申请/专利权人:中国矿业大学
申请日:2023-11-14
公开(公告)日:2024-04-26
公开(公告)号:CN117572420B
主分类号:G01S13/90
分类号:G01S13/90;G06N3/0455;G06N3/0464;G06N3/08;G06T17/05;G06T17/20
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2024.03.08#实质审查的生效;2024.02.20#公开
摘要: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。
主权项: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SRTM30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。
全文数据:
权利要求:
百度查询: 中国矿业大学 一种基于深度学习的InSAR相位解缠优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。