一种InSAR相位解缠方法、系统、设备及介质

本发明涉及合成孔径干涉测量，特别是涉及一种insar相位解缠方法、系统、设备及介质。

背景技术：

1、随着sar卫星数量的不断增加，合成孔径雷达干涉测量技术(interferometricsyntheticaperture radar，insar)在地表形变监测、地质灾害探测及冰川运动监测等领域，得到广泛的应用并发挥着重要的角色。相位解缠作为insar干涉数据处理的关键步骤之一，准确地从缠绕在(-π,π]之间的相位中恢复出真实相位，对于后续提取的高程参数或形变信息至关重要。针对复杂山地环境地区，由于存在高噪声及大梯度变化区域，难以获得准确高效的相位解缠结果，如何快速获取复杂山地环境地区高精度相位解缠结果成为目前insar领域亟需解决的难题之一。

技术实现思路

1、本发明的目的是提供一种insar相位解缠方法、系统、设备及介质，提高了insar相位解缠的效率和准确性。

2、为实现上述目的，本发明提供了如下方案：

3、一种insar相位解缠方法，包括：

4、获取目标山区的两幅sar影像，并根据两幅sar影像得到复数干涉图；

5、将所述复数干涉图输入相位解缠模型，得到相位包裹数；所述相位解缠模型为采用训练集训练好的深度学习神经网络；

6、根据所述相位包裹数计算得到初步相位解缠结果；

7、利用滑动窗口奇异值修正模型相位梯度校正解缠方法得到所述复数干涉图上设定区域的相位解缠结果；

8、利用设定区域的相位解缠结果对所述初步相位解缠结果进行相位值修正，得到修正后的相位解缠结果；

9、利用迭代最小二乘法对修正后的相位解缠结果的不连续区域进行修正，得到最终相位解缠结果；

10、所述滑动窗口奇异值修正模型相位梯度校正解缠方法，具体包括：

11、利用滑动窗口的方式遍历目标复数干涉图，对遍历到的每个第一滑动窗口对应区域利用奇异值分解降噪，得到降噪后的目标复数干涉图；

12、从降噪后的目标复数干涉图中提取干涉相位，采用滑动窗口的方式遍历所述干涉相位，并对遍历到的每个第二滑动窗口内缠绕相位梯度进行校正，得到缠绕相位梯度校正后的目标复数干涉图；

13、利用迭代最小二乘法对缠绕相位梯度校正后的目标复数干涉图进行相位解缠，得到目标复数干涉图的相位解缠结果。

14、可选地，利用滑动窗口的方式遍历目标复数干涉图，对遍历到的每个第一滑动窗口对应区域利用奇异值分解降噪，得到降噪后的目标复数干涉图，具体包括：

15、采用第一滑动窗口遍历所述目标复数干涉图，将遍历到的每个第一滑动窗口均作为一个复数矩阵；

16、对每个所述复数矩阵进行奇异值分解，得到分解后的矩阵奇异值；

17、将分解后的矩阵奇异值中小于设定阈值的数值舍去，得到降噪后的复数矩阵；

18、当采用第一滑动窗口遍历所述目标复数干涉图结束后，由各降噪后的复数矩阵组成降噪后的目标复数干涉图。

19、可选地，从降噪后的目标复数干涉图中提取干涉相位，采用滑动窗口的方式遍历所述干涉相位，并对遍历到的每个第二滑动窗口内缠绕相位梯度进行校正，得到缠绕相位梯度校正后的目标复数干涉图，具体包括：

20、从所述降噪后的目标复数干涉图中提取干涉相位；

21、从所述干涉相位上选择一个点作为参考相位解缠点；

22、采用第二滑动窗口遍历所述干涉相位，并计算遍历到的每个第二滑动窗口内的相位梯度标准差和相位梯度平均值；

23、将遍历到的每个第二滑动窗口内大于相位梯度标准差的相位梯度数值替换后为相位梯度平均值，得到缠绕相位梯度校正后的目标复数干涉图。

24、可选地，所述深度学习神经网络为改进的u-net网络，所述改进的u-net网络的解码路径中，在u-net网络的基础上，在每两个连续的卷积操作之间均插入一个残差块，在编码路径上采样和解码路径下采样过程中，均加入了卷积块注意力模块，所述卷积块注意力模块包括通道注意力模块和空间注意力模块。

25、可选地，所述训练集中样本数据包括输入数据和标签数据，所述输入数据为初步相位解缠结果样本，所述标签数据为相位包裹数样本；所述输入数据为通过所述滑动窗口奇异值修正模型相位梯度校正解缠方法对复数干涉图样本数据处理得到的。

26、可选地，采用训练集训练深度学习神经网络时，采用平均交叉熵损失函数作为损失函数，使用adam优化器对深度学习神经网络的参数进行优化。

27、可选地，利用设定区域的相位解缠结果对所述初步相位解缠结果进行相位值修正，得到修正后的相位解缠结果，具体包括：

28、确定初步相位解缠结果上与所述设定区域对应位置上的相位解缠结果；

29、确定所述对应位置上的相位解缠结果与设定区域的相位解缠结果的相位值偏差；

30、利用所述相位值偏差对所述初步相位解缠进行相位值修正，得到修正后的相位解缠结果。

31、本发明还公开了一种insar相位解缠系统，包括：

32、复数干涉图确定模块，获取目标山区的两幅sar影像，并根据两幅sar影像得到复数干涉图；

33、相位包裹数确定模块，用于将所述复数干涉图输入相位解缠模型，得到相位包裹数；所述相位解缠模型为采用训练集训练好的深度学习神经网络；

34、初步相位解缠结果确定模块，用于根据所述相位包裹数计算得到初步相位解缠结果；

35、设定区域的相位解缠结果确定模块，用于利用滑动窗口奇异值修正模型相位梯度校正解缠方法得到所述复数干涉图上设定区域的相位解缠结果；

36、相位值修正模块，用于利用设定区域的相位解缠结果对所述初步相位解缠结果进行相位值修正，得到修正后的相位解缠结果；

37、不连续区域修正模块，用于利用迭代最小二乘法对修正后的相位解缠结果的不连续区域进行修正，得到最终相位解缠结果；

38、所述滑动窗口奇异值修正模型相位梯度校正解缠方法，具体包括：

39、利用滑动窗口的方式遍历目标复数干涉图，对遍历到的每个第一滑动窗口对应区域利用奇异值分解降噪，得到降噪后的目标复数干涉图；

40、从降噪后的目标复数干涉图中提取干涉相位，采用滑动窗口的方式遍历所述干涉相位，并对遍历到的每个第二滑动窗口内缠绕相位梯度进行校正，得到缠绕相位梯度校正后的目标复数干涉图；

41、利用迭代最小二乘法对缠绕相位梯度校正后的目标复数干涉图进行相位解缠，得到目标复数干涉图的相位解缠结果。

42、本发明公开了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据所述的insar相位解缠方法。

43、本发明公开了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现所述的insar相位解缠方法。

44、根据本发明提供的具体实施例，本发明公开了以下技术效果：

45、本发明通过对复数干涉图进行奇异值分解，确定降噪后的目标复数干涉图，解决了复数干涉图存在高噪声的问题，采用滑动窗口遍历所述干涉相位，从降噪后的目标复数干涉图中提取干涉相位，采用滑动窗口遍历所述干涉相位，并对每个遍历到的滑动窗口内缠绕相位梯度进行校正，利用迭代最小二乘法对缠绕相位梯度校正后的目标复数干涉图进行相位解缠，得到第一相位解缠结果，并利用深度学习构建相位解缠模型，得到第二相位解缠结果，利用迭代最小二乘法对所述第二相位解缠结果进行修正，得到最终相位解缠结果，提高了insar相位解缠的效率和准确性。