TransPUNet: Improving InSAR Phase Unwrapping Accuracy via a Transformer-UNet Hybrid Architecture

InSAR(Interferometric Synthetic Aperture Radar)의 데이터를 분석할 때 사용되는 위상 풀림(Phase Unwrapping)은 래핑된 위상(Wrapped Phase)으로부터 절대 위상(Absolute Phase)을 복원하는 핵심 전처리 과정으로, 기존 여러 방식들의 경우 노이즈와 불연속성에 취약하다. 본 논문에서는 CNN과 Transformer를 병렬로 결합한 TransPUNet 모델을 제안하고, 구조 보존을 위한 MSE(Mean Square Error)-SSIM(Structural Similarity Index Map) 복합 손실 함수를 도입한다. DEM(Digital Elevation Map) 기반 시뮬레이션 실험 결과, 제안 모델은 기존 딥러닝 모델 대비 약 51% 낮은 mRMSE(mean Root Mean Square Error)를 기록하며 정밀 복원 성능을 입증하였다.