[发明专利]一种基于形变检测的输电线路地质灾害分析方法及系统

权利要求书

1.一种基于形变检测的输电线路地质灾害分析方法，其特征在于，包括：

基于若干组地震前后的遥感图像对比获得杆塔基础地质破坏程度分布，采用差分干涉建立形变场图并标注杆塔基础地质破坏程度分布，根据偏移值范围及偏移方向进行分割形成样本库；

构建若干人工神经网络模型，分别采用不同偏移值范围及偏移方向的样本训练并封装；

获取待分析地震前后的遥感图像，差分干涉建立形变场，基于偏移值及偏移方向进行分割，选择对应偏移值范围及偏移方向的人工神经网络模型识别杆塔基础地质破坏程度，形成杆塔基础地质破坏情况分布。

2.根据权利要求1所述的基于形变检测的输电线路地质灾害分析方法，其特征在于，还包括基于获得的破坏情况评估地震烈度，输出地震烈度分布。

3.根据权利要求1或2所述的基于形变检测的输电线路地质灾害分析方法，其特征在于，杆塔基础地质破坏程度分布包括每种受损类型的占比，以地震前后的SAR遥感图像和对应的高分光学遥感图像的变化检测结果判定，并通过现场目视调查进行定性标注确认；

受损类型包括毁坏倒塌、毁坏未倒塌、严重破坏、轻微破坏以及基本完好，分别对应前后图像的区域变化率≥80%，60%≤区域变化率＜80%，40%≤区域变化率＜60%，20%≤区域变化率＜40%，区域变化率＜20%；所述的区域变化率为两个时相的序列图像在同一区域的倾斜位移的均方根误差。

4.根据权利要求1或2所述的基于形变检测的输电线路地质灾害分析方法，其特征在于，差分干涉建立形变场包括：获取覆盖地震影响区域的形变点位图进行定量标注，计算出杆塔区域的倾斜位移信息。

5.根据权利要求4所述的基于形变检测的输电线路地质灾害分析方法，其特征在于，人工神经网络模型包括卷积层、池化层、激活层以及全连接层；所述卷积层进行特征提取包括依据干涉纹图提取图像特征、依据形变等值线提取形变值分布，依据跨断层剖面线提取是否位于断层带；所述池化层对提取的特征进行降维；所述激活层采用Relu函数；所述全连接层输出杆塔基础地质破坏分布结果。

6.根据权利要求1所述的基于形变检测的输电线路地质灾害分析方法，其特征在于，基于偏移值及偏移方向进行分割包括：分割为该区域具有某个范围的偏移值及偏移方向。

7.一种基于形变检测的输电线路地质灾害分析系统，其特征在于，包括输入模块、分割模块、选择模块、若干破坏程度识别模块以及输出模块；

所述输入模块用于获取形变场；

所述分割模块用于基于偏移值及偏移方向对形变场进行分割；

所述选择模块用于基于偏移值及偏移方向选择对应的破坏程度识别模块识别杆塔基础地质破坏程度；

所述输出模块用于定量化输出杆塔基础地质破坏程度，结合对应的地理信息，形成杆塔基础地质破坏分布结果。

8.根据权利要求7所述的基于形变检测的输电线路地质灾害分析系统，其特征在于，所述破坏程度识别模块由人工神经网络模型构建并训练获得；基于若干组地震前后的遥感图像对比获得杆塔基础地质破坏程度分布，采用差分干涉获得建立形变场图并标注杆塔基础地质破坏程度分布，根据偏移值范围及偏移方向进行分割形成样本库，由样本库选择训练样本训练人工神经网络模型满足误差等级并封装。

9.根据权利要求8所述的基于形变检测的输电线路地质灾害分析系统，其特征在于，所述人工神经网络模型包括卷积层、池化层、激活层以及全连接层；所述卷积层进行特征提取包括依据干涉纹图提取图像特征、依据形变等值线提取形变值分布，依据跨断层剖面线提取是否位于断层带；所述池化层对提取的特征进行降维；所述激活层采用Relu函数进行非线性计算；所述全连接层输出杆塔基础地质破坏分布结果；

杆塔基础地质破坏程度分布包括每种受损类型的占比，受损类型包括毁坏倒塌、毁坏未倒塌、严重破坏、轻微破坏以及基本完好；

形变场包括：覆盖地震影响区域的形变点位图，基于其偏移量进行定量标注。