Das luftgestützte Interferometrische Synthetic Aperture Radar InSAR (Interferometric SAR) findet wichtige Anwendung in der Geländevermessung und Deformationsüberwachung. Wenn jedoch in der Interferenzphase hohe Streifenmusterdichte, geringe Kohärenz oder eine dichte Konzentration von Restpunkten vorliegen, neigen phasenentschlüsselnde Algorithmen, die auf traditionellen gewichteten Methoden basieren, dennoch zu großen Entschlüsselungsfehlern und zur Ausbreitung von Fehlern. Um diesen Mängeln zu begegnen, schlägt dieser Artikel eine gewichtete Phasenentschlüsselungsmethode mit Multi-Merkmalsfusion für das luftgestützte InSAR vor, die SAR-Bildeigenschaften und Interferenzphasenmerkmale in ein einheitliches Gewichtungsmodell integriert. Die Methode standardisiert Mehrquellenmerkmale und kombiniert die Struktur der Interferenzphase und Streueigenschaften verschiedener Bereiche, um die Gewichtsverteilungsstrategie adaptiv zu steuern. Außerdem wird im iterativen Reweighted Least Squares Phasenentschlüsselungsrahmen ein iterativer Richtungsgewichtungsfaktor eingeführt, der eine dynamische Aktualisierung der Gewichte während des Entschlüsselungsprozesses ermöglicht und die Stabilität stärkt. Experimentelle Ergebnisse basierend auf realen luftgestützten InSAR-Daten zeigen, dass die vorgeschlagene Methode die Kontinuität und Robustheit der Phasenentschlüsselungsergebnisse in komplexen Interferenzszenarien effektiv verbessert.

luftgestütztes InSAR; Phasenentschlüsselung; Kohärenz; Multi-Merkmalsfusion; Interferenzphase; LL1-Norm-Optimierung; iteratives Reweighted-Verfahren