时序InSAR大气相位去除和形变解算的方法及系统与流程

本发明涉及insar形变监测的，尤其涉及一种时序insar大气相位去除和形变解算的方法及系统。

背景技术：

1、合成孔径雷达干涉测量（insar）被广泛应用于地面的形变监测。但是insar测量中大气相位误差的存在使得insar技术在估计准确的地表形变方面仍然存在挑战。当雷达信号在层状湍流大气和电离层中传播时，单幅干涉图的测量精度易受到大气的影响。电离层影响是由于电离层中电子密度的变化造成的，这会导致雷达信号的相位失真，对于较大波长的数据如p波段和l波段sar数据会有重大影响。对流层延迟是由温度、压力和湿度变化引起的，可分为湍流分量延迟和分层延迟。湍流分量延迟是由于对流层中水汽分布在短时间分辨率和几公里空间尺度上的变化造成的，这种延迟通常难以被建模并去除。大气的分层延迟与地形相关，在几十公里的长度尺度上表现出空间相关性。在此背景下，20%的相对湿度空间或时间变化都会给insar 干涉图带来几十厘米量级的大气误差，造成干涉图中干涉相位的错误解译和形变的不精确提取。

2、目前insar技术领域已经开发了许多方法来估计和消除大气误差对insar干涉图的影响，主要分为三类：第一类是基于经验模型方法，即采用高程线性模型或者幂律模型来去除与地形相关的大气分层延迟，第二类是基于外部数据的方法来生成大气延迟图，其中外部数据包括气象数据（era5/wrf/ewmc）、全球卫星导航系统（gnss）数据、光谱数据（modis/meris/sentinel-3），第三类是基于相位的方法，如线性高程校正和时间序列insar方法。公开号为cn114624708a的发明专利，提供了一种复杂环境下的地基雷达大气校正方法及系统，该方法通过提取永久散射体点并对其进行区域划分、三角剖分和大气相位插值获取大气相位估计结果，并在累积相位中将其去除实现大气校正，但是该方法为地基雷达技术领域的基于相位大气校正方法，同时它忽略了时间变量信号，低估了大气延迟的季节性特征。近些年来深度学习在 insar技术中的相位解缠、大气相位估计、 dem 超分重建、相干估计和相位滤波、形变检测和预测等方面展现出应用潜力。公开号为cn114280608a的发明专利，提供了一种dinsar高程相关大气效应去除方法及系统，该方法采用mlp神经网络模型模拟高程相关大气相位；将解缠相位减去模拟高程相关大气相位，从而完成大气效应去除。但是该方法只能去除高程相关的大气分层延迟，对于湍流大气延迟无法有效去除。

3、通过总结上述方法发现还存在以下问题：（1）经验模型可去除与地形相关的大气分层延迟，但无法去除大气湍流成分；（2）基于外部数据的方法依赖于外部数据的时空分辨率，例如基于gnss数据的方法依赖于 gnss 网密度，难以捕捉冻土区局部大气湍流变化，modis/meris/sentinel -3图像时空分辨率低，无法适用有云条件，且数据采集时间跟 sar数据获取时间不一致，基于组合数据（gacos）方法忽略了局部湍流和非均匀性的大气成分；（3）时域滤波算法取决于参数设置，易受 insar 时序形变的季节性变化，无法去除大气湍流成分。综上所述，目前时序insar技术中大气相位误差去除方法多依赖外部数据和算法模型性能，无法对部分湍流大气误差进行有效去除。

4、为了更有效地抑制和去除时序insar技术中大气误差的影响，我们开发了一种时序insar大气相位去除和形变解算的方法及系统，设计一种基于自注意力机制的条件生成对抗神经网络cgan的insar大气相位样本增广的方法，同时引入transunet网络构建了基于时序insar 技术的大气相位去除的网络框架。

技术实现思路

1、本发明的目的在于针对现有技术的不足，提供一种时序insar大气相位去除和形变解算的方法及系统。本发明能够时序insar大气延迟误差和形变的有效分离，提高insar形变解算的精度。

2、本发明的目的是通过以下技术方案来实现的：本发明实施例第一方面提供了一种时序insar大气相位去除和形变解算的方法，包括以下步骤：

3、（1）获取监测区的时间序列sar图像数据和数字高程模型数据，并对数据进行预处理、差分干涉、滤波及相位解缠处理；

4、（2）根据时间基线和空间基线的阈值构建含有大气相位的差分干涉图的第一样本库；

5、（3）基于条件生成对抗神经网络cgan对含有大气相位的第一样本库进行增广与构建，以获取差分干涉图的完整版样本库；

6、（4）基于transunet网络构建大气相位去除transunet网络模型，并对该模型进行训练和测试，以去除所有的差分干涉图中的大气相位；

7、（5）基于去除大气相位后的差分干涉图进行时序insar的形变解算，以获取监测区的地表形变信息。

8、可选地，所述步骤（1）包括以下子步骤：

9、（1.1）获取监测区的时间序列sar图像数据，并根据监测区的经纬度范围提取监测区的数字高程模型数据；

10、（1.2）对数据进行预处理：首先将原始时间序列sar图像数据文件导入，进行格式转换生成单视复数据集，然后结合下载的精轨数据文件进行轨道参数的更新，最后使用数字高程模型数据和精轨数据文件进行几何定位配准，以获取配准后的时间序列sar图像；

11、（1.3）差分干涉：首先对配准后的时间序列sar图像进行干涉处理，对主图像和辅图像进行相位差分，以获取干涉图；然后利用数字高程模型数据根据反距离权重插值算法计算每个干涉图的地形相位和平地相位，并将这两项相位减去，以获取差分干涉图；

12、（1.4）为抑制差分干涉图中噪声影响，选择非线性自适应goldstein空域滤波对差分干涉图进行滤波处理，以获取滤波后的差分干涉图；

13、（1.5）相位解缠：对滤波后的差分干涉图采用最小费用流方法进行相位解缠处理，以获取相位解缠后的差分干涉图。

14、可选地，所述步骤（2）包括以下子步骤：

15、（2.1）根据时间基线和空间基线的阈值从相位解缠后的差分干涉图中选取差分干涉图，生成差分干涉图集，并从差分干涉图集中挑选含有大气相位的差分干涉图集；

16、（2.2）对差分干涉图集进行图像样本和标签制作，对每个差分干涉图进行图像切分处理生成图像样本，并对生成的图像样本进行归一化处理，以构建含有大气相位的差分干涉图的第一样本库并记为。

17、可选地，所述步骤（3）包括以下子步骤：

18、（3.1）基于含有大气相位的差分干涉图的第一样本库对条件生成对抗神经网络cgan进行训练和测试，以生成额外的含有大气相位的第二样本库；

19、（3.2）将第二样本库与第一样本库合并生成含有大气相位的差分干涉图的第三样本库i；根据相位解缠后的差分干涉图选择未受到大气相位影响的差分干涉图，并进行图像切分和数据集的制作，以生成未含有大气相位的差分干涉图的第四样本库p；根据第三样本库i和第四样本库p构建差分干涉图的完整版样本库并记为。

20、可选地，所述条件生成对抗神经网络cgan包括生成器和判别器。

21、可选地，所述完整版样本库包括第四样本库对应的未含有大气相位的insar差分干涉图样本数据集、第二样本库对应的网络生成含有大气相位的insar差分干涉图样本数据集和第一样本库对应的含有真实大气相位的insar差分干涉图样本数据集。

22、可选地，所述步骤（4）包括以下子步骤：

23、（4.1）基于transunet网络构建大气相位去除transunet网络模型，以重构输出大气相位去除后的差分干涉图；

24、（4.2）将完整版样本库作为大气相位去除transunet网络模型的输入数据集，按用户输入的比例将其划分为训练数据集和测试数据集，将训练数据集加载到大气相位去除transunet网络模型中进行训练，以获取训练好的权重参数信息，使用测试数据集加载训练好的权重参数信息，以获取去除大气相位的差分干涉图样本；

25、（4.3）将去除大气相位的差分干涉图样本进行图像切片合并，以生成去除大气相位后的差分干涉图。

26、可选地，所述transunet网络结合unet和tranformers这两种网络结构，由encoder和decoder组成u型结构。

27、可选地，所述步骤（5）具体为：基于去除大气相位后的差分干涉图进行时序insar形变解算，采用小基线子集方法计算监测区的时序形变量和累积形变量，使用加权最小二乘估计以实现时序形变的稳健解算，以获取监测区的地表形变信息。

28、本发明实施例第二方面提供了一种时序insar大气相位去除和形变解算的系统，用于实现上述的时序insar大气相位去除和形变解算的方法，包括：

29、数据预处理模块，用于对获取的时间序列sar图像进行数据导入和图像配准；

30、数据差分干涉和滤波及相位解缠处理模块，用于根据配准后的时间序列sar图像进行差分干涉、非线性自适应goldstein空域滤波、最小费用流相位解缠的流程；

31、差分干涉图样本库的构建与增广模块，用于生成含有大气相位的差分干涉图的样本、基于条件生成对抗神经网络cgan的大气相位样本的增广以及差分干涉图样本库的构建；

32、大气相位去除模块，用于基于transunet网络对构建的差分干涉图样本库进行大气相位去除；和

33、时序insar形变解算模块，用于将生成的去除大气相位后的差分干涉图进行时序insar的形变解算，获取地表的形变信息。

34、本发明的有益效果是，本发明能够突破现有 insar 技术中无法完全消除大气相位误差的技术瓶颈，通过提出的transunet网络能有效减少insar干涉图中的大气的影响，展示出基于深度学习的大气相位消除方法的巨大潜力，提高了时序insar形变解算的精度。该项发明也可用于基于insar技术形变高精度提取的应用领域，适合自然地表的形变提取应用，服务于我国地面沉降的地理国情监测及地质灾害普查等领域。