雷达干涉长时间序列数据处理是影像大地测量领域的热点问题。近日，河海大学地球科学与工程学院19级博士生马张烽以“A sequential approach for Sentinel-1 TOPS time-series co-registration over low coherence scenarios”和“Time Series Phase Unwrapping Based on Graph Theory and Compressed Sensing”为题在遥感领域顶级期刊《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》上发表两项最新研究成果，分别解决了长时序数据处理的影像配准与相位解缠两个难点问题：影像配准研究工作将欧空局哨兵影像的配准精度提升到了千分之一像元，而内存消耗仅为传统方法的10%，相位解缠研究工作引入图论与压缩感知技术，提升了解缠方法在植被区域长时序数据的精度。两项研究为长时序高精度形变监测奠定了技术基础，为雷达干涉测量领域在大数据时代背景下的高精度、快速数据处理提供了技术支撑。
图1 长时序哨兵雷达数据配准流程
提出的长时序数据配准流程首次提出在雷达影像波束的重叠区域上使用双样本估计器，改善样本协方差矩阵的统计特性，从而提高重叠区域相位优化器的性能，将数据作为一个个迷你堆栈，使用数据压缩提高计算效率，该处理流程无需对整个数据堆栈进行重新处理，避免了数据的重复读取与重复处理，显著减少了数据存储负担并提升了计算效率。
图2 图论与压缩感知框架下的解缠流程
提出的基于稀疏时空网络的两步三维解缠方法极大地提升了解缠性能，不同于传统的三维解缠算法在规则网格或Delaunay三角网上先估计空间相位梯度，该方法先采用APSP (all-pair-shortest-path)算法最大程度地提高Delaunay网络的质量，用时间相干性较好的边替换质量较差的边，然后使用1范数最小费用流求解器通过空间解缠来求解整数相位模糊度。该方法的优点是只修正整数相位模糊度，而不改变解缠相位的小数部分，因此优于传统的最小二乘估计和其他正则化方法。
图3 火山、盆地及滑坡区域配准方法的精度，均优于千分之一像元
图4 新3维解缠方法精度，对比方法为著名的斯坦福StaMPS 3D方法(a-c)，新方法(d-f)解缠精度在3个不同地貌例子中均优于前者
图5 毫米级长时序形变结果及与GPS对比验证，精度可靠
两项研究工作由国家自然科学基金项目（项目编号：41774003/42074008）以及河海大学江苏省优博培育项目等提供经费支持。（地学院）
论文：
Z. -F. Ma, M. Jiang and T. Huang, A Sequential Approach for Sentinel-1 TOPS Time-Series Co-Registration Over Low Coherence Scenarios, IEEE Transactions on Geoscience and Remote Sensing
Z. -F. Ma, M. Jiang, M. Khoshmanesh and X. Cheng, Time Series Phase Unwrapping Based on Graph Theory and Compressed Sensing, in IEEE Transactions on Geoscience and Remote Sensing
软件链接：
https://zenodo.org/record/4774694#.YKr4Pd-W974.twitter
