Synthetic aperture radar tomography (TomoSAR) emerges as an advanced interferometric SAR (InSAR) technique for 3D imaging as well as deformation monitoring. The state-of-the-art TomoSAR algorithms harness the capabilities of compressive sensing (CS)-based sparse reconstruction, showing unprecedented super-resolution power and location accuracy. However, the computational demands of CS-based TomoSAR algorithms render them impractical for large-scale processing. Addressing this challenge, this dissertation develops novel deep learning-based algorithms tailored for efficient and accurate super-resolution TomoSAR inversion in large-scale processing.     «

Synthetic aperture radar tomography (TomoSAR) emerges as an advanced interferometric SAR (InSAR) technique for 3D imaging as well as deformation monitoring. The state-of-the-art TomoSAR algorithms harness the capabilities of compressive sensing (CS)-based sparse reconstruction, showing unprecedented super-resolution power and location accuracy. However, the computational demands of CS-based TomoSAR algorithms render them impractical for large-scale processing. Addressing this challenge, this dis...     »

Synthetik Apertur Radar Tomographie (TomoSAR) ist eine fortgeschrittene interferometrische SAR (InSAR) Methode für die 3-D-Abbildung sowie die Deformationsüberwachung. Die modernsten TomoSAR-Algorithmen nutzen die Fähigkeiten der compressive sensing (CS) basierenden spärlichen Rekonstruktion. Diese ist jedoch aufgrund hoher rechnerischer Kosten nicht für die großflächige Verarbeitung geeignet. In Anbetracht dieser Herausforderung entwirft die vorliegende Dissertation innovative deep learning-basierte Algorithmen, die speziell für eine effiziente und präzise Super-Auflösung TomoSAR in großflächige Verarbeitung entwickelt.     «

Synthetik Apertur Radar Tomographie (TomoSAR) ist eine fortgeschrittene interferometrische SAR (InSAR) Methode für die 3-D-Abbildung sowie die Deformationsüberwachung. Die modernsten TomoSAR-Algorithmen nutzen die Fähigkeiten der compressive sensing (CS) basierenden spärlichen Rekonstruktion. Diese ist jedoch aufgrund hoher rechnerischer Kosten nicht für die großflächige Verarbeitung geeignet. In Anbetracht dieser Herausforderung entwirft die vorliegende Dissertation innovative deep learning-bas...     »