基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及INSAR相位解纏技術(shù)領(lǐng)域，尤其涉及一種基于預(yù)處理和自適應(yīng)遺傳模 擬退火算法的相位解纏方法。
【背景技術(shù)】
[0002] 干涉合成孔徑雷達（InterferometricSyntheticApertureRadar，INSAR)是 一種高精度遙感測量技術(shù)，與傳統(tǒng)的光學(xué)遙感相比，它具有全天候、全天時、低成本等優(yōu)點。 INSAR通過使用兩幅或多幅同一地區(qū)的SAR圖像的相位差！D來獲取地面數(shù)字高程模型 (DigitalElevationModel，DEM)和形變量。但是，在實際數(shù)據(jù)處理過程中，所提取的相位 是！D對231取模所得到的，其取值范圍為（-31，31]，一般稱其為纏繞相位，而地面上目 標的高度是與真實相位差步成比例的，因此，只有找回A所丟失的21131，才能恢復(fù)真實相 位差丨，從而得到準確的地面高程信息。這種由纏繞相位恢復(fù)到真實相位的過程稱為相位 解纏，如下式所示=?eZ，由于在實際的測量過程中，雷達陰影、失相關(guān)噪 聲、影像配準等因素會引起相位數(shù)據(jù)的不連續(xù)，在干涉相位圖中表現(xiàn)為殘差點（residue)， 如果忽略殘差點直接進行相位解纏，誤差將在全圖進行傳播。因此，相位解纏的關(guān)鍵之處就 在于如何從存在殘差點的干涉相位圖中準確地恢復(fù)出真實相位。
[0003] 目前，常用的解纏算法大致可以分為以下三類：路徑跟蹤法、最小范數(shù)法和網(wǎng)絡(luò)規(guī) 劃法。其中Goldstein枝切線法作為路徑跟蹤法中的代表性算法，有著流程簡單、運算速度 快和精度高的優(yōu)點，但該方法只是連接最鄰近的殘差點，致使殘差點密集處設(shè)置的枝切線 過長且容易形成"孤島"。由于較短的枝切線不僅更容易在解纏時被避開，而且也能降低圍 成封閉區(qū)域的概率，因此，枝切線越短，解纏效果越好。在文獻《基于改進粒子群算法的二維 相位解纏方法》中，改進的粒子群算法用來計算正負殘差點的最優(yōu)匹配，縮短枝切線長度。 在文獻《基于蟻群算法的INSAR相位解纏算法》中，每個殘差點被類比為TSP問題中的一個 城市，之后使用蟻群算法被用來求解所有連接所有殘差點的最短路徑，求得最短路徑后再 對路徑進行分割，從而得到很多電量平衡的小段枝切線。然而，上述兩種技術(shù)方案在殘差點 數(shù)量很少時能獲得較為理想的效果，但由于殘差點的數(shù)量直接決定優(yōu)化算法的復(fù)雜度，因 此，當殘差點數(shù)量較多時，運算時間將急劇增加，兩種方法都不能在較短的時間內(nèi)得到很滿 意的效果。同時，第二種方法將殘差點類比于TSP問題中的城市，因此，蟻群算法必須將所 有殘差點都必須考慮在內(nèi)，而且最后還要進行路徑分割，操作起來較為復(fù)雜。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于通過一種基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏 方法，來解決以上【背景技術(shù)】部分提到的問題。
[0005] 為達此目的，本發(fā)明采用以下技術(shù)方案：
[0006] 一種基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法，其包括如下步驟：
[0007] S101、設(shè)置距離閾值R，對距離閾值R內(nèi)的鄰近偶極子對殘差點進行預(yù)處理；
[0008]S102、使用自適應(yīng)遺傳模擬退火算法計算剩余殘差點的優(yōu)化組合；
[0009] S103、在干涉相位圖中用枝切線連接步驟S102得到的每對所組合的正負殘差點， 使用洪水漫淹法（Flood-fill)繞開枝切線進行相位解纏。
[0010] 特別地，所述步驟S101具體包括：
[0011] S1011、識別干涉相位圖中的殘差點，分別將正、負殘差點標記為"+1"和"-1"極 性，并對所有殘差點標記為不平衡，設(shè)置距離閾值R;
[0012] S1012、找到一個不平衡殘差點，并以該殘差點為中心，放置一個NXN(N= 3)搜索 窗，若該殘差點為邊界點，則執(zhí)行步驟S1013,否則執(zhí)行步驟S1014;
[0013]S1013、在NXN搜索窗內(nèi)搜索殘差點，將所有找到的殘差點與中心殘差點用枝切 線相連，并對每個殘差點標記為平衡；若無其他殘差點，則將中心殘差點設(shè)置成枝切線，并 標記為平衡，返回步驟S1012;
[0014]S1014、在NXN搜索窗內(nèi)搜索異性殘差點，若找到，則在該點和中心殘差點之間設(shè) 置枝切線，并將這兩個殘差點標記為平衡，返回步驟S1012;若未找到，則判斷搜索窗是否 已到達圖像邊界，若已到達邊界，則將該點與邊界相連，標記為平衡后返回步驟S1012,否則 執(zhí)行步驟S1015;
[0015]S1015、令N=N+2,若N彡2R+1，則返回步驟S1014;若N>2R+1，則放棄對該點的操 作，返回步驟S1012。
[0016] 特別地，所述步驟S101進一步包括：重復(fù)步驟S1011至S1015,遍歷所有殘差點 后，若剩余不平衡的殘差點數(shù)量不相等，則通過將最靠近邊界的殘差點與邊界相連或增加 邊界點的方式來實現(xiàn)殘差點數(shù)量平衡。
[0017] 特別地，所述步驟S101中距離閾值R根據(jù)圖像大小和殘差點數(shù)量自行設(shè)置。
[0018] 特別地，所述步驟S102具體包括：
[0019]S1021、設(shè)置遺傳算法和模擬退火算法的各項控制參數(shù)；
[0020]S1022、采用整數(shù)排列編碼方式對預(yù)處理后不平衡的N個正殘差點從1到N進行編 碼，將N個正殘差點的一個排列建模為"染色體"；同時，對N個負殘差點從1到N進行編碼 并排序，并在算法執(zhí)行過程中始終保持其順序固定不變；
[0021] S1023、種群初始化：通過對數(shù)字1至N進行隨機排列，產(chǎn)生初始父代種群。
[0022] S1024、適應(yīng)度值應(yīng)與該條染色體所對應(yīng)的枝切線總長度成反比，將染色體所對應(yīng) 的枝切線總長度的倒數(shù)作為適應(yīng)度函數(shù)，即
[0023]
【主權(quán)項】
1. 一種基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法，其特征在于，包括如 下步驟： 5101、 設(shè)置距離閾值R，對距離閾值R內(nèi)的鄰近偶極子對殘差點進行預(yù)處理； 5102、 使用自適應(yīng)遺傳模擬退火算法計算剩余殘差點的優(yōu)化組合； 5103、 在干涉相位圖中用枝切線連接步驟S102得到的每對所組合的正負殘差點，使用 洪水漫淹法繞開枝切線進行相位解纏。
2. 根據(jù)權(quán)利要求1所述的基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法，其 特征在于，所述步驟SlOl具體包括： 51011、 識別干涉相位圖中的殘差點，分別將正、負殘差點標記為"+1"和"-1"極性，并 對所有殘差點標記為不平衡，設(shè)置距離閾值R ; 51012、 找到一個不平衡殘差點，并以該殘差點為中心，放置一個NXN(N= 3)搜索窗， 若該殘差點為邊界點，則執(zhí)行步驟S1013,否則執(zhí)行步驟S1014 ; 51013、 在NXN搜索窗內(nèi)搜索殘差點，將所有找到的殘差點與中心殘差點用枝切線相 連，并對每個殘差點標記為平衡；若無其他殘差點，則將中心殘差點設(shè)置成枝切線，并標記 為平衡，返回步驟S1012 ; 51014、 在NXN搜索窗內(nèi)搜索異性殘差點，若找到，則在該點和中心殘差點之間設(shè)置枝 切線，并將這兩個殘差點標記為平衡，返回步驟S1012 ;若未找到，則判斷搜索窗是否已到 達圖像邊界，若已到達邊界，則將該點與邊界相連，標記為平衡后返回步驟S1012,否則執(zhí)行 步驟S1015 ; 51015、 令N = N+2,若N彡2R+1，則返回步驟S1014 ;若N>2R+1，則放棄對該點的操作， 返回步驟S1012。
3. 根據(jù)權(quán)利要求2所述的基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法，其 特征在于，所述步驟SlOl進一步包括：重復(fù)步驟SlOll至S1015,遍歷所有殘差點后，若剩 余不平衡的殘差點數(shù)量不相等，則通過將最靠近邊界的殘差點與邊界相連或增加邊界點的 方式來實現(xiàn)殘差點數(shù)量平衡。
4. 根據(jù)權(quán)利要求1至3之一所述的基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏 方法，其特征在于，所述步驟SlOl中距離閾值R根據(jù)圖像大小和殘差點數(shù)量自行設(shè)置。
5. 根據(jù)權(quán)利要求4所述的基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法，其 特征在于，所述步驟S102具體包括： 51021、 設(shè)置遺傳算法和模擬退火算法的各項控制參數(shù)； 51022、 采用整數(shù)排列編碼方式對預(yù)處理后不平衡的N個正殘差點從1到N進行編碼， 將N個正殘差點的一個排列建模為"染色體";同時，對N個負殘差點從1到N進行編碼并排 序，并在算法執(zhí)行過程中始終保持其順序固定不變； 51023、 種群初始化：通過對數(shù)字1至N進行隨機排列，產(chǎn)生初始父代種群。 51024、 適應(yīng)度值應(yīng)與該條染色體所對應(yīng)的枝切線總長度成反比，將染色體所對應(yīng)的枝 切線總長度的倒數(shù)作為適應(yīng)度函數(shù)，即
其中，Cli表示連接第i個正負殘差點組合的枝切線長度； 51025、 選擇策略：使用隨機遍歷抽樣法進行選擇； 51026、 交叉操作：將父代染色體隨機兩兩分組，之后采用部分匹配交叉算法完成對每 組中兩個父代染色體的交叉操作； 51027、 變異操作：通過互換染色體中任意兩個位置的基因得到變異的子代染色體； 51028、 單向進化逆轉(zhuǎn)操作：對染色體中的某一段基因進行逆轉(zhuǎn)，計算逆轉(zhuǎn)前和逆轉(zhuǎn)后 的染色體適應(yīng)度值，保留適應(yīng)度值較高的染色體； 51029、 當種群完成步驟S1021至S1028操作后，依次對每個染色體執(zhí)行模擬退火操作。
6.根據(jù)權(quán)利要求5所述的基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法，其 特征在于，所述步驟S1029具體包括： 510291、 產(chǎn)生新解：交換當前染色體S1*任意兩個位置的基因，產(chǎn)生新的染色體S 2; 510292、 g SjP S 2對應(yīng)的枝切線總長度分別為f (S D和f (S2)，則兩者長度差為df = f (S2)-f (S1)，使用 Metropolis 準則
如果df < 0,則以概率1接受新的染色體S2，否則以概率exp (-df/%)接受S2; 510293、 降溫：當種群中所有染色體執(zhí)行完步驟S10291和S10292后，進行降溫操作，若 小于結(jié)束溫度或者達到最大遺傳代數(shù)，則停止迭代，輸出適應(yīng)度最高的染色體，否則繼續(xù)迭 代； 510294、 根據(jù)步驟S10293中輸出的染色體，確定正負殘差點對的優(yōu)化組合。
【專利摘要】本發(fā)明公開一種基于預(yù)處理和自適應(yīng)遺傳模擬退火算法的相位解纏方法，包括如下步驟：對距離閾值R內(nèi)的鄰近偶極子對殘差點進行預(yù)處理；使用自適應(yīng)遺傳模擬退火算法計算剩余殘差點的優(yōu)化組合；在干涉相位圖中用枝切線連接每對所組合的正負殘差點，使用洪水漫淹法繞開枝切線進行相位解纏。本發(fā)明優(yōu)點如下：一、通過可變距離閾值R的預(yù)處理方法對部分偶極子對殘差點進行預(yù)處理，形成枝切線的長度短；二、通過自適應(yīng)遺傳模擬退火算法對剩余殘差點進行優(yōu)化組合，形成枝切線總長度短、封閉區(qū)域少，而且總的運算時間短；三、由于設(shè)置的枝切線短，在進行解纏時，枝切線周圍的累積誤差得到了降低，提高了解纏精度，而且減少了不能解纏的“孤島”數(shù)量。
【IPC分類】G06N3-12
【公開號】CN104820859
【申請?zhí)枴緾N201510202977
【發(fā)明人】孫學(xué)宏, 于向明, 劉麗萍, 張 成, 車進, 李春樹
【申請人】寧夏大學(xué)
【公開日】2015年8月5日
【申請日】2015年4月27日