蚁群算法在高噪声区的InSAR相位解缠应用研究_王光.pdf

第 46 卷 第 1 期2023 年 1 月测绘与空间地理信息GEOMATICS&SPATIAL INFORMATION TECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2021-09-13基金项目:福建省高层次人才创新创业项目(2020C003R)资助作者简介:王 光(1979-),男,辽宁沈阳人,副教授,硕士,2005 年毕业于沈阳师范大学计算机科学与技术专业,主要从事图像与视觉信息计算方面的研究工作。蚁群算法在高噪声区的 InSAR 相位解缠应用研究王 光,赵鹏飞(辽宁工程技术大学 软件学院,辽宁 葫芦岛 125000)摘要:InSAR 技术已成为目前监测地面沉降、山体滑坡和地震等灾害的重要手段,而相位解缠是 InSAR 技术的关键一步。在噪声严重区域使用枝切法进行解缠时会产生大量的残差点,建立的枝切线过长并且会产生大量密集的区域,解缠时会产生解缠“孤岛”。本文应用蚁群算法寻找距离最近的异性残差点并放置建立枝切线,缩短枝切线的长度,减少密集区域,使得枝切线长度最短来避免枝切法产生的解缠“孤岛”。通过仿真实验和泉州地区实地的 InSAR 图像数据进行实验计算和分析,并以均方误差和解缠时间作为评价指标与其他 5 种算法进行对比,结果表明,该算法要优于其他算法,且该算法产生的枝切线相比于 Goldstein 枝切法产生的枝切线总长度缩短超过 50%。关键词:InSAR;相位解缠;蚁群算法;枝切法;最短枝切线;高噪声区中图分类号:P208 文献标识码:A 文章编号:1672-5867(2023)01-0073-04Application of Ant Colony Algorithm in InSAR PhaseUnwrapping in High-noise AreaWANG Guang,ZHAO Pengfei(School of Software,Liaoning Technical University,Huludao 125000,China)Abstract:InSAR technology has become an important means of monitoring land subsidence,landslides,earthquakes and other disas-ters.Phase unwrapping is a key step in InSAR technology.A large number of residual points will be generated when using the Gold-stein branch-cut method for unwrapping in areas with severe noise.The establishment of branch tangents is too long and a large num-ber of dense areas will be generated,and islands will be generated during unwrapping.In this paper,the ant colony algorithm is used to find the closest hetero residual point and place it to establish the branch tangent line,shorten the length of the branch tangent line,reduce the dense area,and make the branch tangent length the shortest to avoid the unwrapping island caused by the branch-cut method.Through simulation experiments and field InSAR image data in Quanzhou area for experimental calculation and analysis,and using the mean square error and unwrapping time as evaluation indicators to verify and compare with other five algorithms,the re-sults show that the algorithm is better than other algorithms,and in the field the unwrapping results show that the total length of the branch tangents generated by the proposed algorithm is reduced by more than 50%compared with the total length of the branch tan-gents generated by the Goldstein branch-cut method.Key words:InSAR;phase unwrapping;Ant Colony Algorithm;branch-cut;shortest branch tangent;high-noise area0 引 言InSAR 技术是利用同一研究区域的 2 幅或多幅 SAR图像进行共轭相乘后获得干涉图。干涉后得到干涉相位差,根据相位差计算出 2 次成像过程中信号产生的高程差,进而获得研究区域高精度的三维地形信息和地形微小形变信息1。InSAR 技术具有全天时、全天候、高精度等优点,现在已经被广泛应用于城市沉降、矿山变形、基础设施形变、冰山运动、地质灾害等2监测。相位解缠是 InSAR 技术中至关重要的一步,其影响着最终反演真实目标的结果。相位解缠是在解缠路径上进行积分进而得到真实目标信息,解缠的好坏取决于解缠路径上干扰因素的多少,当干扰多时,误差会通过积分进行累积和传播,得到的解缠结果会有较大的误差。相位解缠技术自 20 世纪 60 年代出现并得到了极大的发展。现有的相位解缠算法主要有路径跟踪法,例如 Goldstein枝切法3、质量图引导法;最小范数法,如最小二乘法、最小范数法和网络流规划法等。近些年产生了许多根据以上算法加以改进的解缠算法并取得了不错的结果。枝切法3是相位解缠经典算法之一,具有计算速度快、计算效率高、占用内存空间小等优点。通过识别出干涉图中的正负残差点,并在正负残差点之间建立枝切线,阻止积分路径穿过枝切线后进行路径积分完成相位解缠。在噪声严重、相干性较差的干涉图上会产生大量的残差点,使用枝切法建立枝切线时会产生过长且交叉的枝切线使积分路径不能通过,而出现无法被解缠的区域,产生“孤岛”现象。为了解决 Goldstein 枝切线过长的问题,国内外许多学者对该算法做出了改进,蒋锐等4提出等效残差点概念,解决了解缠相位发生跳变问题。王军飞等5提出了一种改进枝切法的解缠方法,通过选择一个非残差点作为积分的起始点,使用行扫描算法绕过随机产生枝切线,使解缠效率提高。王朝霞等6采用基于 JVC 全局最优线性分配算法生成枝切线的相位解缠方法,该算法较为有效地避免了“孤岛”的产生;Chen7等提出对枝切线分类并选择较短的枝切线,较为有效地降低了产生孤岛的概率。蚁群算法具有良好的寻找最优解的能力,魏志强等8首次提出了利用蚁群算法来进行相位解缠,后续有学者9加以改进应用,都取得了不错的效果。算法的主要思想是通过蚁群算法寻找干涉图中的正负残差点之间的最短枝切线并进行连接,避免枝切线交叉而出现解缠“孤岛”现象。本文在前人的研究基础上对高噪声区应用蚁群算法进行相位解缠,最终在噪声严重的区域获得了较好的解缠结果。1 相位解缠与 Goldstein 枝切法在 InSAR 数据处理中,将 2 幅 SAR 复图像共轭相乘获取干涉条纹图,得到的干涉条纹图即相位差,其范围在-,+,其与真实相位相差 2,真实相位与缠绕相位关系用公式(1)表示。=+2k(1)其中:表示真实相位;表示缠绕相位;k 表示补偿系数值为整数。相位解缠是通过缠绕相位 寻找 k 值进而估量真实相位 的过程。相位解缠要保证任意两异性残差点间的积分与路径无关并且要保证解缠后的相位数据能真实地恢复原始相位信息。2 本文算法蚁群算法是 Marco Dorigo 等在 1992 年根据蚂蚁出洞觅食能搜寻到最短路径提出的,是一种多群体智能搜索算法,达到了整体寻找最短路径的目的。蚁群算法最早用来解决旅行商问题,该问题描述为:一个商人从一座城市出发,途径 n 座城市后回到原城市,每个城市必须经过且只经过一次,求一种路径最短的旅行方案。通过蚁群算法,旅行商问题能够找到最优解,现在该算法已经被广泛应用于寻找最短路径等优化问题上10。为了解决通过枝切法建立的枝切线过长过密,使积分路径无法通过而产生“孤岛”,本文通过蚁群算法寻找最短路径作为指导思想来优化生成的枝切线,通过寻找最近的正负残差点使正负残差点之间建立更短的枝切线,从而避免“孤岛”的产生。在应用本文算法进行相位解缠时,蚂蚁选择的最短路径对应的是相位解缠时的最短路径。根据蚁群算法概率公式如公式(2)所示,通过 2 个异性残差点的距离和经过该路径的蚂蚁数量计算残差点与其他残差点连接的概率,并选择与概率最高的残差点连接,循环直到整个残差点图的残差点连接起来。蚁群算法在选择最短路径的过程中,在第 n 次循环中,设第 m 个蚂蚁选择连接下一残差点的概率为 Pmi,j(n),公式如下:Pmi,j(n)i,j(n)i,jmmi,j(n)i,jj m0 others(2)其中,i,j为点 i 与点 j 之间路径的信息素强度,i,j为点 i 到点 j 的期望程度,在其中取 i,j=1di,j,di,j为 i,j 两点间距离,为信息启发式因子,为期望启发式因子。m为下个连接点的集合。第 n 次循环更新后,剩余点 i 和点 j 之间路径的信息素强度 i,j为:i,j(n+1)=i,j(n)+i,j (0,1)(3)其中,为蚁群算法的信息素挥发系数,i,j=ki=1QLm,k 是蚂蚁的数量,Q 为经验常数。Lm为第 m 只蚂蚁在本次循环中的路径距离。本文算法应用主要流程:1)全面扫描干涉图,确定残差点的相对坐标,并对残差点的极性进行标记,生成残差点分布图。2)应用蚁群算法,初始化蚁群,设置参数,在所有残差点上随机放置 m 只蚂蚁。3)设定初始距离阈值,通过公式(2)计算残差点之间连接的概率,蚂蚁随机选择一个残差点为起点连接概率最大且距离小于初始设定阈值的下一个异性残差点,记录已经访问的残差点,避免重复访问。4)更新信息素,改变每个残差点到下一个残差点的概率,重复上一步。5)如果还有没有连接的残差点则定义为残余点,对其进行单独处理,通过判断 2 个极性相反残余点的距离和2 个残余点各自相距最近的边界的距离之和,对比哪种连接方式距离最近,选择最近的进行连接。通过上述步骤对残差点图中相距最近的异性残差点进行连接,能够找到最短的枝切线。3 实验结果与分析3.1 仿真模拟干涉相位图实验为了验证本文算法的有效性和可行性,对仿真模拟数据和实地 InSAR 数据进行实验验证。为了客观地评价实验效果,除采用主观视觉评价外,用均方根误差和解缠时间对实验进行评价。47 测绘与空间地理信息 2023 年本实验采用使用 MATLAB 仿真模拟干涉图,首先模拟无噪 InSAR 干涉相位图,如图 1(a)所示,加入高斯噪声进行相位缠绕,如图 1(c)所示。应用本文算法的解缠结果与其他几种算法的解缠结果方法模拟对比如图 2(a)(f)所示。图 1 模拟相位示意图Fig.1 Analog phase diagram图 2 模拟数据实验结果对比Fig.2 Comp