近年來，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)視覺也被更頻繁地用于合成孔徑雷達(dá)（SAR）數(shù)據(jù)。大多數(shù)領(lǐng)先的衛(wèi)星地球觀測公司，如Orbital Insight，Descartes Labs和Ursa，都在其分析工作流程中擴(kuò)展了SAR數(shù)據(jù)的使用范圍。 迄今為止，使用深度學(xué)習(xí)方法分析干涉圖或支持InSAR處理方面，似乎沒有太多研究。然而，有證據(jù)表明在這一領(lǐng)域，將深度學(xué)習(xí)方法應(yīng)用于相位解纏方面工作（于瀚雯，周立凡，IEEE TGRS，2020），并在InSAR數(shù)據(jù)加工鏈中整合深度學(xué)習(xí)方法。

01

—

什么是InSAR3.0？

        InSAR不同于一般的遙感圖像分析，需要基于相位連續(xù)性假設(shè)來估算圖像真實(shí)相位信息。而相位連續(xù)性假設(shè)是說相鄰像素點(diǎn)的相位變化不超過π，在地形起伏較大的地區(qū)不具備空間連續(xù)性,例如高海拔山區(qū)、地震震中、城市高樓、跨海大橋（下圖所示）等區(qū)域。InSAR3.0中的機(jī)器學(xué)習(xí)是一類計(jì)算算法，可以迭代地“學(xué)習(xí)”某些函數(shù)的近似值，而機(jī)器學(xué)習(xí)比人更容易累積經(jīng)驗(yàn)。

圖：Rio–Antirrio跨海大橋PSInSAR沉降結(jié)果（德宇航提供）

        InSAR3.0監(jiān)測需要科學(xué)的深度學(xué)習(xí)機(jī)理模型設(shè)計(jì)，即對技術(shù)系統(tǒng)參數(shù)和觀測對象機(jī)理特征進(jìn)行科學(xué)學(xué)習(xí)過程。從已知數(shù)據(jù)的物理計(jì)算模式積累的數(shù)據(jù)計(jì)算經(jīng)驗(yàn)去建立自己的模型，從而進(jìn)一步的補(bǔ)充了物理算法。

圖：InSAR3.0

InSAR3.0機(jī)器學(xué)習(xí)(以智能相位解纏為例）

（1）PGNet取代相位連續(xù)性假設(shè)

        傳統(tǒng)的相位解纏方法采用的相位連續(xù)性假設(shè)是根據(jù)人的經(jīng)驗(yàn)設(shè)計(jì)的規(guī)則，在地形變化較劇烈和噪聲污染嚴(yán)重的成像場景中并不成立，導(dǎo)致傳統(tǒng)相位解纏方法的局限性。采用深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別相位梯度（簡稱PGNet），它是一種數(shù)據(jù)驅(qū)動(dòng)模型，深度學(xué)習(xí)強(qiáng)大的特征表達(dá)抽象能力其可以根據(jù)海量不同條紋特征和不同噪聲水平的干涉圖挖掘相位梯度的規(guī)律性問題，從而取代相位連續(xù)性假設(shè)。

         1） PGNet網(wǎng)絡(luò)結(jié)構(gòu)

        相位解纏模型表示的實(shí)質(zhì)是根據(jù)相位解纏過程進(jìn)行機(jī)理模型科學(xué)設(shè)計(jì)表達(dá).采用空洞卷積提取相位特征。與正常卷積相比，空洞卷積有兩個(gè)優(yōu)勢。首先，空洞卷積可以使用不同的膨脹系數(shù)在不同尺度應(yīng)用相同的卷積核，擴(kuò)大感受野而無需增加計(jì)算量。另外，空洞卷積不需要池化或二次采樣操作，能夠保持特征圖的分辨率和覆蓋范圍。最近，許多語義分割網(wǎng)絡(luò)，例如DeepLab，都利用空洞卷積的優(yōu)勢來提高學(xué)習(xí)準(zhǔn)確性。如下圖所示，將網(wǎng)絡(luò)分為特征子網(wǎng)和像素子網(wǎng)，在特征子網(wǎng)絡(luò)中提取描述的相位梯度信息特征，在像素分類子網(wǎng)中，由第一子網(wǎng)生成的三個(gè)特征圖用于將未解纏相位圖像中每對相鄰像素之間的梯度值分類。而兩個(gè)PGNet網(wǎng)絡(luò)分別將垂直和水平相位梯度信息訓(xùn)練。換句話說，所提出的PGNet網(wǎng)絡(luò)被應(yīng)用于獨(dú)立地預(yù)測垂直相位梯度和水平相位梯度。 

 圖  PGNet網(wǎng)絡(luò)架構(gòu)圖

2）生成訓(xùn)練數(shù)據(jù)

        使用深度學(xué)習(xí)技術(shù)的一個(gè)首要問是獲取海量和可靠的訓(xùn)練數(shù)據(jù)用于訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。針對InSAR實(shí)測數(shù)據(jù)比較少、對觀測條件敏感等特點(diǎn)，直接用實(shí)測InSAR數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)很容易出現(xiàn)過擬合的問題。針對上述問題，將根據(jù)真實(shí)InSAR系統(tǒng)參數(shù)模擬干涉圖生成海量數(shù)據(jù)用來訓(xùn)練PGNet，然后用訓(xùn)練好的PGNET去預(yù)測真實(shí)InSAR圖像（以TanDEM-X為例）。模擬干涉圖中的不同條紋特征用SRTM DEM模擬，不同噪聲用概率密度函數(shù)模擬，以此增強(qiáng)PGNet對不同相位梯度特征的學(xué)習(xí)能力和噪聲魯棒性。

圖 (a) 用于訓(xùn)練的SRTM DEM。(b)相干系數(shù)0.8的模擬干涉圖。(c) 作為ground truth的垂直相位梯度。 (d) 作為ground truth的水平相位梯度。

3）訓(xùn)練PGNet

（2）PGNet-PU相位解纏繞框架

       把相位解纏繞整個(gè)過程分成兩個(gè)步驟。第一個(gè)步驟，采用訓(xùn)練好的PGNet去預(yù)測相位干涉圖的相位梯度（不再使用相位連續(xù)性假設(shè)）。由于PGNet預(yù)測是前饋網(wǎng)絡(luò)，所以運(yùn)行速度很快，所需內(nèi)存也較少；第二步驟，通過將PGNet估計(jì)得到的相位梯度與真實(shí)相位梯度建立代價(jià)函數(shù)關(guān)系，通過求取該代價(jià)函數(shù)最小達(dá)到解纏的目的。

圖：PGNet-PU相位解纏繞框架

       將PGNet-PU進(jìn)行相位解纏應(yīng)用到真實(shí)場景中，針對一些特殊的高海拔崎嶇多山的地形（西藏.中國）進(jìn)行實(shí)戰(zhàn)，這些區(qū)域存在疊掩效應(yīng)和陰影效應(yīng)，某些區(qū)域的相干系數(shù)非常低無法正確執(zhí)行相位解纏，從而導(dǎo)致使用傳統(tǒng)的二維解纏方法結(jié)果不正確。機(jī)器學(xué)習(xí)解纏繞結(jié)果在所有方法中效果及誤差最小。

圖：不同相位解纏方法結(jié)果對比（西藏.中國）

      上述案例中，InSAR3.0中的機(jī)器學(xué)習(xí)算法最終都涉及將模型擬合到數(shù)據(jù)-從這個(gè)有利的角度來看，這是一個(gè)基于大數(shù)據(jù)統(tǒng)計(jì)過程。深度學(xué)習(xí)的出現(xiàn)并不能解決世界上所有的問題。在許多領(lǐng)域，尤其是在“InSAR”領(lǐng)域，仍有很多學(xué)習(xí)過程需要合理設(shè)計(jì)。也就是說，機(jī)器學(xué)習(xí)比人更容易累積經(jīng)驗(yàn)，基于統(tǒng)計(jì)的方式更優(yōu)于傳統(tǒng)復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)處理。InSAR3.0的出現(xiàn)將代表著干涉SAR技術(shù)的進(jìn)步和創(chuàng)新的前沿。

InSAR3.0將會(huì)在哪兒爆發(fā)？

        InSAR大數(shù)據(jù)分析正在以驚人的速度改變整個(gè)微波遙感行業(yè)。隨著市場需求增大，人工智能技術(shù)的加入使InSAR整個(gè)數(shù)據(jù)繁雜的數(shù)據(jù)分析鏈將發(fā)生了重大變化，我們將探討未來InSAR3.0在數(shù)據(jù)分析和預(yù)測中的幾個(gè)主要趨勢。

• 物聯(lián)網(wǎng)與InSAR數(shù)據(jù)分析的融合

        到2020年底，預(yù)期將有200億臺(tái)IoT 設(shè)備收集數(shù)據(jù)進(jìn)行分析。大型高科技公司在考慮將已運(yùn)營的IoT設(shè)備與其他的衛(wèi)星輔助技術(shù)協(xié)同進(jìn)行更智能的數(shù)據(jù)分析。InSAR3.0作為一個(gè)強(qiáng)大的輔助技術(shù)與不同的IoT 系統(tǒng)進(jìn)行融合，有助于提供高效和更相關(guān)的數(shù)據(jù)。

圖：物聯(lián)網(wǎng)與InSAR數(shù)據(jù)分析的融合

• InSAR數(shù)據(jù)分析自動(dòng)化

        地理空間技術(shù)巨頭早已使用數(shù)據(jù)自動(dòng)化來增強(qiáng)潛力，增加營銷力度并提高投資回報(bào)率。近期Gartner(高德納咨詢公司)的一份報(bào)告顯示，到2020年40％的數(shù)據(jù)科學(xué)處理任務(wù)將完全自動(dòng)化。而InSAR3.0引發(fā)的數(shù)據(jù)自動(dòng)化處理將幫助InSAR企業(yè)領(lǐng)導(dǎo)者有效地進(jìn)行預(yù)先計(jì)劃，并使用適當(dāng)?shù)姆治鰜碇贫ㄓ欣腎nSAR業(yè)務(wù)。隨著SAR衛(wèi)星任務(wù)鏈時(shí)耗的轉(zhuǎn)變，InSAR數(shù)據(jù)分析中的智能相位解纏無疑是實(shí)現(xiàn)自動(dòng)化的最關(guān)鍵一環(huán)。

圖：SAR衛(wèi)星任務(wù)鏈的轉(zhuǎn)變

圖：InSAR數(shù)據(jù)處理鏈

• 數(shù)據(jù)即服務(wù)（DAAS）

        到2020年，預(yù)計(jì)全球90％的最大企業(yè)將從數(shù)據(jù)即服務(wù)（DaaS）產(chǎn)生收入。InSAR3.0技術(shù)使所有InSAR服務(wù)訂閱用戶都能在線訪問和使用InSAR數(shù)據(jù)。過去，InSAR處理大量數(shù)據(jù)非常困難，存儲(chǔ)和處理需要大量的計(jì)算資源?，F(xiàn)在，由于采用了InSAR3.0技術(shù)，存儲(chǔ)資源是基于云的，資源消耗較少，并且可以為更多企業(yè)所用。最終將幫助許多公司提高生產(chǎn)力。

圖：InSAR數(shù)據(jù)在線可視化

• 行業(yè)增強(qiáng)分析

        InSAR3.0的巨大潛力在于增強(qiáng)分析的增加。該過程結(jié)合了AI和ML協(xié)議，以改變分析數(shù)據(jù)的共享，生成和處理方式。通過使用復(fù)雜的算法，增強(qiáng)分析可以自動(dòng)生成意見。這將幫助InSAR企業(yè)變得更加獨(dú)立，并減少對專業(yè)InSAR數(shù)據(jù)科學(xué)家和經(jīng)驗(yàn)豐富的InSAR分析師的依賴。國防，航空航天和國土等行業(yè)將充分利用InSAR3.0增強(qiáng)分析技術(shù)，因?yàn)樗鼘⑻峁﹣碜訧nSAR數(shù)據(jù)的關(guān)鍵意見。

圖：行業(yè)增強(qiáng)分析