一种基于梯度向量域上字典学习的有效InSAR相位滤波

作     者：罗晓梅 索志勇 刘且根 LUO Xiao-mei;SUO Zhi-yong;LIU Qie-gen

作者机构：西安电子科技大学综合业务网理论及关键技术国家重点实验室西安710071 南昌大学信息工程学院南昌330031 西安电子科技大学雷达信号处理国家重点实验室西安710071 中国科学院深圳先进技术研究院深圳518055 

出 版 物：《工程数学学报》 (Chinese Journal of Engineering Mathematics)

年 卷 期：2015年第32卷第6期

页      面：801-811页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61362001 51165033) 

主　　题：InSAR 相位降噪 字典学习 l1-范数正则化 交替方向乘子法 

摘      要：本文提出了一种基于梯度向量域上字典学习的InSAR相位的降噪算法.首先利用字典学习,建立了干涉相位滤波的优化模型.鉴于该模型难以求解,本文采用分裂技术和增广拉格朗日框架,获得非线性约束松弛优化模型,最后引入交替方向乘子法对松弛问题求解,获得最终的相位滤波结果.具体地,通过先从InSAR复相位图的水平和垂直梯度域依顺序训练字典,然后从这两个梯度向量的稀疏表达式出发重建所需的干涉相位图.对仿真和实测数据的处理结果显示这种新的InSAR相位降噪方法在残点数、均方误差和边缘完整性保持等方面优于几种经典的滤波方法.