一种基于多尺度时频分析的快速非局部均值InSAR相位滤波方法

摘要

本发明公开了一种基于多尺度时频分析的快速非局部均值InSAR相位滤波方法，结合小波包变换的多尺度时频分析特性以及非局部均值滤波的良好滤波效果，对InSAR相位信号进行去噪以平滑噪声，包括正余弦变换、小包波变换、非局部均值滤波以及小包波逆变换等，整个滤波方法简单易行，去噪效果好，提高了传统InSAR相位去噪算法的去噪精度，同时通过模拟数据及实际数据对比分析了不同滤波方法去噪性能，验证了该方法的有效性和优越性，具有较好的应用价值。

说明书

技术领域

本发明属于卫星遥感应用技术领域，具体涉及一种基于多尺度时频分析的快速非局部均值InSAR相位滤波方法。

技术背景

合成孔径雷达干涉测量是一种非常常见的遥感观测手段，其特点是范围大、全天候、多时相等，由于微波的穿透性，其几乎不受云层干扰，因此在地表形变监测中发挥着非常重要的作用，比如震后监测、火山运动、滑坡监测、冰川冻土、地下水开采等，这为政府的统筹规划及灾害防治提供很好的技术支持。InSAR技术获取一段时间的地表形变是利用了位于同一地区但不同时间内的雷达影像之间的干涉相位信号，在先进行影像配准后通过干涉相位的差分后获得与形变信号有关的差分相位，再经过对差分相位进行相位解缠，获得相对形变信号，最后再将视线向(LOS)的形变转化为垂直方向的形变信息，因此相位信号就显得尤为重要。

然而，在信号传输过程中SAR信号难免会受到各种噪声的影响，比如各种失相干现象，既包括时间上的，也包括空间上的，如大气对信号的延迟作用，系统的一些热噪声等，因此，对相位信号进行去噪显得尤为重要。信号滤波是常用的去噪手段，通过滤波处理可以提高相位信号的信噪比，对滤波后的干涉相位进行相位解缠从而提升干涉测量精度。在研究过程中，对InSAR信号的滤波已有诸多研究。文献资料(汪鲁才，王耀南，毛六平.基于小波变换和中值滤波的InSAR干涉图像滤波方法[J].测绘学报，2005，34(2)：108-112.)报道了一种基于小波变换和中值滤波对InSAR图像进行处理的方法；文献资料(龙钧宇，余爱民.基于小波包变换的非局部均值去噪方法[J].计算机与现代化，2013，000(011)：13-16.)提出了一种针对普通图像基于小波包变换的非局部均值去噪算法。小波包变换和快速非局部均值滤波方法是常见的两种算法，如何结合两种算法的优势对InSAR图像进行处理是一个值得研究的方向，在检索现有技术后，并没有发现采用类似方法对InSAR图像进行处理的报道。因此，本发明提出了一种基于小波包变换及快速非局部均值滤波算法的InSAR相位去噪方法。

发明内容

针对现有技术存在的不足，本发明提供了一种基于多尺度时频分析的快速非局部均值InSAR相位滤波方法，该算法结合小波包变换的多尺度时频分析特性以及非局部均值滤波算法的高精度特性，对具有条纹特性的InSAR相位的相位噪声进行滤波，提升了干涉测量精度。

为了实现上述目的，本发明采用如下技术方案：

一种基于多尺度时频分析的快速非局部均值InSAR相位滤波方法，结合小波包变换的多尺度时频分析特性以及非局部均值滤波的良好滤波效果，对InSAR相位信号进行去噪以平滑噪声，具体包括如下步骤：

S1：对InSAR相位信号进行正余弦变换处理；

S2：对S1步骤中经正余弦变换处理后的InSAR相位信号进行小波包变换，得含噪声的小波包系数，利用小波包变换的线性特点以及多时频分析特性将相位信号转换为小波包系数，小波包变换后的相位信号其噪声是一种均值为0的高斯白噪声；

S3：对S2步骤中所得含噪声的小波包系数进行非局部均值滤波，得滤波后的小波包系数，利用高斯白噪声的特点对InSAR相位噪声进行去除；

S4：对S3步骤中所得滤波后的小波包系数进行小波包逆变换，得滤波后的InSAR相位信号。

进一步的，S1步骤中所述正余弦变换处理在复平面内进行，利用正余弦变换在复数域内避免InSAR相位的相位跳变问题。

进一步的，步骤S1中所述正余弦变换的公式为：

其中，Φ

进一步的，S2步骤中经小波包变换处理后的InSAR相位信号噪声为加性噪声模型，并满足如下公式：

其中，N

进一步的，S2步骤中所述含噪声的小波包系数包含InSAR相位噪声，并满足如下公式：

其中，WPT

进一步的，步骤S3中所述滤波后的小波包系数包含的InSAR相位噪声为加性噪声，并满足如下公式：

x(i，j)＝s(i，j)+n(i，j)；

其中，x(i，j)表示滤波后的小波包系数，s(i，j)表示真实信号，n(i，j)则表示噪声信号。

进一步的，步骤S3中非局部均值滤波算法采用积分图像的方法进行加速以降低算法复杂度。

进一步的，滤波后的InSAR相位信号值为-π～π。

和现有技术相比，本发明的有益效果如下：

(1)本发明创造性地将小波包变换与非局部均值滤波算法相结合，用于InSAR相位滤波处理，通过对实部信号与虚部信号进行多尺度时频分析，从而避免了干涉相位信号的跳变问题；通过非局部均值滤波算法，更好地抑制相位噪声并保持信号细节信息，整个滤波方法简单易行，去噪效果好，提高了传统InSAR相位去噪算法的去噪精度。

(2)由于传统非局部均值滤波算法的复杂度较高在非局部均值滤波算法的基础，采用基于积分图像的加速算法提高进一步计算效率。

(3)针对本发明提供的滤波方法，通过模拟数据及实际数据对比分析了不同滤波方法去噪性能，验证了该方法的有效性和优越性，具有较好的应用价值。

附图说明

图1是本发明中小波包变换的算法原理图。

图2是本发明中非局部均值滤波的算法原理图。

图3是本发明实施例1的效果图。图中分别代表模拟数据、模拟数据加噪图、滤波后模拟图、真实数据、真实数据滤波图。

具体实施方式

下面结合附图和实施例对本发明作详细具体的说明。需要说明的是，下述实施例仅用于说明本发明而不用于限制本发明的范围。

实施例1

参照图1所示，小波包分解可以提供一种更加精细的方法，将时频平面分解的更加细致，对高频信号进行再分解的同时又引入了最优基选择的概念，提高了信号分析能力。本发明利用了小波包变换在多尺度时频分析中的优势作为基础来进行干涉相位信号去噪，对InSAR相位信号经过小波包变换后通过快速非局部均值滤波算法来进行信号滤波。其中，s表示原始信号，A，D分别代表低频与高频信号，每行代表小波包变换的层数。

参照图2所示，绿色部分代表目标像素，其中心为x；红色部分代表邻域块，其中心为y，包含着目标像素与邻域块的是灰色部分是目标像素的搜索框，其中心也为x，邻域块在搜索框内滑动，根据与目标区域的相似性来定权，最终实现非局部均值滤波的目的，使噪声得到平滑。

本发明提供的一种基于多尺度时频分析的快速非局部均值InSAR相位滤波方法，结合小波包变换的多尺度时频分析特性以及非局部均值滤波的良好滤波效果，对InSAR相位信号进行去噪以平滑噪声，具体包括如下步骤：

S1：在复平面内对InSAR相位信号进行正余弦变换处理；所述正余弦变换的公式为：

其中，Φ

S2：对S1步骤中经正余弦变换处理后的InSAR相位信号进行小波包变换，得含噪声的小波包系数；其中小波包变换为现有技术，本发明不做具体的阐述，具体实施可以参见文献资料1(Zha X，Fu R，Dai Z，et al.Noise reduction in interferograms using thewavelet packet transform and Wiener filtering[J].IEEE Geoscience and RemoteSensing Letters，2008，5(3)：404-408.)。

S2步骤中经小波包变换处理后的InSAR相位信号噪声为加性噪声模型，并满足如下公式：

其中，N

S2步骤中所述含噪声的小波包系数包含InSAR相位噪声，并满足如下公式：

其中，WPT

S3：对S2步骤中所得含噪声的小波包系数进行快速非局部均值滤波，得滤波后的小波包系数，非局部均值滤波采用积分图像的方法来对经典非局部均值滤波算法进行加速，滤波参数通过评价噪声水平来实现自适应；其中，积分图像法属于现有技术，本发明不做具体的阐述，具体实施可以参见文献资料2(FROMENT J.Parameter-Free FastPixelwise Non-Local Means Denoising[J/OL].Image Processing On Line，2014，4：300-326.DOI：10.5201/ipol.2014.120.)。

所述滤波后的小波包系数包含的InSAR相位噪声为加性噪声，并满足如下公式：

x(i，j)＝s(i，j)+n(i，j)；

其中，x(i，j)表示滤波后的小波包系数，s(i，j)表示真实信号，n(i，j)则表示噪声信号。

S4：对S3步骤中所得滤波后的小波包系数进行小波包逆变换(具体实施可以参见文献资料1)，得滤波后的InSAR相位信号，滤波后的InSAR相位信号值为-π～π。

采用上述实施例所述的算法，对数据进行分析，结果参见图3。

以上所述仅为本发明一个InSAR干涉相位滤波较佳的实施例而已，并不用以限制本发明所提供的InSAR干涉相位滤波方法，凡在本发明的精神和设计原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。