基于R2AU-Net的InSAR相位解缠方法 |
| |
引用本文: | 何毅,杨旺,朱庆.基于R2AU-Net的InSAR相位解缠方法[J].测绘学报,2024(3):435-449. |
| |
作者姓名: | 何毅 杨旺 朱庆 |
| |
作者单位: | 1. 兰州交通大学测绘与地理信息学院;2. 地理国情监测技术应用国家地方联合工程研究中心;3. 甘肃省地理国情监测工程实验室;4. 西南交通大学地球科学与环境工程学院 |
| |
基金项目: | 国家自然科学基金(42201459); |
| |
摘 要: | InSAR相位解缠的质量直接影响地形高程或地表形变的反演精度。传统的基于非机器学习模型的相位解缠方法(如基于路径跟踪或最小范数)在低相干性或相位梯度较大(干涉条纹密集)的区域难以获得正确解缠结果。深度神经网络算法在非线性表示和特征表达能力方面具有独特优势,被广泛应用于数字图像处理研究中,InSAR相位解缠可视为图像回归。本文提出基于R2AU-Net深度神经网络的InSAR相位解缠方法。首先,基于数学分形法模拟成对的缠绕和解缠相位,避免了外部DEM合成相位时引入的固有误差和残缺问题,保持了地貌特征的多样性及复杂性,得到模型训练所需的数据集。然后,基于传统的U-Net模型构建R2AU-Net相位解缠模型,该模型结合注意力机制增强了模型对于卷积特征筛选能力,提高了在低相干或条纹密集区域的解缠性能;使用循环残差卷积结构,避免了梯度消失问题,增强了模型特征表示能力。最后,利用模拟和真实数据进行试验分析,结果表明本文提出的R2AU-Net相位解缠模型能够更有效地保留地形高程或真实地表形变信息,提高了解缠结果的可靠性,在性能表现上优于Goldstein枝切法、SNAPHU方法及CNN和U-Net相位...
|
关 键 词: | InSAR 相位解缠 深度神经网络 U-Net 地表形变 |
|
|