← 返回列表
一种基于深度学习的InSAR相位解缠优化方法
摘要文本
本发明公开了一种基于深度学习的InSAR相位解缠优化方法，属于遥感技术领域。基于U‑Net++网络设计用以InSAR干涉相位解缠的扩张多路径相位解缠网络；采用DEM数据利用DEM反演算法生成模拟干涉相位训练集；综合考虑地形效应与DEM误差、大气湍流、植被效应、基线几何效应、多次散射效应以及噪声效应，构建干涉相位仿真算法，称为多效应干涉相位仿真，用以生成真实干涉相位训练数据集；将模拟干涉相位训练集和真实干涉相位训练数据集作为DMP‑PUNet网络模型输入进行模型训练；利用训练好的DMP‑PUNet模型对InSAR干涉相位进行解缠。其操作简单、解缠时间短、精度高，并且在低信噪比条件下也能取得良好的解缠效果，能明显提升传统的InSAR相位解缠的准确性，实现高效相位解缠。
申请人信息
- 申请人:中国矿业大学
- 申请人地址:221116 江苏省徐州市铜山区大学路1号中国矿业大学
- 发明人: 中国矿业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的InSAR相位解缠优化方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311510301.4 |
| 申请日 | 2023/11/14 |
| 公告号 | CN117572420A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G01S13/90 |
| 权利人 | 中国矿业大学 |
| 发明人 | 陈宇; 王帅; 索之辉; 丁凯文; 陈鑫垄; 曹卫云; 李倩; 田小龙 |
| 地址 | 江苏省徐州市大学路1号中国矿业大学 |
专利主权项内容
1.一种基于深度学习的InSAR相位解缠优化方法，其特征在于；综合考虑待测地表的地形效应与DEM误差、大气湍流、植被效应、基线几何效应、多次散射效应以及噪声效应，综合考虑了真实世界的主要影响因素，构建多效应干涉相位仿真ME-IPS，利用ME-IPS构建模拟干涉相位训练集，获取丰富的训练数据集；基于SRTM 30米分辨高程模型DEM数据，采用DEM反演算法生成真实干涉相位训练数据集；基于U-Net++网络，设计对地表地形InSAR干涉相位解缠的扩张多路径相位解缠网络DMP-PUNet；将模拟干涉相位训练集和真实干涉相位训练数据集合并成一个数据集后输入DMP-PUNet网络模型完成训练；利用训练好的DMP-PUNet模型对将待解缠的InSAR干涉相位进行解缠，有效降低解缠的耗时。