研究人员开发了一个深度学习框架，能够直接从检测到的SAR图像估计InSAR相干性，无需精确配准。该框架使用残差U-Net模型在Sentinel-1数据上进行训练，学习后向散射幅度和相干性之间的关系。该方法在准确性上优于现有的基于强度的方法，并在不同地点和时间基线上表现出强大的泛化能力，从而能够实现大规模应用。 AI
影响 赋能InSAR相干性估计的大规模应用，用于任务设计、变化监测和测绘任务。
排序理由 该集群包含一篇学术论文，详细介绍了用于InSAR相干性估计的新深度学习框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.07374v1 Announce Type: cross Abstract: In this work, we propose a deep learning framework for coherence regression directly from detected SAR images, without the need for accurate coregistration. A Residual U-Net is trained using coherence maps derived from precisely c…
In this work, we propose a deep learning framework for coherence regression directly from detected SAR images, without the need for accurate coregistration. A Residual U-Net is trained using coherence maps derived from precisely coregistered Sentinel-1 SLC data to learn the relat…