阅读原文

سابِق|تال

طريقة فك طور InSAR المحمولة جواً متعددة الميزات مدمجة الوزن

ملخص

لدى رادار الفتحة التركيبية التدخلي المحمول جواً InSAR (رادار الفتحة التركيبية التدخلي) تطبيقات هامة في رسم الخرائط الطبوغرافية ورصد التشوهات. ومع ذلك، عندما توجد حالات معقدة مثل كثافة الخطوط العالية، وانخفاض التماسك أو تركز نقاط المتبقي العالي في طور التدخل، فإن خوارزميات فك الطور المبنية على طرق الوزن التقليدية لا تزال عرضة لأخطاء كبيرة في الفك وانتشار هذه الأخطاء. وللتغلب على هذه القصور، تقترح هذه الورقة طريقة لفك الطور متعددة الميزات مدمجة الوزن موجهة لرادار InSAR المحمول جواً، حيث يتم دمج خصائص صورة SAR وخصائص الطور التدخلي في إطار نمذجة الوزن بشكل موحد. تستخدم الطريقة تمثيلاً معياريًا لخصائص المصدر المتعددة، وبالاقتران مع بنية الطور التدخلي وخصائص التبعثر في المناطق المختلفة، يتم تنظيم استراتيجية توزيع الوزن بشكل تكيفي. وفي إطار فك الطور باستخدام إعادة الوزن التكرارية لأقل المربعات، يتم إدخال وزن اتجاه التكرار بحيث يمكن تحديث الوزن ديناميكيًا خلال عملية الفك لتعزيز استقرارها. وأظهرت نتائج التجارب على بيانات InSAR المحمولة جواً الحقيقية أن الطريقة المقترحة تعزز فعليًا استمرارية وموثوقية نتائج فك الطور في المشاهد التدخلية المعقدة.

مفهوم

InSAR المحمول جواً;فك الطور;التماسك;دمج متعدد الميزات;طور التدخل;تحسين معيار L

L^{1}

;طريقة إعادة الوزن التكرارية

اقتباس

الرادار ذي الفتحة الاصطناعية المحمولة جوا ، نشط تكنولوجيا الاستشعار عن بعد ، يولد صورة عالية الدقة من سطح الأرض عن طريق إرسال إشارات الميكروويف وتلقي أصداء .曲长文等，2002. لا التداخل الراداري ذي الفتحة الاصطناعية المحمولة جوا هو تطبيق هام من جوا صار التكنولوجيا . المبدأ الأساسي هو استخدام فرق الطور بين اثنين أو أكثر من الصور ريال للحصول على دقة عالية من سطح الأرض أو تضاريس البيانات في المنطقة المستهدفة .Li等，2024a. لا منذ الثمانينات ، جوا إنسار التكنولوجيا قد تطورت بسرعة ، وقد تم تطبيقها على نطاق واسع في العديد من المجالات مثل ماركا جيل ، تشوه السطح رصد وهلم جرا .Pinheiro等，2018نLi等，2024bنBignami等，2012. لا

إجراءات معالجة البيانات المحمولة جوا إنسار تشمل التسجيل ، interferogram جيل ، مرحلة تصفية المرحلة unwrapping والارتفاع عكس .钟雪莲等，2013. لا مرحلة التغليف هو عملية تحويل لف المرحلة في interferogram إلى مرحلة مستمرة . منذ مرحلة المعلومات موجودة في نطاق ( - ط ، ط ) ، كيفية استعادة المرحلة المستمر بدقة هو خطوة هامة في إنسار تجهيز . المرحلة المشتركة فتح الخوارزميات يمكن تقسيمها إلى نوعين : النوع الأول هو المسار القائم على خوارزمية تتبع هذه الخوارزمية من خلال اجتياز المرحلة الخريطة والتقليل إلى أدنى حد من بقايا المرحلة الخريطة للحصول على أفضل مسار التكامل ، والأكثر شهرة هو غولدشتاين فرع طريقة )Goldstein等，1988في هذه الطريقة ، يتم البحث عن بقايا نقطة متصلة بواسطة فرع المماس . المفهوم الأساسي من بقايا نقطة فرع الظل التي اقترحها فرع قطع الأسلوب يلعب دورا هاما في تحسين المرحلة التالية فتح الحساب )Buckland等，1995نChen和Zebker，2000ن杨磊等，2006. لا تتبع مسار آخر خوارزمية على أساس نوعية الرسم البياني القائم على تتبع مسار القاعده )Xu和Cumming，1999نLiu等，2014ما يسمى نوعية الرسم البياني هو مصفوفة البيانات التي يمكن أن تعكس جودة المعلومات في كل مرحلة من مراحل تصفية بكسل ، الخوارزمية يتطلب جودة عالية الرسم البياني كمدخل ، لذلك التطبيق العملي محدودة . الفئة 2 على أساس الحد الأدنىخوارزمية القاعدة )Ghiglia和Romero，2013هذا هو عالمي الأمثل خوارزمية فك التشفير ، الذي يقوم على مبدأ البحث عن المرحلة التي هي أقرب إلى مرحلة مستمرة التوزيع إلى حد ما ، على افتراض أن الفرق المحلية من لف المرحلة هي نفسها . على أساسالقاعدة مرحلة التغليف عادة ما يعادل الحد الأدنى من التكلفة المعروفة مرحلة التغليف خوارزمية تدفق ، والتي يمكن حلها باستخدام طريقة نظرية الرسم البياني )Costantini，1998) ; بعض الدراسات التي تم حلها من خلال طريقة تكراريةالقاعدة مرحلة التغليف المشكلة )Dubois-Taine等，2025. لا في السنوات الأخيرة ، مرحلة التغليف إنسار على أساس التعلم العميق قد تطورت بسرعة ، من بينها ، فك التشفير والترميز الشبكة ممثلة في u-net و المتغيرات أصبحت التكنولوجيا الرئيسية الطريق )Wang等，2019bن梁峰等，2021ن丁泽刚等，2024. لا ومع ذلك ، بسبب صعوبة في الحصول على البيانات الحقيقية تدخل الشبكات القائمة عادة ما تعتمد على محاكاة البيانات على نطاق واسع للتدريب ، والتي إلى حد ما يحد من القدرة على تعميم نموذج قياس المشهد .

بغض النظر عن المسار التالي ، الحد الأدنى من القاعدة أو عمق التعلم الإطار ، مرحلة التغليف الاستقرار يعتمد إلى حد كبير على دقة وصف جودة بكسل و موثوقية الهياكل المحلية ، وبالتالي فإن تصميم معقول من الوزن هو المفتاح للحد من انتشار الخطأ وتعزيز متانة التغليف . وظيفة أساسية من الوزن هو تجنب نشر الخطأ في منطقة عالية الضوضاء ، وانخفاض الاتساق في المنطقة من خلال تحديد المرحلة نوعية مميزة ، وضبط مسار فتح أو تحسين الطاقة ، وبالتالي الحفاظ على الاستمرارية والاتساق في المرحلة العالمية في الميدان .Yu，2019. لا في وقت مبكر من الدراسة ،Derauw（1995）في هذه الورقة ، فإننا نقترح استراتيجية الوزن على أساس قياس الاتساق ، والتي يمكن أن تقلل من خطر انتشار الخطأ في انخفاض الاتساق في المنطقة .Chen和Zebker（2001）النموذج الإحصائي المشترك لف المرحلة والسعة والاتساق هي التي شيدت في هذه الورقة ، و أقصى حل لاحق يتم حلها في إطار التكلفة غير الخطية وظيفة تدفق الشبكة . في وقت لاحقWang和Yan（2013）في هذه الورقة ، فإننا نقترح بناء نموذج مرجح الضوضاء الملاحظة على أساس المرحلة المشتقة الفرق الرسم البياني ، بحيث يمكن ضبط مستوى الضوضاء تصفية كالمان التكيف الذاتي في التضاريس شديدة الانحدار ، ومن الواضح أن تحسين فهم قوة التغليف .Chen等（2025）مرجح مصطلح على أساس كثافة هامش التداخل هو المقترح .في القاعدة مرحلة التغليف الأسلوب ، طريقة فعالة يمكن أن تقلل من لف خطأ في الانحدار عالية في المنطقة . وبالإضافة إلى ذلك ، العديد من أساليب بناء الوزن على أساس الخصائص الإحصائية الملمس ، عدد موجة الطيف معامل الضوضاء التفاضلية النمذجة ، والتماسك تحليل هيكل ، الخ . )Wang等，2015نWang等，2019aنJiang和Lohman，2021. لا ومع ذلك ، فإن جميع أنواع الأساليب عادة ما يكون لها تأثير كبير فقط على مشهد معين أو مرحلة معينة من الهيكل ، نطاق التطبيق لديها بعض القيود ، فإنه من الصعب الحفاظ على الاستقرار في جميع أنحاء فتح تأثير أنواع متعددة من interferograms . . . . . . .

من أجل حل المشاكل المذكورة أعلاه ، تقترح هذه الورقة مرجح المرحلة فتح طريقة دمج خصائص الجودة من مصادر متعددة المرحلة وتكرار الاتجاه المعلومات . أولا ، ميزة متعددة فيوجن الوزن ( FW ) الإطار الذي يتكون من ميزة الوزن ( IW ) و التداخل الضوئي المرحلة ميزة الوزن ( PW ) هي التي شيدت في هذه الورقة . ثانيا ، من أجل تحسين نوعية التغليف ، الوزن عامل على أساس الاتجاه التكراري هو عرض لضبط الوزن المعلومات المقدمة في الاتجاه التكراري ، وبالتالي تعزيز الاستقرار في الحل . وأخيرا ، يتم تنفيذ العملية برمتها في إطار تكراري reweighted أقل المربعات ( irls ) .من خلال الجمع بين دمج الوزن مع الاتجاه الوزن في القاعدة الأمثل ، الخوارزمية هو أكثر قوة ، ويمكن أن تتكيف مع مختلف مراحل التدخل ، ولها قدرة قوية في التطبيقات الهندسية . النتائج التجريبية تبين أن الطريقة المقترحة صحيحة وفعالة .

طريقة تكرارية الترجيح المرحلة فتح

تكرارية إعادة الترجيح المرحلة فتح خوارزمية هو نوع من الأسلوب العددي الكلاسيكي لحل مشاكل nonquadratic الأمثل ، ولا سيماالقاعدة التقليل من النموذج . الفكرة الأساسية هي : من خلال إدخال آلية الترجيح ، الأصلي غير الخطية وغير سلس الهدف الأمثل هو تحويلها إلى سلسلة من المرجح التحسين من الدرجة الثانية subproblems ، والمرحلة التي يتعين حلها يتم تحديثها باستمرار في عملية تكرارية ، وبالتالي فإن الحل الأمثل العالمية يقترب تدريجيا . تهدف إلى مرحلة التغليف المحمولة جوا إنسار ، هذه الطريقة يمكن أن تضمن الاتساق العالمي ، وفي الوقت نفسه تعزيز متانة الضوضاء ، وبقايا الانقطاع المحلي ، وبالتالي الحصول على تطبيق واسع النطاق .

مثلFig. 1كما هو مبين ، من أجل تلبية شروط إيتو )Itoh，1982لف المرحلة هو في الأساس القيمة الرئيسية خريطة المرحلة الحقيقية ، حتى أنها تتبع معيار التدرج الاتساق .

Fig.1 Illustration of wrapped phase， unwrapped phase， and their gradient relationship

على وجه التحديد ، تذكرالمرحلة المستمرلف المرحلة

نوع الرمزيمثل بعدين التدرج منفصلة المشغل .式（1）التدرج في مرحلة لفمرحلة الانحدار المستمر يمكن استردادها بعد وضع التصحيح . هذه الخاصية تجعل من الممكن إعادة بناء المرحلة المستمر من خلال التدرج ، الذي هو أيضا الحد الأدنىكتاب أساسيات نموذج فكّ القاعدة :

منخفضو .مؤشر بكسل في المسافة ( الصف ) و ( العمود ) من تدخل المرحلة الصورة المقابلة ، على التوالي .يمثل نوعية محددة سلفا الوزن . في ضوءالقاعدة هي قوية بشكل ملحوظ في الحد من الضوضاء و التعامل مع الانقطاع المحلي . . .إن nonsmooth التحسين المشكلة تحت قاعدة القيد هو تحويلها إلى سلسلة من subproblems المرجحة التربيعية التحسين . وبناء على ذلك ، فإن الهدف من مرحلة التغليف وظيفة يمكن التعبير عنها على النحو التالي

نوعتعريف المرحلة المتبقية ،تمثيل مرجحالقاعدة دالة التكاليف في irls الإطار ، إذا كان عقوبة إضافية البند عرض nonsmooth تجانس هو تجاهلها ، nonsmooth دالة الهدفيمكن أن تكون تقريبية إلى الدرجة الثانية

نوعالبارامترات الدقيقة لضمان الاستقرار العددي ،طريقة مبسطة تدوين مصطلح المتبقيةتعادل وزن التكراريمكن التعبير عنها

في إطار هذا الوزنمرحلة تحديث المشكلة في التكرار هو تحويلها إلى حل مرجح أقل المربعات المشكلة الفرعية على النحو التالي :

طريقة الانحدار الحاد ( CG ) غالبا ما تستخدم في حل هذه المشاكل الفرعية المرجحة أقل المربعات .Fig. 2تدفق irls مرحلة التغليف الخوارزمية المعروضة في هذه الورقة هو عرض .

Fig.2 Flowchart of the IRLS algorithm

ميزة متعددة الوزن طريقة البناء

3-1 الوزن بناء على سر الصورة

في مرحلة التغليف إنسار ، السعة تقلب والاتساق يمكن أن تعكس حالة الضوضاء الإقليمية إلى حد ما بسبب العديد من العوامل ، مثل التصوير الهندسة ، نثر خصائص الأجسام الأرضية ونظام الضوضاء . ولذلك ، من المهم جدا لبناء نموذج الوزن على أساس الخصائص الأولية صار الصورة لتحسين دقة التغليف والحد من الضوضاء التدخل . معيار البناء الأساسية من هذا النوع من الوزن هو أن كل بكسل في مرحلة التدخل يمكن أن يكون كميا وتصنيفها من خلال الاعتماد على نثر المادية سمة المرحلة التماسك الذي يمثله السعة والاتساق .

أولا ، صار السعةيمكن أن ينظر إليها على أنها الملاحظة قياس شدة التشتت ، و الخصائص الإحصائية عادة ما يتبع توزيع رايليغ ( واحد عرض ) أو توزيع غاما ( متعدد عرض ) . الضوضاء الفرق و عدم اليقين النسبي بعد تطبيع السعة انخفضت بشكل ملحوظ في المناطق حيث تشتت آلية مستقرة و صدى السعة العالية . وبناء على ذلك ، يمكن تحديد السعة الثقة

نوعهو زيادة رتيبة الإحصائية وظيفة رسم الخرائط ، والتي عادة ما تكون مصممة على أساس صار طريقة معالجة الصور وما يقابلها من خصائص المشهد .

ثانيا ، الاتساقتعكس المرحلة الاتساق بين اثنين من الصور المعقدة في دقة التسجيل متري ، جوهرها هو تقييم الاستقرار الزماني والمكاني و هندسي بناء الاتساق بين اثنين صار الصور . الفرق في تقدير الاتساق يمكن استخلاصه من عينة مصفوفة التغاير .انخفاض الاتساق في المنطقة ( مثل الغطاء النباتي ، منطقة الظل ، وما إلى ذلك ) مع ارتفاع مرحلة عدم اليقين . الاتساق والموثوقية يمكن تعريفها

نوعخريطة تتناسب مع تقدير الفرق يمكن استخدامها لجعل انخفاض الاتساق في المنطقة الحصول على تخفيف كبير . . . . . . .

لأن السعة والاتساق يمكن أن تصف مستوى نسبة الإشارة إلى الضوضاء ( الأب ) في المنطقة من حيث كثافة نثر والتدخل المرحلة الموثوقية ، على التوالي ، الثقة يمكن أن تنصهر في الإحصائية بمعنى بناء

نوعتمثل الثقة المشتركة وظيفة ، والتي عادة ما تكون مبنية على التوزيع الإحصائي الضوضاء المحلية . هذا الوزن آلية تهدف إلى تعزيز الدور القيادي في عملية التحسين العالمية مع تشتت عالية ومتماسكة قوية في المنطقة ، وفي الوقت نفسه قمع التدخل في انخفاض التماسك وانخفاض دائرة الاستخبارات الوطنية في المنطقة على نحو فعال ، وبالتالي تحسين دقة واستقرار مرحلة التغليف النتائج .

3-2 الوزن بناء على تدخل المرحلة ميزة

بالإضافة إلى نسبة الإشارة إلى الضوضاء ( الأب ) المعلومات المقدمة من سر الصورة تدخل المرحلة نفسها غنية في المعلومات الهيكلية المحلية الرئيسية ، والتي يمكن أن تمثل تعقيد المرحلة التغليف إلى حد ما . على وجه التحديد ، تدخل المرحلة هامش الكثافة الكثافة المتبقية يمكن أن تصف على نحو فعال المحلية فتح صعوبة وعدم اليقين . هامش عالية الكثافة عادة ما يقابل مرحلة تغيير جذري أو عالية التدرج في المنطقة ، مما يؤدي بسهولة إلى فشل ايتو الشرط ، مما يؤدي إلى مرحلة التعرج . الكثافة المتبقية تعكس درجة تراكم الإشارات المحلية التناقض ، الذي هو واحد من الأسباب الرئيسية التي تؤدي إلى فتح الخطأ ونشرها . وبناء على ذلك ، فإن هذه الورقة تهدف إلى بناء ميزة الوزن من هامش تدخل المرحلة على أساس الهندسة و توزيع النقاط المتبقية من هامش تدخل ، من أجل تحديد المرحلة المحلية الاستقرار بدقة .

من أجل بناء الوزن باستخدام هامش تدخل الكثافةو .تدخل المرحلةالاتجاهعلى هذا الأساس ، المتجه الطبيعي تدخل فرينجيمكن التعبير عنها

نوعنافذة المعاينةمجموع عدد بكسل داخل . من أجل تقدير كثافة هامش المحلية ، أولا ، نحن بحاجة إلى binarization تدخل المرحلة ، وهذا هو ، ونحن تقسيم المرحلة نمط مع قيمة العتبة صفر ، وبالتالي استخراج هندسي توزيع هامش . بالنسبة لأي بكسل ، عرض شريط المحلية يمكن تحديدها من قبل اثنين من طريقة البحث على طول الاتجاه الطبيعي من الشريط ، أي من بكسل على طول الاتجاه الطبيعي من التدرج في المرحلة تمتد إلى كلا الجانبين على التوالي ، حتى يتم الكشف عن رمز ثنائي الوجه الحدود ، و مجموع المسافة بين الجانبين البحث بأنها عرض شريط في بكسل . أضيق هامش العرض ، مما يعني أن أكثر كثافة المرحلة الفضاء ، وارتفاع هامش الكثافة . بسبب تعقيد المرحلة المحلية وزيادة unconstraint هامش عالية الكثافة في المنطقة .إذا كان هامش الكثافة المحلية هي التي شيدت ، يجب أن تكون متسقة مععلاقة عكسية

في العام ، المتبقية في التداخل الضوئي المرحلة نمط يمكن تحديدها على أساس المعايير التالية . لف المرحلةالتدرج منفصلة المكونات في الاتجاه الأفقي والرأسي يمكن تعريفها بأنها

كذلك ، حول بكسلمجموع أربعة متصلة دوري التدرجات

عندما

بكسل هو الحكم على أن تكون إيجابية أو سلبية .

إذا كنت تشعر بالقلق فقط مع بقايا الرموز ، تذكرهو التوزيع المكاني المرحلة المتبقية من التداخل .الكثافة المتبقية يمكن تعريفها بأنها

أعلى كثافة المتبقية ، أكثر وضوحا المرحلة المحلية الاتساق ، وزيادة خطر فتح . وبناء على ذلك ، ينبغي بناء أوزان الكثافة المتبقية على أنها دالة متناقصة رتيبة فيما يتعلق بالكثافة :

من أجل بناء ميزة الوزن تدخل المرحلة ، تأثير الكثافة المتبقية هامش الكثافة ينبغي النظر فيها . من أجل التأكد من أن كل من هذه الخصائص يمكن أن يكون جيدا في التفسير المادي في مراحل مختلفة ، غير الخطية المعمم فيوجن وظيفة عرض في هذه الورقة .

نوعتعريف الدالة غير الخطية المتغيرين المستمر مع اثنين من المدخلات في شكل رياضي .دينامية آلية ضبط الوزن . هذه الاستراتيجية تهدف إلى ضمان أن في المناطق حيث هامش هيكل واضح و المرحلة المحلية التغييرات على نحو سلس ، الوزن جيل يسيطر عليها عامل مزدوج التآزر . ومع ذلك ، في المناطق التي تكون فيها البقايا الكثيفة أو المرحلة طوبولوجيا معقدة ، الوزن يعتمد بشكل كبير على ميزة أخرى ، وبالتالي تعزيز القدرة على قمع المرحلة المحلية التناقض .

ميزة متعددة الانصهار الوزن البناء

في التصميم المذكور أعلاه ، على أساس الوزن صار صورة ميزة الوزن على أساس التداخل الضوئي المرحلة ميزة ، على التوالي ، من نثر الخصائص الإحصائية و تعقيد هيكل المرحلة لوصف موثوقية التغليف ، ولكن لا يزال هناك بعض القيود على ميزة واحدة الوزن في مجمع المشهد . من ناحية ، ميزة الوزن يعتمد أساسا على السعة والاتساق الإحصاءات ، حتى لو كان التماسك عالية ، فإنه قد يؤدي إلى انتشار الخطأ بسبب مرحلة التغيير السريع في هامش عالية الكثافة أو مرحلة الانحدار . من ناحية أخرى ، تدخل المرحلة ميزة الوزن يركز على هامش الكثافة المتبقية التوزيع ، والقدرة على الحد من الضوضاء محدودة ، في هامش الكثافة الصغيرة ، وانخفاض الكثافة المتبقية في المنطقة ، إذا كانت المنطقة في نفس الوقت ينتمي إلى انخفاض نسبة الإشارة إلى الضوضاء في المنطقة ، لا يزال يمكن أن تعتمد على هيكل المرحلة بسبب الإفراط في فتح الخطأ . ولذلك ، فإنه من الصعب أن تأخذ في الاعتبار كل من المتانة والقدرة على التكيف في إطار مختلف أنواع الكائنات المرحلة الهياكل اعتمادا على ميزة واحدة فقط .

ولذلك ، فمن الضروري لبناء ميزة متعددة فيوجن الوزن ، بحيث يمكن أن يكون الفرق في التدخل في مختلف السيناريوهات . الانصهار الوزن يجب أن تستوفي المبادئ الأساسية التالية : ( 1 ) في هامش عالية الكثافة أو عالية الكثافة المتبقية في المنطقة ، والحد بشكل صحيح من التماسك أو صار سعة الصورة تلعب دورا مهيمنا في فتح الطريق الأمثل ، وتجنب الخطأ الناجم عن فتح " تماسك عالية الانحدار " التعايش . ( 2 ) في منطقة ضعيفة تشتت أو تماسك قوي ، وانخفاض نسبة الإشارة إلى الضوضاء يمكن أن يؤدي إلى انخفاض غير متوقع في مصداقية فتح الخطأ . ( 3 ) في المنطقة حيث هامش هيكل الصورة المصداقية في مستوى محايد ، مساهمة مصادر متعددة من المعلومات إلى الوزن هو الحفاظ على قدر الإمكان .

في هذه الورقة ، فإننا نشير إلى طريقة ناضجة لبناء كتلة الرسم البياني في التداخل الضوئي ) .Zhang等，2025في هذه الورقة ، ميزة مختلفة الأوزان تنصهر مع السلطة الأس شكل .

نوعمن أجل تحقيق التوازن بين مساهمة نسبية من نوعين من الميزات في إطار مختلف تدخل المشهد .

استخداممن أجل ضبط الوزن من اثنين من مصادر مختلفة ، عندما تشتت قوي أو نسبة الإشارة إلى الضوضاء هي المهيمنة في المنطقة ،في هذا الوقت ، أكبرقيمة بينما في المناطق ذات الكثافة المنخفضة هامش أو متفرق المتبقية ،من أجل الحد من تأثير التضليل التماسك في الانحدار عالية المشهد ، أصغرالقيمة . من خلال التكيف الديناميهذا الأسلوب يمكن أن توازن بشكل حيوي نسبة مساهمة صار صورة المعلومات مع المرحلة هيكل المعلومات في مختلف الخصائص الجيومورفولوجية المحمولة جوا بيانات الرصد ، وبالتالي تحسين متانة الخوارزمية .

3-4 المرحلة فتح طريقة irls في إطار متعدد ميزة فيوجن

وفقا للنظرية المذكورة أعلاه ، ميزة متعددة فيوجن الوزن يمكن بناؤها على أساس الأولية صار الصورة والتدخل في المرحلة . ومع ذلك ، irls الخوارزمية هو عملية تكرارية التحسين المستمر ، والتي لا يمكن أن تعكس بشكل كامل السلوك الديناميكي من مرحلة التحديث في عملية التغليف فقط اعتمادا على وزن ثابت . . . في هذه الورقة ، على التكيف آلية التغذية المرتدة على أساس التقارب العددي هو المقدمة .

على وجه التحديد ، تعريف المادةالمرحلة المتبقية في التكرارعلى النحو التالي :

نوعو .نتائج المرحلة المفتوحة الحالية والسابقة على التوالي .الاستقرار المحلي من بكسل في حل الفضاء وصفها عدديا . على أساس هذه المخلفات ، تكرارية الاتجاه عامل الترجيحس

نوعتطبيع وظيفة رسم الخرائط . على هذا الأساس ، من أجل تحقيق كفاءة اقتران قبل الوزن مع تعديل الوزن ، ونحن تحديد تطبيع المشغلفاصل . مادةالوزن العالمي من التكراربناء على ما يلي :

من خلال هذا الأسلوب ، الخوارزمية يمكن أن تصف بوضوح الاتجاه الحالي من التكرار حسب اختلاف الخصائص قبل وبعد كل التكرار ، وضبط الوزن من مرحلة التدرج في الاتجاهين الأفقي والرأسي على التكيف ، يمكن أن تعطي نسبة أعلى من الوزن في مرحلة المنطقة التي تحتاج إلى مزيد من التعديل التكراري ، وبالتالي تحسين دقة فتح النتيجة .

مثلFig. 3في هذه الورقة ، فإننا نقترح طريقة تكرارية المرجحة مرحلة التغليف متعددة مع ميزة الأمثل . أولا ، نحن عملية تسجيل الصور المعقدة ، والحصول على سعة الصورة ، صورة متماسكة والتدخل في المرحلة . في وقت لاحق ، مع تدخل المرحلة كمدخل ، المتبقية نقطة توزيع هامش كثافة الخصائص المحسوبة . على هذا الأساس ، صورة ميزة الوزن والتدخل المرحلة ميزة الوزن تنصهر للحصول على ميزة متعددة الأولي الانصهار الوزن . وأخيرا ، بعد الانتهاء من كل تكرار ، تكرار المرحلة المتبقية يتم حسابها و تحويلها إلى تكرار الاتجاه عامل الترجيح . من خلال تكرار التحديثات حتى التقارب المستمر وموثوق بها فتح المرحلة النتائج التي تم الحصول عليها .

Fig.3 Flowchart of the IRLS phase unwrapping method guided by multi-feature fusion weights

تقييم أداء الخوارزمية

من أجل التحقق من صحة وجدوى الطريقة المقترحة ، فإن هذه الورقة تحدد مؤشرات التقييم من جانبين : نظرية التعقيد الحسابي ودقة الخصائص الإحصائية .

من أجل تقييم نظرية التعقيد الحسابي ، تدخل الصورة و صار حجم الصورةمجموع عدد الوزراءحساب النفقات العامة مرحلة التغليف يتكون أساسا من مرحلتين : الوزن بناء المرحلة التغليف الحل في الوزن بناء المرحلة ، فإنه ينطوي أساسا على التدرج في حساب سر الصورة ، تقدير الاتساق و الكشف عن بقايا تدخل المرحلة ، وما إلى ذلك على الرغم من أن ميزة متعددة الخطوات الانصهار هو عرض جميع ميزة استخراج و الترجيح العمليات المحلية على أساس انزلاق النافذة أو من نقطة إلى نقطة ، وحساب المبلغ هو علاقة خطية مع عدد بكسل ، والوقت هو تعقيدفي حل المرحلة ، في إطار irls ، المعالجة الانحدار الحاد ( PCG ) الطريقة المستخدمة في حل المعادلات الخطية متفرق كبير . . . . . . .تعقيد مصفوفة ناقلات الضرب و الاتحاد الفرنسي للتنس تسريع العمليات في تكرار واحدولذلك ، فإن مجموع تعقيد حل المرحلةوخلاصة القول ، على الرغم من أن ميزة متعددة فيوجن استراتيجية إدخال المزيد من عمليات الفاصلة العائمة في مرحلة ما قبل المعالجة ، فإنه لا يغير من تعقيد الوقت متعدد الحدود التي يهيمن عليها الحلال .

في هذه الورقة ، جذر متوسط مربع الخطأ ( RMSE ) يستخدم كمؤشر رئيسي لتقييم جودة التغليف الأساليب .

نوعالمادةفتح المرحلة القيم في بكسل .بالنسبة للمرحلة القيم التي تم الحصول عليها من إشارة ماركاً ألمانياً في الموقع المقابل ،العدد الكلي من بكسل صالحة للمشاركة في الإحصاءات . وعلاوة على ذلك ، من أجل التحقيق في التوزيع المكاني و الإحصائية انتظام الخطأ ، ونحن نقدم تحليل توزيع المتبقية كذلك . أولا ، من خلال حساب الفرق بين فتح المرحلة و القيمة المرجعية لكل بكسل ، وهما البعد المتبقية خريطة التوزيع هو بناؤها . ثانيا ، من خلال الإحصاءات المتبقية من الرسم البياني ، الرسم البياني هو بناؤها .الانحراف المعياريالانحراف المعياري و مؤشر ستوكاستيك مستوى الخطأ ، على التوالي . وتجدر الإشارة إلى أنه من أجل أن تعكس بشكل حدسي خصائص المرحلة الدورية ، جميع مراحل فتح ، المتبقية و المؤشرات الإحصائية المعروضة في هذه الورقة مقسوما علىثم يتم تحويلها إلى أبعاد لف الأرقام .

التحقق التجريبي

من أجل التحقق من صحة ومتانة من المقترح multi-feature فيوجن مرجح مرحلة التغليف الأسلوب ، الطريقة المقترحة يتم تطبيقها على قياس البيانات التي تم الحصول عليها من قبل فريق التطوير الذاتي المحمولة جوا ل باند إنسار النظام ) .Fig. 4هذا النظام يعمل في النطاق الترددي L ، وذلك باستخدام طريقة الاستقطابية سمو ، القرار هو حوالي 1M * 1M ، وسط زاوية السقوط حوالي 45 درجة . التصوير والمراقبة في المنطقة الجبلية في مدينة ينان بمقاطعة شنشى ، على سبيل المثالFig. 5وتظهر النتائج أن التضاريس في هذه المنطقة متموجة بشكل ملحوظ ، اتجاه الجبال واضحة ، المنحدر المحلية كبيرة ، من السهل أن تكون موجودة في إخفاء الظاهرة ، مع نموذجي التضاريس المعقدة الخصائص ، والتي هي مناسبة لاختبار والتحقق من الكائنات . جميع البيانات المقاسة يتم تجهيزها في ماتلاب r2023a بيئة التطوير ، جنبا إلى جنب مع نفيديا RTX 4090 GPU لتسريع الحساب ، من أجل ضمان استقرار وكفاءة الخوارزمية .

Fig.4 Airborne platform and radar system used in the experiment

Fig.5 Schematic diagram of the observation area scene

4-1 نتيجة فك

مثلFig. 5أظهرت النتائج أن أربع مجموعات من البيانات التي تم الحصول عليها من مختلف وجهات النظر تدخل المحمولة جوا ، أربع مجموعات من البيانات متسقة في الموقع الجغرافي ، نوع الغطاء الأرضي والتضاريس عموما الظروف ، واستخدام شبكة موحدة للتصوير ، ولكن بسبب اختلاف زاوية التصوير ، خط الأساس الهندسة و ظروف المراقبة ، تدخل المرحلة يظهر فرق كبير في هامش التوزيع ، مرحلة التدرج شدة الضوضاء الخصائص .Table 1تدخل المعلمات من أربع مجموعات من البيانات التجريبية المذكورة بالتفصيل . من بينها ، هناك مساحة كبيرة من انخفاض التماسك في المنطقة تدخل المرحلة 1 . تدخل المرحلة 2 هامش بنية معقدة و نسبة الإشارة إلى الضوضاء منخفضة عموما ، وهي تستخدم أساسا لاختبار القدرة على قمع الخطأ من الخوارزمية في ظل ارتفاع الكثافة المتبقية . تدخل المرحلة 3 هو جيد في الجودة العالمية ولكن انخفاض في نسبة الإشارة إلى الضوضاء ( الأب ) . على الرغم من أن هامش تدخل المرحلة 4 هو أكثر وضوحا ، هامش كثافة كبيرة في معظم المناطق . قبل الحصول على نتيجة فك الارتباط ، البيانات الخام هو تجهيزها بشكل موحد ، و صار الصورة تعتمد على نسبة 2 ∶ 1 في المسافة و السمت ، على التوالي ، من أجل الحد من رقطة الضوضاء . في وقت لاحق ، غولدشتاين المرحلة تصفية يستخدم للحد من تأثير الضوضاء ، تصفية حجم النافذة هو 50 ، واثنين من الصور ريال تستخدم تصفية المعلمات .

Table 1 Interferometric parameters of the four airborne InSAR experimental datasets

数据编号	垂直基线估计/m	高程模糊度估计/m	平均相干性	场景特征类型
干涉相位1	20	8.64	0.38	大面积去相干
干涉相位2	17	12.57	0.47	局部残差点密度高
干涉相位3	18	12.25	0.43	局部信噪比差
干涉相位4	25	6.68	0.39	高条纹密度

Fig. 6أربع مجموعات من مراحل التدخل التي تم الحصول عليها في إطار مختلف وجهات النظر و المقارنة بين النتائج التي تم الحصول عليها في إطار مختلف الترجيح القيود الاستراتيجية التي تم الحصول عليها . من خلال المقارنة بين تصفية المرحلة ، إشارة ماركا و ثلاث طرق ، يمكننا أن نرى أن هناك اختلافات كبيرة في القدرة على التكيف من مختلف استراتيجيات الترجيح في المنطقة بين أربع مجموعات من مراحل التدخل مع مختلف وجهات النظر .

Fig.6 Comparison of interferometric phases and phase unwrapping results under multiple observation geometries

تحليل نتائج فك

استنادا إلى تقييم دقة المؤشرات المحددة أعلاه ،Fig. 7في هذه الورقة ، فإننا نقدم التوزيع المتبقية بين فتح النتيجة إشارة ماركاً ألمانياً في إطار مختلف الأوزان القيد مباشرة ، حيث المحور الأفقي في مربع الرسم البياني يمثل لف عدد القيمة المتبقية ، المحور الطولي يحسب عدد بكسل في كل فترة .Fig. 8تركيب منحنيات التوزيع الطبيعي من بقايا المدرج الاحصائي من أربع مراحل التدخل تحت مختلف الأوزان .Table 2ثم يلخص كل مؤشر التقييم الكمي .

Fig.7 Residual distributions and histograms of phase unwrapping results under different weighting constraints

Fig.8 Comparison of normal distribution fitting of unwrapping residuals under four interferometric scenarios

Table 2 Quantitative comparison of unwrapping errors and computational cost under different weighting strategies for four interferograms

方法	干涉相位1				干涉相位2				干涉相位3				干涉相位4
方法	RMSE			耗时/s	RMSE			耗时/s	RMSE			耗时/s	RMSE			耗时/s
影像特征权重	8.77	0.83	1.12	8.34	5.38	0.057	0.85	8.64	2.93	-0.12	0.45	7.11	5.64	-0.37	0.81	4.59
相位特征权重	16.56	1.83	1.90	14.32	5.21	0.020	0.82	13.82	3.47	-0.28	0.47	11.92	5.39	-0.18	0.84	6.17
融合特征权重	6.40	-0.02	1.02	10.05	4.91	0.015	0.78	9.89	2.60	-0.01	0.41	9.62	4.85	0.01	0.77	5.62

من النتائج الإحصائية من أربع مجموعات من مراحل التدخل ، متعدد ميزة فيوجن طريقة الترجيح يحصل على الحد الأدنى من قيمة RMSE مؤشر .أقرب إلى 0 ، الانحراف المعياري العالميأيضا أصغر . هذه النتيجة تشير إلى أنه بعد التحسين من ميزة متعددة استراتيجية الانصهار ، فتح الخطأ ليس فقط قمعت بشكل فعال في السعة ، ولكن أيضا أكثر مركزية ومستقرة في التوزيع الإحصائي ، مما يدل على قدرة جيدة من السيطرة على الضوضاء العشوائية ونظام الانحراف .

بالإضافة إلى ذلكTable 2يمكن العثور على أنه على الرغم من أن ميزة متعددة فيوجن طريقة الوزن يزيد قليلا في حساب الوقت أربع مجموعات من البيانات ، فإنه لا يزال في نطاق مقبول . هذا يتفق مع نظرية التعقيد في الفرع 3-5 .Table 2زيادة الوقت هو أساسا بسبب الخطية العامة ميزة استخراج تكرارية تقارب عدد من الخوارزميات مثل زيادة في البحث عن أفضل حل في منطقة معقدة . وبالنظر إلى تحسن ملحوظ في استراتيجية rmse مؤشر ، هذه المفاضلة بين تكلفة الحسابية محدودة وعالية الدقة فتح له قيمة هامة في تطبيق عالية الدقة المحمولة جوا إنسار المسح ورسم الخرائط .

من أجل مزيد من تحليل الاختلافات في الأداء في إطار مختلف الترجيح القيد فتحFig. 6صورة خط التداخل المرحلة 3مقارنة النتائج مع مختلف استراتيجيات الترجيح إشارة ماركاً ألمانياً في منطقة نموذجية ، مثلFig. 9كما هو مبين . من أجل تسهيل المناقشة ، وفقا لخصائص المرحلة وتوزيع الكائنات الأرضية ، وقسمت إلى ثلاثة أقسام : انخفاض التماسك ، هامش كثافة عالية التماسك . بسبب انخفاض نسبة الإشارة إلى الضوضاء ( الأب ) من صدى في انخفاض التماسك في المنطقة ، من الصعب استعادة الاتجاه الطوبوغرافي العالمي بدقة من قبل مختلف الأساليب . في منطقة كثيفة من هامش ، نتيجة فك على أساس المرحلة ميزة الوزن لا يزال ضعيفا في الجزء الأمامي من الباب ، ولكن في الجزء الخلفي ، نتيجة فك على أساس الصورة ميزة الوزن فقط . في منطقة متماسكة للغاية ، لأن هامش كثافة معتدلة نسبيا ، فإن النتائج تختلف قليلا بين مختلف الأساليب ، و الأداء العام هو أكثر اتساقا . من خلال تحليل الشخصية المذكورة أعلاه ، فإنه يدل على أن multi-feature فيوجن الوزن يمكن تحقيق أداء أكثر استقرارا في مختلف السيناريوهات التدخل ، مما يدل على فعالية الطريقة المقترحة في التطبيق العملي .

Fig.9 Comparison of unwrapped phase profiles under different weighting strategies

نظرية العقد

في هذه الورقة ، فإننا نقترح طريقة الترجيح مرحلة التغليف على أساس متعدد ميزة الانصهار ، والتي يمكن أن تحل مشكلة انتشار الخطأ و unstabilityof جوا إنسار المرحلة التغليف في هامش عالية الكثافة ، وانخفاض الاتساق ، وكثافة من البقايا . في إطار irls الأسلوب الأمثل ، الخصائص الإحصائية على أساس سر الصورة ، ملامح هيكل على أساس التداخل الضوئي المرحلة وتكرار الخطأ المتبقية على أساس عملية الحل هي عضويا بالإضافة إلى ذلك ، التعاونية المرجحة نموذج ثابت قبل القيد ودينامية تكرارية تصحيح بنيت ، و الفرق و التكيف الذاتي ضبط النفس من مختلف تدخل المشاهد تتحقق . النتائج التجريبية تبين أن مقارنة مع ميزة واحدة استراتيجية الترجيح ، الطريقة المقترحة أقوى قوة في انخفاض دائرة الاستخبارات الوطنية ، وارتفاع شكل التدرج و مساحة كبيرة decorrelation ، ليس فقط يقلل من جذر متوسط مربع الخطأ ( RMSE ) مع الإشارة ماركا ، ولكن أيضا يعرض أكثر من بقايا unwinding ثابت توزيع الخصائص التي تميل إلى الصفر يعني انخفاض الانحراف المعياري . وفي الوقت نفسه ، مع الحفاظ على الوقت تعقيد الخوارزمية ، هذه الاستراتيجية على نحو فعال يحقق الهدف المتمثل في الحصول على دقة عالية من فتح حساب تكلفة محدودة ، ويوفر حل موثوق بها عالية الدقة المحمولة جوا إنسار المسح ورسم الخرائط في التضاريس المعقدة .

References

1.
Bignami C, Ruch J, Chini M and Neri M. 2012. Volcanic product detection after the 2010 Merapi eruption by using VHR SAR data//2012 IEEE International Geoscience and Remote Sensing Symposium. Munich: IEEE, 2012: 1337-1340
2.
Buckland J R, Huntley J M and Turner S R E. 1995. Unwrapping noisy phase maps by use of a minimum-cost-matching algorithm. Applied Optics, 34(23): 5100-5108
3.
Chen C W and Zebker H A. 2000. Network approaches to two-dimensional phase unwrapping: intractability and two new algorithms. Journal of the Optical Society of America A, 17(3): 401-414
4.
Chen C W and Zebker H A. 2001. Two-dimensional phase unwrapping with use of statistical models for cost functions in nonlinear optimization. Journal of the Optical Society of America A, 18(2): 338-351
5.
Chen L Q, Zhao C Y, Lu Z and Zhao J Q. 2025. A novel weighted method for phase unwrapping based on interferometric fringe density. IEEE Geoscience and Remote Sensing Letters, 22(1): 4014805
6.
Costantini M. 1998. A novel phase unwrapping method based on Network programming. IEEE Transactions on Geoscience and Remote Sensing, 36(3): 813-821
7.
Derauw D. 1995. Phase unwrapping using coherence measurements//Proceedings of SPIE 2584, Synthetic Aperture Radar and Passive Microwave Sensing. Paris: SPIE: 319-324
8.
Ding Z G, Sun T, Wang Z, Zhao J, Shi Y P, Chen H L, Chen Z Z, Wang Y and Zeng T. 2024. MCJ-UNet: a dual/multi-channel-joint phase unwrapping network for interferometric SAR. Journal of Radars, 13(1): 97-115
9.
Dubois-Taine B, Akiki R and D’Aspremont A. 2025. Iteratively reweighted least squares for phase unwrapping. Optimization Methods and Software, 40(6): 1368-1408
10.
Ghiglia D C and Romero L A. 2013. Minimum L^p-norm two-dimensional phase unwrapping. Journal of the Optical Society of America A, 13(10): 1999-2013
11.
Goldstein R M, Zebker H A and Werner C L. 1988. Satellite radar interferometry: two-dimensional phase unwrapping. Radio Science, 23(4): 713-720
12.
Itoh K. 1982. Analysis of the phase unwrapping algorithm. Applied Optics, 21(14): 2470
13.
Jiang J L and Lohman R B. 2021. Coherence-guided InSAR deformation analysis in the presence of ongoing land surface changes in the Imperial Valley, California. Remote Sensing of Environment, 253: 112160
14.
Li J P, An D X, Song Y P, Xu J Y, Feng D, Chen L P and Zhou Z M. 2024a. Absolute phase estimation in repeat-pass CSAR interferometry based on backprojection and split-bandwidth techniques. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 17: 2409-2421
15.
Li J P, An D X, Song Y P, Xu J Y, Shen L and Zhou Z M. 2024b. Estimation of residual motion errors and phase ambiguity for repeat-pass In-CSAR without external DEMs. IEEE Transactions on Geoscience and Remote Sensing, 62: 5214915
16.
Liang F, Xie X M, Xu Y M, Song M H and Zeng Q N. 2021. An improved U-Net phase unwrapping method[J]. Remote Sensing Information, 36(5): 134-141
17.
Liu G, Wang R, Deng Y K, Chen R P, Shao Y F and Yuan Z H. 2014. A new quality map for 2-D phase unwrapping based on gray level co-occurrence matrix. IEEE Geoscience and Remote Sensing Letters, 11(2): 444-448
18.
Pinheiro M, Reigber A, Scheiber R, Prats-Iraola P and Moreira A. 2018. Generation of highly accurate DEMs over flat areas by means of dual-frequency and dual-baseline airborne SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 56(8): 4361-4390
19.
Qu C W, He Y and Gong S G. 2002. A survey of airborne SAR development. Modern Radar, 24(1): 1-10, 14
20.
Wang H Y, Tong L, Li Y X and Xiao F H. 2019a. Phase unwrapping algorithm based on improved weighted quality graph//IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium. Yokohama: IEEE: 1769-1772
21.
Wang K Q, Li Y, Qian K M, Di J L and Zhao J L. 2019b. One-step robust deep learning phase unwrapping. Optics Express, 27(10): 15100-15115
22.
Wang L F and Yan M. 2013. Weighted Kalman filter phase unwrapping algorithm based on the phase derivative variance map. Applied Mechanics and Materials, 475-476: 991-995
23.
Wang Y, Rao Q F, Tang J and Yuan C Y. 2015. Phase unwrapping algorithm based on the amplitude of wavelet ridge coefficient variance derivative quality map. Acta Photonica Sinica, 44(2): 0210001
24.
Xu W and Cumming I. 1999. A region-growing algorithm for InSAR phase unwrapping. IEEE Transactions on Geoscience and Remote Sensing, 37(1): 124-134
25.
Yang L, Zhao Y J and Wang Z G. 2006. Redundancy removal algorithm in minimum spanning tree phase unwrapping for interferometric SAR. Journal of Remote Sensing (in Chinese), 10(6): 879-884
26.
Yu H W, Lan Y, Yuan Z H, Xu J Y and Lee H. 2019. Phase unwrapping in InSAR: a review. IEEE Geoscience and Remote Sensing Magazine, 7(1): 40-58
27.
Zhang Y, Zhang Z L and Zhu Y J. 2025. Hybrid phase unwrapping algorithm based on a quality graph. Applied Optics, 64(19): 5240-5249
28.
Zhong X L, Xiang M S, Guo H D and Chen R Y. 2013. Current development in airborne repeat-pass interferometric synthetic aperture radar. Journal of Radars, 2(3): 367-381

قراءة النص الكامل

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website