枝切法1.docVIP

枝切法： 残差点是干涉相位的一个重要衡量指标，将干涉纹图中相位不连续点称为残差点。这主要是由于噪声和地形突变等引起，残差点越少，干涉纹图质量越好，对后续相位展开越有利。其原理是将积分闭合曲线缩小为 4 个相邻点，如图 1 中左上角四个相邻点。对这 4 个相邻点的相位差求模 2π，并对四个新相位差求和，若和不为 0 则为残差点。 Glodstein 法是最为有效和经典的解缠算法, 是其他积分路径方法的基础, 但是很多文献对此算法的解释都不是很详细,具体的算法流程应该如下: (1)检测出干涉相位图中的残差点, 并将正负残差点分别标记为+1 和- 1; (2)初始设置k=0,当前树电荷总量M=0,以及最大搜索窗口K。对干涉相位图进行检测,找到一个未连接的残差点,记入当前树中,并且作为当前残差点,将电荷加到M中; (3)如果M不等于0,则k=k+1;如果k大于K,转到(6); (4)在以当前残差点为中心的k×k大小的窗口中寻找新的残差点; 如果找到非当前树里残差点, 连接并将残差点记入当前树,如果此点未平衡点,将其极性加入M中;如果达到边界,则与边界相连,将M设置为0。如果M为0,则转到(6); (5)判断当前树是否遍历,如果遍历则转到(3);否则在当前树中取下一个残差点为当前点,转到(4)。 (6)如果M不为0,连接边界;记录当前枝切线,清空当前树,转到(2),直到图中的残差点都己被连接。 Goldstein 枝切法大致包括以下几步： (1)识别和分类正负残差点，即识别残差点，并标明正负残差点的极性； (2)设置枝切线，即用连接线连接最邻近的残差点对或多个残差点，使连接线上的残差点极性达到平衡； (3)绕过枝切线进行路径积分，展开缠绕相位。 Goldstein 枝切法的关键步骤是枝切线设置，其主要步骤如下： (a)对干涉相位图像各个像素进行搜索(由左至右，由上至下)，当找到未被枝切线连接上的残差点后，就在以该残差点为中心的3×3窗口内搜索相位残差点。 (b)当搜索到干涉图边界或另一个相位残差点时，即用枝切线连接图像边界或残差点，随后分别转(d)或(c)；否则，转(e)。 (c)当被搜索到的相位残差点未被连接到其他枝切线上时，则求取连接此相位残差点的枝切线的极性和，随后转(f)；否则转(e)。 (d)枝切线极性置 0，转(a)直至扫描完干涉图。 (e)以此枝切线上的其他相位残差点为中心搜索，转(b)，直至遍历此枝切线上所有相位残差点，则将搜索窗口的大小边变为5×5，循环(b)。 (f)当极性和为 0 时，则表明整个枝切线极性达到平衡，转(a)直至扫描完图像； 否则转(e)。 枝切法具有运算速度快，占用内存较少等优点，且对于相位残差点较少的干涉图具有很好的效果；其不足之处是当干涉图存在大量的相位残差点时，枝切法难以设置合适“枝切线”，形成积分路径无法到达的孤立区域，造成这些区域的缠绕相位无法被展开。 质量图导向法 质量图导向法的核心步骤是在相位质量图的指导下进行像素扩散，算法基本步骤为： 从高质量的像素出发，检测它周围的四个邻近像素，然后对邻近像素进行相位展开，将展开后像素的待展开邻接像素存储在“邻接序列”中，再依据相位质量逐次从“邻接序列”中提出高质量像素进行相位展开，同时更新“邻接序列”，重复上述步骤一直到所有的像素均展开完毕。图4.3.2是质量图导向法的示意图，*所在像素为当前展开的像素点，周围深灰色的像素是邻接序列像素。 利用质量图导向法成功进行相位展开的前提是必须要有可靠地相位质量图。当相位质量较好、图幅较小而且不存在大范围条带状低质量区域时，其相位展开效果要比Goldstein的分支截断法好。但是因为质量导向图法不识别残点，在一些情况下会引入2π的相位误差。 质量图导向法 质量图导向算法是以质量图为依据，去包裹从高质量点开始，终止于低质量点。因为相位展开是一个积分过程，发生在前一点的错误将沿着相位展开路径传播，因而设计合理的展开路径可以避免错误的传播。条纹的调制度是一个表征相位数据可靠性的重要参数，可以被选为相位展开的导向参数。对于空间