基于GAUNet的深度学习相位解缠方法

提出了一种基于全局注意力上采样网络的相位解缠方法。首先,结合全局注意力上采样机制和PU-M-Net,对不同噪声量级的干涉图进行解缠。其中,全局注意力上采样机制有效利用高级特征信息为低级特征图提供加权指导以减少高级特征与低级特征之间语义条纹信息的差距;PU-M-Net所采用的跳跃连接促进了相位细节信息和语义条纹信息的有效融合。其次,利用噪声量级评估系统对干涉图进行噪声等级划分,构建不同噪声量级的数据集对网络模型进行训练,使完成训练后的网络可有效处理不同噪声量级干涉图的相位解缠问题。最后,将待解缠干涉图匹配至相应噪声量级的解缠网络进行解缠。模拟和实测干涉图相位解缠实验验证了该方法的有效性。