一种高分遥感影像中滑坡识别方法与流程

技术特征：
1.一种高分遥感影像中滑坡识别方法，其特征在于，包括以下步骤：s1：获取滑坡数据集；s2：构建改进滑坡识别网络；s3：将滑坡数据集作为改进滑坡识别网络的输入，进行滑坡识别。2.根据权利要求1所述的高分遥感影像中滑坡识别方法，其特征在于，所述步骤s1包括以下子步骤：s11：采集滑坡数据和遥感影像；s12：根据滑坡数据的经纬度，在遥感影像中确定滑坡位置；s13：根据遥感影像中滑坡位置的特征信息，确定滑坡区域；s14：对滑坡区域进行标注，获取滑坡数据集。3.根据权利要求2所述的高分遥感影像中滑坡识别方法，其特征在于，所述步骤s13中，特征信息包括滑坡色彩、滑坡纹理信息、滑坡形状和滑坡位置关系。4.根据权利要求1所述的高分遥感影像中滑坡识别方法，其特征在于，所述步骤s2中，改进滑坡识别网络包括骨干网、dense_aspp模块和解码模块。5.根据权利要求4所述的高分遥感影像中滑坡识别方法，其特征在于，所述骨干网包括依次连接的第一block层、第二block层、第三block层和第四block层，其分辨率分别为1/4、1/8、1/16和1/16。6.根据权利要求4所述的高分遥感影像中滑坡识别方法，其特征在于，所述dense_aspp模块包括密集连接的第一空洞卷积分支、第二空洞卷积分支、第三空洞卷积分支和第四空洞卷积分支，其膨胀率分别为6、12、18和24。7.根据权利要求4所述的高分遥感影像中滑坡识别方法，其特征在于，所述dense_aspp模块的感受野r
dense_aspp
的计算公式为：r
dense_aspp
＝r
3,18
r
3,12
r
3,18
r
3,24-3其中，r
3,12
表示当卷积核大小为3且膨胀率为12时卷积核所能提供的感受野大小，r
3,18
表示当卷积核大小为3且膨胀率为18时卷积核所能提供的感受野大小，r
3,24
表示当卷积核大小为3且膨胀率为24时卷积核所能提供的感受野大小；所述dense_aspp模块的参数量s的计算公式为：其中，l表示dense_aspp模块中空洞卷积的总个数，c
i
表示1*1卷积输入的维度，c
out
表示dense_aspp模块输出的维度，k表示卷积核大小。8.根据权利要求1所述的高分遥感影像中滑坡识别方法，其特征在于，所述改进滑坡识别网络的交叉熵损失函数l
ce_wet
的计算公式为：其中，y
m
表示第m个像素的标签值，p
m
表示对像素点m的预测值，λ0表示类别间的第一权重参数，λ1表示类别间的第二权重参数，m表示像素总数。

技术总结
本发明公开了一种高分遥感影像中滑坡识别方法，包括以下步骤：S1：获取滑坡数据集；S2：构建改进滑坡识别网络；S3：将滑坡数据集作为改进滑坡识别网络的输入，进行滑坡识别。本发明可从遥感影像中准确的识别滑坡区域，提高滑坡数据集质量，分析滑坡遥感影像的识别标志，更好地提高网络的识别能力，还能使网络的泛化性更好。本发明可以用于大范围山区滑坡区域的快速识别，有效提高网络对地质滑坡灾害识别的精度。精度。精度。


技术研发人员：杨可 李俭 陈钢 周林 张亚迪 范强 童庆刚 孙文成 张杰 陈钊 彭宇辉 谭明伦 卢杰
受保护的技术使用者：国家电网公司西南分部
技术研发日：2022.10.13
技术公布日：2022/12/30