基于条纹感知与稀疏网格求积信息滤波的多基线 InSAR 高程重建优化框架
《Remote Sensing》:A Hybrid Optimization Framework for Multi-Baseline InSAR Elevation Reconstruction Based on Sparse-Grid Quadrature Information Filtering
【字体:
大
中
小
】
时间:2026年09月28日
来源:Remote Sensing 4.3
编辑推荐:
摘要
为缓解干涉相位噪声引起的多基线InSAR高程重建退化问题,提出了一种结合条纹感知特征提取、统计估计和稀疏网格求积信息滤波的混合优化框架,称为HOF-SGQIF。在该框架中,首先利用基于深度学习的GAUNet检测网络从干涉图中提取条纹边界信息,然后将其划分为条纹边界区域
摘要为缓解干涉相位噪声引起的多基线InSAR高程重建退化问题,提出了一种结合条纹感知特征提取、统计估计和稀疏网格求积信息滤波的混合优化框架,称为HOF-SGQIF。在该框架中,首先利用基于深度学习的GAUNet检测网络从干涉图中提取条纹边界信息,然后将其划分为条纹边界区域和非条纹边界区域。对于条纹边界区域,采用最大似然估计(MLE)方法估计高程信息。对于非条纹边界区域,基于SGQIF的处理流程将快速局部相位梯度估计器与路径跟踪策略相结合,以恢复高程信息。通过将条纹边缘信息与信息滤波相结合,所提出的混合框架提高了多基线InSAR高程重建的准确性和效率。定量高程重建实验表明,与常规方法相比,所提出的方法能有效提升重建精度。该方法在有效重建场景高程信息的同时,保持了较强的抗噪声鲁棒性和较高的计算效率。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号