掩膜枝切部署方法、相位解缠方法、设备及存储介质

本发明涉及监测，尤其涉及一种掩膜枝切部署方法、相位解缠方法、设备及存储介质。

背景技术：

1、随着合成孔径雷达干涉测量(insar)的发展，insar技术的用途也越来越广泛，例如地表形变监测、滑坡监测、城市与矿区地面沉降和人工建筑物的稳定性等长期监测。相位解缠是合成孔径雷达干涉测量(insar)的关键处理步骤之一，在insar数据处理中发挥了重要作用。传统的掩膜枝切解缠方法在识别出残差点的基础上，利用质量图来指导掩膜枝切的部署，再利用传统的洪水淹没法进行相位积分，从而获得最终的相位解缠结果。该方法由于自身的局限性在噪声较大、地形较复杂的地区不能很好的部署掩膜枝切，因此解缠效果较差，解缠精度较低。

技术实现思路

1、鉴于上述现有技术中的不足，本发明的目的在于提供一种掩膜枝切部署方法、相位解缠方法、设备及存储介质，改进掩膜枝切部署方法，提高相位解缠精度。

2、第一方面，提供了一种掩膜枝切部署方法，包括：

3、获取待解缠缠绕相位图的残差图像；

4、将残差图像输入到训练好的基于深度学习的掩膜枝切预测模型中，得到掩膜枝切图像。

5、根据第一方面，在一种可能的实现方式中，所述获取待解缠相位图的残差图像，包括：

6、获取待解缠缠绕相位图；

7、利用残差定义获取待解缠缠绕相位图的残差图像。

8、根据第一方面，在一种可能的实现方式中，所述掩膜枝切预测模型通过如下方法得到：

9、获取若干组数据对构建样本数据集，每个数据对包括缠绕相位图的残差图像和对应的掩膜枝切图像；

10、以残差图像为输入，以掩膜枝切图像为输出，基于样本数据集对神经网络模型进行训练，得到掩膜枝切预测模型。

11、根据第一方面，在一种可能的实现方式中，所述若干组数据对的获取方法包括：

12、获取若干真实缠绕相位图；

13、利用掩膜枝切法得到各真实缠绕相位图对应的残差图像和掩膜枝切图像。

14、根据第一方面，在一种可能的实现方式中，所述若干组数据对的获取方法还包括：

15、利用仿真技术生成若干仿真缠绕相位图；

16、利用掩膜枝切法得到各仿真缠绕相位图对应的残差图像和掩膜枝切图像。

17、根据第一方面，在一种可能的实现方式中，训练得到掩膜枝切预测模型过程中，使用像素加权交叉熵损失函数作为目标函数来训练神经网络模型，目标函数表示如下：

18、

19、其中，表示像素点s属于第i类的概率，i＝1，2，分别表示掩膜枝切像素和非掩膜枝切像素；t1(s)表示掩膜枝切像素的二进制真值标签指示，ω1(s)和ω2(s)均表示权重系数。

20、根据第一方面，在一种可能的实现方式中，所述神经网络模型基于卷积神经网络模型构建，其包括依次连接的特征提取网络和分类网络。

21、第二方面，提供了一种相位解缠方法，包括：

22、获取待解缠缠绕相位图；

23、采用如上所述的掩膜枝切部署方法得到待解缠缠绕相位图的掩膜枝切图像；

24、选择积分路径时避开掩膜枝切像素，利用洪水淹没法围绕掩膜技切的积分路径对每个像素逐次进行积分解缠，得到最终的相位解缠结果。

25、第三方面，提供了一种电子设备，包括：

26、存储器，其存储有计算机程序；

27、处理器，用于加载并执行所述计算机程序时实现如上所述掩膜枝切部署方法或相位解缠方法的步骤。

28、第四方面，提供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如上所述掩膜枝切部署方法或相位解缠方法的步骤。

29、本发明提出了一种掩膜枝切部署方法、相位解缠方法、设备及存储介质，将深度学习中的语义分割技术与相位解缠相结合，掩膜枝切图像中的像素分为掩膜枝切像素和非掩膜枝切像素两类，本发明将掩膜枝切部署问题转化为用深度学习中的语义分割实现的像素分类问题，利用训练好的掩膜枝切预测模型来预测掩膜枝切图像，可以在没有质量图指导的情况下自动高效、准确地部署掩膜枝切。通过深度学习的自适应性，所搭建的网络模型与传统掩膜枝切法相比可以更好地部署掩膜枝切，在噪声较大、地形较复杂的地区也能很好的部署掩膜枝切，获得更好的解缠结果，解缠精度高。

技术特征：

1.一种掩膜枝切部署方法，其特征在于，包括：

2.根据权利要求1所述的掩膜枝切部署方法，其特征在于，所述获取待解缠相位图的残差图像，包括：

3.根据权利要求1或2所述的掩膜枝切部署方法，其特征在于，所述掩膜枝切预测模型通过如下方法得到：

4.根据权利要求3所述的掩膜枝切部署方法，其特征在于，所述若干组数据对的获取方法包括：

5.根据权利要求4所述的掩膜枝切部署方法，其特征在于，所述若干组数据对的获取方法还包括：

6.根据权利要求3所述的掩膜枝切部署方法，其特征在于，训练得到掩膜枝切预测模型过程中，使用像素加权交叉熵损失函数作为目标函数来训练神经网络模型，目标函数表示如下：

7.根据权利要求3所述的掩膜枝切部署方法，其特征在于，所述神经网络模型基于卷积神经网络模型构建，其包括依次连接的特征提取网络和分类网络。

8.一种相位解缠方法，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。

技术总结
本发明公开了一种掩膜枝切部署方法、相位解缠方法、设备及存储介质，其中部署方法包括：获取待解缠缠绕相位图的残差图像；将残差图像输入到训练好的基于深度学习的掩膜枝切预测模型中，得到掩膜枝切图像。本发明将深度学习中的语义分割技术与相位解缠相结合，将掩膜枝切部署问题转化为用深度学习中的语义分割实现的像素分类问题，利用训练好的掩膜枝切预测模型来预测掩膜枝切图像，可以在没有质量图指导的情况下自动高效、准确地部署掩膜枝切。通过深度学习的自适应性，所搭建的网络模型与传统掩膜枝切法相比可以更好地部署掩膜枝切，在噪声较大、地形较复杂的地区也能很好的部署掩膜枝切，获得更好的解缠结果，解缠精度高。

技术研发人员：袁志辉,杨凯,邢学敏,陈立福
受保护的技术使用者：长沙理工大学
技术研发日：
技术公布日：2024/1/13