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() 融合光谱与地形信息的滑坡隐患遥感探测方法及系统技术方案_技高网

融合光谱与地形信息的滑坡隐患遥感探测方法及系统技术方案

技术编号:43614668 阅读:8 留言:0更新日期:2024-12-11 14:57
本申请公开了一种融合光谱与地形信息的滑坡隐患遥感探测方法及系统,属于遥感技术领域;其中方法包括:建立滑坡隐患样本清单;根据滑坡隐患样本清单建立光谱与地形约束语义分割网络模型;建立面向多个尺度空间的加权损失函数,并根据加权损失函数对光谱与地形约束语义分割网络模型进行优化;根据滑坡隐患样本清单与加权损失函数对光谱与地形约束语义分割网络模型进行迭代训练;根据滑坡隐患样本清单对进行迭代训练后的地形约束语义分割网络模型进行滑坡隐患分割预测与精度验证;利用深度学习技术构建的光谱与地形约束语义分割网络模型,突破了传统单一数据源及网络架构的局限性,提高了探测效率和准确性。

【技术实现步骤摘要】

本申请属于遥感,具体涉及一种融合光谱与地形信息的滑坡隐患遥感探测方法及系统


技术介绍

1、滑坡灾害因极强的破坏力、突发性、范围广等特征,严重危害到人民的生命财产安全。快速、准确的滑坡隐患探测可以及时反映其空间分布及时空动态过程,在保障国家和区域地质环境安全中具有重要现实意义。与高成本、难实施的野外调查手段相比,地球观测和遥感技术的快速发展给大范围的滑坡隐患探测提供了重大机遇,但其呈现的高位、高隐蔽性和不确定性等易混淆特征对滑坡隐患遥感探测的智能化与精确性提出了更高的要求。

2、目前,基于深度卷积神经网络(cnn)的语义分割框架因对非线性特征的强大刻画能力在滑坡隐患探测领域突破了传统机器学习方法的瓶颈,且已经取得了较为优异的效果;然而,卷积滤波器的局部连接和权重共享性质决定了cnn结构的归纳偏差,即局部性和平移不变性,使其在密集预测型的滑坡隐患探测任务中难以表征全局信息;而transformer架构鉴于其在远程依赖序列建模和转导方面的突出贡献,已逐渐应用于滑坡隐患探测,且呈现相比于cnn更好的性能,但transformer结构所依赖的多头自注意机制的时间和空间复杂性在输入长度上是二次的,具有较低的泛化能力以及较大的计算量需求从而导致预测。


技术实现思路

1、本申请实施例的目的是一提供种融合光谱与地形信息的滑坡隐患遥感探测方法及系统,能够解决现有技术中滑坡隐患预测中数据源及网络架构单一导致预测精度不高的技术问题。

2、为了解决上述技术问题,本申请是这样实现的:

3、第一方面,本申请实施例提供了一种融合光谱与地形信息的滑坡隐患遥感探测方法,所述方法包括:

4、获取多光谱遥感影像数据与地形数据,以根据所述多光谱遥感影像数据与地形数据建立滑坡隐患样本清单;

5、根据所述滑坡隐患样本清单建立包含光谱特征编码模块、地形特征编码模块和异构特征融合解码模块的光谱与地形约束语义分割网络模型;

6、建立面向多个尺度空间的加权损失函数,并根据所述加权损失函数对所述光谱与地形约束语义分割网络模型进行优化;

7、根据所述滑坡隐患样本清单与所述加权损失函数对所述光谱与地形约束语义分割网络模型进行迭代训练;

8、根据所述滑坡隐患样本清单对进行迭代训练后的所述地形约束语义分割网络模型进行滑坡隐患分割预测与精度验证。

9、作为本申请第一方面得的一种可选实施方式,所述根据所述多光谱遥感影像数据与地形数据建立滑坡隐患样本清单,具体为:

10、对获取的所述多光谱遥感影像数据进行第一预处理,再对所述第一预处理后的所述多光谱遥感影像数据运用常规转换算法处理,得到包括归一化植被指数、归一化水体指数、亮度指数和裸土指数的多光谱遥感影像特征数据;所述第一预处理包括几何校正、大气校正和图像镶嵌;

11、对获取的所述地形数据进行第二预处理,再对所述第二预处理后的所述地形数据运用所述常规转换算法处理,得到包括坡度、坡向、曲率、阴影和地形湿度指数的地形特征数据;所述第二预处理包括地理配准和重采样;

12、对所述多光谱遥感影像特征数据和所述地形特征数据生成的数据地理实情进行目视解译处理,得到滑坡隐患的地面真值标签数据;

13、采用无重叠度滑动窗口对所述多光谱遥感影像特征数据、地形特征数据和地面真值标签数据进行批量裁剪,并根据预设比例分为训练样本和测试样本。

14、作为本申请第一方面得的一种可选实施方式,所述光谱与地形约束语义分割网络模型建立过程,具体为:

15、根据深度卷积神经网络建立由高效通道关系增强块组成的所述光谱特征编码模块,以获取具有多空间尺度的局部增强滑坡隐患光谱特征;所述光谱特征编码模块包括残差卷积结构和改进型通道自注意力结构;

16、根据transformer架构建立由改进型swin-transformer块构成的所述地形特征编码模块,以获取具有多空间尺度的全局增强地形特征;

17、根据所述局部增强滑坡隐患光谱特征和所述全局增强地形特征建立所述异构特征融合解码模块,以得到具有多空间尺度的滑坡隐患分割预测结果;所述异构特征融合解码模块包括关系加权融合结构和扩张空间金字塔池化结构。

18、作为本申请第一方面得的一种可选实施方式,所述获取具有多空间尺度的局部增强滑坡隐患光谱特征,具体为:

19、根据瓶颈残差网络建立所述残差卷积结构,以根据所述残差卷积结构获取滑坡隐患的深层次光谱特征;

20、根据注意力机制建立所述改进型通道自注意力结构,以根据所述改进型通道自注意力结构增强所述滑坡隐患的深层次光谱特征,得到所述具有多空间尺度的局部增强滑坡隐患光谱特征。

21、作为本申请第一方面得的一种可选实施方式,所述建立所述异构特征融合解码模块,以得到具有多空间尺度的滑坡隐患分割预测结果,具体为:

22、建立轻量级的所述关系加权融合结构,以根据所述关系加权融合结构对所述局部增强滑坡隐患光谱特征和所述全局增强地形特征进行融合,得到多尺度融合特征;

23、建立所述扩张空间金字塔池化结构,以根据所述扩张空间金字塔池化结构对所述多尺度融合特征进行滑坡隐患分割预测,得到所述具有多空间尺度的滑坡隐患分割预测结果。

24、作为本申请第一方面得的一种可选实施方式,所述建立面向多个尺度空间的加权损失函数,具体为:

25、根据所述具有多空间尺度的滑坡隐患分割预测结果与所述地面真值标签数据建立类平衡加权的交叉熵损失函数;

26、根据损失值设计自适应权重值与所述类平衡加权的交叉熵损失函数,建立所述面向多个尺度空间的加权损失函数;

27、所述类平衡加权的交叉熵损失函数表达式为:

28、;

29、所述面向多个尺度空间的加权损失函数表达式为:

30、;

31、其中,表示类平衡加权的交叉熵损失函数,表示第个空间尺度,表示第个像素,h表示像素的高,w表示像素的宽,表示第个类别标签,表示第个像素上标签为的地面真值,表示第个空间尺度的第个像素上标签为的滑坡隐患预测得分,表示第个类别标签样本数目,表示超参数,c表示类别总数,表示面向多个尺度空间的加权损失函数,s表示空间尺度总数。

32、作为本申请第一方面得的一种可选实施方式,所述对所述光谱与地形约束语义分割网络模型进行迭代训练,具体为:

33、利用几何变换增强方式对所述训练样本进行数据扩充,所述几何变换增强方式包括旋转、翻转、缩放和平移;

34、根据所述数据扩充后的所述训练样本体量,对所述光谱与地形约束语义分割网络模型的迭代训练设置训练参数;

35、采用随机梯度下降算法和自适应动量估计算法,对所述光谱与地形约束语义分割网络模型进行优化迭代训练;

36、保存所述迭代训练之后的所述光谱与地形约束语义分割网络模型。

37、第二方面,本本文档来自技高网...

【技术保护点】

1.一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述根据所述多光谱遥感影像数据与地形数据建立滑坡隐患样本清单,具体为:

3.根据权利要求2所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述光谱与地形约束语义分割网络模型建立过程,具体为:

4.根据权利要求3所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述获取具有多空间尺度的局部增强滑坡隐患光谱特征,具体为:

5.根据权利要求4所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述建立所述异构特征融合解码模块,以得到具有多空间尺度的滑坡隐患分割预测结果,具体为:

6.根据权利要求5所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述建立面向多个尺度空间的加权损失函数,具体为:

7.根据权利要求6所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述对所述光谱与地形约束语义分割网络模型进行迭代训练,具体为:

8.一种融合光谱与地形信息的滑坡隐患遥感探测系统,能够实现权利要求1-7任一项所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述系统包括:

9.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-7所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法的步骤。

10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-7所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法的步骤。

...

【技术特征摘要】

1.一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述根据所述多光谱遥感影像数据与地形数据建立滑坡隐患样本清单,具体为:

3.根据权利要求2所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述光谱与地形约束语义分割网络模型建立过程,具体为:

4.根据权利要求3所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述获取具有多空间尺度的局部增强滑坡隐患光谱特征,具体为:

5.根据权利要求4所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法,其特征在于,所述建立所述异构特征融合解码模块,以得到具有多空间尺度的滑坡隐患分割预测结果,具体为:

6.根据权利要求5所述的一种融合光谱与地形信息的滑坡隐患遥感探测方法...

【专利技术属性】
技术研发人员:陈继发钟晨诚丁明军周平陈刚
申请(专利权)人:江西师范大学
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