(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號(hào)CN115963498B(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)(73)專利權(quán)人中南大學(xué)地址410083湖南省長(zhǎng)沙市麓山南路932號(hào)(72)發(fā)明人李佳鐘文杰郭磊馮娟娟李志強(qiáng)吳俊輝(74)專利代理機(jī)構(gòu)長(zhǎng)沙歐諾專利代理事務(wù)所(普通合伙)43234專利代理師歐穎梁捷審查員紀(jì)艷華(54)發(fā)明名稱一種冰川區(qū)InSAR大梯度相位解纏方法本發(fā)明提供一種冰川區(qū)InSAR大梯度相位解纏方法，包括以下步驟：基于冰川區(qū)DEM差分值的干涉圖模擬技術(shù)生成訓(xùn)練樣本，通過構(gòu)建的一個(gè)卷積層和Transformer混合的對(duì)稱相位解纏網(wǎng)絡(luò)模型對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練后，將預(yù)測(cè)的相位不連續(xù)信息作為概率質(zhì)量圖輸入到最大流\最小割算發(fā)明利用深度學(xué)習(xí)強(qiáng)大的學(xué)習(xí)總結(jié)能力和數(shù)據(jù)2所述步驟1中，通過選取冰川覆蓋山區(qū)的SRTM(ShuttleRadarTopographyMission)所述步驟1的具體過程包括：統(tǒng)一兩期DEM高程基準(zhǔn)，配準(zhǔn)兩期DEMDEM差分圖模擬地形差分相位圖，隨后添加模擬的大氣湍流噪聲，高斯噪聲，隨機(jī)形狀的大振幅噪聲，大振幅噪聲用于模擬水體和山體陰影引起的嚴(yán)重去相關(guān)，估計(jì)添加噪聲后模擬干涉相位的相干性，最后將模擬的絕對(duì)相位進(jìn)行纏繞得到模擬纏繞相位圖；步驟2、通過構(gòu)建的一個(gè)卷積層和Transformer混合的對(duì)稱相位解纏網(wǎng)絡(luò)模型對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練；所述步驟2中，構(gòu)建了一個(gè)CNN和Transformer混合的對(duì)稱相位解纏架構(gòu)GTPU-Net,包括編碼器、解碼器和添加注意力機(jī)制的跳躍連接skipconnection;模型編碼器的基本單元為根據(jù)模擬的纏繞相位圖基于“相位連續(xù)性假設(shè)”計(jì)算得到殘差圖，根據(jù)模擬的纏繞相位圖位置裁剪得到冰川邊界，最后將殘差圖、冰川邊界和干涉圖作為深度學(xué)習(xí)模型三個(gè)通道輸入的特征；根據(jù)模擬的絕對(duì)相位圖計(jì)算相位不連續(xù)點(diǎn)，將相位不連續(xù)點(diǎn)圖作為深度學(xué)習(xí)模型的輸出；步驟3、將預(yù)測(cè)的相位不連續(xù)信息作為概率質(zhì)量圖輸入到最大流\最小割算法中，進(jìn)行所述步驟3具體包括：在馬爾可夫隨機(jī)場(chǎng)中定義能量函數(shù)，將相位不連續(xù)性信息作為纏繞計(jì)數(shù)估計(jì)中使用的相位變化先驗(yàn)知識(shí)，構(gòu)建馬爾可夫有向圖，根據(jù)能量函數(shù)計(jì)算有向圖各邊的權(quán)重，基于最大流\最小割算法求解使能量函數(shù)最小化的纏繞計(jì)數(shù)k,完成相位解纏。3技術(shù)領(lǐng)域[0001]本發(fā)明屬于星載合成孔徑雷達(dá)干涉測(cè)量技術(shù)領(lǐng)域，具體涉及到一種冰川區(qū)InSAR大梯度相位解纏方法。背景技術(shù)[0002]在全球氣候變暖大背景下，冰川處于物質(zhì)快速流失并逐漸失穩(wěn)的狀態(tài)。由于冰川物質(zhì)體積和質(zhì)量巨大，冰川大規(guī)模突然分離(也稱冰川崩塌)可引發(fā)嚴(yán)重山地災(zāi)害。近期多項(xiàng)研究發(fā)現(xiàn)冰川在發(fā)生大規(guī)模突然分離前往往有明顯的躍動(dòng)跡象。另外冰川躍動(dòng)本身也能導(dǎo)致一些山地災(zāi)害，例如躍動(dòng)冰體快速消融產(chǎn)生的融水引發(fā)泥石流，躍動(dòng)冰體阻塞峽谷導(dǎo)致堰塞湖洪水，躍動(dòng)體破壞冰川湖引發(fā)冰湖潰決洪水。因此監(jiān)測(cè)冰川躍動(dòng)對(duì)于冰川災(zāi)害感知具有重要指導(dǎo)意義。由于冰川躍動(dòng)會(huì)使冰川表面高程產(chǎn)生顯著變化，冰面高程變化監(jiān)測(cè)是研究冰川躍動(dòng)的重要手段之一。星載合成孔徑雷達(dá)干涉測(cè)量技術(shù)(InSAR)具備全天候觀年德國(guó)TanDEM-X單發(fā)雙收影像數(shù)據(jù)推出后，InSAR技術(shù)在冰川表面高程變化監(jiān)測(cè)領(lǐng)域得到較廣泛的應(yīng)用。[0003]相位解纏是InSAR技術(shù)獲取地表高程的核心步驟。由于一般SAR影像生成的山區(qū)原始干涉相位條紋十分密集，直接解纏的成功率極低，需要將原始相位與外部DEM模擬的地形相位作差，再對(duì)差分相位進(jìn)行解纏。將展開的差分相位轉(zhuǎn)換成高程差，加上外部DEM后可得到新的DEM。傳統(tǒng)的相位解纏方法幾乎都基于相位連續(xù)性假設(shè)，即相鄰像元之間的相位差的不超過π。但在冰川發(fā)生躍動(dòng)或崩塌時(shí)，表面高程變化可能導(dǎo)致InSAR差分相位圖上相鄰像元之間的相位差超過π。采用傳統(tǒng)方法解纏會(huì)使展開相位存在明顯的跳變，最終導(dǎo)致生成的InSARDEM在關(guān)鍵目標(biāo)區(qū)存在粗差，無法用于估計(jì)冰川表面高程變化。[0004]傳統(tǒng)的InSAR相位解纏方法幾乎都基于相位連續(xù)性假設(shè)，即相鄰像元之間的相位差不超過。當(dāng)相位連續(xù)性假設(shè)條件被冰川區(qū)域顯著高程變化導(dǎo)致的劇烈相位變化或噪聲破壞時(shí)，傳統(tǒng)相位解纏方法無法獲取準(zhǔn)確的展開相位。此外，即便相位連續(xù)性假設(shè)條件能夠滿于優(yōu)化的方法易將相位梯度較大區(qū)域的解纏錯(cuò)誤傳播到整個(gè)解纏區(qū)域；基于統(tǒng)計(jì)的方法處理干涉數(shù)據(jù)的效率較低，對(duì)計(jì)算機(jī)硬件設(shè)備要求高。[0005]現(xiàn)有深度學(xué)習(xí)相位解纏方法還存在如下問題：(1)現(xiàn)有方法大多直接在模擬數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，這使得模型對(duì)真實(shí)InSAR干涉相位空間分布特征考慮不足，在復(fù)雜地形下容易出現(xiàn)相位分類不平衡問題；(2)現(xiàn)有方法設(shè)計(jì)的網(wǎng)絡(luò)相對(duì)較淺，難以擬合殘差較多的相位數(shù)據(jù)，且采用的深度學(xué)習(xí)模型幾乎都以卷積層作為基本單元，模型性能受到卷積層對(duì)特征的全局位置不敏感、難以跟蹤圖像中遠(yuǎn)距離依賴關(guān)系等問題的限制；(3)由于相位纏繞計(jì)數(shù)估計(jì)以范數(shù)最小為準(zhǔn)則，易將錯(cuò)誤預(yù)測(cè)的相位梯度信息傳播到整個(gè)區(qū)域。[0006]因此，本領(lǐng)域需要一種冰川區(qū)InSAR大梯度相位解纏方法。4發(fā)明內(nèi)容[0007]本發(fā)明的目的是提供一種冰川區(qū)InSAR大梯度相位解纏方法，以解決背景技術(shù)中提出的傳統(tǒng)的InSAR相位解纏方法幾乎都基于相位連續(xù)性假設(shè)，皆存在不同的缺點(diǎn)的問題。[0008]本發(fā)明的技術(shù)方案是，一種冰川區(qū)InSAR大梯度相位解纏方法，包括以下步驟：[0010]步驟2、通過構(gòu)建的一個(gè)卷積層和Transformer混合的對(duì)稱相位解纏網(wǎng)絡(luò)模型對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，[0011]步驟3、將預(yù)測(cè)的相位不連續(xù)信息作為概率質(zhì)量圖輸入到最大流\最小割算法中，進(jìn)行相位纏繞計(jì)數(shù)估計(jì)，完成相位解纏。[0012]在一種具體的實(shí)施方式中，所述步驟1中，通過選取冰川覆蓋山區(qū)的SRTM(ShuttleRadarTopographyMission)DEM數(shù)據(jù)和COP[0013]在一種具體的實(shí)施方式中，所述步驟1的具體準(zhǔn)兩期DEM,差分兩期DEM,基于DEM差分圖模擬地形差分相位圖，隨后添加模擬的大氣湍流噪聲，高斯噪聲，隨機(jī)形狀的大振幅噪聲，大振幅噪聲用于模擬水體和山體陰影引起的嚴(yán)重去相關(guān)，估計(jì)添加噪聲后模擬干涉相位的相干性，最后將模擬的絕對(duì)相位進(jìn)行纏繞得到模擬纏繞相位。[0014]在一種具體的實(shí)施方式中，所述步驟2中，根據(jù)模擬的纏繞相位圖基于“相位連續(xù)性假設(shè)”計(jì)算殘差圖，根據(jù)模擬相位圖位置裁剪冰川標(biāo)簽圖，最后將以上兩種因子和模擬的纏繞相位圖作為深度學(xué)習(xí)模型三個(gè)通道輸入的特征；根據(jù)模擬的絕對(duì)相位圖計(jì)算相位不連續(xù)點(diǎn)，將相位不連續(xù)點(diǎn)圖作為深度模型的輸出。[0015]在一種具體的實(shí)施方式中，所述步驟2中，構(gòu)建了一個(gè)CNN和Transformer混合的對(duì)稱相位解纏架構(gòu)GTPU-Net,包括編碼器、解碼器和添加注意力機(jī)制的跳躍連接(skipconnection);模型編碼器的基本單元為VisionTransformer。[0016]在一種具體的實(shí)施方式中，所述步驟3具體包括：在馬爾可夫隨機(jī)場(chǎng)中定義能量函數(shù)，將相位不連續(xù)性信息作為纏繞計(jì)數(shù)估計(jì)中使用的相位變化先驗(yàn)知識(shí)，構(gòu)建馬爾可夫有向圖，根據(jù)能量函數(shù)計(jì)算有向圖各邊的權(quán)重，基于最大流\最小割算法求解使能量函數(shù)最小化的纏繞計(jì)數(shù)k,完成相位解纏。[0017]本發(fā)明的有益效果包括：[0018]1、本發(fā)明利用深度學(xué)習(xí)強(qiáng)大的學(xué)習(xí)總結(jié)能力和數(shù)據(jù)挖掘能力，擺脫了相位解纏對(duì)相位連續(xù)性假設(shè)的依賴。[0019]2、本發(fā)明利用冰川區(qū)DEM差分值來模擬雙站InSAR差分相位，并根據(jù)冰川區(qū)相位特征添加多種噪聲，獲取InSAR相位訓(xùn)練樣本更加符合冰川表面高程變化監(jiān)測(cè)場(chǎng)景特征。[0020]3、本發(fā)明構(gòu)建一個(gè)卷積層和Transformer混合的對(duì)稱相位解纏網(wǎng)絡(luò)模型，通過跳躍連接來融合卷積模塊提取的局部信息和Transformer提取的全局信息，實(shí)現(xiàn)干涉圖像高精度分割，解決了卷積層對(duì)圖像特征的全局位置不敏感和難以跟蹤圖像中遠(yuǎn)距離依賴關(guān)系[0021]4、本發(fā)明基于馬爾可夫隨機(jī)能量場(chǎng)和最大流/最小割算法進(jìn)行纏繞計(jì)數(shù)估計(jì)，解決基于深度學(xué)習(xí)進(jìn)行回歸預(yù)測(cè)的展開相位再纏繞后與原始干涉相位的不一致的問題，同時(shí)抑制低相干區(qū)域錯(cuò)誤預(yù)測(cè)的相位梯度信息的傳播，使冰川區(qū)InSAR大梯度相位解纏結(jié)果更5附圖說明[0025]圖2為新路海某一冰川的干涉圖、基于GAMMA軟件最小費(fèi)用流方法生成的展開相[0026]圖3為新路海另一冰川的干涉圖、基于GAMMA軟件最小費(fèi)用流方法生成的展開相入柏林噪聲用于模擬大氣湍流對(duì)干涉相位的影響，以20%的概率加入二維高斯函數(shù)模擬的[0034]在初始的模擬相位圖中添加隨機(jī)復(fù)高斯噪聲，根據(jù)添加的噪聲估計(jì)干涉圖相干影等因素可能會(huì)引起嚴(yán)重去相關(guān)，以10%的概率將隨機(jī)形狀的大振幅噪聲加入模擬的相位方法基于纏繞計(jì)數(shù)將圖像分成多類的做法，本發(fā)明定義相位不6輸出數(shù)據(jù)。同時(shí)為了解決卷積層對(duì)特征的全局位置不敏感和難以跟蹤圖像中的遠(yuǎn)距離依賴[0037]本發(fā)明基于最大流/最小割理論和和相位不連續(xù)信息來估計(jì)相位纏繞計(jì)數(shù)，獲取h;和v;分別表示水平和垂直不連續(xù)性。[0045]本方法的目標(biāo)是求解使能量函數(shù)最小化的纏繞計(jì)數(shù)k。將GTPU-Net模型預(yù)測(cè)的水平和垂直方向上的相位連續(xù)性概率代替h和v,,作為纏繞計(jì)數(shù)估計(jì)中使用的相位變化先被映射到二值圖像上，并可以通過計(jì)算圖像上的最大流/最小割得到目標(biāo)函數(shù)的二元最小方法。[0047]本發(fā)明設(shè)計(jì)了計(jì)一個(gè)卷積層和7[0048]本發(fā)明不采用L1范數(shù)最小為準(zhǔn)則進(jìn)行纏繞計(jì)數(shù)估計(jì)，而是基于干涉圖構(gòu)建馬爾可夫有向圖，將深度學(xué)習(xí)模型預(yù)測(cè)的相位不連續(xù)性信息作為相位變化的先驗(yàn)信息輸入到最大流\最小割模型中，此方法能有效抑制深度學(xué)習(xí)模型錯(cuò)誤預(yù)測(cè)的相位梯度信息在相位纏繞計(jì)數(shù)估計(jì)中的傳播，相較于基于L1范數(shù)的纏繞計(jì)數(shù)估計(jì)法，本方法更具有魯棒性。[0049]本發(fā)明顧及冰川表面高程變化特征的InSAR相位訓(xùn)練樣本模擬技術(shù)?，F(xiàn)有的干涉圖模擬方法大多采用簡(jiǎn)單的數(shù)值模擬或DEM反算，對(duì)真實(shí)InSAR差分干涉相位空間分布特征考慮不足。本發(fā)明提出一種基于冰川區(qū)DEM差分值的干涉圖模擬方法，以多期DEM差分值模擬冰川區(qū)顯著高程變化導(dǎo)致的大梯度相位，再融合多源噪聲，充分還原真實(shí)冰川躍動(dòng)場(chǎng)景中InSAR差分干涉相位空間分布特征，提高了訓(xùn)練樣本的質(zhì)量，保證了模型訓(xùn)練的有效性。[0050]本發(fā)明考慮InSAR干涉圖全局特征的網(wǎng)絡(luò)模型構(gòu)建技術(shù)?，F(xiàn)有深度學(xué)習(xí)相位解纏方法采用的網(wǎng)絡(luò)模型的性能受到卷積層對(duì)特征全局位置不敏感、難以跟蹤圖像中遠(yuǎn)距離依賴關(guān)系等問題的限制。本發(fā)明構(gòu)建一個(gè)卷積層和Transformer混合的對(duì)稱相位解纏網(wǎng)絡(luò)模型，通過跳躍連接來融合卷積模塊提取的局部信息和Transformer提取的全局信息，實(shí)現(xiàn)干涉圖像高精度分割。[0051]本發(fā)明基于馬爾可夫隨機(jī)能量場(chǎng)和最大流/最小割算法的InSAR相位纏繞數(shù)估計(jì)技術(shù)?，F(xiàn)有相位纏繞數(shù)估計(jì)方法易將錯(cuò)誤預(yù)測(cè)的纏繞數(shù)梯度信息傳播到整個(gè)目標(biāo)區(qū)。本發(fā)明基于馬爾可夫隨機(jī)場(chǎng)設(shè)計(jì)一個(gè)顧及相位不連續(xù)性先驗(yàn)分布信息的能量函數(shù)，將干涉圖轉(zhuǎn)化為一個(gè)包含源點(diǎn)和匯點(diǎn)的有向圖，利用能量函數(shù)為有向圖邊賦權(quán)重，通過最大流/最小割算法來優(yōu)化纏繞數(shù)估計(jì)，有效抑制錯(cuò)誤預(yù)測(cè)的相位梯度信息的傳播。[0052]圖1展示了本發(fā)明提出的顧及冰川表面高程變化特征的InSAR相位訓(xùn)練樣本模擬方法生成的模擬數(shù)據(jù)，其中干涉圖、冰川邊界和殘差圖是深度學(xué)習(xí)模型的輸入數(shù)據(jù)，以相位不連續(xù)點(diǎn)預(yù)測(cè)圖作為輸出數(shù)據(jù)，隨后將不連續(xù)點(diǎn)預(yù)測(cè)圖作為InSAR質(zhì)量圖輸入到最大流/最小割算法中進(jìn)行纏繞計(jì)數(shù)估計(jì)，最后完成相位解纏。[0053]圖2、圖3展示了新路海冰川監(jiān)測(cè)的案例，冰舌區(qū)是冰川作用最活躍的地段，也是冰是利用本發(fā)明解纏方法，結(jié)合新路海冰川真實(shí)冰川的形態(tài)可知冰川部分已得到正確解纏。[0054]以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對(duì)本發(fā)明作的進(jìn)一步詳細(xì)說明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說明。對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單推演和替換，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù)范圍。7[0048]本發(fā)明不采用L1范數(shù)最小為準(zhǔn)則進(jìn)行纏繞計(jì)數(shù)估計(jì)，而是基于干涉圖構(gòu)建馬爾可夫有向圖，將深度學(xué)習(xí)模型預(yù)測(cè)的相位不連續(xù)性信息作為相位變化的先驗(yàn)信息輸入到最大流\最小割模型中，此方法能有效抑制深度學(xué)習(xí)模型錯(cuò)誤預(yù)測(cè)的相位梯度信息在相位纏繞計(jì)數(shù)估計(jì)中的傳播，相較于基于L1范數(shù)的纏繞計(jì)數(shù)估計(jì)法，本方法更具有魯棒性。[0049]本發(fā)明顧及冰川表面高程變化特征的InSAR相位訓(xùn)練樣本模擬技術(shù)?，F(xiàn)有的干涉圖模擬方法大多采用簡(jiǎn)單的數(shù)值模擬或DEM反算，對(duì)真實(shí)InSAR差分干涉相位空間分布特征考慮不足。本發(fā)明提出一種基于冰川區(qū)DEM差分值的干涉圖模擬方法，以多擬冰川區(qū)顯著高程變化導(dǎo)致的大梯度相位，再融合多源噪聲，充分還原真實(shí)冰川躍動(dòng)場(chǎng)景中InSAR差分干涉相位空間分布特征，提高了訓(xùn)練樣本的質(zhì)量，保證了模型訓(xùn)練的有效性。[0050]本發(fā)明考慮InSAR干涉圖全局特征的網(wǎng)絡(luò)模型構(gòu)建技術(shù)。現(xiàn)有深度學(xué)習(xí)相位解纏方法采用的網(wǎng)絡(luò)模型的性能受到卷積層對(duì)特征全局位置不敏感、難以跟蹤圖像中遠(yuǎn)距離依賴關(guān)系等問題的限制。本發(fā)明構(gòu)建一個(gè)卷積層和Transformer混合