公开(公告)号：CN113129295A

公开(公告)日：2021-07-16

申请号：CN202110470505.4

申请日：2021-04-28

Applicant: 桂林电子科技大学

Inventor： 谢先明 ,  田宪辉

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G01S13/90 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种全尺度连接的深度学习相位展开方法，包括创建InSAR模拟数据集；将S1创建好的两种数据放入全尺度连接的深度学习中进行训练；将待解缠相位图像放入已训练好的全尺度连接的深度学习中得出解缠出的真实相位图像。本发明以U‑Net3+为骨架，实现从缠绕相位到真实相位的直接映射。在编码模块与解码模块之间利用全尺度跳跃连接把编码模块中不同尺度的特征图与解码模块中携带高级语义信息的特征图有机的结合在一起；在编码层和解码层添加残差网络，防止因网络层数过深带来的梯度弥散和网络退化问题；完成训练后的网络能有效解缠不同类型干涉图，不需要进行任何后处理。实验结果表明本文网络具有很好的泛化能力以及较高的解缠效率。

公开(公告)号：CN113129294A

公开(公告)日：2021-07-16

申请号：CN202110470485.0

申请日：2021-04-28

Applicant: 桂林电子科技大学

Inventor： 谢先明 ,  田宪辉

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G01S13/90 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种多尺度连接深度学习一步相位展开方法，包括创建InSAR模拟数据集；将S1创建好的两种数据放入改进的DeepLabV3+模型中进行训练；将待解缠相位图像放入已训练好的DeepLab V3+模型中得出解缠出的真实相位图像。本发明以DeepLab V3+为骨架，进行优化设计，搭建适用于不同类型干涉图解缠的网络架构，实现从缠绕相位到真实相位的直接映射；多尺度跳跃连接把编码模块中不同尺度的特征图语义信息与解码模块中的特征图高级语义信息有机的结合在一起；极大降低了网络模型参数量，有利于提高网络的相位解缠精度与训练效率。该网络经过训练后，运行速度快且不需要进行任何后处理，实验结果证明此方法具有很好的泛化能力和稳定性，时间效率高，具有重要的应用价值。