一、噪声消除算法在干涉SAR相位解缠中的应用研究（论文文献综述）
梁峰[1]（2021）在《基于深度学习的相位解缠算法研究》文中提出近年来,深度学习的应用越来越广泛,已经成为许多现代人工智能应用的基础。卷积神经网络以其强大的图像特征提取和学习能力成为最有潜力的深度神经网络模型之一,已大量应用于图像的识别与分类、SAR图像分类、光学干涉图重构等领域。相位解缠是合成孔径雷达干涉测量（Interferometry Synthetic Aperture Radar,InSAR）应用中的关键技术,同时亦是InSAR数据处理诸多过程中最为重要的步骤。目前,传统的相位解缠算法存在精度与解缠效率难以兼顾的问题,论文将瞄准InSAR智能化发展趋势,在深度学习理论框架下开展相位解缠技术研究,主要研究内容如下:1.分别对传统相位解缠算法包括路径跟踪类、最小范数类、非线性滤波类相位解缠算法进行研究,并在模拟和实测地形干涉图相位解缠实验中对各算法进行了分析与比较。2.针对复杂的相位解缠问题提出了一种基于全卷积Dense Net的相位解缠算法。模型架构中包含卷积层串联结构的密集块,使网络在干涉图特征提取与细节保持之间取得更好平衡,有利于提高网络的相位解缠精度与训练效率。实验结果表明该算法可对高信噪比干涉图具有较好的解缠效果。3.把U-net架构、空间金字塔池化（ASPP）网络以及瓶颈残差网络结合起来,提出了一种改进后的U-net相位解缠算法。该算法以U-net架构为基础,搭建鲁棒性较强的相位解缠网络,建立从缠绕相位到真实相位的映射关系;ASPP网络结合多尺度信息和扩张卷积的优势,将不同扩张率的扩张卷积特征图结合到一起来捕获丰富的上下文信息,能够在不牺牲特征空间分辨率的同时扩大特征接收野,有利于精确获取缠绕干涉图特征信息,增强了相位解缠算法的稳健性;瓶颈残差网络可使网络模型在减小参数计算量的同时防止网络退化,提高网络训练精度与效率。模拟与实测干涉图解缠结果表明该方法可获得与其他同类深度学习算法相比更稳健的结果。此外,为了配合上述算法研究,开展对InSAR数据集构建方法的研究,创建了由模拟地形、准实测地形以及数字高程模型数据产生的干涉图数据集。
宋明辉[2]（2021）在《基于信息融合的多通道InSAR高程反演研究》文中指出多通道合成孔径干涉雷达（Interferometry Synthetic Aperture Radar,InSAR）高程反演技术是一项突破传统单通道InSAR技术局限性而发展起来的三维成像技术,相对传统单通道InSAR技术可以在相位不连续的地形中获取高精度的数字高程模型（Digital Elevation Model,DEM）,吸引了越来越多的学者对此进行了研究。本文主要研究基于信息融合的多通道InSAR高程反演技术,其中主要研究内容有:（1）对多通道InSAR中国余数定理（CRT）算法、最大后验（MAP）算法、最大似然（ML）算法及相关改进算法等多种常用的多通道InSAR高程反演算法,进行了研究与分析。（2）提出一种基于ML估计的无味卡尔曼滤波（UKF）InSAR高程反演算法,通过构建稳健的UKF高程重建系统模型,融入ML估计高程信息与基于修正矩阵束模型（AMPM）局部相位梯度估计信息,从而突破相位连续性条件限制,获取目标地形的高程数据,不同类型地形的高程重建实验结果验证了该方法的有效性。（3）提出一种结合相位不连续检测策略、质量图引导法、AMPM局部相位梯度估计技术以及ML算法的多通道UKF高程反演方法,该方法利用相位不连续检测策略检测不连续边界点,在质量图引导的路径跟踪策略下进行多通道UKF高程反演,获得地形的高程估计值。该方法同时具有单通道InSAR技术和多通道InSAR技术的优点,从而在连续和不连续地形中都可以反演出较高精度的高程结果,且在多组实验地形下证明了算法的有效性。
徐有邈[3]（2021）在《基于卡尔曼滤波的干涉图相位解缠算法研究》文中进行了进一步梳理干涉合成孔径雷达（Interferometry Synthetic Aperture Radar,In SAR）是伴随现代信息技术的发展顺势而生的一种雷达观测技术,它具有精度高、覆盖面广等优点,利用这项技术可以快速准确地构建地表数字高程模型。而在In SAR技术中,获取地表高程模型需要经过多个步骤处理,相位解缠就是其中一个步骤,其解缠精度对高程模型的准确建立有重要影响,故论文主要针对In SAR技术中的关键步骤—干涉图相位解缠进行研究,主要研究内容如下:（1）对具有代表性的传统经典相位解缠算法,包括枝切法、质量图引导法、最小二乘法以及近几年的非线性滤波算法,包括无味卡尔曼滤波算法、基于扩展状态变量维数的容积卡尔曼滤波以及线性卡尔曼滤波算法进行了研究,并且通过仿真和实测数据实验对几类算法进行研究分析。（2）针对传统相位解缠算法难以精确解缠低信噪比干涉图的问题,提出渐消因子调节的无迹信息滤波相位解缠算法。首先,将系统模型方程扩展到泰勒级数二阶;其次,结合基于修正矩阵束模型相位梯度估计算法以及基于堆排序的路径跟踪策略来完成相位解缠工作;最后,通过实验证明了算法的有效性。（3）首次将秩滤波器运用于干涉图相位解缠中,提出了一种自适应秩滤波相位解缠算法。首先,利用基于修正矩阵束模型相位梯度估计算法获取所需的相位梯度信息;其次,在算法递推过程中利用残差信息对增益矩阵进行动态调整;最后,仿真和实测数据实验结果证明,该算法可以得到更加稳健的解缠结果。
张明宇[4]（2021）在《SAR图像的高程提取与大气校正算法研究》文中研究表明合成孔径雷达（SAR）是一种主动式的对地观测系统,因其全天时全天候的特点,被广泛应用在军事、农业等领域,其中合成孔径雷达干涉测量技术（InSAR）是20世纪末发展起来的,已经成为SAR研究领域重要的分支,利用干涉技术可以快速地对地表进行大范围观测,并获取数字高程模型（DEM）,DEM数据是对地形高程信息进行数字化模拟,高精度的DEM数据对测绘、气象、工程建设、军事等领域均具有重要意义。SAR差分干涉技术（DInSAR）是在InSAR技术上发展起来的,用于获取地表微形变信息,其测量精度可达毫米级,然而由于不同时刻成像的SAR图像的大气情况存在差异,因此不同的SAR图像进行干涉后会导致干涉图中包含大气延迟相位,导致形变提取结果产生较大的误差。基于上述两个方面,本文对SAR图像的高程提取和大气校正做了深入研究,主要研究结果如下:（1）本文通过SAR成像的原理与特点,说明了SAR图像干涉获取高程模型时存在的问题,并介绍了多基线InSAR原理,分析了基线对InSAR技术的影响,针对干涉对失相干和SAR图像的阴影叠掩等问题,提出了将长短基线迭代差分干涉与多基线DEM融合相结合的算法。并选取了一组多基线SAR图像,利用该算法提取了凉山附近山区的高程数据。将提取的高程数据与Google Earth的数据进行比对,结果表明在起伏较大区域的均方根误差由9.892米减小到6.150米。（2）时序差分技术可以很好的解决大气效应问题,通过选取在时序SAR图像中始终保持良好散射特性的永久散射体（PS）对差分干涉中的大气相位进行去除。本文介绍了目前最为广泛使用的永久散射体差分干涉技术（PSDInSAR）和小基线集差分干涉技术（SBAS-DInSAR）,对其中的关键算法高相干点的选取进行了研究,并对大气相位模型进行了分析,将大气相位分为垂直分层延迟相位和湍流相位,针对两种相位模型的特性分别进行去除。最后采用普安县与晴隆县区域的21幅COSMO-Sky Med图像,利用DORIS和Sta MPS软件,分离出大气相位,并分别提取该区域大气校正前后的形变速率,结果表明大气校正前后的形变速率标准差分别为47.74 mm/y和39.21 mm/y。
钱进[5]（2021）在《顾及地形因素的L1范数相位解缠方法研究》文中提出合成孔径雷达干涉测量（Interferometry Synthetic Aperture Radar,In SAR）技术在地表形变、海洋测绘、国土调查、环境监测、灾害分析、冰川研究、国防建设等方面具有不可替代的重要意义。本文阐明了SAR技术的蓬勃发展对我国的测绘事业具有举足轻重的意义。探讨了国内外In SAR技术的发展现状和存在的问题。选定了In SAR技术的关键技术部分进行攻关。介绍了SAR干涉测量的几何原理,理解了SAR影像数据的本质,帮助理解了贯穿整个In SAR数据处理流程的数据形式。通过公式推演,剖析了In SAR反演DEM过程中的误差源和误差模型。在深入理解In SAR数据处理流程的基础上,针对处理步骤的关键技术进行深入研究,在干涉相位图滤波和相位解缠方面进行了一些技术改进。取得的主要研究成果如下:（1）从理论上分析了两大类干涉图滤波算法,阐述了空间域滤波与频率域滤波各自的优点与局限。鉴于干涉图滤波步骤对后续的相位解缠工作存在重要影响,同时考虑地形变化对解缠算法提出的性能要求,实证了一种基于修正矩阵束模型（Amended Matrix Pencil Model,AMPM）的局部频率估计滤波方法,通过模拟数据和真实数据的多组实验,验证了该滤波算法的性能。（2）通过公式计算推导了各种经典的相位解缠算法,认识了相位解缠算法的本质,理解了各自的适用范围和局限性。通过对热门的网络流相位解缠算法的深入研究,在顾及不同地形的基础上,对传统的L1范数相位解缠算法进行了改进,将修正矩阵束模型与L1范数相位解缠算法相融合,在一定程度上限制相位解缠误差的传递,同时将地形坡度计算引入In SAR数据处理流程,提高了传统的L1范数相位解缠算法精度与效率。通过模拟数据和真实数据的多组实验,验证本文提出的解缠算法的精度可靠性和高效性。（3）开发了一款简单易懂的In SAR数据处理软件。该软件是基于MATLAB（R2020b）开发的,集成了In SAR数据处理的基本功能模块,包括干涉图相位滤波、相位解缠、相高转换、地理编码和DEM生产。旨在验证本文提出的滤波和解缠算法的实用性。该论文有图44幅,表16个,参考文献109篇。
明婧[6]（2020）在《多基线干涉SAR高精度高程反演方法研究》文中提出多基线干涉SAR技术通过融合多幅干涉图信息的方式,能够突破相位连续性约束条件,实现复杂地形下的高精度高程提取。本论文以高程反演原理为基础,主要研究高程反演过程中的相位解缠、高程反演公式以及基线估计问题。本文具体所作工作及创新如下:（1）针对多基线图割算法在基线数目有限时解缠精度不高的问题,提出改进的多基线图割相位解缠算法。以副干涉图参考点相位与主干涉图参考点相位成基线比值的方式,对副干涉图相位进行修正,代入最大后验概率相位估计模型,生成无噪声的多基线似然函数,减小副干涉图相位噪声对主干涉相位解缠的影响。通过仿真实验证明,该算法具备良好的陡变地形处理能力和噪声鲁棒性,且在基线数目有限的情况下,能够提升多基线相位解缠的精度。与不受限于基线数目的基于两段规划法的多基线相位解缠算法相比,在任何相干系数条件下,改进的多基线图割相位解缠算法具有最优的相位解缠结果。（2）针对传统基于高度相位的高程反演公式存在近似的问题,建立精确的基于绝对相位的高程反演公式。与传统公式相比,该公式使用绝对相位进行高程反演,减少了相位去平地的处理过程;使用像素点斜距矩阵,避免传统公式中因使用参考点斜距代替全局像素点斜距而引入的高程误差。通过误差分析,高度相位误差对传统公式的精度影响较大,为获取高精度高程,对相位解缠算法的精度要求较高;而基于绝对相位的高程反演公式仅对基线倾角估计误差、平台高度误差以及目标斜距误差敏感,因此在参数估计精确的情况下,绝对相位高程反演公式能够明显提高高程反演的精度。（3）研究基于卫星轨道参数的基线估计方法,通过计算卫星轨道中心点的方式估计空间基线,并根据主副天线相对位置关系来计算基线倾角。构建多基线高精度高程反演方法,包括干涉相位预处理、改进的多基线图割相位解缠、基于卫星轨道参数的基线估计以及基于绝对相位的高程反演等步骤。使用星载TerraSAR-X实测数据对该方法中各环节算法的有效性进行验证。实验表明对干涉相位进行改进多基线图割相位解缠以及绝对相位高程反演公式处理后,能够获得高精度的反演高程（精度为1m）。满足星载干涉SAR高程反演的应用需求。
程国旗[7]（2020）在《双波段相位解缠方法的研究》文中进行了进一步梳理相位解缠绕（Phase Unwrapping,PU）一直是InSAR干涉处理过程中的关键点和难点,也是InSAR数据处理的主要误差来源,制约着InSAR干涉结果的精度。倘若没有噪声或其他干扰的情况下,相位解缠绕更容易,解缠精度更高,通过对相位的偏导数进行积分运算就可以获得真实的相位差。然而,基于真实地形获得的影像数据中存在着由突变地形相位引起的雷达阴影、顶底倒置等现象,使得相位解缠绕处理变得更加困难。在实际需求驱动下,国内外多个项目开展了对多波段相位解缠的方法进行了研究。在对多波段相位解缠算法的研究中,一般的研究思路是以增加载波长度,扩大横向测量范围,在实际应用中可能会出现短波段的解缠精度较低的情况。差分滤波相位解缠方法作为已有的一种多波段相位解缠算法,可利用较长波段的解缠绕结果指导较短波段进行相位解缠,这为不同多波段相位解缠算法的结合提供了基础。本文结合TSPA双波段解缠理论、差分滤波解缠具体方法开展了一系列的研究及对比试验。本文针对已有的双波段相位解缠方法进行了研究,主要研究内容包括以下几个方面:（1）基于MATLAB语言,对TSPA双波的相位解缠算法理论进行实现,随后通过仿真数据设计了 TSPA双波段相位解缠算法和L1-norm单波段相位解缠算法对比实验,结果表明两种解缠算法均存在较短波段解缠精度较低的问题。（2）由于TSPA双波段相位解缠结果中短波段解缠结果精度较低等原因,为克服这一缺陷,结合差分滤波解缠算法的思想,提出基于TSPA的差分滤波双波段相位解缠算法。以更复杂的山谷地形仿真数据为研究对象,对TSPA差分滤波双波段相位解缠算法的性能进行分析及实验验证。最后,结合评价分析指标对本文方法性能进行归纳分析。本文基本实现了在复杂地形区域获得高精度解缠结果的算法,改善了复杂地形双波段相位解缠中短波段的解缠绕精度,均方根误差约0.85,接近于较长波段解缠绕结果的均方根误差。
高延东[8]（2019）在《面向高精度DEM的InSAR关键处理技术研究》文中进行了进一步梳理合成孔径雷达干涉测量（Interferometry Synthetic Aperture Radar,InSAR）技术已经在高精度数字高程模型（Digital Elevation Model,DEM）反演及大范围地表形变监测中得到了广泛的应用。InSAR技术具有全天候、全天时及效率高等优点,然而其数据处理步骤的准确性将直接影响获取DEM的精度和可靠性。干涉相位图滤波和相位解缠是InSAR干涉数据处理过程中关键的两个步骤,这两步质量的好坏将直接影响DEM精度,故此这两步一直是InSAR技术数据处理研究的热点和难点。本文研究了适用于条纹密集区域的干涉相位图滤波方法,并对噪声水平高及地形起伏变化大的相位解缠方法等问题进行研究。主要内容包括空间域及频率域对干涉相位图滤波结果的影响、无迹卡尔曼滤波相位解缠模型优化对单基线解缠结果的影响及多基线解缠方法模型的一些改进技术等。取得的主要研究成果如下:（1）对高精度DEM反演方法进行了较为细致、深入的研究。并对InSAR数据处理链路中每一步进行细致的理论介绍。分析了数据处理过程中主要的误差来源,为下面研究干涉相位图滤波及相位解缠提供理论和研究基础。（2）对几种空间域和频率域干涉相位图滤波方法进行了较为细致、深入的研究。由理论和实验结果表明大部分空间域滤波方法效率比较高,但滤波结果容易存在相位和分辨率的损失,尤其是在条纹密集区域。频率域干涉相位图滤波较空间域滤波能得到更好的结果,但在条纹密集区域仍然很难达到滤波同时避免相位损失的目的。而且传统的频率域滤波方法参数设置比较繁琐,滤波效率也比较低,这些因素都限制了该类方法的应用。本文结合空间域和频率域滤波的优点,提出了一种自适应两步干涉相位图滤波方法,该方法将空间域和频率域优点结合起来,不仅提高了滤波的精度,而且提高了滤波的效率。该方法针对滤波窗口设置问题进行了分析,提出了一种简单有效的滤波窗口自适应方法。通过模拟及真实数据实验表明,本文提出的自适应两步滤波方法可以更有效的在剔除残差点的同时避免相位损失,能获得较其它方法更好的滤波效果。（3）通过对几种卡尔曼滤波相位解缠方法的理论模型进行分析,提出了一种结合中值滤波的自适应无迹卡尔曼滤波相位解缠（AUKFMPU）方法。虽然自适应无迹卡尔曼滤波（AUKF）已经在其它领域得到了较好的应用,但是在相位解缠中还是首次被应用。将其与中值滤波结合起来应用到首颗国产C波段SAR卫星数据处理中,即:高分三号SAR（GF3-SAR）。通过模拟和真实数据表明,提出的AUKFMPU方法可以根据不同像素点误差的不同对模型进行自适应调整,增加解缠模型的噪声鲁棒性,从而提高了获取DEM的精度。并将其应用到GF3-SAR的数据处理中,经过实验对比分析表明,提出的AUKFMPU方法具有较好的噪声鲁棒性,获得了较其它方法更高精度的DEM结果。（4）针对地形起伏变化大引起相位不连续现象,提出了一种多基线UKFPU方法,解决了山地区域DEM反演精度差的难题。与单基线相位解缠方法（SB-PU）相比,多基线解缠方法（MB-PU）不受连续性假设的限制,故此MB-PU可以解决由地形起伏过大引起的相位不连续现象。然而,大多数MB-PU方法受到噪声抵御能力差,计算效率低等因素的限制。针对这个问题,本文基于两阶段编程方法（TSPA）,将UKF模型应用到MB-PU方法中,提出了一种基于两阶段编程的多基线UKFPU（TSPA-UKFPU）方法。具体的,该方法首先采用TSPA的第一步估计出距离向和方位向梯度,然后用中值滤波对估计出来的梯度进行轻微滤波,最后将最大堆策略和UKF模型结合起来对干涉相位进行解缠。通过对两组模拟数据及ALOS-L、TanDEM-X两组真实数据进行处理,采用高精度激光雷达点（ICESat）和Shuttle Radar Topography Mission（SRTM）对结果进行评估,并与SB-PU中的统计费用流解缠方法（SNAPHU）和传统的TSPA方法进行对比,实验结果分析表明,本文提出的TSPA-UKFPU是一种性能较好的MB-PU方法。该论文有图40幅,表12个,参考文献171篇。
蒋志彪[9]（2018）在《无人车载干涉合成孔径雷达障碍探测关键技术研究》文中研究表明干涉合成孔径雷达（Synthetic Aperture Radar Interferometry,InSAR）技术是一种高精度对地观测技术,能够实现全天时、全天候的对地观测,因而在测绘领域具有广泛的应用。针对无人车在野外复杂环境下障碍感知和探测的难题,无人车上的常规传感器的障碍感知能力较弱,比如,光学相机、激光雷达和红外探测器,提供的障碍感知信息有限,本文提出利用InSAR技术来获取车前地形和障碍信息,满足无人车在复杂化环境下的障碍探测需求。本文以无人车InSAR障碍探测关键技术为研究对象,主要研究内容分为两个部分:第一部分是根据无人车特点对无人车载InSAR多基线相位解缠绕技术进行研究;第二部分是对无人车载InSAR障碍图像特征进行研究。论文主要内容概括如下:1、研究了基于中国余数定理的多基线相位解缠绕算法。分析了基于经典中国余数定理的多基线相位解缠绕技术抗噪声性能,分析表明:在一定的噪声水平的条件下,基线参数和剩余数是影响其抗噪声性能的重要因素,限制其在实际中的广泛运用。本文通过引入最大公约数,构建了新的同余方程组,满足了两种鲁棒的中国余数定理的运用条件（搜索鲁棒的中国余数定理和闭合鲁棒的中国余数定理）,理论和仿真分析结论表明,两种鲁棒的中国余数定理的相位解缠绕的抗噪声性能不再受到剩余数的影响,其抗噪声性能得到了有效提高。2、研究了基于搜索-聚类分析的多基线相位解缠算法。传统搜索-聚类分析的多基线相位解缠绕技术中通过直方图统计来完成聚类,而在噪声情况下直方图统计存在类丢失,严重影响相位解缠结果的准确性。对于这种情况,本文提出了一种基于线性组合的改进方法,改进方法通过线性组合,减少了类数,拓宽了类间距,在一定程度上改善了在噪声影响下统计直方图类丢失的问题,改进算法中通过对线性组合参数进行优选能够很大程度上提高改进算法的准确度,使得抗噪声性能较传统聚类方法有较大的提高,而且执行效率跟传统算法一样快速高效。3、研究了基于闭合-聚类分析的多基线相位解缠算法。针对搜索-聚类分析的多基线相位解缠绕技术中存在噪声引起的虚假类问题,提出了一种基于闭合-聚类分析的多基线相位解缠算法。该方法通过引入模糊数差值集作为参考信息,并结合截距的统计直方包络图信息,可以有效地判别真实类和由噪声引起的虚假类,并通过虚假类滤波处理再重新聚类,对各类的模糊数向量不再需要进行重复搜索,而是直接通过模糊数差值集与模糊数向量一一对应关系获取,该算法性能比基于搜索-聚类分析的多基线相位解缠绕性能有所提高。在此基础上,将上述闭合聚类分析算法由二维情况推广到多维通用情况,理论分析与仿真实验的处理结果证明了所提方法的有效性。4、研究了无人车载InSAR障碍图像特征问题。以无人车载轨道InSAR系统为例,构建了无人车载轨道InSAR成像流程,并通过仿真数据和实测数据实验对成像流程进行了验证。在此基础上,根据获取的InSAR凹障碍、凸障碍图像,对凹障碍和凸障碍的散射特征、相干特征和高程特征进行分析,为凹障碍和凸障碍的特征提取和多特征联合检测奠定了基础。
陈振炜[10]（2017）在《国产合成孔径雷达卫星干涉数据处理关键技术研究》文中研究表明星载合成孔径雷达干涉（Interferometric Synthetic Aperture Radar,InSAR）技术通过微波相位的干涉信息实现地表三维重建或微小形变探测等应用。目前全球的InSAR卫星数量已逾数十颗,但我国仍然没有能够稳定服务于InSAR技术的卫星在轨工作,而随着我国在星载InSAR领域的加强规划和加大投入,关于星载InSAR技术的研究受到越来越多的重视,其中InSAR数据的基本处理技术是充分用好卫星数据的关键所在。中国遥感29号和高分3号在国内率先实现了干涉成像,是我国InSAR卫星发展的先驱和重要经验,而干涉数据处理则是国产合成孔径雷达（Synthetic Aperture Radar,SAR）卫星数据从实现干涉成像到具备干涉测量能力的关键技术之一,也是从干涉测量到发展常态化、业务化InSAR卫星的重要参考。本文就InSAR数据处理的若干关键技术展开研究,并侧重于挖掘拓展和切实用好国产SAR卫星干涉数据,同时通过本文提出和改进的处理技术,验证了中国遥感29号卫星和高分3号卫星已初步具备干涉测量的能力,并能够达到较高的干涉测量精度。本文的主要研究内容可分为四个方面:（1）困难条件下的InSAR影像精配准研究干涉对空间垂直基线大、空间平行基线时变快、观测区域的高程起伏大、两次观测时的脉冲重复频率差异较大、信噪比低或失相干等因素均会导致InSAR像对的偏移量估计精度低,进而引起InSAR影像配准困难。针对这些问题,本文充分考虑并详细分析了 InSAR观测时的具体成像几何特征和辐射特征在配准中定性和定量的影响,同时讨论总结了 InSAR影像配准的特性,给出了 InSAR影像配准的关键点。在此基础上提出了兼顾影像间相对几何变形较大、变换关系较复杂及失相干严重情况下的InSAR影像精配准方法,通过消除影像间复杂的非平移关系,并进行高质量配准点的自动定位和提取,通过实验证明了该方法能够提高配准精度、稳定性和计算效率。（2）InSAR相位噪声滤波改进方法研究InSAR相位滤波在滤除噪声的同时应尽可能完整地保留相位边缘和细节信息,小波分析方法作为一种时频局部化分析方法,能够有效的区分信号中的噪声和突变部分,本文在分析了 InSAR相位统计特征和失相干的基础上,对InSAR相位噪声进行建模,研究并提出了一种改进的小波域多尺度InSAR相位噪声滤波方法,并在该算法中利用了 InSAR相干图,为每个小波分解级生成自适应的掩膜,通过实验证明了该算法具有较好的噪声滤除能力以及相位边缘和细节的保持能力。（3）局部不连续及噪杂相位的解缠方法研究相位噪声和相位跳变是影响相位解缠精度的主要因素,本文在总结前人研究工作的基础上,针对InSAR像对相干性低或相位不连续等情况时解缠困难的问题,构建了干涉相位的马尔科夫随机场模型,并依此提出了一种改进的基于马尔科夫随机场的路径无关相位解缠方法。该算法通过构建先验分布,利用贝叶斯估计实现能量最小化,以重建原始相位场,类似于求解二次函数极小值的问题。同时算法中利用了干涉相位分布原理,对该随机模型优化定义了一个自适应的能量函数,并设计了基于梯度下降法的能量函数最小化迭代求解方法。该解缠方法克服了相位解缠中常见的问题,具有较好的鲁棒性和稳定性,对于局部相位不连续以及可能包含了无效信息区域的噪杂缠绕相位具有较好的解缠结果。（4）国产SAR卫星的InSAR技术测高及形变监测实验与评估遥感29号卫星和高分3号卫星是我国目前在轨运行的卫星中,具备一定的干涉成像能力的SAR卫星,是我国发展InSAR卫星的先驱和重要参考经验。而对于InSAR卫星的发展而言,形成干涉成像是前提,满足干涉测量是重点,而能够常态化、业务化地服务于InSAR技术领域则是目的。本文针对国产卫星遥感29号、高分3号的干涉数据,采用所提出的数据处理方法,进行高程测量和地表形变监测的实验和分析,验证本文的处理方法,同时验证了目前国产SAR卫星在干涉成像、干涉测量方面的能力,并评估了测量精度。
二、噪声消除算法在干涉SAR相位解缠中的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、噪声消除算法在干涉SAR相位解缠中的应用研究（论文提纲范文）
（1）基于深度学习的相位解缠算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景 |
| §1.2 国内外研究历史与现状 |
| §1.2.1 相位解缠算法研究历史与现状 |
| §1.2.2 深度学习研究历史与现状 |
| §1.3 本文研究内容 |
| 第二章 InSAR技术原理 |
| §2.1 InSAR高程测量原理 |
| §2.2 InSAR干涉相位提取地表高程信息流程 |
| §2.3 本章小结 |
| 第三章 传统相位解缠算法研究 |
| §3.1 基于路径跟踪的相位解缠算法 |
| §3.1.1 枝切法 |
| §3.1.2 质量图引导算法 |
| §3.2 基于最小范数的相位解缠算法 |
| §3.2.1 基于FFT的最小二乘法 |
| §3.2.2 迭代最小二乘法 |
| §3.3 基于无迹卡尔曼滤波的相位解缠算法 |
| §3.4 实验分析 |
| §3.4.1 模拟干涉图实验分析 |
| §3.4.2 实测干涉图实验分析 |
| §3.5 本章小结 |
| 第四章 卷积神经网络模型研究 |
| §4.1 卷积神经网络模型 |
| §4.1.1 网络模型架构的选择 |
| §4.1.2 激活函数的选择 |
| §4.1.3 损失函数选择 |
| §4.1.4 网络参数初始化 |
| §4.1.5 优化算法选择 |
| §4.1.6 学习率变化策略 |
| §4.1.7 过拟合与欠拟合解决策略 |
| §4.2 经典图像语义分割网络 |
| §4.2.1 SegNet网络 |
| §4.2.2 U-net网络 |
| §4.2.3 DeeplabV3+网络 |
| §4.3 本章小结 |
| 第五章 基于深度学习相位解缠算法研究 |
| §5.1 基于深度学习的相位解缠模型 |
| §5.2 基于FC-DenseNet的相位解缠算法 |
| §5.2.1 基于FC-DenseNet相位解缠网络 |
| §5.2.2 InSAR干涉图数据集 |
| §5.2.3 实验分析 |
| §5.3 基于改进的U-net相位解缠算法 |
| §5.3.1 残差模块 |
| §5.3.2 ASPP模块 |
| §5.3.3 基于改进的U-net相位解缠网络 |
| §5.3.4 网络训练及计算机参数配置 |
| §5.4 实验分析 |
| §5.4.1 模拟干涉图分析(一) |
| §5.4.2 模拟干涉图分析(二) |
| §5.4.3 实测干涉图分析 |
| §5.5 本章小结 |
| 第六章 全文总结与展望 |
| §6.1 全文总结 |
| §6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士期间的主要研究成果 |
（2）基于信息融合的多通道InSAR高程反演研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景与意义 |
| §1.2 国内外研究现状 |
| §1.3 本文研究内容 |
| 第二章 多通道InSAR基本原理 |
| §2.1 InSAR技术原理 |
| §2.2 多通道InSAR高程反演原理 |
| §2.3 本章小结 |
| 第三章 常用的多通道InSAR高程反演算法 |
| §3.1 CRT高程反演算法及其改进算法 |
| §3.1.1 多通道CRT高程反演 |
| §3.1.2 基于封闭式鲁棒聚类和最优基线组合滤波的CRT算法 |
| §3.2 实验分析 |
| §3.3 ML高程反演算法及其改进算法 |
| §3.3.1 多通道ML估计算法 |
| §3.3.2 基于EKF的多通道ML估计算法 |
| §3.4 实验分析 |
| §3.5 MAP高程反演算法及其改进算法 |
| §3.5.1 多通道MAP估计高程算法 |
| §3.5.2 基于全变分模型的多通道MAP算法 |
| §3.6 实验分析 |
| §3.7 本章小结 |
| 第四章 基于信息融合的多通道InSAR高程反演算法 |
| §4.1 结合ML的无味卡尔曼滤波InSAR高程反演算法 |
| §4.1.1 基于修正矩阵束的局部相位梯度估计原理 |
| §4.1.2 无味卡尔曼滤波原理 |
| §4.1.3 MLUKF算法 |
| §4.1.4 算法流程 |
| §4.2 实验分析 |
| §4.3 结合相位不连续检测策略的多通道UKF高程反演算法 |
| §4.3.1 相位不连续检测策略 |
| §4.3.2 质量图引导法 |
| §4.3.3 PPDSUKF高程反演及算法流程 |
| §4.4 实验分析 |
| §4.5 本章小结 |
| 第五章 全文总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间主要研究成果 |
（3）基于卡尔曼滤波的干涉图相位解缠算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景与意义 |
| §1.2 国内外研究历史与现状 |
| §1.3 本文研究内容 |
| 第二章 InSAR技术原理 |
| §2.1 InSAR基本原理 |
| §2.2 InSAR处理流程 |
| §2.3 相位解缠基本原理 |
| §2.4 本章小结 |
| 第三章 InSAR传统典型相位解缠算法 |
| §3.1 基于路径跟踪策略的相位解缠算法 |
| §3.1.1 枝切法 |
| §3.1.2 质量图引导法 |
| §3.2 基于最小范数的相位解缠算法 |
| §3.2.1 基于FFT的最小二乘法 |
| §3.2.2 基于DCT的四向最小二乘法 |
| §3.3 非线性滤波相位解缠算法 |
| §3.3.1 无味卡尔曼滤波相位解缠算法 |
| §3.3.2 无迹信息滤波相位解缠算法 |
| §3.3.3 基于扩展状态变量维数的容积卡尔曼滤波相位解缠算法 |
| §3.3.4 基于扩展状态变量维数的线性卡尔曼滤波相位解缠算法 |
| §3.4 解缠算法实验分析 |
| §3.4.1 模拟干涉图实验分析 |
| §3.4.2 实测干涉图实验分析 |
| §3.5 本章小结 |
| 第四章 改进的干涉图相位解缠算法研究 |
| §4.1 基于渐消因子调节的无迹信息滤波相位解缠算法 |
| §4.1.1 渐消因子调节的无迹信息滤波算法 |
| §4.1.2 实验分析 |
| §4.2 一种自适应秩滤波相位解缠算法 |
| §4.2.1 自适应秩滤波相位解缠算法 |
| §4.2.2 实验分析 |
| §4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士期间的主要研究成果 |
（4）SAR图像的高程提取与大气校正算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 基于SAR干涉技术(InSAR)的高程提取 |
| 1.1.2 基于时序差分干涉技术的大气校正 |
| 1.2 国内外研究现状 |
| 1.2.1 高程提取的研究现状 |
| 1.2.2 大气校正的研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 合成孔径雷达干涉测量技术原理 |
| 2.1 合成孔径雷达原理 |
| 2.1.1 SAR成像原理 |
| 2.1.2 SAR图像特点 |
| 2.2 InSAR基本原理 |
| 2.3 InSAR处理流程 |
| 2.4 InSAR技术的局限性 |
| 2.5 多基线InSAR基本原理 |
| 2.5.1 多基线干涉相位解缠 |
| 2.5.2 长短基线的迭代差分干涉算法 |
| 2.5.3 多基线DEM融合 |
| 2.6 本章小结 |
| 第三章 基于多基线InSAR的高程提取研究 |
| 3.1 多基线InSAR高程提取 |
| 3.1.1 主从影像选取 |
| 3.1.2 主从影像配准 |
| 3.1.3 干涉图生成 |
| 3.1.4 去平地效应 |
| 3.1.5 干涉图滤波 |
| 3.1.6 相位解缠 |
| 3.2 高程提取结果与分析 |
| 3.3 高程提取质量评价 |
| 3.4 本章小结 |
| 第四章 基于时序差分干涉技术的大气校正算法研究 |
| 4.1 差分干涉技术基本原理 |
| 4.2 永久散射体差分干涉测量技术 |
| 4.2.1 PS-DInSAR基本原理 |
| 4.2.2 PS点的选取算法 |
| 4.2.3 PS-DInSAR处理流程 |
| 4.3 小基线集差分干涉测量技术 |
| 4.3.1 SBAS-DInSAR基本原理 |
| 4.3.2 SBAS-DInSAR处理流程 |
| 4.4 差分干涉技术中的大气相位模型分析 |
| 4.4.1 大气相位建模 |
| 4.4.2 大气相位去除 |
| 4.5 本章小结 |
| 第五章 时序卫星SAR图像的大气相位校正 |
| 5.1 研究区域概况及实验数据简介 |
| 5.1.1 研究区域概况 |
| 5.1.2 实验数据简介 |
| 5.2 数据处理 |
| 5.2.1 基线分析与主影像选取 |
| 5.2.2 基于InSAR的外部高程数据获取 |
| 5.2.3 干涉图生成和高相干点选取 |
| 5.2.4 相位模型分析与大气相位估计 |
| 5.3 大气校正结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）顾及地形因素的L1范数相位解缠方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 章节安排 |
| 2 In SAR测量基本原理 |
| 2.1 In SAR获取DEM基本原理 |
| 2.2 干涉处理误差分析 |
| 2.3 本章小结 |
| 3 基于修正矩阵束的局部频率估计滤波方法 |
| 3.1 干涉图滤波概述 |
| 3.2 局部频率估计滤波方法概述 |
| 3.3 修正矩阵束模型 |
| 3.4 评价指标 |
| 3.5 实验分析 |
| 3.6 本章小结 |
| 4 顾及地形因素的L~1范数相位解缠方法 |
| 4.1 相位解缠概述 |
| 4.2 常用相位解缠方法 |
| 4.3 结合修正矩阵束模型的L~1范数相位解缠方法 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 5 软件实现与实验 |
| 5.1 软件开发背景 |
| 5.2 软件功能模块 |
| 5.3 数据实验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）多基线干涉SAR高精度高程反演方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外发展动态 |
| 1.2.1 干涉SAR系统国内外发展动态 |
| 1.2.2 多基线干涉SAR技术的国内外发展动态 |
| 1.3 本论文的结构安排 |
| 第二章 多基线干涉SAR技术基础 |
| 2.1 引言 |
| 2.2 干涉SAR测高原理 |
| 2.2.1 基于高度相位的高程反演公式 |
| 2.2.2 基于高度相位的高程反演公式误差分析 |
| 2.3 多基线干涉SAR相位解缠原理 |
| 2.4 多基线干涉SAR处理流程 |
| 2.5 本章小结 |
| 第三章 多基线干涉SAR相位解缠方法研究 |
| 3.1 引言 |
| 3.2 基于图割的多基线最大后验概率相位解缠方法 |
| 3.2.1 基于最大后验概率的展开相位估计模型 |
| 3.2.2 基于图割理论的能量最优算法 |
| 3.2.3 仿真实验分析 |
| 3.3 改进的多基线图割相位解缠算法 |
| 3.3.1 改进多基线图割相位解缠算法的基本原理 |
| 3.3.2 改进多基线图割相位解缠算法流程图 |
| 3.3.3 仿真实验分析 |
| 3.4 基于两段规划法的多基线相位解缠方法 |
| 3.4.1 单基线相位解缠框架 |
| 3.4.2 基于两段规划法的多基线相位解缠框架 |
| 3.4.3 仿真实验分析 |
| 3.5 本章小结 |
| 第四章 多基线高精度高程反演方法研究 |
| 4.1 引言 |
| 4.2 基于绝对相位的高程反演公式 |
| 4.2.1 基于绝对相位的高程反演公式误差分析 |
| 4.2.2 星载干涉SAR仿真实验分析 |
| 4.3 基于卫星轨道参数的基线估计方法 |
| 4.4 多基线高精度高程反演方法 |
| 4.4.1 星载TerraSAR-X数据简介 |
| 4.4.2 TerraSAR基线参数估计 |
| 4.4.3 多基线高精度高程反演处理流程 |
| 4.4.4 TerraSAR实测数据高程反演结果 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）双波段相位解缠方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 多波段相位解缠算法研究现状 |
| 1.3 软件研究现状 |
| 1.4 论文结构及工作安排 |
| 2 相位解缠 |
| 2.1 相位解缠理论 |
| 2.2 单基线相位解缠 |
| 2.3 多基线相位解缠 |
| 2.4 本章小结 |
| 3 基于TSPA的差分滤波双波段相位解缠 |
| 3.1 双波段InSAR相位解缠算法 |
| 3.2 双波段InSAR基本原理 |
| 3.3 TSPA双波段InSAR相位解缠方法 |
| 3.4 TSPA的差分双波段相位解缠算法 |
| 3.5 滤波算法 |
| 3.6 本章小结 |
| 4 实验与分析 |
| 4.1 模拟仿真数据 |
| 4.2 仿真数据实验分析 |
| 4.3 本章小结 |
| 5 总结和展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
| 学位论文数据集 |
（8）面向高精度DEM的InSAR关键处理技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文的组织结构 |
| 2 InSAR解算高精度DEM的理论及误差模型 |
| 2.1 InSAR解算高精度DEM的理论模型 |
| 2.2 InSAR技术流程化处理步骤 |
| 2.3 InSAR解算高精度DEM的误差模型 |
| 2.4 误差分析 |
| 2.5 本章小结 |
| 3 一种窗口自适应两步干涉相位图滤波方法 |
| 3.1 干涉相位图滤波概述 |
| 3.2 常规干涉相位图滤波方法概述 |
| 3.3 两步干涉相位图滤波方法研究 |
| 3.4 一种简单有效的窗口自适应方法 |
| 3.5 评价指标 |
| 3.6 实验分析 |
| 3.7 本章小结 |
| 4 基于自适应无迹卡尔曼滤波(AUKF)的相位解缠方法 |
| 4.1 单基线相位解缠理论基础 |
| 4.2 常规单基线相位解缠方法概述 |
| 4.3 卡尔曼滤波相位解缠方法 |
| 4.4 AUKF相位解缠方法研究 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 5 基于两阶段编程的多基线相位解缠方法 |
| 5.1 多基线相位解缠理论基础 |
| 5.2 常规多基线相位解缠方法概述 |
| 5.3 多基线UKF相位解缠方法研究 |
| 5.4 实验分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）无人车载干涉合成孔径雷达障碍探测关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 无人车的兴起和发展 |
| 1.1.2 无人车环境感知难点 |
| 1.1.3 基于干涉成像雷达进行无人车障碍探测的意义 |
| 1.2 无人车载障碍成像雷达国内外研究现状 |
| 1.3 干涉关键技术国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 无人车载InSAR相位解缠技术分析 |
| 1.4 本文的主要研究工作和内容安排 |
| 第二章 无人车载InSAR成像基本理论 |
| 2.1 引言 |
| 2.2 SAR干涉测量基本原理 |
| 2.2.1 单基线InSAR测量原理 |
| 2.2.2 多基线InSAR测量原理 |
| 2.3 单/多基线InSAR相位解缠绕 |
| 2.4 无人车载InSAR系统 |
| 2.4.1 系统天线构型 |
| 2.4.2 轨道InSAR系统工作原理 |
| 2.5 本章小结 |
| 第三章 基于中国余数定理的多基线相位解缠 |
| 3.1 引言 |
| 3.2 基于经典中国余数定理的多基线相位解缠 |
| 3.2.1 经典中国余数定理 |
| 3.2.2 相位解缠绕原理 |
| 3.2.3 维数拓展分析 |
| 3.2.4 抗噪声性能分析 |
| 3.3 基于搜索鲁棒的中国余数定理的多基线相位解缠 |
| 3.3.1 搜索鲁棒的中国余数定理 |
| 3.3.2 相位解缠绕原理 |
| 3.3.3 抗噪声性能分析 |
| 3.4 基于闭合鲁棒的中国余数定理的多基线相位解缠 |
| 3.4.1 闭合鲁棒的中国余数定理 |
| 3.4.2 相位解缠绕原理 |
| 3.4.3 抗噪声性能分析 |
| 3.5 实验与分析 |
| 3.5.1 算法性能分析 |
| 3.5.2 算法时间分析 |
| 3.6 本章小结 |
| 第四章 基于搜索-聚类分析的多基线干涉相位解缠 |
| 4.1 引言 |
| 4.2 传统搜索-聚类分析的多基线相位解缠 |
| 4.2.1 相位解缠绕原理及处理步骤 |
| 4.2.2 直方图聚类中类丢失问题 |
| 4.3 改进搜索-聚类分析的多基线相位解缠 |
| 4.3.1 类丢失问题的拓展分析 |
| 4.3.2 改进算法原理 |
| 4.3.3 参数优选原则 |
| 4.3.4 改进算法的处理步骤 |
| 4.4 实验与分析 |
| 4.4.1 算法性能分析 |
| 4.4.2 算法时间分析 |
| 4.5 本章小节 |
| 第五章 基于闭合-聚类分析的多基线干涉相位解缠 |
| 5.1 引言 |
| 5.2 基本原理 |
| 5.2.1 搜索聚类分析算法问题分析 |
| 5.2.2 闭合聚类分析算法原理分析 |
| 5.2.3 闭合聚类分析算法描述 |
| 5.2.4 算法验证和性能分析 |
| 5.3 闭合算法维数拓展分析 |
| 5.3.1 三维闭合算法分析 |
| 5.3.2 三维闭合算法描述和实验分析 |
| 5.3.3 多维闭合算法分析 |
| 5.4 本章小结 |
| 第六章 无人车载InSAR成像实验与障碍图像特征分析 |
| 6.1 引言 |
| 6.2 无人车载InSAR障碍成像 |
| 6.2.1 成像流程 |
| 6.2.2 仿真成像实验 |
| 6.2.3 实测成像实验 |
| 6.3 障碍图像特征分析 |
| 6.3.1 散射图像特征分析 |
| 6.3.2 相干图像特征分析 |
| 6.3.3 高程图像特征分析 |
| 6.3.4 障碍图像特征结论 |
| 6.4 本章小结 |
| 第七章 结束语 |
| 7.1 全文工作总结 |
| 7.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）国产合成孔径雷达卫星干涉数据处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 InSAR影像对配准的研究 |
| 1.2.2 基线参数和平地相位估计的研究 |
| 1.2.3 InSAR相位滤波的研究 |
| 1.2.4 InSAR相位解缠的研究 |
| 1.3 研究内容和论文组织结构 |
| 2 InSAR测量机理和数据处理 |
| 2.1 SAR定位几何模型 |
| 2.2 InSAR地形测量 |
| 2.2.1 InSAR地形测量几何 |
| 2.2.2 平地相位估计 |
| 2.2.3 基线参数误差 |
| 2.3 DInSAR地表形变探测 |
| 2.3.1 DInSAR地表形变探测几何 |
| 2.3.2 地形相位估计 |
| 2.3.3 地表形变测量误差 |
| 2.4 InSAR数据基本处理 |
| 2.4.1 SAR影像结构与干涉计算 |
| 2.4.2 InSAR数据基本处理方法 |
| 3 困难情况下InSAR影像配准改进方法 |
| 3.1 InSAR影像配准特征 |
| 3.2 InSAR影像配准经典方法 |
| 3.3 顾及相对变形大和失相干严重的InSAR影像配准 |
| 3.3.1 InSAR影像对配准关系和关键问题分析 |
| 3.3.2 顾及相对变形大和失相干严重的配准方法 |
| 3.4 实验与分析 |
| 3.4.1 遥感29号数据实验 |
| 3.4.2 PALSAR数据实验 |
| 3.5 本章小结 |
| 4 小波域多尺度相位滤波新方法 |
| 4.1 InSAR相位特征 |
| 4.1.1 InSAR相位统计特征 |
| 4.1.2 失相干的影响 |
| 4.1.3 InSAR相位噪声模型 |
| 4.2 多尺度法的InSAR相位噪声消除 |
| 4.2.1 小波域下的多尺度图像滤波 |
| 4.2.2 InSAR相位滤波的复数小波模型 |
| 4.3 实验与分析 |
| 4.3.1 模拟干涉图滤波实验 |
| 4.3.2 真实干涉图滤波实验 |
| 4.4 本章小结 |
| 5 基于MRF模型的InSAR相位解缠 |
| 5.1 干涉相位MRF随机场模型 |
| 5.1.1 基本概念 |
| 5.1.2 干涉相位的MRF建模 |
| 5.2 先验模型和后验模型 |
| 5.3 梯度下降法求解最小能量 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 6 国产SAR卫星干涉处理实验与验证 |
| 6.1 实验数据 |
| 6.1.1 遥感29号 |
| 6.1.2 高分3号 |
| 6.2 国产InSAR地形测量实验 |
| 6.2.1 遥感29号地形测量 |
| 6.2.2 高分3号地形测量 |
| 6.2.3 综合对比 |
| 6.3 国产星载InSAR地表形变监测实验 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 下一步工作与展望 |
| 参考文献 |
| 攻博期间发表的科研成果目录 |
| 致谢 |
四、噪声消除算法在干涉SAR相位解缠中的应用研究（论文参考文献）
- [1]基于深度学习的相位解缠算法研究[D]. 梁峰. 桂林电子科技大学, 2021(02)
- [2]基于信息融合的多通道InSAR高程反演研究[D]. 宋明辉. 桂林电子科技大学, 2021(02)
- [3]基于卡尔曼滤波的干涉图相位解缠算法研究[D]. 徐有邈. 桂林电子科技大学, 2021(02)
- [4]SAR图像的高程提取与大气校正算法研究[D]. 张明宇. 电子科技大学, 2021(01)
- [5]顾及地形因素的L1范数相位解缠方法研究[D]. 钱进. 中国矿业大学, 2021
- [6]多基线干涉SAR高精度高程反演方法研究[D]. 明婧. 电子科技大学, 2020(03)
- [7]双波段相位解缠方法的研究[D]. 程国旗. 山东科技大学, 2020(06)
- [8]面向高精度DEM的InSAR关键处理技术研究[D]. 高延东. 中国矿业大学, 2019(01)
- [9]无人车载干涉合成孔径雷达障碍探测关键技术研究[D]. 蒋志彪. 国防科技大学, 2018(02)
- [10]国产合成孔径雷达卫星干涉数据处理关键技术研究[D]. 陈振炜. 武汉大学, 2017(06)