基于深度学习的采煤沉陷InSAR相位滤波方法及模型

本发明公开了一种基于深度学习的采煤沉陷InSAR相位滤波方法及模型，属于相位滤波领域。构建MCR‑PFNet的模型，针对采煤沉陷InSAR数据中的噪声问题进行相位滤波，通过MCR‑PFNet模型在编码和解码路径中引入了多头自注意力模块和CBAM注意力模块，增强了对空间和形变特征的捕捉能力，并通过残差块优化了网络的卷积结构，确保了滤波结果的高精度与鲁棒性。通过对多组模拟和实际数据的验证，该方法在相位滤波精度和噪声消除效果上优于传统方法，能够有效恢复地表形变信息。该方法步骤简单、效率高，适用于采煤沉陷区域InSAR数据的处理，满足地表形变监测、灾害预防及资源管理等领域的需求。