| 主权项 |
基于大规模数据加权枝切线的相位解缠绕方法，包括如下步骤：（1）输入数据：（1a）输入经过干涉处理后的干涉相位图数据；（1b）输入干涉相位图的质量信息数据；（2）识别残点：（2a）将干涉相位图中第一个像素I<sub>1,1</sub>的位置，作为提取干涉相位图中像素相位值的位置；其中，I<sub>1,1</sub>表示干涉相位图中行号和列号均为1的像素；（2b）依次提取干涉相位图中的四个像素I<sub>N,M</sub>I<sub>N,M+1</sub>I<sub>N+1,M</sub>I<sub>N+1,M+1</sub>的相位值，将提取像素I<sub>N+1,M</sub>的位置标记为下次提取像素相位值的位置，提取的四个像素的相位值生成一个最近邻闭合回路；其中，I<sub>N,M</sub>表示干涉相位图中行号为N、列号为M的像素，I<sub>N,M+1</sub>表示干涉相位图中行号为N、列号为M+1的像素，I<sub>N+1,M</sub>表示干涉相位图中行号为N+1、列号为M的像素，I<sub>N+1,M+1</sub>表示干涉相位图中行号为N+1、列号为M+1的像素；（2c）对最近邻闭合回路沿顺时针方向进行积分，如果积分结果为2π，将闭合回路中的四个像素I<sub>N,M</sub>I<sub>N,M+1</sub>I<sub>N+1,M</sub>I<sub>N+1,M+1</sub>所在干涉相位图中的中心位置标记为正残点；如果积分结果为‑2π，将闭合回路中的四个像素I<sub>N,M</sub>I<sub>N,M+1</sub>I<sub>N+1,M</sub>I<sub>N+1,M+1</sub>所在干涉相位图中的中心位置标记为负残点；（2d）判断提取的像素I<sub>N+1,M+1</sub>是否为干涉相位图的最后一个像素，如果是，执行步骤（3）；否则，执行步骤（2b）；（3）设置潜在枝切线路径：（3a）将30～150设定为一个整数范围；（3b）对于密度大的残点，从整数范围内选取一个较小的整数，对于密度小的残点，从整数范围内选取一个较大的整数，将选取的整数作为正残点和负残点之间的最远距离和与正残点连接的最大负残点数；（3c）根据步骤（2c）所标记的残点的位置，在第一个正残点周围，由近及远搜索负残点和干涉相位图的边界；判断正残点、负残点和干涉相位图的边界三者是否满足设定条件，如果满足，执行步骤（3e）；否则，执行步骤（3h）；（3d）在下一个正残点的周围，由近及远搜索负残点和干涉相位图的边界；判断正残点、负残点和干涉相位图的边界三者是否满足设定条件，如果满足，执行步骤（3e）；否则，执行步骤（3h）；（3e）将正残点和与之对应的所有负残点组成配对的残点，由所有配对的残点组成待优化网络；（3f）加权优化待优化网络，选取残点之间最优连接路径；（3g）在干涉相位图中，连接最优路径经过的所有节点，将连接线作为潜在枝切线路径；（3h）判断正残点是否为最后一个正残点，如果是，执行步骤（4）；否则，执行步骤（3d）；（4）搭建子网络：（4a）按照正残点在干涉相位图中的位置顺序，选取第一个正残点和与此正残点连接的所有负残点；（4b）新建一子网络，依次对子网络个数编号，将所选取的正残点和与此正残点连接的所有负残点添加到新建的子网络中，将选取的所有正负残点作为子网络节点；（4c）选取下一个正残点，取出与正残点连接的所有负残点，判断所选取的负残点是否均已添加到子网络中，如果是，执行步骤（4d）；否则，执行步骤（4b）；（4d）判断所取的负残点是否连接至同一个编号的子网络，如果是，将所取的正残点和负残点添加到步骤（4b）所建的子网络中，将选取的所有正负残点作为子网络节点；否则，执行步骤（4e）；（4e）取出步骤（4c）中负残点所在的编号最小的子网络，将步骤（4c）中取出的正残点、负残点和负残点所在的子网络内的所有正负残点，添加到编号最小的子网络中，删除负残点所在的子网络，重新对子网络依次编号；（4f）判断正残点是否是干涉相位图的最后一个正残点，如果是，执行步骤（5）；否则，执行步骤（4c）；（5）添加地节点：按照正残点的位置顺序，将步骤（3c）中搜索的干涉相位图的边界，添加到正残点所在的子网络中，将该干涉相位图的边界作为子网络的地节点；（6）找出不平衡子网络：（6a）判断第一个子网络是否达到子网络平衡的条件，如果是，执行步骤（6c）；否则，记录未达到平衡条件的子网络的编号，执行步骤（6c）；（6b）判断下一个子网络是否达到子网络平衡的条件，如果是，执行步骤（6c）；否则，记录未达到平衡条件的子网络的编号；（6c）判断子网络是否为最后一个子网络，如果是，执行步骤（7）；否则，执行步骤（6b）；（7）校正不平衡子网络：（7a）按照子网络编号的顺序，搜索生成每一个子网络边界的残点位置，记录搜索到的残点的位置坐标；计算各个子网络之间的最近两个残点之间的欧式距离；（7b）按照步骤（6）记录的不平衡子网络编号的顺序，将相邻的不平衡子网络两两连接，生成一个不平衡网络，用步骤（7a）中的子网络之间的欧式距离对此不平衡网络中的连接线进行加权；（7c）利用最小费用流算法，按照费用最小的准则，求取不平衡网络中子网络连接的最优路径；（7d）合并连接线上的所有子网络，搭建生成一个新的子网络；（8）判断可解性：（8a）按照子网络的编号顺序，选取第一个子网络，依据费用最小的准则，采用最小费用流算法优化子网络；如果子网络存在最优解，记录子网络的最优解，执行步骤（8c）；否则，将步骤（3b）中的整数在原来的基础上增加10，执行步骤（3c）；（8b）选取下一个子网络，依据费用最小的准则，采用最小费用流算法优化子网络；如果子网络存在最优解，记录子网络的最优解，执行步骤（8c）；否则，将步骤（3b）中的整数在原来的基础上增加10，执行步骤（3c）；（8c）判断子网络是否为最后一个子网络，如果是，执行步骤（9）；否则，执行步骤（8b）；（9）布置枝切线：根据优化出来的各个子网络的最优解，在干涉相位图中，连接最优解经过的节点，作为枝切线；（10）相位梯度积分：在干涉相位图中，任意选择一个像素作为参考点，按照积分路径不跨越布置枝切线的方式，从参考点开始对干涉相位梯度进行积分，直到整个干涉相位图积分完毕，得到解缠相位图。 |
