.png){kind=icon}
返回
An Improved Closed-Form Multi-Baseline Phase Unwrapping Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/rs18020214.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多基线相位解缠（PU）是单基线PU的扩展。其精度直接影响复杂场景下工程任务（如InSAR地形测绘和地质灾害监测）结果的可靠性，同时其效率决定了应急场景中数据交付的及时性。基于聚类分析（CA）的算法代表了多基线PU算法的重要进展，其中引入了像素聚类和均匀PU的策略。然而，在CA算法中，相位噪声会降低像素聚类性能，导致截距中心线的确定产生偏差，最终在模糊度数搜索中引入错误。此外，截距峰值和模糊度数的搜索增加了计算复杂度。为解决这些局限性并确保在实际应用中满足精度和效率要求，本文提出了一种改进的闭式多基线PU算法。与传统的CA算法相比，该算法具有以下四个改进：首先，引入了差分相位处理，这不仅缓解了相位噪声对像素聚类的影响，还为后续模糊度数求解提供了新的输入；其次，提出了一种新的理论截距计算方法，该方法仅依赖于外部参考数字高程模型（DEM）和模糊度高度；第三，为消除截距峰值搜索的需求并抑制错误截距的误差传播，算法中引入了截距滤波方法，该方法对所有像素的实际截距进行分类滤波；第四，为解决模糊度数搜索中的相位噪声敏感性和低效率问题，算法提出了一种基于中国剩余定理（CRT）的闭式模糊度数求解方法，通过构建并求解以滤波后的无误差截距为余数的CRT方程组，确保计算精度并提高求解效率。上述四点并非相互独立，而是逻辑上强相关且相互依存。通过一项模拟数据实验和两项真实数据实验验证了所提算法的有效性。该算法在三个数据集上均实现了精度和效率的提升：在精度方面，均方根误差（RMSE）至少降低11.52%，相位解缠成功率（PUSR）至少提高1.36%；在效率方面，运行时间至少缩短29.75%。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.1
论文数:
7.2K
被引数:
15.1W
机构
引用论文
Ferraiuolo, G.; Pascazio, V. A Bayesian Approach Based on Modified Markov Random Fields for Microwave Tomography. In Proceedings of the IEEE International Geoscience and Remote Sensing Symposium, Toronto, ON, Canada, 24–28 June 2002; Volume 6, pp. 3393–3395. [Google Scholar] [CrossRef]Ferraiuolo, G.; Pascazio, V. 一种基于改进马尔可夫随机场的微波层析成像贝叶斯方法。发表于IEEE国际地球科学与遥感 symposium 会议 proceedings，地点：加拿大安大略省多伦多市，时间：2002年6月24日至28日；第6卷，第3393-3395页。[Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏Lou, L.; Liu, Z.; Zhang, H.; Qian, F.; Huang, Y. TH-2 Satellite Engineering Design and Implementation. Acta Geod. Cartogr. Sin. 2020, 49, 1252–1264. [Google Scholar] [CrossRef]Lou, L.; Liu, Z.; Zhang, H.; Qian, F.; Huang, Y. TH-2卫星工程设计与实现。测绘学报，2020, 49, 1252–1264. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Image autocoregistration and InSAR interferogram estimation using joint subspace projection使用联合子空间投影的图像自配准和InSAR干涉图估计
PREAI
分享收藏Ye, X.; Yu, H. A Novel Loss Function for Deep Learning-Based One-Step Phase Unwrapping. In Proceedings of the IGARSS 2024—2024 IEEE International Geoscience and Remote Sensing Symposium, Athens, Greece, 7–12 July 2024; pp. 3498–3501. [Google Scholar] [CrossRef]Ye, X.; Yu, H. 一种基于深度学习的单步相位解包裹的新型损失函数。在《2024年IEEE国际地球科学与遥感 symposium IGARSS 2024 会议录》中，雅典，希腊，2024年7月7–12日；第3498–3501页。 [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容