图说明

图1为本发明实施例InSAR相位滤波的流程图。

图2为实测的X波段机载InSAR干涉相位图。

图3为几种滤波方法对图2的干涉相位进行滤波后的结果。图3(a)为均值滤波的结果；图3(b)为分块大小为8×8的Goldstein滤波结果；图3(c)为分块大小为64×64的Goldstein滤波结果；图3(d)为本发明方法的滤波结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。且在附图中，以简化或是方便标示。再者，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。

图1为本发明实施例基于经验模式分解的InSAR干涉相位滤波方法的流程图。如图1所示，本实施例包括以下步骤：

1）将干涉相位φ变换到复数域中为：e^jφ＝cosφ+jsinφ，分别取e^jφ的实部为Re{e^jφ}＝cosφ，虚部为Im{e^jφ}＝sinφ；

2)对e^jφ的实部Re{e^jφ}进行二维经验模式分解，得到各层内蕴模式分量F_n，n=1，...，N和一个剩余分量R_N，其中N为分解层数；

3)分别对F_n，n=1，…，N和R_N进行小波分解，得到各层内蕴模式分量的小波系数

和剩余分量的小波系数

其中，n为内蕴模式分量的层数，j为小波尺度，k为小波系数的位置；

4)设定每一层内蕴模式分量的

指数增量Δα_n，n=1，...，N+l，N+l层代表剩余分量，且满足Δα_k＞Δα_l,k＜l，剩余分量的指数增量最小，本发明根据实验取Δα_n的变化范围为0～1之间；

5）小波系数与

指数改变量的关系为：

其中，

为小波分解后的小波系数，

为调整后的小波系数，j为小波变换的尺度，k为小波系数的位置，Δα为

指数的增量。根据这一关系式，利用4)中设定的Δα_n，n=1，…，N+l，调整每一层内蕴模式分量和剩余分量的小波系数，调整后各层内蕴模式分量和剩余分量的小波系数分别为

6）根据各内蕴模式分量和残余分量调整后的小波系数

分别进行小波重构，得到调整后的各层内蕴模式分量

和剩余分量

7）将调整后的内蕴模式分量和剩余分量进行合成，从而得到滤波后的复干涉相位的实部，即

8）对e^jφ的虚部Im{e^jφ}也进行与步骤2）-7）相同的处理，得到滤波后复干涉相位的虚部Im；

9）根据滤波后的复干涉相位的实部和虚部，计算滤波后的干涉相位为

下面通过实测数据验证了本发明方法的有效性。图2为实测的X波段机载InSAR干涉相位图。图3为分别利用均值滤波，Goldstein滤波以及本发明方法滤波后的干涉相位图。其中图3(a)为均值滤波结果，滤波窗口为5×5，图3(b)为Goldstein滤波结果，分块大小取8×8，图3(c)也为Goldstein滤波结果，分块大小取64×64，图3(d)为本发明方法滤波结果。可以看出，均值滤波后仍有较明显的噪声，Goldstein滤波在分块大小取8×8的情况下，去噪效果很差，尤其在干涉相位图左侧信噪比很低的区域，相位质量几乎没有改善。增大分块尺寸为64×64后，滤波效果有所改善，但是仍有较多残差点。本发明方法滤波后的干涉相位最为平滑，且基本恢复了左侧低信噪比区域的干涉条纹。滤波后干涉相位图中的残差点数目可用于评价去噪效果的好坏，计算出滤波前后的残差点数目如表1。从表中同样可以看出本发明方法滤波后剩余的残差点数目最少，去噪效果最好。

表1实测干涉相位滤波前后残差点数目比较

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.基于经验模式分解的InSAR干涉相位滤波的方法，其特征在于，包括以下步骤:

第一步:将干涉相位φ变换到复数城中为:e^jφ，cosφ+jsinφ，分别取e^jφ的实部为Re{e^jφ)=cosφ，虚部为Im{e^jφ}=sinφ;

第二步:对e^jφ的实部Re{e^jφ}进行二维经验模式分解，得到各层内蕴模式分量F_n，n=1，…，N和一个剩余分量R_N，其中N为分解层数;

第三步:分别对F_n，n=1，…，N和R_N进行小波分解，得到各层内蕴模式分量的小波系数

和剩余分量的小波系数

其中，n为内蕴模式分量的层数，j为小波尺度，k为小波系数的位置；

第四步：根据各层内蕴模式分量和剩余分量所包含信号和噪声的特征，分别设置

指数增量Aa_n，n=1，…,N+l，其中N+l层代表剩余分量;

第五步：根据小波系数与

指数改变量的关系，分别对各层内蕴模式分量和剩余分量的小波系数

进行调整，得到调整后的小波系数

第六步：根据各层内蕴模式分量和剩余分量调整后的小波系数

分别进行小波重构，得到调整后的各层内蕴模式分量

和剩余分量

第七步：将调整后的内蕴模式分量和剩余分量进行合成，从而得到滤波后的复干涉相位的实部，即

第八步：对e^jφ的虚部Im{e^jφ}也重复第二步至第七步，得到滤波后复干涉相位的虚部Im；

第九步：根据滤波后的复干涉相位的实部和虚部，计算滤波后的干涉相位为

2.如权利要求1所述的基于经验模式分解的InSAR干涉相位滤波的方法，其特征在于，所述的指数增量Δα_n的变化范围取值为0～1之间。

3.如权利要求1或2所述的基于经验模式分解的InSAR干涉相位滤波的方法，其特征在于，所述的小波系数与

指数改变量的关系为：

其中，

为各分量小波分解后的小波系数，

为调整后的小波系数，j为小波变换的尺度，k为小波系数的位置，Δα为

指数的增量。

Images