A Parallel InSAR Phase Unwrapping Method Based on Separated Continuous Regions
Notice bibliographique
Résumé
Phase unwrapping is an imperative step in interferometry processing that has a significant influence on the quality of subsequent products. Many existing phase unwrapping algorithms have been designed to solve for the unwrapped phase under the assumption that noisy areas with discontinuities are small or that reliable continuity can be recovered there. They attempt to restore the unwrapped phase by using continuity and data quality measures, such as residues. However, when the observing field is divided into separate zones of continuous phase due to a large range of noise, such as those caused by rivers or mountains, it is difficult to use traditional phase unwrapping techniques to recover global continuity in these noisy areas. To address this challenge, we present a two-dimensional parallel phase unwrapping method that is designed to handle cases where the continuity of the phase is separated by closed noisy loops. Based on continuity distances, this method aims to identify continuous regions that are free of hidden phase discontinuities and restore phase continuity between the separated regions. A heterogeneous residual diffusion scheme is used to restore the unwrapped phase outside continuous regions. The parallel algorithm for extracting continuous regions, restoring continuity between the regions, and diffusing residuals was implemented on a GPU device to increase the processing efficiency. We applied our method to typical TanDEM-X data covering rivers, islands, and mountains and demonstrated that it is a promising solution for large-scale, heavily noisy phase unwrapping problems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».