基于卷积神经网络和视觉变换器的合成孔径雷达干涉测量相位解缠方法

本发明涉及一种基于卷积神经网络和视觉变换器的合成孔径雷达干涉测量相位解缠方法，属于合成孔径雷达干涉测量技术领域。针对传统深度学习方法在复杂地形和噪声环境下相位解缠精度不足的问题，本发明通过以下步骤解缠：输入待解缠的合成孔径雷达干涉图，利用卷积神经网络提取局部特征，通过多尺度特征捕获模块生成融合特征图，经挤压‑激励网络调整通道权重后，应用单头自注意力机制捕获全局关系，最终通过卷积层重建连续相位图。本发明有效结合了局部特征提取与全局关系建模，提升了对相位跳变区域和噪声的处理能力，适用于矿区等地表大梯度形变区域的相位解缠，可准确恢复干涉测量中的连续相位信息，为地表形变监测等应用提供精确数据支持。