[发明专利]一种InSAR时序形变预测方法、系统及相关装置

权利要求书

1.一种InSAR时序形变预测方法，其特征在于，包括：

获取目标对象的历史形变数据；

将所述历史形变数据输入深度卷积神经网络模型，输出时序形变预测结果；其中，所述深度卷积神经网络模型的网络结构融合了U-Net模型的网络结构和DenseNet模型的网络结构。

2.根据权利要求1所述的InSAR时序形变预测方法，其特征在于，所述将所述历史形变数据输入深度卷积神经网络模型，输出时序形变预测结果，包括：

利用深度卷积神经网络方法进行模型训练，得到所述深度卷积神经网络模型；

将所述历史形变数据输入所述深度卷积神经网络模型，输出所述时序形变预测结果。

3.根据权利要求2所述的InSAR时序形变预测方法，其特征在于，在得到所述深度卷积神经网络模型之后，还包括：

验证所述深度卷积神经网络模型的精度是否达到预设的精度阈值；

若是，则执行所述将所述历史形变数据输入所述深度卷积神经网络模型，输出所述时序形变预测结果的步骤。

4.根据权利要求1所述的InSAR时序形变预测方法，其特征在于，所述获取目标对象的历史形变数据，包括：

获取预设时长的地表形变的COSMO-SkyMed影像，并作为所述历史形变数据。

5.根据权利要求1所述的InSAR时序形变预测方法，其特征在于，所述获取目标对象的历史形变数据，包括：

获取预设时长的地表形变的多时空基线合成孔径雷达影像，并作为所述历史形变数据。

6.一种InSAR时序形变预测系统，其特征在于，包括：

历史形变数据获取模块，用于获取目标对象的历史形变数据；

时序形变预测结果输出模块，用于将所述历史形变数据输入深度卷积神经网络模型，输出时序形变预测结果；其中，所述深度卷积神经网络模型的网络结构融合了U-Net模型的网络结构和DenseNet模型的网络结构。

7.根据权利要求6所述的InSAR时序形变预测系统，其特征在于，所述时序形变预测结果输出模块，包括：

模型训练单元，用于利用深度卷积神经网络方法进行模型训练，得到所述深度卷积神经网络模型；

时序形变预测结果输出单元，用于将所述历史形变数据输入所述深度卷积神经网络模型，输出所述时序形变预测结果。

8.根据权利要求7所述的InSAR时序形变预测系统，其特征在于，还包括：

精度验证模块，用于验证所述深度卷积神经网络模型的精度是否达到预设的精度阈值；

所述时序形变预测结果输出单元具体为当所述深度卷积神经网络模型的所述精度达到预设的所述精度阈值时，则将所述历史形变数据输入所述深度卷积神经网络模型，输出所述时序形变预测结果的单元。

9.一种设备，其特征在于，包括：

存储器和处理器；其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现如权利要求1至5任一项所述的InSAR时序形变预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的InSAR时序形变预测方法的步骤。