Interferometric Phase Map Segmentation Algorithm Based on an Adaptive Optimization Tolerance Granularity Space Model

Yifan Feng

doi:10.1109/jstars.2026.3709326

Interferometric Phase Map Segmentation Algorithm Based on an Adaptive Optimization Tolerance Granularity Space Model

2026-01-01

0

PRE

AI

DOI：10.1109/jstars.2026.3709326

原文链接

原文求助

摘要

En 中文

在大规模和复杂环境下，利用统一方法对干涉合成孔径雷达（InSAR）的整个干涉相位图（IPM）进行相位解缠时，通常会出现误差传播问题，即低质量区域的噪声扩散至整个IPM，从而降低整体解缠精度。为解决此问题，基于相位质量和噪声分布对IPM进行分割，并实施区域特异性处理是一种合理且可行的策略。提出了一种基于自适应优化容差粒空间模型（TGSM）的IPM分割算法。首先将IPM均匀划分为子块，每个子块作为TGSM的原始对象。采用包括干涉图幅度方差、相位梯度标准差等在内的五维特征进行分割。引入加权平方欧氏距离作为容差关系中的相似性度量，并通过搜索最优相似性度量阈值来控制容差粒的递归合并。由此构建了一个由粗到细的多级TGSM，用于将复杂的InSAR IPM划分为多个区域。为提升性能，采用自适应遗传算法确定特征权重；采用自适应相似性度量阈值搜索和阈值区间边界扩展策略以提高合并可靠性；通过小子区域合并避免解缠后拼接误差可能超过预分割解缠的益处。Sentinel-1A数据的实验表明，所提算法能有效分割IPM中不同质量的区域，其结果在所有四种评价指标上均优于其他三种对比方法。

Keyword:

Algorithms

Optimization

Merging

Modeling

Distance measurement

Educational institutions

Indexes

Indexing

Art

Noise

Interferometric phase map (IPM) segmentation

tolerant granular space

complex geographical environment

genetic algorithm

adaptive threshold interval expansion

Interferometric Phase Map Segmentation Algorithm Based on an Adaptive Optimization Tolerance Granularity Space Model

摘要

期刊

机构

引用论文