基于深度学习算法的InSAR图像处理方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习算法的InSAR图像处理方法及装置，所述方法包括：利用低精度数字高程模型DEM仿真合成孔径雷达SAR图像，将仿真SAR图像与实际SAR图像进行配准，建立低精度DEM与实际SAR图像之间的对应关系；基于所述对应关系，利用低精度DEM进行干涉图仿真，将实际获取的干涉图与仿真干涉图进行差分，获取差分干涉图；对差分干涉图进行处理，根据仿真干涉图对所述差分干涉图进行相位解缠，获得原始干涉图，并对其进行相位解缠；进行基线估计和干涉参数定标，重建DEM，并通过重建的所述DEM进行正射影像制作，得到InSAR干涉图；利用深度学习算法训练降噪编码器DAE，对所述InSAR干涉图进行降噪处理，得到高精度的InSAR图像。

【技术实现步骤摘要】
基于深度学习算法的InSAR图像处理方法及装置
本专利技术涉及雷达
，尤其涉及一种基于深度学习算法的InSAR图像处理方法及装置。
技术介绍
随着我国雷达技术的快速发展，合成孔径雷达干涉测量(InterferometricSyntheticApertureRadar,InSAR)技术也在迅猛发展，在快速地形测绘方面具有突出的优势。合成孔径雷达干涉测量技术是随着信息技术、摄影测量技术、数字信号处理技术等相关技术的发展而迅速发展起来的一种高精度对地观测技术。它在地形测绘、地表形变监测、冰川运动研究等方面都表现出全天时、全天候、高精度、高效率、大区域等突出优势。利用InSAR技术快速获取高精度数字高程模型(DigitalElevationModel,DEM)是目前InSAR技术的主要应用之一。InSAR获取DEM的基本原理是利用合成孔径雷达(SyntheticApertureRadar,SAR)系统的两副天线(或一副天线重复观测)，来获取同一地区具有一定视角差的两幅具有相干性的单视复数(SingleLookComplex,SLC)SAR图像，并根据其干涉相位信息来提取地表的高程信息和本文档来自技高网...

【技术保护点】
1.一种基于深度学习算法的InSAR图像处理方法，其特征在于，包括：利用低精度数字高程模型DEM仿真合成孔径雷达SAR图像，将仿真SAR图像与实际SAR图像进行配准，建立低精度DEM与实际SAR图像之间的对应关系；基于所述对应关系，利用低精度DEM进行干涉图仿真，将实际获取的干涉图与仿真干涉图进行差分，获取差分干涉图；对差分干涉图进行预设处理后，根据仿真干涉图对所述差分干涉图进行相位解缠，获得原始干涉图，并对原始干涉图进行相位解缠；进行基线估计和干涉参数定标，重建DEM，并通过重建的所述DEM进行正射影像制作，得到InSAR干涉图；利用深度学习算法训练降噪编码器DAE，对所述InSAR干涉图进...

【技术特征摘要】
1.一种基于深度学习算法的InSAR图像处理方法，其特征在于，包括：利用低精度数字高程模型DEM仿真合成孔径雷达SAR图像，将仿真SAR图像与实际SAR图像进行配准，建立低精度DEM与实际SAR图像之间的对应关系；基于所述对应关系，利用低精度DEM进行干涉图仿真，将实际获取的干涉图与仿真干涉图进行差分，获取差分干涉图；对差分干涉图进行预设处理后，根据仿真干涉图对所述差分干涉图进行相位解缠，获得原始干涉图，并对原始干涉图进行相位解缠；进行基线估计和干涉参数定标，重建DEM，并通过重建的所述DEM进行正射影像制作，得到InSAR干涉图；利用深度学习算法训练降噪编码器DAE，对所述InSAR干涉图进行降噪处理，剔除气象环境因素造成的影响，得到高精度的InSAR图像。2.如权利要求1所述的方法，其特征在于，利用深度学习算法训练降噪编码器DAE具体包括：基于循环神经网络的方法，结合InSAR图像以及剔除气象环境因素影响的对应图像，通过不同参数、阈值设置以及不同气象环境因素的选择，进行反复实验、迭代优化，不断修正、完善降噪编码器相关参数，对降噪编码器DAE进行训练。3.如权利要求1所述的方法，其特征在于，所述预设处理具体包括：进行差分干涉图的质量图计算；进行差分干涉图的滤波；进行差分干涉图的残差点统计。4.一种基于深度学习算法的InSAR图像处理装置，其特征在于，包括：第一仿真模块，用于利用低精度数字高程模型DEM仿真合成孔径雷达SAR图像，将仿真SAR图像与实...

【专利技术属性】
技术研发人员：姜雅文，张博，汪溁鹤，毕严先，袁苏文，谷晓鹏，
申请(专利权)人：中国电子科技集团公司电子科学研究院，
类型：发明
国别省市：北京,11