基于CNN的InSAR干涉图质量评价方法

来源：大地测量与地球动力学杂志2026年第3期北京时间：

作者：查小惠, 陈皆红, 高华, 齐述华

单位：1 江西师范大学地理与环境学院, 南昌, 330022,2 江西省地震局, 南昌, 330026

摘要：基于卷积神经网络(CNN)提出一种InSAR干涉图质量的自动评价方法, 并将该方法应用于Sentinel-1数据实验中, 测试集的准确率和召回率分别达到96.5%和98%, 自动筛选与人工挑选结果具有很好的一致性。将该方法应用于南昌地区PS-InSAR形变处理, 结果表明, 通过质量评价选择高质量的干涉图开展形变分析, 能够显著提高形变时间序列测量精度。

关键词：CNN,时序InSAR,干涉图质量,StaMPS,PS-InSAR

基金资助：国家自然科学基金(41761076),江西省重点研发计划(20232BBE50021)