面向城市DSM构建的Bayes-MRF相位解缠算法研究

Bayes-MRF algorithm is widespread applied owning to its excellent performance in solving phase unwrapping problem. However, the current algorithm relies solely on the phase information, which leads to a reduction of unwrapping accuracy due to the influence of complex terrain and high noise in urban district. Aiming at this problem, this research will introduce urban land cover classification into the algorithm. The following topics are involved in the research: (1) transforming the phase unwrapping problem into the pixel labeling problem based on phase cycle and urban land cover, and building the MAP-MRF framework to solve this pixel labeling problem; (2) establishing the energy function based on urban land cover to avoid the over segmentation or imperfect segmentation phenomenon of urban objects effectively; (3) establishing the energy function based on phase cycle to take account of both the smooth characteristics inside the same urban objects and the discontinuous characteristics at urban object boundaries; (4) designing the best energy optimization algorithm to exchange the two types of labels, which can solve the energy function problem under convergence effectively. This research can systematically improve the precision of phase unwrapping in urban district with complex terrain and high noise and can acquire urban DSM more profitably.

贝叶斯-马尔可夫随机场（Bayes-MRF）算法由于其在解决相位解缠方面的优异性能，因此备受关注。然而现有算法单纯依靠相位信息，受城市复杂地形以及噪声影响，导致解缠精度降低，生成的城市数字地表模型（DSM）无法满足实际应用。针对上述问题，本课题将在现有算法中引入城市地物类别分析，重点研究：（1）将相位解缠问题转化为基于相位周期和城市地物类别的像素标记问题，并构建关于该标记问题的最大后验-马尔可夫随机场（MAP-MRF）框架；（2）建立城市地物类别标记的能量函数，有效避免城市地物过分割或者不完全分割现象；（3）建立相位周期标记的能量函数，可以兼顾同类城市地物内部相位光滑特征和不同城市地物之间相位突变特征；（4）设计结合两种标记变换的最佳能量优化算法，有效解决能量函数欠收敛问题。通过本课题的研究，将对提高城市复杂地形及高噪声区域的解缠精度，更好地反演城市DSM，具有重要的理论意义和应用价值。

城市数字表面模型（DSM）是城市三维模型的展示，它可为数字城市提供重要的基础地理信息数据。合成孔径雷达干涉测量技术（InSAR）通常利用两个不同相位中心获取的SAR信号的相位差反演地面高程信息，是获取城市DSM的重要遥感技术。相位解缠作为InSAR数据处理中的关键和难点问题，它的准确性将直接影响生成城市DSM的精确性。贝叶斯-马尔可夫随机场（Bayes-MRF）算法由于其在解决相位解缠方面的优异性能，因此备受关注。然而现有算法单纯依靠相位信息，受城市复杂地形引起相位噪声和相位间断影响严重，导致解缠精度降低，生成的城市DSM无法满足实际应用。针对上述问题，本课题提出了一套面向城市DSM构建的Bayes-MRF相位解缠建模理论和优化算法。（1）构建了基于相位周期标记和城市地物类别标记的MAP-MRF框架，从相位解缠的构网方式和数据组合入手，提出了基于Delaunay三角网的稀疏MRF模型（DS-MRF）有效解决城市复杂地形引起的高相位噪声问题，并将单基线模型扩展到基于多基线干涉对的MRF模型（M-PUMA），突破相位连续性假设，进一步增强了模型的抗噪性；（2）建立了两种具有间断保留能力的能量函数模型：线过程模型（LP-MRF）和间断自适应模型（DA-MRF），并引入城市地物类别信息，建立了基于城市地物类别信息的能量函数模型（CB-MRF），兼顾同类城市地物内部相位光滑特征和不同城市地物之间相位突变特征；（3）提出了两种基于MRF模型和面向对象的城市地物分类方法，有效抑制类别噪声和避免过分割现象，得到城市地物边界划分更为准确的分类结果；（4）设计了基于图割（GC）的能量优化算法用于相位解缠，有效避免城市复杂场景下相位噪声和间断严重产生的能量函数欠收敛问题；（5）将新方法应用到上海陆家嘴金融贸易区高层建筑的DSM构建中，能最佳反演出城市复杂地形及高噪声区域的建筑物三维空间信息。本课题的研究成果对提高城市地区复杂地形以及高噪声区域的相位解缠精度和可靠性，更好地反演城市DSM，具有重要的理论意义和应用价值。