CVPI-net：一种用于森林地区DEM反演的复值PolInSAR地面相位估计网络

《Neurocomputing》：CVPI-net: A complex-valued PolInSAR ground phase estimation network for DEM inversion in forested areas

　　李晓帅 | 傅希凯 | Lv小雷 | 罗一鑫
中国科学院航空航天信息研究所目标认知与应用技术重点实验室（TCAT），北京，100190，中国

**摘要**
精确的次冠层地形建模对于森林水文分析、生态系统监测和坡度稳定性评估等应用至关重要。现有的基于PolInSAR的DEM反演方法主要基于RVoG模型，该模型对森林散射的过度理想化假设严重限制了其在实际场景中的准确性和鲁棒性。为了解决这些限制，本研究重点关注干涉处理链中最关键的阶段——干涉地面相位的非线性建模。我们提出了CVPI-Net（复值极化干涉网络），这是一种用于精确相位重建的深度学习框架。CVPI-Net输入复值极化干涉特征，并使用复值扩展的Swin Transformer编码器提取多尺度空间特征。然后设计了一个熵门注意力解码器来增强空间感知能力，并实现振幅-相位耦合的深度建模。此外，为了提高相位解包的鲁棒性，我们在相位回归过程中加入了基于Von Mises的最大似然损失，共同建模置信度以提供明确的质量约束。使用SAOCOM PolInSAR数据对所提出框架的有效性进行了系统评估，以机载LiDAR生成的DTM作为参考。结果表明，CVPI-Net在相位连续性和高程精度方面表现优异；在DEM反演方面，其RMSE为3.60米，相对于TanDEM-X生成的DEM基线降低了68.3%。CVPI-Net还优于具有相同架构的实值对应方法，后者的参数数量大约是CVPI-Net的两倍。此外，实验验证了所提出的置信度感知损失在提高相位建模质量和增强解包过程稳定性方面的有效性。代码将在https://github.com/Liiiiiixs/CVPI-Net上提供。

**引言**
数字高程模型（DEMs）作为表示地表形态的基本数据集，广泛应用于地理分析、环境模拟和灾害预测[30]。在各种应用场景中，对森林区域的次冠层地形进行建模尤其具有挑战性且至关重要。高精度的次冠层DEM对于推进对森林结构、土壤特性、植被分布和水文过程的理解至关重要，并在森林生态学、资源管理、气候变化研究以及自然灾害的预防和监测中发挥着不可或缺的作用[35]。然而，茂密的植被严重阻碍了地面信息的获取，限制了传统遥感直接提取高程的能力，使得精确的次冠层地形重建成为一个持续的挑战。
机载LiDAR在次冠层地形检测方面具有高精度，但其实际应用仍受到显著限制[1]，[19]。一方面，数据采集成本高昂且飞行操作复杂，难以高效覆盖大面积或山区；另一方面，低采集频率和长更新周期限制了其对森林区域进行快速连续监测和制图的能力。因此，在遥感和地理空间制图中高效准确地获取森林环境中的次冠层地形信息仍然是一个关键挑战。
近年来，合成孔径雷达（SAR）技术的快速发展使其穿透能力得以用于次冠层地形重建[14]，[41]。在基于SAR的技术中，极化干涉SAR（PolInSAR）通过利用丰富的极化特征，在森林区域提取地形信息方面特别有效[13]，[26]。PolInSAR通过结合极化信息扩展了传统的干涉SAR（InSAR）[5]，不仅能够通过干涉测量估计地表高程[28]，还能区分不同的散射机制[32]。这种能力允许在分辨率单元内区分多个散射体并确定其垂直分布。此外，PolInSAR不受光照和天气条件的影响，特别适合在持续多云或降雨的森林环境中进行地形制图。
在基于PolInSAR的DEM重建中，干涉地面相位是将极化干涉观测与地形高程联系起来的关键中间物理量。它由地形起伏和成像几何共同决定，解包相位后可以直接转换为高程。在干涉处理链中，它是唯一一个与地形保持清晰明确物理对应关系的组成部分。从PolInSAR数据中检索地面相位的经典方法是随机体积地面（RVoG）模型[37]，[38]。该模型将森林区域表示为由地面散射和上覆的随机体积散射组成的双层结构，其中三维冠层分布被理想化为各向同性和均匀分布的随机体积。
然而，RVoG模型依赖于几个理想化假设，包括各向同性的植被结构、均匀分布的散射体以及体积散射和地面散射的线性叠加[45]。这些假设往往无法捕捉实际森林环境中体积散射和地面散射之间的复杂非理想耦合。在实践中，这些假设的偏差引入了系统建模偏差，这些偏差又因观测噪声和参数不确定性而进一步加剧[17]，大大降低了地面相位检索的准确性——特别是在崎岖地形或植被茂密的区域。此外，大多数现有方法采用逐像素反演策略[16]，忽略了地形结构固有的空间连续性和上下文信息，从而限制了模型的表征能力、估计精度和空间一致性。
本质上，RVoG模型及其变体可以抽象为从极化特征到地面相位的非线性映射[33]，[34]，其中的核心挑战在于从复杂的PolInSAR相干特征中准确提取与地形相关的信号成分。近年来，深度神经网络在建模高维非线性关系方面表现出强大的能力，为解决传统模型由于结构简化和理想化物理假设而产生的限制提供了有希望的替代方案。利用数据驱动的学习范式，神经网络可以捕捉特征之间的复杂非线性依赖关系，并整合空间上下文信息，从而减轻建模误差并缓解与逐像素独立性假设相关的性能下降。
本文提出了CVPI-Net，这是一种基于复值深度神经网络的极化干涉特征驱动的相位估计方法，专为森林区域的高精度次冠层地形重建而设计。该网络以极化相干矩阵和干涉矩阵的元素作为主要输入，并在特征预处理过程中结合来自外部DEM的地形相位（TP）信息，以丰富表征并加速收敛。其架构包括一个复值Swin Transformer编码器和一个熵门注意力解码器，旨在增强森林区域的空间上下文建模和特征表示。为了联合估计干涉相位及其相关的置信度图，引入了基于Von Mises分布的最大似然损失，实现了相位周期性和估计不确定性的统一建模。这有助于在下游处理中进行质量引导的相位解包。通过消除对显式物理建模的依赖，所提出的方法表现出强大的表征能力和鲁棒的泛化能力。

**本文的主要贡献总结如下：**
• 我们首次在PolInSAR地面相位估计中引入了复值神经网络（CVNNs）。通过保留极化特征的内在振幅-相位结构，所提出的方法增强了物理一致性和表征能力。
• 开发了一种复值Swin Transformer编码器来捕捉极化特征之间的空间依赖性，而熵门注意力解码器利用散射熵动态调节特征通道，从而增强了森林区域的结构建模。
• 我们构建了一个基于Von Mises分布的最大似然损失，以联合估计干涉相位及其相关的置信度。这增强了相位回归的稳定性和物理一致性，并为后续相位解包提供了可靠的质量先验。

**本文的其余部分组织如下。**第2节分析了地面相位建模在PolInSAR DEM反演工作流中的重要性，并回顾了相关研究。第3节详细介绍了所提出的地面相位建模方法和损失函数的设计。第4节描述了实验数据设置，第5节报告并分析了实验结果。第6节总结了本文。附录提供了复值神经网络的回顾和几个模块的数学定义。

**基本工作流程**
近年来，使用PolInSAR数据进行次冠层DEM反演已成为一个重要的研究焦点。如图1所示，典型的处理工作流包括几个关键步骤，包括图像配准、平地相位去除、极化干涉测量、地面相位估计、相位解包和DEM生成。这些步骤中的大多数可以使用成熟的物理模型和几何关系来稳健解决。例如，平地相位可以使用...

**CVPI-Net用于地面相位估计**
本文提出了一种基于CVNNs的地面相位建模方法，该方法直接学习极化干涉特征与地面相位之间的非线性映射，以提高森林区域DEM反演的准确性。通过明确建模振幅和相位之间的内在耦合，CVNN实现了更物理一致且可解释的相位估计。关于CVNNs和相关模块的数学定义的更多细节在附录中提供。

**数据集描述**
本研究收集了五个双极化机载PolInSAR数据场景及其对应的高精度机载LiDAR生成的地形产品。这些LiDAR生成的地形数据被用作模型训练和精度评估的真实值。选定的PolInSAR场景位于中欧的德国、卢森堡和斯洛伐克，涵盖了多样的地形条件和森林覆盖类型。研究区域主要是森林覆盖，农业用地有限。

**相位预测的准确性评估**
在本节中，我们对不同的相位解包图进行了比较分析，以评估相位预测的准确性和稳定性。具体包括四个基线：从TanDEM-X DEM计算的地形相位（TP）、使用RVoG模型检索的地面相位，以及CVPI-Net的两个实值对应方法Real-Net-AP和Real-Net-RI。Real-Net-AP采用振幅-相位表示，而Real-Net-RI采用实数-虚数表示。

**结论**
本文提出了CVPI-Net，这是一种基于复值极化干涉特征的深度学习方法，用于高精度估计干涉地面相位。其目标是实现高质量DEM重建。CVPI-Net以复值极化干涉特征作为输入，并在特征预处理模块中结合TP以加速收敛并提高建模性能。其核心采用了复值Swin-UNet架构。编码器CRediT

**作者贡献声明**
李晓帅：撰写——原始草稿、可视化、验证、软件、方法论、调查、形式分析。
傅希凯：调查、数据管理、概念化。
Lv小雷：撰写——审阅与编辑、监督、资源、项目管理、资金获取、概念化。
罗一鑫：软件、方法论、调查、形式分析。

**利益冲突声明**
作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

**致谢**
作者感谢阿根廷国家空间局（CONAE）提供L波段的SAOCOM数据。作者还感谢提供公开可用机载LiDAR DTM和TanDEM-X的机构和平台。