[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

说明书

本发明公开了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。本发明在统一时空基准表示理论基础上，得出基于深度学习技术的多层地质灾害信息自动提取模型，其中重点将采用深度神经网络模型，以地质灾害对象为单位设计定量化的特征参量，以多尺度描述方法建立地质灾害信息表达方法，以多尺度地质灾害特征空间为基准设计和研制深度神经网络模型，分层次地实现地质灾害信息的智能化提取。

技术领域

本发明涉及地质灾害识别技术领域，具体涉及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。

背景技术

四川省地质环境条件复杂，气候多变，是全国地质灾害严重省份之一，并具有点多、面广、规模大、成灾快、暴发频率高、延续时间长的特点。“5·12”汶川地震后，四川省广大山区特别是地震灾区地质环境条件急剧恶化，加之近年来局地强降雨和各类极端气候频繁出现，以及该区域近年来受人类工程活动的影响，地质灾害呈高发势态。截止到2017年，四川全省共发生地质灾害灾(险)5397起。包括滑坡3130处、崩塌1507处、泥石流699处、其他61处。查明地质灾害隐患点41386处，威胁162.54万人和807.04亿财产安全。

地质灾害具有突发性强，破坏范围大，预报和防御难度大等特点，而人工现场勘查获取有关地质灾害的灾情信息，需要耗费大量的人力、物力，速度慢，周期长，无法满足地质灾害应急救援的要求。随着遥感技术的快速发展，遥感以其方便、快速、宏观、动态等特点，遥感技术逐渐成为快速获取灾情信息、进行地质灾害信息提取、灾后应急和快速评估的有效手段，在地质灾害应急和抢险救灾工作中发挥了越来越重要的作用。

近十年来，全球成功发射了数十颗高分辨率遥感卫星。卫星遥感呈现“三高”(高空间分辨率、高光谱分辨率、高时间分辨率)和“三多”(多平台、多传感器、多角度)的发展趋势。随着高分辨率遥感卫星的成功问世以及航空摄影遥感和无人机遥感的发展，高分辨率遥感影像得到了越来越广泛的应用。

在利用高分辨率遥感影像进行地质灾害灾情获取和灾后应急救援的过程中，遥感地质灾害信息提取技术是准确获取灾情的关键。以往的遥感地质灾害信息提取多以人工目视判读为主，速度慢、效率低，通常依赖于专家的判读经验，只能定性地获取灾情信息，不能满足地质灾害应急的时效性要求。随着计算机图像处理、模式识别和图像分类等技术特别是人工智能技术的发展，遥感地质灾害信息提取已经逐渐向计算机自动、半自动信息提取转变，遥感地质灾害信息提取结果也逐渐趋于定量化，为灾后应急响应和灾情的快速评估提供了依据。

由于地质灾害遥感影像有其自身的特点，有必要研究遥感影像上滑坡、泥石流、崩塌、堰塞湖等不同类型地质灾害的特征，建立地质灾害特征空间。同时，高分辨率遥感影像在地质灾害灾情获取和监测等方面的应用越来越多，以往针对中低分辨率遥感影像的信息提取方法已经不能够满足信息提取精度的要求，遥感地质灾害信息自动提取方法应该适应高分辨率遥感影像的特点，充分挖掘影像的各种特征，综合运用遥感影像分析、深度学习和遥感影像分类等技术，建立基于多尺度地质灾害特征信息的遥感地质灾害信息自动提取方法和处理流程，从而满足地质灾害应急与地质灾害快速评估的要求。

发明内容

针对现有技术中的上述不足，本发明提供的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解决了地质灾害信息精度不高的问题。

为了达到上述发明目的，本发明采用的技术方案为：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，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。

进一步地：所述步骤S1的具体步骤为：