WaveUNet：一种基于离散小波变换和注意力机制的高效深度网络，用于InSAR相位解缠

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：WaveUNet: An efficient deep network based on discrete wavelet transform and attention mechanism for InSAR phase unwrapping

　　毛文飞|向鸿泉|薛成|刘国祥|王晓文|张睿|奥里奥尔·蒙塞拉特|米凯莱·克罗塞托中国四川省成都市西南交通大学地球科学与工程学院，邮编611756

摘要相位解缠是干涉合成孔径雷达测量中至关重要却又极具挑战性的步骤。传统的相位解缠方法依赖于相位连续性这一假设，而在地形复杂、条纹密集或去相关噪声严重的区域，这一假设往往不成立。尽管深度学习技术出现以解决这一局限，但现有的深度学习模型存在两个主要缺陷：一是由于训练数据无法充分反映现实世界中变形的复杂性，导致模型的泛化能力有限；二是为追求高精度，这些模型采用了参数众多、维度较高的深度架构，从而产生了高昂的计算成本。这两个因素使得这类模型的泛化能力不足，且需要消耗大量计算资源。为解决这些问题，本研究提出了一种基于离散小波变换和注意力机制的轻量级深度相位解缠网络——WaveUNet。在训练该网络时，我们首先通过模拟InSAR相位数据，生成包含复杂地形和变形特征的样本数据集；随后，通过整合离散小波变换和注意力机制对WaveUNet进行训练，使其能够在较低计算成本下实现高精度的相位解缠；最后，我们利用模拟数据集、InSAR-DLPU数据集以及真实的InSAR数据对WaveUNet进行了测试。实验结果表明，WaveUNet在GPU使用效率方面分别仅为VURNet、ResUNet和PUNet的32.96%、24.43%和38.63%，而其浮点运算量则分别为这三类模型的21.80%、23.81%和9.23%。这表明WaveUNet在利用有限计算资源的同时，仍能达到与最先进的相位解缠模型相当的精度和效率。相关的实验代码可在https://github.com/xiangHQ/WaveUNet.git获取。

引言干涉合成孔径雷达是一种强大的地球观测技术，已被广泛用于高精度的地表变形监测和高分辨率地形绘制。InSAR技术通过利用在相同区域、不同时间获取的SAR图像之间的相位差来获取地表信息。当相位差超过π时，就会发生相位缠绕，使得InSAR测量的相位值被限制在[?π,π)区间内，从而影响对真实地表状况的表征。因此，相位解缠对于恢复InSAR测量中真正连续的相位值至关重要。目前已有许多相位解缠方法被提出，主要可分为单基线相位解缠算法和多基线相位解缠技术。单基线相位解缠方法主要包括路径跟踪法和基于优化的方法。路径跟踪法是一种局部相位解缠技术，其核心是通过局部相位梯度积分来选择优质路径并绕过相位不连续点，从而恢复连续相位。例如，Goldstein的分支切割法就是典型的路径跟踪方法。而基于优化的方法则试图找到全局最优解，以提高相位解缠的稳定性。这类方法通过最小化缠绕相位与估计解缠相位之间的差异来获得绝对相位，还可进一步分为最小Lp范数法和网络流方法。在最小Lp范数框架下，当p=2时，就变成了最小二乘准则，该准则既有无权重形式也有加权形式。无权重的最小二乘法由于依赖全局最优解，容易受到局部噪声的全局传播影响，从而导致解缠结果与真实相位之间存在偏差。而加权最小二乘法则可以通过预先设定的权重有效隔离或抑制相位残差效应，从而提高相位解缠的精度。不过，由于其较高的计算复杂度，这类方法难以得到广泛应用。网络流方法则将相位解缠问题视为图论优化问题，将其转化为网络上的最小成本流问题。虽然上述单基线相位解缠方法能够成功实现InSAR相位解缠，但它们严重依赖于相位连续性假设。需要注意的是，单基线相位解缠方法容易面临病态问题，如果相位连续性假设不成立，这些方法就无法得到最符合实际地面物理场的唯一解。而在许多现实场景中，尤其是在变形梯度大、地形复杂或噪声较强的区域，相位连续性假设并不成立。与单基线相位解缠算法相比，多基线相位解缠方法则利用多个具有不同基线（空间或时间）的InSAR数据集来进行相位解缠。这类方法将相位残差的极性从单基线方法中的±π扩展到了±nπ，其中n为正整数。这一特性使得多基线相位解缠方法能够将单基线方法中的病态问题转化为适定问题，从而提高相位解缠的可靠性和精度，尤其是在地形变化迅速的区域。不过，由于受到中国剩余定理的限制，且只能进行像素级数据处理，多基线相位解缠方法无法充分利用干涉图中全局的相位缠绕信息，因此抗噪能力较差。为解决这一问题，Yu和Lan在2016年提出了两阶段编程方法，该方法将单基线相位解缠框架融入到多基线相位解缠过程中，利用单基线方法处理全局相位缠绕梯度信息以抑制噪声，从而显著提高了多基线相位解缠的整体抗噪能力。不过，在噪声严重的区域，该方法的相位解缠精度仍然会有所下降。近年来，深度学习算法发展迅速，在InSAR相位解缠领域展现出巨大潜力。与单基线相位解缠方法不同，基于深度学习的相位解缠方法利用深度卷积神经网络从训练数据中学习最优解缠权重，无需依赖相位连续性假设。这类方法大致可分为三类：辅助解缠、缠绕计数预测和相位回归。辅助解缠方法将相位解缠视为一种中间的语义预测任务，例如有一些研究利用深度卷积神经网络预测分支切割点、不连续性概率以及梯度模糊度，然后将这些结果纳入传统的相位解缠方法中。代表性的辅助解缠方法包括不连续性估计网络、相位梯度估计网络以及模糊度梯度估计网络。不连续性估计网络使用学习得到的不连续性图而非相干图来指导相位解缠，但在噪声较大的区域容易产生预测误差，从而导致解缠结果出现误差积累且不稳定。相位梯度估计网络和模糊度梯度估计网络则需要独立的子网络来分别预测水平和垂直方向的离散梯度信息，以辅助相位解缠。缠绕计数预测方法则将相位解缠视为一个密集分类问题，利用深度网络直接估计每个像素的整数缠绕次数。不过，这种方法的性能在相位条纹边界附近或相干度较低的区域内会受到影响，因为在这些区域的分类较为模糊。PhaseNet也是一种缠绕计数预测方法，它逐像素预测缠绕次数，这种方法需要后续的平滑处理来纠正相位边界处的错误分类，以确保结果的一致性。为了解决这个问题，Spoorthi等人在2020年推出了PhaseNet 2.0版本，该版本引入了基于梯度的损失函数，以更好地保留相位条纹边界的相位过渡特征。与辅助解缠和缠绕计数预测方法的多步解缠过程相比，相位回归方法则是直接建立输入的缠绕相位图与输出解缠相位图之间的映射关系，将该任务视为图像到图像的转换，从而提高解缠的稳定性。目前常见的相位回归方法包括深度学习相位解缠网络、条件生成对抗网络、相位解缠网络以及相位解缠模型。深度学习相位解缠网络采用单阶段回归框架，但其输出结果往往存在模糊现象，相位过渡也不够清晰。条件生成对抗网络通过对抗学习来确保相位重绕的一致性，从而提高相位精度，但该方法的训练稳定性较差，且计算成本较高。相位解缠网络则利用扩张卷积和残差网络来提高相位解缠的稳定性，这种方法不需要对输入数据进行下采样，但会导致内存占用过高。相位解缠模型则结合了U-Net结构与ASPP模块，以便捕捉多尺度信息，但在训练数据有限的情况下容易发生过拟合现象。除了上述缺陷之外，相位回归方法还存在两个常见问题。首先，深度卷积神经网络在训练过程中通常会优先拟合低频相位成分，因为卷积核和相位梯度更新在低频域中更为稳定，这样一来就会丢失高频相位信息，进而降低模型在不同场景间的泛化能力；其次，由于缺乏先验约束信息，解缠后的干涉图会出现明显的残差伪影和变形。尽管最近有一些新的网络模型，如VURNet、ResUNet和Res-UNet-Inception，通过大幅增加模型参数来提高拟合精度，但由于其计算量巨大，这些方法并不适合处理大规模的InSAR干涉图，而且也无法解决第二个问题。鉴于基于深度学习的相位回归方法存在的上述问题，我们提出了一种新型的轻量级深度学习相位回归网络，该网络整合了离散小波变换和注意力机制，被称为WaveUNet。该方法结合了离散小波变换和注意力机制的优势，能够同时捕获低频和高频信息，从而提高模型的泛化能力。此外，该设计在处理具有较大梯度的不连续相位区域时尤为有效。另外，我们还将InSAR相位梯度作为先验信息引入到该网络中，以避免解缠后的干涉图出现变形问题。由于获取真实样本数据较为困难，为训练WaveUNet，我们利用现有的数据产品以及模拟方法来生成具备足够地面特征的InSAR样本数据集，从而确保模型训练的准确性。我们使用了航天雷达地形测绘任务提供的数字高程模型、国际全球导航卫星系统服务组织提供的全球电离层总电子含量图，以及通用大气校正在线服务提供的对流层延迟数据，分别用来生成InSAR的地形相位、电离层相位和对流层相位。此外，还使用扭曲的二维高斯面函数来模拟变形相位。数据集就是通过上述各种相位信息综合生成的。我们既使用模拟数据也使用真实数据来评估训练好的网络，真实数据包括TanDEM-X和Sentinel-1干涉图。图1展示了本研究的整体技术流程，包括数据集生成、模型架构设计、验证以及应用等环节。本文的其余部分安排如下：第二部分回顾了现有的数据集构建方法，并介绍了本研究中的数据集构建过程以及所提出的WaveUNet模型；第三部分对模拟数据集和真实干涉图进行了全面的性能评估；第四部分通过消融实验来验证WaveUNet各模块的有效性，同时进一步分析该模型的局限性及相应的解决方法。最后，第五部分对全文进行总结。

数据集构建深度学习是一种数据驱动的技术，数据集的质量和规模直接影响其性能。理想的数据集应具备样本特征的多样性、准确的标签标注以及均衡的数据分布。现有的用于相位解缠网络训练的数据集主要可分为基于真实InSAR干涉图的数据集和合成模拟数据集。基于真实InSAR干涉图的数据集实验与结果分析为了全面评估WaveUNet的性能，我们使用了本研究提出的合成数据——InSAR-DLPU数据集，以及真实的InSAR数据，包括TanDEM-X和Sentinel-1干涉图进行了实验。此外，还测试了三种传统的相位解缠算法，即分支切割法（Goldstein等人，1988年）、LS算法（Ghiglia和Romero，1996年）以及SNAPHU算法（Chen和Zebker，2001年），同时还研究了若干基于深度学习的方法，如DLPUNet（Wang等人，2019年）、VURNet（Qin等人）。消融实验如前所述，WaveUNet引入了HDWT、PPM和SAM机制来提升InSAR相位解缠的性能。为评估网络中各模块的有效性，我们设计了两组消融实验：一组在保持网络其他模块不变的情况下逐步加入PPM和SAM；另一组则在不改变网络其余部分的情况下调整数据降采样方法。具体的实验设计见表4。我们使用了8730幅InSAR数据。结论本研究提出了一种名为WaveUNet的轻量级相位解缠网络框架。该模型结合了HDWT、PPM以及二维自注意力机制，能够有效获取并捕捉InSAR干涉图的多尺度特征。WaveUNet还整合了相位梯度先验信息，以提高其对复杂InSAR相位条纹结构的适应能力和泛化能力。为训练WaveUNet，本研究利用IGS TEC地图、GACOS数据、DEM以及2DC数据模拟了大量样本数据。Crédits作者贡献声明毛文飞：写作——审稿与编辑，写作——初稿撰写，可视化，方法论，资金获取，形式分析，概念构建。向鸿泉：写作——审稿与编辑，写作——初稿撰写，可视化，验证，软件，方法论，研究设计，形式分析，概念构建。程雪：可视化，形式分析。刘国祥：写作——审稿与编辑，监督指导，资金获取。王晓文：写作——审稿与编辑，资金获取。利益冲突声明作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。致谢作者感谢匿名审稿人和编辑们提出的宝贵意见，这些意见有助于提升本文质量。同时，他们也衷心感谢欧洲航天局提供的Sentinel-1 A数据，NASA和NIMA提供的SRTM DEM数据，IGS提供的GIMs数据，以及GACOS提供的大气延迟产品。特别感谢周副教授和余教授分享INSAR-DLPU数据集，以及吴博士开源的相关代码。本研究得到了国家自然科学基金的支持。