一种基于并联卷积神经网络的InSAR相位滤波方法

为了提高InSAR干涉相位图的质量以及改善密集条纹区域的边缘信息保持效果，提出了一种基于并联卷积神经网络的InSAR相位滤波方法。该方法通过多个并联的卷积神经网络提取多尺度相位信息的特征层以及传统卷积神经网络结构的滤波层，将不连续跳变的干涉相位转换至连续的正、余弦分量，并送入到并联卷积网络中进行残差学习，最后输出相位残差并完成相位滤波。通过仿真实验与实测数据验证了该方法的有效性。分析结果表明，该方法的各项评价指标均优于Boxcar滤波、非局部均值滤波和Goldstein滤波，可用于实际的InSAR数据处理中，提高干涉相位质量。