联合EEMD-KECA算法的InSAR干涉相位时频滤波

作     者：余洁 刘利敏 李小娟 朱琳 谢东海 陈蜜 YU Jie;LIU Limin;LI Xiaojuan;ZHU Lin;XIE Donghai;CHEN Mi

作者机构：首都师范大学城市环境过程与数字模拟国家重点实验室培育基地北京100048 首都师范大学资源环境与地理信息系统北京市重点实验室北京100048 首都师范大学资源环境与旅游学院北京100048 湖北第二师范学院计算机学院武汉430205 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2019年第23卷第1期

页      面：78-88页

核心收录：

学科分类：080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：国家自然科学基金(编号:41671417) 科技创新服务能力建设(编号:025185305000/191) 湖北省教育厅科学研究计划资助(编号:Q20173006) 湖北省自然科学基金(编号:2017CFB138)~~ 

主　　题：EEMD 模态混叠 KECA 噪声分离 INSAR干涉图 滤波 

摘      要：根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。