[发明专利]一种用于干涉合成孔径雷达相位解缠方法

说明书

本发明公开了一种用于干涉合成孔径雷达相位解缠方法，将获取的待解缠数据输入神经网络模型中的生成器中，经过卷积和反卷积运算后，输出解缠完成的解缠数据，然后根据所述解缠数据与真实相位数据对应的的损失值，调整训练参数；最后根据调整后的所述训练参数进行训练，并利用AdaDelta算法策略对训练过程进行优化，直至所述损失值小于阈值，完成解缠，提高相位解缠算法的效率。

技术领域

本发明涉及遥测遥感和深度神经网络交叉技术领域，尤其涉及一种用于干涉合成孔径雷达相位解缠方法。

背景技术

合成孔径雷达干涉测量技术(InSAR)是在合成孔径雷达技术(SAR)的基础上为满足测量高精度的高程信息发展而来的。它通过两副天线同时观测(单轨模式)或两次近平行的观测(重复轨道模式)对同一场景进行成像，提取其包含目标与天线几何关系的相位信息，得到场景的数字高程图(DEM)。当今的合成孔径雷达探测技术主要是为取得数字高程信息(DEM)，而后做地表沉降、植被分类等后续测算，取得数字高程的第一步也是最关键的步骤就是相位解缠，将真实相位从缠绕相位中还原出来，相位解缠作为基础，相位解缠的好坏直接影响后续的数据处理，可以说起决定性作用，当今的相位解缠算法主要存在如下不足：第一，必须假定其为连续相位，局限性大，根据真实数据观察，数据中有很多是非连续相位；且当今算法解缠的方法复杂度高，计算量大，难以符合实时性要求；第二，算法复杂度高、计算量大，导致难以符合实时性要求；第三，由于算法的缺陷，易产生无法解缠的孤岛，导致相位解缠算法的效率较低。

发明内容

本发明的目的在于提供一种用于干涉合成孔径雷达相位解缠方法，提高相位解缠算法的效率。

为实现上述目的，本发明提供了一种用于干涉合成孔径雷达相位解缠方法，包括：

将获取的待解缠数据输入神经网络模型中进行训练，得到解缠数据；

根据所述解缠数据与真实相位数据的损失值，调整训练参数；

根据调整后的所述训练参数训练，并对训练过程进行优化，完成解缠。

其中，将获取的待解缠数据输入神经网络模型中进行训练，得到解缠数据，包括：

将获取的待解缠数据输入神经网络模型中的生成器中，经过卷积和反卷积运算后，输出解缠完成的解缠数据。

其中，根据调整后的所述训练参数训练，并对训练过程进行优化，完成解缠，包括：

根据调整后的所述训练参数对所述待解缠数据进行训练，所述解缠数据和所述真实相位数据之间的所述损失值减小，并利用AdaDelta算法策略对训练过程进行优化，直至所述损失值小于阈值，完成解缠。

本发明的一种用于干涉合成孔径雷达相位解缠方法，将获取的待解缠数据输入神经网络模型中的生成器中，经过卷积和反卷积运算后，输出解缠完成的解缠数据，然后根据所述解缠数据与真实相位数据对应的的损失值，调整训练参数；最后根据调整后的所述训练参数进行训练，并利用AdaDelta算法策略对训练过程进行优化，直至所述损失值小于阈值，完成解缠，提高相位解缠算法的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种用于干涉合成孔径雷达相位解缠方法的步骤示意图。

图2是本发明提供的生成器的网络结构图。

图3是本发明提供的判别器的网络结构图。

具体实施方式