一种改进的U-Net相位解缠方法

摘要

针对合成孔径雷达干涉测量技术中的相位解缠问题,以深度学习U-Net框架为基础,结合空间金字塔池化(atrous spatial pyramid pooling,ASPP)网络和瓶颈模式残差单元,提出一种基于深度学习的相位解缠方法.该方法以U-Net架构为基础,建立从缠绕相位到真实相位的映射关系,搭建鲁棒性较强的相位解缠网络.ASPP结合多尺度信息和扩张卷积的优势,将不同扩张率的扩张卷积特征图结合到一起来捕获上下文信息,能在不牺牲特征空间分辨率的同时扩大特征接收野,有利于精确获取缠绕干涉图特征信息,增强相位解缠算法的稳健性;瓶颈残差网络可使网络模型在减小参数计算量的同时防止网络退化,提高网络训练精度与效率.模拟与实测干涉图解缠结果表明,该方法可获得与其他同类方法相比更稳健的结果.