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;