一种改进的U-Net相位解缠方法

摘要：

针对合成孔径雷达干涉测量技术中的相位解缠问题,以深度学习U-Net框架为基础,结合空间金字塔池化(atrous spatial pyramid pooling,ASPP)网络和瓶颈模式残差单元,提出一种基于深度学习的相位解缠方法.该方法以U-Net架构为基础,建立从缠绕相位到真实相位的映射关系,搭建鲁棒性较强的相位解缠网络.ASPP结合多尺度信息和扩张卷积的优势,将不同扩张率的扩张卷积特征图结合到一起来捕获上下文信息,能在不牺牲特征空间分辨率的同时扩大特征接收野,有利于精确获取缠绕干涉图特征信息,增强相位解缠算法的稳健性;瓶颈残差网络可使网络模型在减小参数计算量的同时防止网络退化,提高网络训练精度与效率.模拟与实测干涉图解缠结果表明,该方法可获得与其他同类方法相比更稳健的结果.

关键词：InSAR;相位解缠;深度学习;卷积神经网络;U-Net

所属期刊栏目：36

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金项目;广西自然科学基金项目;桂林电子科技大学教育部重点实验室基金项目;广西无线宽带通信与信号处理重点实验室基金项目;2020年桂林电子科技大学研究生科研创新项目

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：134-141