一种基于学习网络的矿区大梯度形变区相位解缠方法技术

本发明专利技术公开了一种基于学习网络的矿区大梯度形变区相位解缠方法，属于合成孔径雷达干涉数据处理领域，包括以下步骤：基于U

【技术实现步骤摘要】
一种基于学习网络的矿区大梯度形变区相位解缠方法


[0001]本专利技术属于合成孔径雷达干涉数据处理领域，特别是涉及一种基于学习网络的矿区大梯度形变区相位解缠方法。

技术介绍

[0002]干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,InSAR)已广泛应用于数字高程模型生成、城市地表形变监测和煤矿沉陷监测。煤矿开采沉陷监测对煤矿安全生产具有重要的意义。差分InSAR(Differential InSAR,DInSAR)是一种有效的煤矿沉陷监测方法。DInSAR利用雷达卫星获取同一监测区域在两个不同时间的相位，然后进行差分干涉得到形变信息。DInSAR能准确地获取采煤沉陷的微小形变，因此该技术在煤矿沉陷监测中得到了广泛应用。然而，由于采煤条件的复杂性，使得DInSAR在监测过程存在诸多瓶颈问题。大梯度形变区域的获取已成为DInSAR在沉陷监测中的关键问题之一，大梯度沉陷形变会导致干涉相位条纹将非常密集，甚至会出现干涉条纹混叠的现象，这会影响相位解缠精度，甚至导致相位解缠失败。众所周知，相位解缠是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于学习网络的矿区大梯度形变区相位解缠方法，其特征在于，包括以下步骤：基于U
‑
Net网络和SegNet网络构建多模型融合相位解缠网络；基于矿区的开采沉陷形变特征，获得模拟缠绕干涉图，并对所述模拟缠绕干涉图进行处理，获得滤波后的模拟缠绕干涉相位和对应的相位模糊系数；基于所述滤波后的模拟缠绕干涉相位和对应的相位模糊系数训练所述多模型融合相位解缠网络；基于训练后的多模型融合相位解缠网络，获得沉陷形变区的解缠相位值。2.根据权利要求1所述的基于学习网络的矿区大梯度形变区相位解缠方法，其特征在于，构建多模型融合相位解缠网络的过程包括：基于自适应提升算法将U
‑
Net网络和SegNet网络进行模型融合，获得融合过程中每轮训练的错误率；基于所述错误率，获得充分匹配系数；基于所述充分匹配系数更新所述U
‑
Net网络和SegNet网络的模型权重，继续下一轮训练，直至获得预设的模型权重，进而获得多模型融合相位解缠网络。3.根据权利要求1所述的基于学习网络的矿区大梯度形变区相位解缠方法，其特征在于，获得滤波后的模拟缠绕干涉相位和对应的相位模糊系数的过程包括：将超几何噪声添加到所述模拟缠绕干涉图中，并基于滤波方法对加噪后的模拟缠绕干涉图进行滤波处理，获得滤波后的模拟缠绕干涉相位；基于未加噪的模拟缠绕干涉图，获得对应的相位模糊系数。4.根据权利要求3所述的基于学习网络的矿区大梯度形变区相位解缠方法，其特征在于，基于所述滤波后的模拟缠绕干涉相位和对应的相...

【专利技术属性】
技术研发人员：高延东，阎超，李世金，郑南山，张书毕，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：