一种基于InSAR与深度学习的地表形变监测与分类方法

本发明提供一种基于InSAR与深度学习的地表形变监测与分类方法，包括以下步骤：(1)采集监测区域的多景时间序列SAR影像和DEM数据，(2)对多景时间序列SAR影像进行配准、干涉和DEM差分，(3)利用振幅离差和相干系数阈值选择PS像素，(4)链接PS像素构建空间网络，(5)解算空间网络弧段的模型参数，(6)恢复PS监测点的形变信息，(7)利用随机森林对配准的SAR影像进行一次分类，(8)利用一次分类样本和ViT网络对SAR影像进行二次分类，(9)基于多分类结果对形变进行分类、统计与成因分析。本发明提高了SAR影像分类方法的分类精度，利用土地分类结果可以有效的对InSAR形变进行分类与分析。