干涉合成孔径雷达(InSAR)、磁共振成像(MRI)以及光学干涉测量的相位成像等技术已经广泛应用于自然灾害检测、医学影像、三维建模等领域。然而,相位解缠是相位干涉技术的关键步骤,并且是其最具挑战性的问题之一,所谓的相位解缠,是从相位为2π整数倍的相对相位推断出绝对相位的过程,本文将介绍一种基于深度学习的相位解缠方法。(1)本文围绕InSAR相位解缠技术的研究,分析了SAR及InSAR的成像原理,通过对InSAR模型的阐述,分析出InSAR的误差来源,并对其建模,模拟出InSAR数据,而这些数据为我们后续深度学习的研究提供了数据基础。(2)本文深入研究相位解缠原理,在此基础上对传统相位解缠方法做出全面总结与分析。其中包括基于路径的枝切法和质量指导图法、最小范数的最小二乘法、网络规划法以及基于贝叶斯理论的马尔可夫法,通过对这几种方法的对比,分析每种方法优劣以及各自最适合的场景,这为我们提高解缠效率及精度提供了理论基础,为我们的新方法提供思路。(3)本文针对传统方法的劣势,以及当今遥感大数据的大环境下,提出了基于深度学习的解缠方法,本文使用Pix2pix网络模型解缠,利用模拟出的数据训练该模型,通过后期的测试实验证明方法的有效性。