تعتبر مشكلة فك الطور (Phase Unwrapping) من التحديات الرئيسية في معالجة صور InSAR (Interferometric Synthetic Aperture Radar)، خصوصاً في الحالات التي تتضمن أنماط تشوه معقدة. ففي حالات الزلازل، يمكن أن تؤدي المصادر الضحلة إلى إنشاء صدوع سطحية وتقطع مفاجئ في النزوح، مما يعطل استمرارية الطور ويؤدي غالباً إلى فشل الخوارزميات التقليدية لفك الطور.

علاوة على ذلك، تعاني الطرق الحالية المعتمدة على التعلم الآلي من الاعتماد على أحجام مدخلات ثابتة وصغيرة نسبياً، في حين أن الصور الحقيقية لمؤثرات InSAR تكون غالباً ذات نطاق واسع ومتنوعة مكانياً. هذه الفجوة تحد من قابلية تطبيق العديد من الأساليب الشبكية العصبية على البيانات الواقعية.

في هذا السياق، تم تقديم إطار عمل لفك الطور يعتمد على نموذج انتشار (Diffusion Model)، تم تطويره لمعالجة الصور الكبيرة الحجم للمؤثرات ومعالجة القفزات الطورية الناتجة عن التشوهات. من خلال الاستفادة من هيكل نموذج الانتشار، يمكن للطريقة المقترحة استعادة مجالات الطور المفتح المتسقة مع الفيزياء، حتى في وجود قفزات طورية تتعلق بالصدوع.

أظهرت النتائج التجريبية على مجموعات بيانات صناعية وحقيقية أن هذه الطريقة تعالج بفعالية الانقطاعات المرتبطة بالتشوه القريب من السطح، كما أنها تتوسع بشكل جيد لتناسب الصور الكبيرة من InSAR، مما يوفر بديلاً عملياً عن فك الطور اليدوي في السيناريوهات الصعبة.