基于K-means算法的时序GB-InSAR图像PS实时选择方法

来源：信号处理杂志 2021年第3期北京时间：

作者：朱嘉鑫, 邓云开, 田卫明, 胡程

摘要：GB-InSAR（Ground-based Interferometric Synthetic Aperture Radar，地基干涉合成孔径雷达）是一种新型的形变测量工具，应用于长期连续监测时，为了保证形变测量的准确性和实时性，通常需要将SAR图像进行分组处理，并基于PS（Permanent Scatterer，永久散射体）技术实现形变反演。对长时间SAR图像序列的分析结果表明，像素点的幅值会随时间发生较大的变化，导致采用固定的幅度离差门限来选择PS点时，各组PS的数量会发生极大改变，严重影响形变测量的精度。本文提出了一种基于K-Means（K均值）聚类的时序GB-InSAR图像PS实时选择方法，首先对时序图像进行分组，然后利用各组图像的像素点幅度和相关系数，基于K-Means算法进行两级聚类。对一处露天矿坑实测数据的分析结果表明，本文方法在保证了各组图像的PS点足够多的同时，对PS点数量的稳定性也有大幅提高。

关键词：地基干涉合成孔径雷达, 永久散射体选择, 幅度离差, 相关系数, K均值聚类