1.一种基于相位质量加权卷积神经网络的干涉相位解缠方法，其特征在于，包括如下步骤：

步骤1，创建干涉相位图数据集，将干涉相位图数据集划分为训练数据集和测试数据集；

步骤2，构建相位质量加权卷积神经网络；相位质量加权卷积神经网络具体包括：输入层、编码器网络、LSTM模块、相位质量权值计算子网络、解码器网络、第九卷积层以及第一至第五连接层；其中，输入层的输出端连接编码器网络、相位质量权值计算子网络的输入端，编码器网络的输出端经LSTM模块与解码器网络的输入端连接，解码器网络的输出端连接第九卷积层，相位质量权值计算子网络的输出端经第五连接层与第九卷积层连接；

编码器网络包括第一至第四卷积层以及第一至第四最大池化层，第一至第四卷积层依次串联，每个卷积层后面连接一个最大池化层，输入层的输出端连接第一卷积层，第四最大池化层输出至LSTM模块；

解码器网络包括第五至第八卷积层以及第五至第八上采样层，第五至第八卷积层依次串联，每个卷积层后面连接一个上采样层，LSTM模块的输出端连接第五卷积层的输入端，第八上采样层输出至第九卷积层；

第四卷积层通过第一连接层与第五卷积层连接，第三卷积层通过第二连接层与第六卷积层连接，第二卷积层通过第三连接层与第七卷积层连接，第一卷积层通过第四连接层与第八卷积层连接；

所述相位质量权值计算子网络包括第十至第十二卷积层、第一至第二非线性激活函数层、一个反卷积层、一个池化层和一个激活函数层，第十卷积层、第一非线性激活函数层、池化层、第十一卷积层、第二非线性激活函数层、反卷积层、第十二卷积层和激活函数层依次串联；输入层的输出端连接第十卷积层的输入端，激活函数层的输出端经第五连接层与第九卷积层连接；

第一卷积层、第二卷积层、第七卷积层和第八卷积层的结构相同，均包括第一至第三卷积块，第一卷积块由卷积层、归一化层和线性激活函数层依次串联而成，第二和第三卷积块均由卷积层和归一化层串联而成；第一、第二、第七或第八卷积层的输入经第三卷积块得到第一结果，第一、第二、第七或第八卷积层的输入依次经第一和第二卷积块后得到第二结果，第一结果与第二结果相加后再经过一个线性激活函数层，得到第一、第二、第七或第八卷积层的输出；

第三卷积层、第四卷积层、第五卷积层和第六卷积层的结构相同，均包括第四至第七卷积块，第四和第五卷积块均由卷积层、归一化层和线性激活函数层依次串联而成，第六和第七均由卷积层和归一化层串联而成；第三、第四、第五或第六卷积层的输入经第七卷积块后得到第三结果，第三、第四、第五或第六卷积层的输入依次经第四、第五和第六卷积块后得到第四结果，第三结果和第四结果相加后再经过一个线性激活函数层，得到第三、第四、第五或第六卷积层的输出；

步骤3，设置相位质量加权卷积神经网络训练起始学习率、最大学习率、训练批量数和训练轮次数，利用训练数据集对步骤2构建的网络进行训练，得到训练好的网络；

步骤4，利用训练好的网络对测试数据集进行测试，获得干涉相位解缠结果。

2.根据权利要求1所述的基于相位质量加权卷积神经网络的干涉相位解缠方法，其特征在于，所述步骤1的具体过程如下：步骤11，通过混合高斯噪声和添加沿垂直方向的斜坡创建任意的相位图，创建的相位图的数量为10000，每个相位图像素尺寸大小为256×256，像素值在‑65至65之间；

步骤12，对每个相位图进行像素相位缠绕，得到真实缠绕相位图数据集，缠绕相位计算公式如下：其中，∠为求角度符号，exp为以自然常数e为底的指数函数，φ(x,y)为干涉相位图的像素原始真实相位，(x,y)为像素在干涉相位图中的空间坐标，j为虚数单位；

步骤13，对每个相位图随机赋予0dB、1dB、5dB或7dB的高斯加性噪声后，再进行像素相位缠绕，得到噪声缠绕相位图数据集；

步骤14，构建干涉相位图数据集，包括真实缠绕相位图数据集和噪声缠绕相位图数据集，将干涉相位图数据集划分为训练数据集和测试数据集。

3.根据权利要求1所述的基于相位质量加权卷积神经网络的干涉相位解缠方法，其特征在于，所述步骤3的具体过程如下：(1)设置相位质量加权卷积神经网络训练起始学习率、最大学习率、训练批量数和训练轮次数，利用训练数据集对构建的网络进行训练；

(2)采用K‑means聚类算法迭代求解，通过L2范数正则化防止网络过拟合；

(3)使用Adam梯度优化算法对网络训练进行优化，优化过程中使用的损失函数公式如下：

式中，L表示损失函数，y′(i,j)为训练数据集样本真实值与网络训练估计值之差，(i,j)表示相位像素坐标，b为正系数；

(4)重复(2)和(3)，直到网络收敛，获得最终用于干涉相位解缠的相位质量加权卷积神经网络模型和权值，保存网络训练权值。

4.一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的基于相位质量加权卷积神经网络的干涉相位解缠方法的步骤。

5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的基于相位质量加权卷积神经网络的干涉相位解缠方法的步骤。