《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：PSSformer: A persistent scatters selection method for SAR interferometry based on temporal-spatial vision transformers
编辑推荐：
永久散射体（PS）选择是干涉合成孔径雷达（InSAR）精密对地观测中的基础步骤，所选PS的质量和密度直接影响监测性能。尽管深度学习发展迅速，但其在PS选择中的应用仍然有限；振幅和相位信息在时间和空间域中仍未得到充分挖掘。为此，研究人员提出了一种基于时空视觉变换
永久散射体（PS）选择是干涉合成孔径雷达（InSAR）精密对地观测中的基础步骤，所选PS的质量和密度直接影响监测性能。尽管深度学习发展迅速，但其在PS选择中的应用仍然有限；振幅和相位信息在时间和空间域中仍未得到充分挖掘。为此，研究人员提出了一种基于时空视觉变换器（temporal-spatial vision transformers）的PS选择方法（PSSformer）。该骨干网络由双输入分支和融合网络组成。在相位输入分支中，引入了时空基线位置编码（spatiotemporal baseline position encoding，STB-PE）以建模干涉图关系，并提出了相位一致性自注意力（phase-consistent self-attention，PCSA），基于显式物理建模引导模型优化。融合网络通过多头交叉注意力（multi-head cross-attention，MCA）和振幅-相位融合（amplitude-phase fusion，APF）模块整合多尺度特征。研究构建了基于多传感器振幅图像和干涉相位的数据集用于训练。在分布内（in-distribution，ID）测试集上，PSSformer优于两种基线方法，召回率分别提升了13.54%和7.48%。此外，在两个形变区域开展的Sentinel-1数据实验经全球导航卫星系统（GNSS）基准站验证，表明PSSformer显著增加了可靠PS数量（提升49.28%），提高了监测精度，同时PS选择时间仅为StaMPS的1.26%。
**论文解读：PSSformer——基于时空视觉变换器的永久散射体选择方法**
**一、研究背景与问题**
合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar, InSAR）已被广泛认可为监测地表形变的高效技术，能够将卫星大地测量精度推进至亚毫米级。多时相InSAR（Multi-Temporal InSAR, MT-InSAR）方法在时间和空间维度上扩展了传统差分InSAR（D-InSAR），利用时序影像堆栈实现高精度形变监测。作为最具代表性的MT-InSAR方法之一，永久散射体InSAR（Persistent Scatterer InSAR, PS-InSAR）聚焦于SAR影像中时序和空间尺度上最可靠的像素，即PS像素。这些像素对应建筑物、岩石、道路等地面物体，其反射信号贡献了SAR像素中主要的后向散射能量。PS具有高质量的干涉相位和通常稳定的振幅，对于实现高精度MT-InSAR形变监测结果至关重要。PS选择是PS-InSAR流程的基石，直接影响地表形变产品的精度和密度。
传统PS选择方法主要依赖阈值化策略：振幅离差（Dispersion of Amplitude, DA）方法利用时序振幅的离散程度评估像素相位质量，但假设振幅稳定即相位可靠并不总是成立；StaMPS方法基于干涉相位相关性，通过迭代计算时间维空间滤波相位的相干性来提取高质量PS，但两步计算和迭代带来较大计算负担；时序相位相干性（Temporal Phase Coherence, TPC）方法通过计算噪声项的时间维相位相干性并设定阈值进行选择，避免了外部DEM的引入并逐像素评估相位质量，但所有传统方法都必须人为设定阈值，不利于自动化处理。在信噪比普遍较低的区域（如郊区、农田），阈值化方法的精度有限。
随着深度学习技术的快速发展，基于数据驱动的PS像素选择方法展现出明显优势：无需人工设定阈值、自动化程度高；计算效率高，适合大范围PS-InSAR处理；不受先验形变模型约束。然而，已有深度学习方法仍存在若干问题：缺乏刻画复杂散射机制的合适模型；缺乏跨传感器多模态数据的训练和预测案例；振幅与相位特征的融合策略较为粗糙。特别是在低信噪比区域，SAR振幅与干涉相位特征之间关系高度复杂，无法通过简单拼接实现有效融合。
**二、研究内容与结论**
针对上述问题，研究人员提出了PSSformer——一种能够同时捕捉SAR振幅影像时间序列和干涉相位堆栈中时空特征的PS选择方法。该方法输入配准后的振幅堆栈和干涉相位堆栈，骨干网络由处理两种输入的双分支时间视觉变换器（Temporal Vision Transformer, T-ViT）编码器和基于交叉注意力的空间视觉变换器（Spatial ViT, S-ViT）编码器组成，最终通过多层感知机（Multilayer Perceptron, MLP）解码器输出PS候选点的预测概率图。在公开数据集上的实验表明，PSSformer在分布内测试集上优于基线方法，召回率提升显著。在加利福尼亚州南部和西班牙马拉加两个真实形变区域的Sentinel-1数据实验中，经GNSS基准站交叉验证，PSSformer显著增加了可靠PS数量并提高了监测精度。该研究发表在《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》上。
**三、主要技术方法**
研究构建了多传感器数据集，包含巴塞罗那（西班牙）、穆尔西亚（西班牙）、塞维利亚（西班牙）、马拉加（西班牙）、巴黎（法国）、南京（中国）和美国南加州共七个区域的时间序列SAR振幅影像和缠绕干涉相位堆栈。SAR数据预处理和PS标注使用加泰罗尼亚理工大学（Universitat Politècnica de Catalunya）的SUBSIDENCE软件完成。研究提出了三项关键技术：（1）时空基线位置编码（STB-PE），通过正弦函数对干涉图的时间间隔和空间距离进行编码，增强模型对不同干涉组合的鲁棒性；（2）相位一致性自注意力（PCSA），利用区域复数相干性替代点积计算注意力权重，以物理模型引导模型关注相位更稳定的区域；（3）振幅-相位融合（APF）模块，通过残差门控融合策略实现跨尺度振幅与相位特征的深度融合。此外，研究构建了模拟数据集用于绝对标签下的评估。
**四、研究结果**
**4.1 测试集实验结果**
在分布内测试集上，PSSformer取得了最优的IoU（65.67%）、F-score（79.28%）和召回率（92.44%），相比最强基线分别提升3.47%、2.59%和7.48%。ROC曲线和AUC评估显示，PSSformer在所有研究区域取得最高AUC值（0.944至0.987），表明其在不同数据配置下的强判别能力。特征可视化结果表明，PSSformer有效抑制了振幅影像上的斑点噪声，保留了通常代表主导散射体的细粒度结构特征，选择的PS候选点更密集、更连续。
**4.2 南加州形变监测实验**
利用美国南加州的Sentinel-1数据开展PS-InSAR形变监测实验。研究区域内地下水开采引起的沉降是主要地表形变类型。结果显示，PSSformer提取了4,097,075个PS点，分别达到StaMPS的121.63%、TPC的278.95%和DA的726.84%。经GNSS验证，PSSformer取得了四种方法中最低的平均误差，RMSE为8.552 mm，MAE为6.663 mm，相比StaMPS分别提升6.41%和7.23%。PSSformer在空间相干性和相位噪声标准差两个质量指标上也展现出优势，在保持大量候选点的同时提供了众多平均空间相干性大于0.6、相位噪声标准差小于1.0的像素。
**4.3 马拉加形变监测实验**
在西班牙马拉加省开展的城市沉降监测实验中，PSSformer提取了192,852个PS点，相比DA增加1117%、相比TPC增加302%、相比StaMPS增加49%。所有方法均捕捉到托雷莫利诺斯（Torremolinos）中心城区一致的沉降趋势，最大沉降速度达-40 mm/年，与欧洲地面运动服务（European Ground Motion Service, EGMS）报告结果吻合。PSSformer在PS密集城区和PS稀疏郊区均保持了PS分布的连续性和结构对齐性。
**4.4 效率分析与消融实验**
效率分析表明，PSSformer通过GPU加速实现高效推理，在两个数据集上分别比StaMPS快65.7倍和78.9倍。消融实验验证了各模块的有效性：相位分支中STB-PE和PCSA相比传统位置编码和MSA分别提升IoU 8.00%和16.04%；融合网络中APF模块相比简单特征相加和MCA-ViT分别提升IoU 2.85%和4.57%。
**五、讨论与结论**
特征可视化讨论表明，相位分支的PCSA-ViT主要关注大尺度结构如建筑屋顶，反映网络聚焦时间稳定区域的能力；振幅分支的T-ViT注意力集中于空间离散但时间一致的散射体；S-ViT通过时空上下文聚合增强特征紧凑性；MCA-ViT有效整合双分支互补优势；APF模块通过增强局部特征和抑制噪声进一步优化PS表征质量。
研究结论指出，PSSformer是一种基于深度学习的PS选择方法，充分利用了SAR影像振幅和干涉相位在时间与空间尺度上的语义信息。该研究首次实现了跨多传感器、多场景的PS选择模型训练与部署。PSSformer作为独立的PS候选选择模块，可集成到任何先进的PSI处理流程中。未来工作将扩展数据集以涵盖更多传感器和多样化场景，增强模型对分布式散射体（Distributed Scatterer, DS）选择物理机制的捕捉能力，并将框架扩展至形变预测、形变分类和相位解缠等其他InSAR任务。
