智能化InSAR数据处理研究进展、挑战与展望

P258; 随着海量SAR数据的持续积累及深度学习技术的快速发展,以大数据分析和人工智能为主要特征的智能InSAR时代即将来临.本文综述了深度学习技术在InSAR数据处理中的研究现状与发展趋势.首先,简述了目前主流InSAR数据处理方法,分析了在复杂应用场景下其监测精度、处理效率和自动化程度等方面的局限性.然后,在介绍主要InSAR深度学习网络(包括卷积神经网络、循环神经网络和生成对抗网络)的基础上,根据深度学习技术在InSAR数据处理关键环节中的应用,结合笔者团队研究实践,系统梳理了 InSAR相位滤波、相位解缠、PS/DS点选取、大气校正、形变估计和形变预测等方面智能化处理的研究进展.最后...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 53; no. 6; pp. 1037 - 1056
Main Authors 江利明, 邵益, 周志伟, 马培峰, 王腾
Format Journal Article
LanguageChinese
Published 中国科学院精密测量科学与技术创新研究院大地测量与地球动力学国家重点实验室,湖北武汉 430077 22.07.2024
中国科学院大学地球与行星科学学院,北京 100049%香港中文大学太空与地球信息科学研究所,香港 999077%北京大学地球与空间科学学院,北京 100871
Subjects
地表形变
ground deformation
智能处理
deep learning
intelligent processing
深度学习
neural networks
InSAR
神经网络
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2024.20230440

Cover

More Information
Summary:P258; 随着海量SAR数据的持续积累及深度学习技术的快速发展,以大数据分析和人工智能为主要特征的智能InSAR时代即将来临.本文综述了深度学习技术在InSAR数据处理中的研究现状与发展趋势.首先,简述了目前主流InSAR数据处理方法,分析了在复杂应用场景下其监测精度、处理效率和自动化程度等方面的局限性.然后,在介绍主要InSAR深度学习网络(包括卷积神经网络、循环神经网络和生成对抗网络)的基础上,根据深度学习技术在InSAR数据处理关键环节中的应用,结合笔者团队研究实践,系统梳理了 InSAR相位滤波、相位解缠、PS/DS点选取、大气校正、形变估计和形变预测等方面智能化处理的研究进展.最后,探讨了基于深度学习的InSAR数据智能化处理面临的挑战,并对未来发展趋势进行了展望.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2024.20230440