1.一种基于深度学习的insar相位解缠优化方法，其特征在于；
2.根据权利要求1所述的基于深度学习的insar相位解缠优化方法，其特征在于，在考虑地形效应与dem误差时，使用二维正弦函数来模拟地形效应，并加入随机噪声以模拟dem误差，具体公式为：
3.根据权利要求2所述的基于深度学习的insar相位解缠优化方法，其特征在于，me-ips算法构建模拟干涉相位训练集的步骤如下：
4.根据权利要求1所述的基于深度学习的insar相位解缠优化方法，其特征在于，dem反演算法生成真实干涉相位训练数据集的步骤如下：
5.根据权利要求1所述的基于深度学习的insar相位解缠优化方法，其特征在于，所述的dmp-punet网络模型包括依次设置的下采样和上采样，下采样和上采样之间通过跳跃连接；
6.根据权利要求5所述的基于深度学习的insar相位解缠优化方法，其特征在于，下采样具体为：
7.根据权利要求5所述的基于深度学习的insar相位解缠优化方法，其特征在于，上采样和跳跃连接具体为：
8.根据权利要求1所述的基于深度学习的insar相位解缠优化方法，其特征在于，利用构建好的dmp-punet模型对训练数据进行训练；