公开(公告)号：CN117169886A

公开(公告)日：2023-12-05

申请号：CN202311279337.6

申请日：2023-09-28

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 陈小毛 ,  黄莹 ,  何超 ,  张珊珊 ,  覃小峰 ,  林晋锋

IPC: G01S13/90

Abstract: 本发明涉及干涉合成孔径雷达信号处理技术领域，尤其涉及一种基于无迹卡尔曼滤波的高效率相位解缠方法，包括步骤：计算得到每个像素距离/方位向的相位梯度估计值，干涉图对应的质量图，标记干涉图中残差的位置；基于残差的位置和质量图，利用像素分类策略将干涉图中的像素进行分类；基于相位梯度估计值，采用无迹卡尔曼滤波相位解缠算法与高效率的路径跟踪策略，对干涉图进行高效地解缠。本发明提供的基于无迹卡尔曼的高效率相位解缠方法，解决了现有集成去噪和解缠方法解缠时间过长的问题，以实现在不影响解缠精度的情况下，有效提高了相位解缠的效率。

公开(公告)号：CN118411303A

公开(公告)日：2024-07-30

申请号：CN202410488397.7

申请日：2024-04-23

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 陈小毛 ,  林晋锋 ,  张珊珊 ,  覃小峰 ,  何超 ,  黄莹

IPC: G06T5/70 ,  G06T5/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开一种基于U型多维多尺度融合神经网络的InSAR相位滤波方法(DP‑Net)。该方法采用U型网络架构，实现了在多维度上对特征的有效融合和精细处理。通过引用空洞卷积模块，增强了网络对不同尺度特征的捕获能力。同时在编码‑解码过程中实现不同层级特征的融合，使网络在保持干涉图细节的同时有效减少噪声，提高了滤波质量。通过使用数字高程模型(DEM)生成的模拟数据集进行网络训练，并通过对模拟及真实数据进行滤波实验，验证了该方法的有效性。

公开(公告)号：CN117351350A

公开(公告)日：2024-01-05

申请号：CN202311289934.7

申请日：2023-10-08

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 陈小毛 ,  何超 ,  林晋锋

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种加权MAE训练的CNN神经网络InSAR相位滤波方法。首先搭建FS‑Net网络模型，主体由残差模块和空洞卷积模块组成。FS‑Net网络使用Sigmoid作为输出层以限制网络的输出值域范围与归一化缠绕相位值域一致。InSAR相位滤波的主要目的是使条纹更加清晰，为了使FS‑Net更加注重条纹区域像素从而获得更好的滤波效果，本发明提出了一种加权MAE损失函数。该损失函数增加了条纹边缘区域像素的权重，从而增加条纹边缘区域像素对总损失的贡献，以获得FS‑Net网络更多注意力。实验结果表明本发明提出的一种加权MAE训练的CNN神经网络InSAR相位滤波方法优于传统的干涉图滤波方法，滤波结果更加可靠和准确。