[发明专利]一种基于U-net的InSAR干涉图像相位解缠方法

权利要求书

1.一种基于U-net的InSAR干涉图像相位解缠方法，其特征在于，包括以下步骤：

S1，创建InSAR模拟数据集；

S2，创建准实测数据集；

S3，将S1和S2创建好的两种数据放入改进的U-net模型中进行训练；

S4，将待解缠相位图像放入已训练好的U-net模型中得出解缠出的真实相位图像；

S3所述改进的U-net模型，是把U-net架构、空间金字塔池（ASPP）网络以及瓶颈残差网络结合起来，构建一种改进的基于U-net模型的相位解缠网络；该网络结合U-net模型、残差神经网络和DeepLabv3+网络模型的特点，由编码路径、解码路径以及跳跃连接路径组成；网络左边的编码路径的作用是通过6个单元模块由浅入深地逐层提取输入相位图特征信息，其中每个单元模块包括卷积模块、残差网络层、ASPP网络层、最大池化层，其中卷积模块包括Conv层+批量归一化BN+激活函数Relu，最大池化层窗口为2×2；右边解码路径的作用是通过反卷积操作恢复抽象信息和定位图像细节信息，各单元模块包括上采样层、连接层、卷积模块和残差模块，上采样层窗口为2×2，其中上采样层在放大特征图的同时通过卷积操作保证通道数与左侧的编码路径相同，使两侧路径的特征图可实现跳跃连接。

2.根据权利要求1所述的基于U-net的InSAR干涉图像相位解缠方法，其特征在于，S3包括如下步骤：

S3-1，单通道的缠绕相位图从U-net模型的第一单元的输入层进入，经卷积层将图像通道数调整为8后通过残差网络层输出特征图；

S3-2，ASPP模块采取了四种不同采样率的卷积层和全局池化层并行操作，使网络层融合了不同尺度信息特征图；

S3-3，最大池化层对传入的特征图进行下采样后传入模型的下一单元模块，由下一单元模块中的卷积操作将图像通道数加倍；

S3-4，重复S3-1~S3-3，直到特征图进入编码路径最后的单元模块完成编码操作；

S3-5，特征图先经过上采样放大并减半通道数，再通过跳跃连接与编码路径中的输出特征图进行拼接；

S3-6，拼接后的特征图依次经过卷积模块、残差模块、卷积模块输出到下个上采样层；

S3-7，重复S3-5~S3-6，直到特征图通道数降为8，再通过卷积操作将特征图变为单通道图输出。

3.根据权利要求1所述的基于U-net的InSAR干涉图像相位解缠方法，其特征在于，S4中，单通道的缠绕相位图从输入层进入，经第一单元模块卷积层将图像通道数调整为8后通过残差网络层输出特征图，再通过ASPP网络层输出融合了不同尺度信息特征图，并通过最大池化层实现下采样，特征图进入后一单元模块再利用卷积操作将通道数加倍，随后重复第一单元模块中的操作，直到特征图进入编码路径最后单元模块完成编码工作，随后再依次通过解码路径中各单元模块中上采样层、跳跃连接、卷积层和残差网络层执行解缠操作，其中解码路径中各单元模块依次减半图像通道数，最后由输出层输出解缠结果。