基于对象的多次干涉 SAR 通过鲁棒低秩张量分解实现
图像与视频处理
2018-07-04 v1
摘要
多次通过 SAR 干涉测量(InSAR)最独特的优势在于在大面积上反演长期地球物理参数，例如线性形变速率。近来，[1]中提出了一种基于对象的多次 InSAR 框架，作为典型单像素方法(如永久散射体干涉测量(PSI))或基于像素簇的方法(如 SqueeSAR)的替代方案。这使得能够在对象层面上利用 InSAR 相位栈的固有特性。作为后续工作，本文研究了此类相位张量的固有低秩特性，并提出了一种通过基于对象的低秩张量分解的鲁棒多次 InSAR 技术(RoMIO)。我们证明，经滤波的 InSAR 相位栈可将通过常规多次 InSAR 技术(如 PSI)估计的地球物理参数的精度在典型设置下提高十到三十倍。所提方法对异常值(例如具有未建模相位的像素)尤其有效。这些优点反过来能有效减少可靠估计所需的图像数量。利用高分辨率 TerraSAR-X 图像栈展示了该方法的良好性能。
引用
@article{arxiv.1801.07499,
title = {Object-based Multipass InSAR via Robust Low Rank Tensor Decomposition},
author = {Jian Kang and Yuanyuan Wang and Michael Schmitt and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:1801.07499},
year = {2018}
}