地表形變監(jiān)測的改進相干目標法

王明洲，李　陶，江利明，徐　侃，吳文豪

1. 武漢大學(xué)衛(wèi)星導(dǎo)航定位技術(shù)研究中心，湖北 武漢 430079； 2. 中國科學(xué)院測量與地球物理研究所，湖北 武漢 430077

An Improved Coherent Targets Technology for Monitoring Surface Deformation

WANG Mingzhou1,LI Tao1,JIANG Liming2,XU Kan1,WU Wenhao1

1. GNSS Center, Wuhan University, Wuhan 430079, China; 2. Institute of Geodesy and Geophysics, Chinese Academy of Sciences, Wuhan 430077, China

?

地表形變監(jiān)測的改進相干目標法

王明洲1，李陶1，江利明2，徐侃1，吳文豪1

1. 武漢大學(xué)衛(wèi)星導(dǎo)航定位技術(shù)研究中心，湖北 武漢 430079； 2. 中國科學(xué)院測量與地球物理研究所，湖北 武漢 430077

Foundation support： The National Natural Science Foundation of China (No. 41274048)

摘要：如何從雷達干涉時間序列影像中獲取更全面的相干目標集合，進行變形時間序列分析是當(dāng)前研究的難點和熱點。本文提出了改進的相干目標法，可獲取更為全面且可信度高的相干目標集合，進而提高地表形變監(jiān)測的時空分辨率和精度。根據(jù)雷達影像中同類型地物散射分布相近的特點，采用非參數(shù)同分布檢驗算法提取后向散射特性相近的同質(zhì)點開展空間非局部濾波，提高干涉圖的質(zhì)量。與此同時，利用多尺度的極大似然條紋頻率估計算法分離差分干涉圖中的系統(tǒng)性相位，并基于同質(zhì)點進行自適應(yīng)相干性估計，獲取相干性的平穩(wěn)估計量，從而獲取更多的相干點目標。利用20景TerraSAR-X條帶模式時間序列影像，分別利用傳統(tǒng)的及改進后的相干目標法對香港填海區(qū)域地表形變信息進行時序分析。對試驗數(shù)據(jù)的分析結(jié)果表明，本文提出的改進方法在具有稀疏植被的填海區(qū)可有效增加相干目標點的提取，得到更為可信的沉降結(jié)果。

關(guān)鍵詞：相干目標；干涉圖濾波；相干性；TerraSAR-X；形變

2000年，文獻[1—2]首先提出了永久散射體(permanent scatterers,PS)干涉測量技術(shù)，通過研究時間序列上雷達反射信號穩(wěn)定點目標的相位變化，獲取高精度的形變監(jiān)測結(jié)果。傳統(tǒng)PS-InSAR時序分析技術(shù)選取PS點時通常假設(shè)點目標雷達幅度特征趨于服從高斯分布，并采用振幅的標準差與均值的比值來衡量點目標強度的時空穩(wěn)定性，不符合該標準的像元點被舍棄，導(dǎo)致了該技術(shù)在實際應(yīng)用中存在一定的局限性，尤其是在地表植被覆蓋區(qū)，其雷達散射特性在時間域不符合高斯分布，但是在短時間內(nèi)具有較好的相干性。

針對上述問題，通過采取降低選取PS點要求的策略和新的時空濾波手段，出現(xiàn)了利用小基線數(shù)據(jù)集提取地表地形參數(shù)和形變速率的新方法。其中，相干目標法(coherent targets,CT)是處理小基線數(shù)據(jù)集一個重要分支[3-6]。該方法根據(jù)干涉圖的平均相干系數(shù)識別點目標，并利用多基線干涉條紋圖對高相干點目標相位進行時序分析，獲取形變量隨時間的變化關(guān)系。

為了減弱干涉圖的相位噪聲，該方法通常需要對干涉圖進行多視或濾波處理，其中空間均值濾波和Goldstein濾波[7]為常用的干涉圖濾波方法，但是上述方法在去噪效果和影像細節(jié)保持兩個方面仍有不足。針對干涉圖的濾波問題，2009年，文獻[8—9]將空間非局部濾波(non-local)應(yīng)用到干涉圖濾波中來。該方法在削弱相位噪聲和保持干涉圖細節(jié)方面都取得了較好的效果。針對雷達信號的相干斑噪聲和同類型地物雷達散射分布相近的特點，2011年，文獻[10]提出了基于同質(zhì)像元點的相位信息提取方法。該方法基于KS檢驗算法來提取后向散射特性相近的同質(zhì)點，之后利用極大似然估計方法獲取同質(zhì)像素點的時序相位。2012年，文獻[11]將基于同質(zhì)點的空間均值濾波方法融入到傳統(tǒng)的SBAS方法中，并在油氣開采區(qū)域取得了較好的監(jiān)測效果。2013年，文獻[12]提出了基于同質(zhì)像元點的空間非局部濾波方法，即時空同質(zhì)濾波。該方法首先利用時間序列SAR影像，選取窗口中后向散射系數(shù)時間分布相近的像元點作為樣本點，然后將這些樣本點的相位值進行加權(quán)平均計算得到窗口中心點的相位。其中干涉圖的濾波效果由參數(shù)h決定，但是在該方法中參數(shù)是根據(jù)經(jīng)驗來選取，具有很大的隨機性。2015年，文獻[13]提出了一種改進的Nonlocal濾波算法，其基于干涉圖的概率分布函數(shù)來提取同質(zhì)像素點，并根據(jù)條紋頻率高低來自適應(yīng)設(shè)置濾波窗口形狀。

相干目標點的選取是雷達干涉時序處理中非常關(guān)鍵的一個步驟，通常是根據(jù)干涉圖的相干性來選取相干系數(shù)穩(wěn)定的點。在實際計算中，常常假設(shè)兩個隨機平穩(wěn)序列是各態(tài)歷經(jīng)的，并用估計窗口中所有像素的空間平均值來替代期望值來估計相關(guān)系數(shù)[14]。因此，為了保證相干性估計的平穩(wěn)性，需要有足夠多樣本或較大的窗口，但是窗口太大會引入異質(zhì)像素，導(dǎo)致兩個序列不滿足隨機平穩(wěn)性。樣本點的平穩(wěn)性條件可體現(xiàn)在兩個方面：①散射特性平穩(wěn)性，即要求估計窗口內(nèi)樣本后向散射特性基本保持一致[15-17]；②相位平穩(wěn)性，通常情況下，地形相位、大氣相位、形變相位等系統(tǒng)性相位的存在，會導(dǎo)致低估干涉圖的相干性[14,17-18]。針對上述第一方面，部分學(xué)者進行了研究，主要是基于時間序列SAR影像，根據(jù)地物后向散射特性對窗口內(nèi)樣本進行同分布檢驗，選擇與中心像素點具有相同后向散射強度分布特征的樣本點。其中，非參數(shù)的KS (Kolmogorov-Smirnov)檢驗是目前的主流算法[19]，該檢驗方法與樣本數(shù)大小和數(shù)據(jù)概率密度函數(shù)的形式無關(guān)，且容易計算。針對同質(zhì)點誤選的問題，文獻[20]提出了一種顧及像素點復(fù)數(shù)信息的同質(zhì)點選取算法。該算法通過比較像素點協(xié)方差矩陣的相似性來穩(wěn)健地選取同質(zhì)像素點?？紤]到不同視數(shù)條件下振幅序列的概率分布情況，文獻[21]提出了一種同質(zhì)像素點的快速選取算法。該算法能夠在少量影像數(shù)量下實現(xiàn)同質(zhì)點的高效提取。為了保證估計窗口的相位平穩(wěn)性，用戶通常采用極大似然條紋頻率估計方法去除地表形變、大氣、基線誤差等因素引起的系統(tǒng)相位[17-18]。但是系統(tǒng)相位在估計窗口內(nèi)往往表現(xiàn)為多個頻譜信號的疊加，很難通過這種方法分離。針對上述問題，文獻[22]提出利用估計多尺度極大似然條紋頻率的方法，通過改變估計窗口的大小來獲取不同尺度的系統(tǒng)相位。相比較前者而言，該方法能夠獲取多尺度的、非平穩(wěn)變化的信號，從而有效去除DEM誤差、地表形變、大氣相位等影響，保證估計窗口內(nèi)相位的平穩(wěn)性。2013年，文獻[18]等提出了一種自適應(yīng)條紋頻率估計算法，通過計算相位噪聲的程度來確定窗口的大小。

針對傳統(tǒng)相干目標法的特點，本文將干涉圖時空同質(zhì)濾波和除去信號非平穩(wěn)性的相干性估計融入到該框架中來。時空同質(zhì)濾波具體為利用時序SAR影像提取窗口中后向散射特性相近的同質(zhì)像素點，并基于同質(zhì)點對干涉圖進行自適應(yīng)空間非局部濾波，降低干涉圖的相位噪聲，提高干涉圖的質(zhì)量；而除去信號非平穩(wěn)性的相干性估計則在可在保證平穩(wěn)性的條件下提高相干性的估值，增加有效監(jiān)測點的數(shù)量，最后對相干點的相位進行時序分析即可獲得可靠監(jiān)測點的形變信息。

1改進的相干目標法

本文提出改進的相干目標法反演填海區(qū)域的地表下沉?xí)r序結(jié)果，其數(shù)據(jù)處理流程如圖1所示。時空同質(zhì)濾波包括基于KS檢驗的同分布檢驗算法和自適應(yīng)空間非局部濾波，可在保持影像空間分辨率的同時有效提高干涉圖的質(zhì)量；相干性的平穩(wěn)估計則涉及基于KS檢驗的同分布檢驗算法、多尺度極大似然頻率估計方法去除系統(tǒng)相位和相干性估計3部分內(nèi)容，可獲取空間分辨率和精度都較高的相干圖，用于相干目標點的選取。

圖1　改進后的相干目標法流程圖Fig.1　The flow chart of the modified version of CT method

1.1時空同質(zhì)濾波

由于受到時間失相關(guān)和幾何去相關(guān)等因素的影響，地表植被區(qū)的干涉圖隨著時間間隔增加，干涉相位噪聲也逐漸增大[23]。在相干目標法中，對干涉圖進行濾波處理可增加干涉圖的相干性，從而可以提取更多的點目標。考慮到窗口內(nèi)同質(zhì)像素點的干涉相位所受噪聲影響程度相近的特點，本文采用基于同質(zhì)像素點的空間非局部濾波方法，即首先利用時間序列SAR強度影像進行窗口中心像素點與周圍像素點的KS檢驗，確定與中心像素點后向散射特性一致的同質(zhì)像素點；然后再利用自適應(yīng)空間非局部濾波算法對同質(zhì)點進行加權(quán)平均處理，以獲取中心像素點的相位值，其中濾波強度由局部相位標準差決定。

1.1.1基于KS檢驗的同分布檢驗算法

估計窗口中像素的散射特性發(fā)生變化會影響干涉相位的平穩(wěn)性，影響干涉圖濾波的效果。因此，在干涉圖濾波之前對窗口內(nèi)像元點的散射特性進行判斷，并選取后向散射特性一致的樣本點是非常關(guān)鍵的步驟。在雷達遙感影像中，同地物類型的雷達散射分布相近，而不同地物類型的后向散射特性存在差異，其反映在SAR影像中表現(xiàn)為不同的紋理特征[10]。因此，本文利用雷達回波后向散射的強度序列作為判斷同質(zhì)像素點的依據(jù)。

假設(shè)所有SAR影像已配準到同一坐標系下。對于SAR影像中任意一點P的后向散射系數(shù)序列可表示為

d(P)=[d1(P)d2(P)…dN(P)]T

(1)

式中,di(P)為像素點P對應(yīng)第i幅SAR影像的后向散射系數(shù)。對于窗口內(nèi)的像素點P1和P2，如果其后向散射系數(shù)序列d(P1)和d(P2)具有相同的概率分布函數(shù)，則認為P1和P2為散射特性相同的像素點。

研究兩個數(shù)據(jù)集是否符合相同的概率分布函數(shù)可應(yīng)用KS檢驗的方法，該檢驗基于兩個數(shù)據(jù)集分布函數(shù)(CDF)差值絕對值的最大值。假設(shè)像素點P1和P2的累計分布函數(shù)分別表示為FP1(x)和FP1(x)。兩個累計分布函數(shù)的最大差值D可表示為[19]

(2)

D的概率分布函數(shù)可用經(jīng)驗KS分布近似，可表示為

(3)

KS檢驗通過度量差值D超過臨界值t的概率來確定像素點P1和P2是否符合同一分布。

1.1.2自適應(yīng)空間非局部濾波

空間非局部濾波可在噪聲去除和細節(jié)保持方面取得較好的效果，同時保證了僅有同質(zhì)點參與濾波計算。其核心思想是僅利用同質(zhì)像素點的相位值進行加權(quán)平均來計算中心像素點的相位值[24]。每個像素點所占的權(quán)重，可通過計算以該點為中心的圖像子塊與中心像素點的圖像子塊的相關(guān)性來定義?？臻g非局部濾波的離散形式可表示為[24]

(4)

式中，NL(i)為濾波后窗口中心點i的相位值；u(j)為同質(zhì)樣本點的相位值；ω(i,j)為周圍像素點所占的權(quán)重值，其值取決于周圍同質(zhì)點的影像子塊(patch)與中心像素點影像子塊的相似度，公式如下[24]

(5)

式中，Ni、Nj分別表示以像素點i和j為中心的影像子塊；u(Ni)為中心像素點影像子塊的相位矩陣；u(Nj)為窗口中同質(zhì)像素點影像子塊的相位矩陣；Z(i)為歸一化常數(shù)；h為影像的濾波參數(shù)，其值越大，表示濾波的程度也越大。

另外，本文利用估計窗口的相位標準差來自適應(yīng)調(diào)整濾波參數(shù)，從而實現(xiàn)低信噪比區(qū)域強濾波、高信噪比區(qū)域弱濾波的效果，以有效保持影像的細節(jié)信息。相位標準差反映了窗口中干涉相位的信噪比情況，干涉相位的信噪比越低，相位標準差就越大。相位標準差可利用窗口中同質(zhì)像素點的干涉相位求取。另外，文中對相位方差進行了按比例放大，以達到更好的濾波效果，該比例系數(shù)通過經(jīng)驗獲取。構(gòu)建的濾波參數(shù)模型可表示為

h=kδ2

(6)

式中，δ為局部相位標準差；k為比例系數(shù)。通過計算估計窗口中同質(zhì)像素點的相位標準差δ即可獲得該窗口內(nèi)的濾波參數(shù)h。

1.2相干性估計

相干目標點的選取是相干目標法中一個至關(guān)重要的步驟，通常是利用相干系數(shù)圖來選取穩(wěn)定的目標點。兩幅影像之間的相干性可用相干系數(shù)衡量，兩個隨機平穩(wěn)序列S1和S2的相干系數(shù)的數(shù)學(xué)表達式為[14]

(7)

式中，E{·}表示求取期望值，然而在實際情況中期望值很難獲取，因此常常假設(shè)兩個隨機平穩(wěn)序列S1和S2是各經(jīng)歷態(tài)的，用估計窗口中N個像素的空間平均值來替代期望值。因此相干系數(shù)的估值可表示為[14]

(8)

為了保證上式的平穩(wěn)性，需要有足夠的樣本點參與計算，然而窗口太大會引入異質(zhì)像素和系統(tǒng)相位，導(dǎo)致隨機序列S1和S2非平穩(wěn)。為了保證估計窗口內(nèi)像素的散射特性平穩(wěn)性，本文基于像元點在時序SAR影像中的后向散射強度序列進行同分布檢驗，選取后向散射特性相近的點作為同質(zhì)像素點，并參與后續(xù)的相關(guān)系數(shù)計算。

另外，DEM誤差、大氣效應(yīng)、地表形變等系統(tǒng)相位的存在，同樣會引起信號出現(xiàn)非平穩(wěn)性，需要將其從差分干涉圖中去除。差分干涉圖可以用正弦函數(shù)波模型表示[18]

I=e-iφs+vs

(9)

式中，φs和vs分別為像素點s的系統(tǒng)相位和隨機噪聲。一般用戶通常應(yīng)用條紋頻率估計算法來補償系統(tǒng)相位的影響，其中極大似然條紋頻率估計算法較為簡單實用，文獻[17]首次將其應(yīng)用到相干性估計中并取得了較好的效果。具體做法是選取一定大小的窗口對差分干涉圖進行二維傅里葉變換，根據(jù)極大似然原則選取頻譜峰值對應(yīng)的頻率為局部條紋頻率，經(jīng)過傅里葉逆變換即可獲得該頻率對應(yīng)的相位趨勢面，然后將該相位從差分干涉圖中去除。窗口內(nèi)部的條紋特征與窗口大小有關(guān)。窗口越大，系統(tǒng)相位呈現(xiàn)非線性的概率越大，導(dǎo)致窗口內(nèi)非線性相位不能通過傅里葉變換去除。因此，在傅里葉變換過程中需要窗口足夠小以有效地去除非線性的系統(tǒng)相位。但是，較小的估計窗口易引起估計的系統(tǒng)相位包含大量的相位噪聲，尤其在失相干嚴重的情況下。本文采用估計多尺度的極大似然條紋頻率的方法[22]，即通過選取不同尺度的估計窗口來獲取系統(tǒng)相位。該方法能夠有效去除DEM誤差、地表形變、大氣相位等影響，保證估計窗口內(nèi)相位的平穩(wěn)性。首先選取較大的窗口進行極大似然條紋頻率估計，并將獲取的相位趨勢面與差分干涉圖進行共軛相乘處理以將其去除，然后再依次選用較小的窗口對干涉圖的殘余相位進行上述處理，以有效地分離系統(tǒng)相位。最后基于同質(zhì)像素點來計算窗口中心點的相干系數(shù)。

2試驗結(jié)果與分析

2.1試驗區(qū)概況

本文共收集了20景方位向和距離向分辨率為3 m的TerraSAR-X影像，拍攝時間為2008年10月至2009年12月，雷達入射波長為3.2 cm，入射角為37.3°，為升軌影像。試驗區(qū)為香港東部的填海區(qū)域，范圍約為3 km×3 km。圖2為利用20景SAR影像進行非相干疊加獲取的平均強度影像。

圖2　TerraSAR-X平均強度影像Fig.2　The average intensity image of TerraSAR-X

2.2干涉圖濾波

為了評價該濾波方法的濾波性能，選取2009年12月6日和2009年12月17日兩景影像進行干涉分析，垂直基線長為103m。首先基于20景SAR強度影像序列進行KS檢驗，選取窗口內(nèi)后向散射特性近似的同質(zhì)像素點，其中所選用的窗口大小為15×15。然后利用自適應(yīng)空間非局部濾波方法對干涉圖進行濾波處理，局部窗口大小為5×5，比例系數(shù)為20。

圖3(見文末)中第1行分別為原始差分干涉圖3(a)、空間均值濾波3(b)、Goldstein濾波3(c)和本文濾波3(d)的結(jié)果，其中空間均值濾波和Goldstein濾波所選取的窗口大小分別為15×15和16×16。為了比較3種濾波方法在干涉圖細節(jié)保持方面的效果，本文將黑色實線所示的特征區(qū)域進行了局部放大，如圖3中第2行所示。另外，文中選取圖3中第1行黑色虛線所示區(qū)域作為試驗區(qū)并計算其相位標準差σφ，以客觀地衡量3種濾波方法的在相位噪聲去除方面的效果，計算結(jié)果如表1所示。由于該區(qū)域地勢較為平坦且成像時間間隔較短(11d)，其地形相位和形變相位均可忽略不計。比較圖3中濾波后干涉圖和表1中干涉圖的相位標準差可知，原始干涉圖由于受到各種失相干因素的影響，相位噪聲較大，黑色虛線所示區(qū)域的相位標準差達到1.37。干涉圖經(jīng)過空間均值濾波后，相位噪聲減弱，但是丟失了干涉圖的相位細節(jié)信息，圖中橢圓形實線區(qū)域的結(jié)構(gòu)信息損失嚴重。經(jīng)Goldstein濾波后，干涉圖的相位噪聲得到了抑制，細節(jié)結(jié)構(gòu)特征同時得到保持。相比前兩種濾波方法，本文方法能夠更加有效地削弱干涉圖的相位噪聲，而且該方法的細節(jié)保持能力更強，濾波后的結(jié)果與原始干涉圖更為吻合，這說明時空同質(zhì)濾波方法在抑制相位噪聲和細節(jié)特征保持方面都可以取得很好的效果。

表1　干涉圖的相位標準差

2.3相干性估計

本文應(yīng)用估計多尺度的極大似然條紋頻率方法來去除干涉圖中DEM誤差、地表形變、大氣相位等系統(tǒng)相位。為了去除差分干涉圖中多尺度的系統(tǒng)相位，根據(jù)經(jīng)驗共選取3種尺度的估計窗口，分別為50×50、30×30、10×10，并依次將利用該窗口進行極大似然條紋頻率估計獲取的相位趨勢面從差分干涉圖中去除。之后基于KS檢驗所獲取的同質(zhì)目標點對已去除系統(tǒng)相位的差分干涉圖進行相干性估計。

圖4分別為利用傳統(tǒng)方法和本文方法所估計的相干圖，其中相干性估計所采用的窗口大小為7×7。為了更好地顯示兩種方法估計的相干圖的差別，文中對白色實框所示區(qū)域進行了局部而放大。比較可知，采用傳統(tǒng)的固定窗口方法由于引入了異質(zhì)像素，其獲取的相干圖細節(jié)保持能力很差；而本文方法可以獲取更可靠、空間特征更鮮明的相干圖。另外，本文方法在相干性估計之前去除了地表形變、地形相位、大氣效應(yīng)等系統(tǒng)相位，保證了窗口中像素點的相位平穩(wěn)性，提高了相干性估計值。

圖4　相干系數(shù)圖Fig.4　The coherence map

2.4相干目標法時序處理

本文以垂直基線250 m、時間間隔360 d為限制條件，基于20幅SAR影像共選取了171對干涉對。之后，利用本文所述的時空同質(zhì)濾波和相干性估計方法對干涉圖進行處理，并利用相干圖選取平均相干系數(shù)大于0.4的點作為高相干候選點。首先選取34幅空間基線較長、時間間隔較短的干涉對初步反演DEM誤差，并將其模擬相位從差分干涉圖中減去。隨后將處理的差分干涉圖進行空間低通濾波、空間解纏及SVD分解，以獲取差分干涉圖的大氣相位。最終利用相干性較高的104幅干涉圖反演獲得線性形變速率和DEM誤差。所選取的104幅干涉圖的時空基線情況如圖5所示，點號代表SAR影像，實線代表兩幅影像形成干涉對，橫軸為SAR影像成像時間，縱軸為相對于主影像20090511的垂直基線。

圖5　所用干涉對的時空基線分布Fig.5　Temporal-spatial baselines of the used interferograms

圖6分別為利用傳統(tǒng)相干目標法和本文方法獲取的監(jiān)測期間內(nèi)LOS方向的線性形變速率，底圖為平均強度影像，參考點位于試驗區(qū)左上角，負值代表下降。選擇時間相關(guān)系數(shù)0.8為閾值，傳統(tǒng)相干目標法最終獲取了29 868個測量點，而改進后的相干目標法則獲取了262 799個測量點，約為傳統(tǒng)相干目標法測量點數(shù)量的9倍。增加的測量點主要集中于試驗區(qū)中后向反射強度較低的裸土、瀝青路面等同分布目標區(qū)域。這主要是因為這些目標點易受基線失相關(guān)和時間失相關(guān)的影響，其干涉圖相干性低于設(shè)定的閾值而被舍棄。本文方法首先基于同質(zhì)目標點對干涉圖進行空間非局部濾波，有效地降低了干涉圖的相位噪聲。同時，基于同質(zhì)像素點對已去除系統(tǒng)相位的干涉圖進行相干性估計，提高了干涉圖相干性的估值，可以獲取更多的相干目標候選點，最后對相干目標候選點的相位進行時序分析獲得了大量的有效監(jiān)測點。圖6右下角為紅色實線所示試驗區(qū)的局部放大圖，基本為裸土區(qū)域，易發(fā)生失相關(guān)現(xiàn)象，這使得傳統(tǒng)相干目標法很難在該區(qū)域獲得有效的結(jié)果，而本文方法可有效降低該區(qū)域的干涉相位噪聲，從而獲取更多的有效監(jiān)測點。

從差分干涉圖中減去估計的大氣相位、模型相位，并對殘差相位進行空間低通濾波處理以削弱相位噪聲的影響。隨后對濾波后的殘差相位進行空間相位解纏及SVD分解獲取非線性形變時序相位。圖7為相干目標點A在2008年10月至2009年12月期間的形變量時序變化。圖7(a)為利用傳統(tǒng)相干目標法獲取的時序結(jié)果，圖7(b)為利用改進后的相干目標法獲取的結(jié)果，縱軸為SAR影像獲取時間，起始時間為2008年10月，橫軸為形變量。黑色十字為SAR影像拍攝時間對應(yīng)的累計形變量，紅色實線代表估計的線性形變速率。比較可知，改進后的相干目標法獲取的形變序列具有更高的信噪比，這主要是因為時空同質(zhì)濾波技術(shù)能夠有效地減弱干涉圖的相位噪聲。除此之外，本文方法可以獲取更多的目標點，從而更有效地估計和去除大氣相位的影響。

圖7　相干目標A的形變時序Fig.7　The deformation series of coherent point A

3結(jié)論

本文提出了一種改進的相干目標算法，將時空同質(zhì)濾波和除去信號非平穩(wěn)性的相干性估計應(yīng)用于小基線集數(shù)據(jù)處理流程中。時空同質(zhì)濾波有效地減弱了干涉圖的相位噪聲，保持了干涉圖的細節(jié)特征；相干性的平穩(wěn)估計實現(xiàn)了對干涉圖相干性的可靠估計，同時避免了影像空間分辨率的損失。試驗結(jié)果表明改進后的相干目標法能夠充分獲取目標點的相位信息，極大地增加了監(jiān)測點的數(shù)量，提高了InSAR監(jiān)測結(jié)果的可靠性和范圍，同時有效地降低了干涉圖的相位噪聲，增加了時序形變結(jié)果的信噪比。

圖3　干涉圖Fig.3　Interferogram

圖6　LOS方向線性形變速率Fig.6　Linear deformation velocity in LOS direction

參考文獻：

[1]FERRETTI A, PRATI C, ROCCA F. Nonlinear Subsidence Rate Estimation Using Permanent Scatterers in Differential SAR Interferometry[J]. IEEE Transactions on Geosciences and Remote Sensing, 2000, 38(5): 2202-2212.

[2]FERRETTI A, PRATI C, ROCCA F. Permanent Scatterers in SAR Interferometry[J].IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20.

[3]MORA O, MALLORQUI J J, BROQUETAS A. Linear and Nonlinear Terrain Deformation Maps from a Reduced Set of Interferometric SAR Images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(10): 2243-2252.

[4]HOOPER A. A Multi-temporal InSAR Method Incorporating both Persistent Scatterer and Small Baseline Approaches[J]. Geophysical Research Letters, 2008, 35(16): L16302.

[5]PERISSIN D, WANG Teng. Repeat-pass SAR Interferometry with Partially Coherent Targets[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(1): 271-280.

[6]張永紅, 張繼賢, 龔文瑜, 等. 基于SAR干涉點目標分析技術(shù)的城市地表形變監(jiān)測[J]. 測繪學(xué)報, 2009, 38(6): 482-487, 493.

ZHANG Yonghong,ZHANG Jixian, GONG Wenyu, et al. Monitoring Urban Subsidence Based on SAR Interferometric Point Target Analysis[J]. Acta Geodaetica et Cartographica Sinica, 2009, 38(6): 482-487, 493.

[7]GOLDSTEIN R M, WERNER C L. Radar Interferogram Filtering for Geophysical Application[J]. Geophysical Research Letters, 1998, 25(21), 4035-4038.

[8]DELEDALLE C A, DENIS L, TUPIN F. Iterative Weighted Maximum Likelihood Denoising with Probabilistic Patch-based Weights[J]. IEEE Transactions on Image Processing, 2009, 18(12): 2661-2672.

[9]DELEDALLE C A, DENIS L, TUPIN F. NL-InSAR: Nonlocal Interferogram Estimation[J]. IEEE Transactions on Geoscience and Remote Sensing,2011, 49(4): 1441-1452.

[10]FERRETTI A, FUMAGALLI A, NOVALI F, et al. A New Algorithm for Processing Interferometric Data-stacks: SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9): 3460-3470.

[11]GOELK, ADAMN. An Advanced Algorithm for Deformation Estimation in Non-urban Areas[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2012, 73: 100-110.

[12]夏耶. 干涉雷達滑坡監(jiān)測關(guān)鍵技術(shù)探討[C]∥中國地球物理學(xué)會第29屆學(xué)術(shù)研討會論文集.昆明: [s.n.], 2013.

XIA Y. Study on InSAR Technology Key Methodology for Landslide Monitoring[C]∥Proceedings of the 29th Symposium of Chinese Geophysical Society. Kunming：[s.n.]，2013.

[13]LI Jinwei, LI Zhenfang, BAO Zheng, et al. Noise Filtering of High-resolution Interferograms over Vegetation and Urban Areas with a Refined Nonlocal Filter[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(1): 77-81.

[14]TOUZI R, LOPES A, BRUNIQUEL J, et al. Coherence Estimation for SAR Imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(1): 135-149.

[15]GUARNIERI A M, PRATI C. SAR Interferometry: A “Quick and Dirty” Coherence Estimator for Data Browsing[J]. IEEE Transactions on Geoscience and Remote Sensing,1997, 35(3): 660-669.

[16]LEE J S, CLOUDE S R,PAPATHANASSIOU K P,et al. Speckle Filtering and Coherence Estimation of Polarimetric SAR Interferometry Data for Forest Applications[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(10): 2254-2263.

[17]ZEBKER H A,CHEN K.Accurate Estimation of Correlation in InSAR Observations[J]. IEEE Geoscience and Remote Sensing Letters, 2005, 2(2): 124-127.

[18]蔣彌, 丁曉利, 李志偉, 等.基于時間序列的InSAR相干性量級估計[J]. 地球物理學(xué)報, 2013, 56(3): 799-811.

JIANG Mi,DING Xiaoli,LI Zhiwei, et al. InSAR Coherence Magnitude Estimation Based on Data Stack[J]. Chinese Journal of Geophysics, 2013, 56(3): 799-811.

[19]STEPHENS M A. Use of the Kolmogorov-Smirnov, Cramér-Von Mises and Related Statistics without Extensive Tables[J]. Journal of the Royal Statistical Society， Series B (Methodological), 1970, 32(1): 115-122.

[20]SCHMITT M, SCHONBERGER J L, STILLA U. Adaptive Covariance Matrix Estimation for Multi-baseline InSAR Data Stacks[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(11): 6807-6817.

[21]JIANG Mi, DING Xiaoli, HANSSEN R F, et al. Fast Statistically Homogeneous Pixel Selection for Covariance Matrix Estimation for Multitemporal InSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(3): 1213-1224.

[22]WANG Yuanyuan, ZHU Xiaoxiang, BAMLER R. Retrieval of Phase History Parameters from Distributed Scatterers in Urban Areas Using Very High Resolution SAR Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012, 73: 89-99.

[23]ZEBKER H A, VILLASENOR J. Decorrelation in Interferometric Radar Echoes[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(5): 950-959.

[24]BUADES A, COLL B, MOREL J M. A Non-local Algorithm for Image Denoising[C]∥Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego, CA:IEEE, 2005, 2: 60-65.

(責(zé)任編輯：叢樹平)

修回日期： 2015-07-12

First author： WANG Mingzhou (1989—), male, master of science,majors in the research on InSAR data processing and Remote Sensing applications.

E-mail： wangmingzhou@whu.edu.cn

An Improved Coherent Targets Technology for Monitoring Surface Deformation

WANG Mingzhou1,LI Tao1,JIANG Liming2,XU Kan1,WU Wenhao1

1. GNSS Center, Wuhan University, Wuhan 430079, China; 2. Institute of Geodesy and Geophysics, Chinese Academy of Sciences, Wuhan 430077, China

Abstract：How to obtain a more comprehensive collection of coherent points from interferometric datasets and analyze deformation time-series is the difficult and hot spot in current research. An improved coherent targets technology is proposed, which can obtain a more comprehensive and reliable collection of coherent points and improve temporal-spatial resolution and precision of deformation signal. Based on similar backscattering properties of the same ground object, non-parametric hypothesis test is used to extract the homogeneous pixels and nonlocal filter is applied to improve the quality of interferogram. Meanwhile, the systematic phase is removed based on multi-resolution maximum likelihood estimation (MLE) of fringes algorithm, then the coherence of homogeneous pixels is estimated stationarily. Thereby more coherent points can be obtained. 20 TerraSAR-X stripmap images are exploited by the conventional CT and the proposed method to investigate the ground deformation of the reclaimed lands in Hong Kong. Experimental results show that this method can effectively improve the density of coherent points in the reclaimed lands with sparse vegetation and obtain a more reliable result.

Key words：coherent points; interferogram filter; coherence; TerraSAR-X; deformation

作者簡介：第一 王明洲(1989—)，男，碩士，研究方向為InSAR數(shù)據(jù)處理及遙感應(yīng)用。

收稿日期：2015-03-02

基金項目：國家自然科學(xué)基金(41274048)

中圖分類號：P237

文獻標識碼：A

文章編號：1001-1595(2016)01-0036-08

引文格式：王明洲，李陶，江利明，等.地表形變監(jiān)測的改進相干目標法[J].測繪學(xué)報，2016,45(1)：36-43.DOI:10.11947/j.AGCS.2016.20140617.

WANG Mingzhou, LI Tao, JIANG Liming,et al.An Improved Coherent Targets Technology for Monitoring Surface Deformation[J]. Acta Geodaetica et Cartographica Sinica,2016,45(1):36-43.DOI:10.11947/j.AGCS.2016.20140617.