一种时序InSAR湍流层延迟校正的轻量级深度学习方法及装置

本申请关于一种时序InSAR湍流层延迟校正的轻量级深度学习方法及装置，涉及图像数据处理技术领域。该方法包括：获取目标区域的InSAR数据；基于地球物理建模技术，构建不同类型的地表形变信号；基于InSAR数据和地统计学模型，模拟各向异性的大气湍流噪声；将大气湍流噪声特征和地表形变信号叠加融合，构建仿真时序InSAR训练数据集；然后，设计了一种改进的深度卷积神经网络自编码器结构，训练采用L1损失函数，通过训练数据对预设模型进行训练，能够有效区分和消除InSAR干涉图中的湍流层大气噪声，同时保留时间序列中持续存在的地表沉降信号。