System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种综合多模态遥感影像的滑坡智能识别方法技术_技高网

一种综合多模态遥感影像的滑坡智能识别方法技术

技术编号:43322463 阅读:10 留言:0更新日期:2024-11-15 20:22
本发明专利技术涉及滑坡识别技术领域,具体涉及一种综合多模态遥感影像的滑坡智能识别方法,包括:构建语义分割模型,所述模型包括光学特征提取编码器和地形特征提取编码器、融合器以及解码器;所述光学特征提取编码器和地形特征提取编码器均包含影像读取模块;所述融合器用于融合两个编码器的输出特征;所述解码器用于将融合器输出的特征图转化为预测结果;所述模型同时接收滑坡光学影像和滑坡地形影像的输入,输出滑坡识别结果。本发明专利技术通过设计双编码器的结构,输入光学特征图和地形特征图像,具备基于滑坡的地形信息进行推理的能力,对滑坡识别的精度高、泛化性好。

【技术实现步骤摘要】

本专利技术涉及滑坡识别,具体涉及一种综合多模态遥感影像的滑坡智能识别方法


技术介绍

1、滑坡识别是滑坡研究中一个非常重要的课题。对一个新的滑坡研究区,第一项重要工作往往是获取分布和规模情况。目前,对滑坡研究区的滑坡识别工作一般采取遥感影像识别方式进行。

2、人工目视解译的方法非常依赖于专家的滑坡学经验,且在时间和精力成本的开销过大。因此,后来逐渐出现了一些基于自动阈值的遥感影像滑坡识别方法。比如通过反射率、归一化植被指数(ndvi)、坡度等自动地或半自动地设定阈值,通过阈值完成滑坡区和非滑坡区的二值化处理。这些方式仍是目前广泛应用的一种方式,但其存在的问题也很明显,即阈值考虑的角度单一,泛化性差,往往只能适应于某个滑坡研究区而难以通用。

3、随着机器视觉技术的不断发展,常采用深度学习语义分割的方法进行滑坡识别,但是现有的通用深度学习语义分割模型在进行滑坡识别时仅采用rgb图像作为模型输入,使得模型识别时忽视了滑坡的地形属性,进而导致滑坡识别结果的精度较低。


技术实现思路

1、为了解决现有通用的语义分割模型进行滑坡识别结果的精度较低技术问题,本专利技术的目的在于提供一种综合多模态遥感影像的滑坡智能识别方法,所采用的技术方案具体如下:

2、构建语义分割模型,所述模型包括光学特征提取编码器和地形特征提取编码器、融合器以及解码器;

3、所述光学特征提取编码器和地形特征提取编码器均包含影像读取模块;所述融合器用于融合两个编码器的输出特征;p>

4、所述解码器用于将融合器输出的特征图转化为预测结果;所述模型同时接收滑坡光学影像和滑坡地形影像的输入,输出滑坡识别结果。

5、优选地,所述光学特征提取编码器和地形特征提取编码器的下采样倍数相等,且均使用mobilenetv2作为骨干网络。

6、优选地,所述光学特征提取编码器包含的影像读取模块用于读取rgb图像,地形特征提取编码器包含的影像读取模块用于读取滑坡地形图像,所述滑坡地形图像是由相对高程、山体阴影和坡度组成的三波段图像。

7、优选地,所述影像读取模块还用于对读取的rgb图像或者滑坡地形图像进行规范化处理,包括:

8、

9、其中,t表示像素点规范化后的像素值,表示像素点规范化前的像素值,表示像素点所在图像中规范化前所有像素值的最小值,表示像素点所在图像中规范化前所有像素值的最大值,max( )表示求最大值函数,为预设的防0参数,为向下取整符号。

10、优选地,调整两个编码器输出的特征的通道数,由光学特征提取编码器输出的两个光学特征的通道数之和大于由地形特征提取编码器输出的一个地形特征的通道数。

11、优选地,所述解码器由一个用于通道数调整的卷积层部分、一个用于尺寸调整的双线性插值部分以及softmax处理模块组成。

12、本专利技术实施例至少具有如下有益效果:

13、本专利技术采用了双编码器的结构也即是双骨干网络的结构,进行光学特征和地形特征的融合,使得能够充分识别滑坡的光学语义特征和地形语义特征,在输入时同时使用光学和地形图像,在考虑了光学特征的同时结合了地形特征。并且本专利技术设计的滑坡识别模型可以专用于滑坡识别,对滑坡识别的精度高,泛化性好。

本文档来自技高网...

【技术保护点】

1.一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,所述光学特征提取编码器和地形特征提取编码器的下采样倍数相等,且均使用MobileNetV2作为骨干网络。

3.根据权利要求1所述的一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,所述光学特征提取编码器包含的影像读取模块用于读取RGB图像,地形特征提取编码器包含的影像读取模块用于读取滑坡地形图像,所述滑坡地形图像是由相对高程、山体阴影和坡度组成的三波段图像。

4.根据权利要求3所述的一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,所述影像读取模块还用于对读取的RGB图像或者滑坡地形图像进行规范化处理,包括:

5.根据权利要求1所述的一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,调整两个编码器输出的特征的通道数,由光学特征提取编码器输出的两个光学特征的通道数之和大于由地形特征提取编码器输出的一个地形特征的通道数。

6.根据权利要求1所述的一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,所述解码器由一个用于通道数调整的卷积层部分、一个用于尺寸调整的双线性插值部分以及SoftMax处理模块组成。

...

【技术特征摘要】

1.一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,所述光学特征提取编码器和地形特征提取编码器的下采样倍数相等,且均使用mobilenetv2作为骨干网络。

3.根据权利要求1所述的一种综合多模态遥感影像的滑坡智能识别方法,其特征在于,所述光学特征提取编码器包含的影像读取模块用于读取rgb图像,地形特征提取编码器包含的影像读取模块用于读取滑坡地形图像,所述滑坡地形图像是由相对高程、山体阴影和坡度组成的三波段图像。

4.根据权利...

【专利技术属性】
技术研发人员:李志海石安池赵留园周家文肖淮献蒋楠
申请(专利权)人:中国电建集团华东勘测设计研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1