[发明专利]基于深度学习的高分辨率遥感地质灾害信息自动提取方法

权利要求书

1.一种基于深度学习的高分辨率遥感地质灾害信息自动提取方法，其特征在于，包括以下步骤：

S1、利用高分辨率遥感影像建立地质灾害特征空间；

S2、根据地质灾害特征空间得到地质灾害特征信息的多尺度表达；

S3、根据地质灾害特征空间和地质灾害特征信息的多尺度表达，建立基于多尺度特征的深度神经网络模型；

S4、通过深度神经网络模型自动提取地质灾害信息；

所述步骤S2的具体步骤为：

S21、在地质灾害特征空间对遥感影像的地质灾害特征进行尺度转换；

S22、建立地质灾害特征的异质性和同质性评估体系；

S23、通过异质性和同质性评估体系对尺度转换后的地质灾害的异质性和同质性进行评估，为地质灾害对象建立全局特征、局部特征和关联特征的多尺度表达。

2.根据权利要求1所述的基于深度学习的高分辨率遥感地质灾害信息自动提取方法，其特征在于，所述步骤S1的具体步骤为：

S11、结合数字高程模型数据，采用影像变化检测技术和面向对象影像分析技术提取高分辨率遥感影像上的典型地质灾害特征和围绕地质灾害点附近的人工地物特征以及背景地物特征；

S12、分析典型地质灾害特征、人工地物特征和背景地物特征，结合地质灾害知识库生成地质灾害特征参量和地质灾害关联参量；

S13、通过地质灾害特征参量和地质灾害关联参量建立地质灾害特征空间。

3.根据权利要求2所述的基于深度学习的高分辨率遥感地质灾害信息自动提取方法，其特征在于，所述地质灾害特征参量包括植被指数、光谱反射率、坡度指数、形状指数、灰度共生矩阵和空间相关系数。

4.根据权利要求1所述的基于深度学习的高分辨率遥感地质灾害信息自动提取方法，其特征在于，所述步骤S23中异质性和同质性评估包括光谱异质性和同质性评估、光滑度异质性和同质性评估以及紧质度异质性和同质性评估。

5.根据权利要求1所述的基于深度学习的高分辨率遥感地质灾害信息自动提取方法，其特征在于，所述步骤S3中深度神经网络模型的建立方法为：

通过分析地质灾害特征空间与深度神经网络模型特征抽取的适应性与匹配性问题，和地质灾害信息的多尺度标度与神经网络模型特征抽象化过程的对应关系，基于特征抽取的影响因素建立基于多尺度特征的深度神经网络模型。

6.根据权利要求5所述的基于深度学习的高分辨率遥感地质灾害信息自动提取方法，其特征在于，所述特征抽取的影响因素包括输入窗口尺度、卷积核大小、网络深度、池化方法、特征图传递方式和全连接方式。