[发明专利]一种基于DenseNet的滑坡图像识别方法和系统

权利要求书

1.一种基于DenseNet的滑坡图像识别方法，其特征在于，滑坡图像识别方法包括：

基于待测区域的遥感影像数据和地理信息数据，获取影响滑坡发生的各类因子图层；

预处理所述因子图层，获得处理因子图层；

将所述遥感影像数据和所述处理因子图层进行叠加，获得样本数据库；

所述样本数据库与预先标定的滑坡标签数据构成滑坡样本数据；

将所述滑坡样本数据划分为训练样本和验证样本；

将所述训练样本和所述验证样本输入基于所述滑坡样本数据的特征构建的DenseNet模型中，进行迭代训练；

利用训练后的所述DenseNet模型测试待测区域的滑坡图像，得到滑坡识别结果图。

2.如权利要求1所述的一种基于DenseNet的滑坡图像识别方法，其特征在于，预处理所述因子图层包括步骤：

对影响滑坡发生的各类因子图层进行包括异常值去除、重采样、归一化和图层叠加的处理步骤。

3.如权利要求1所述的一种基于DenseNet的滑坡图像识别方法，其特征在于，将所述遥感影像数据和所述处理因子图层进行叠加，获得样本数据库，包括步骤：

将遥感影像数据和滑坡因子图层使用Layer stacking叠加成样本数据库。

4.如权利要求1所述的一种基于DenseNet的滑坡图像识别方法，其特征在于，所述地理信息数据包括研究区的光谱信息、地形地貌信息、地层岩性信息、气候条件信息和人类活动信息。

5.如权利要求1所述的一种基于DenseNet的滑坡图像识别方法，其特征在于，影响滑坡发生的各类因子图层包括归一化差值植被指数、归一化差值水体指数、高程、坡度、坡向、曲率、岩性、边坡结构、距断层距离、距道路距离、距河流距离、高程、坡度、坡向和曲率对应图层。

6.如权利要求1所述的一种基于DenseNet的滑坡图像识别方法，其特征在于，得到滑坡识别结果图后，还包括：

将所述滑坡识别结果图与滑坡标签数据进行对比，基于混淆矩阵计算精度指标，基于所述精度指标定量评估DenseNet模型的性能。

7.一种基于DenseNet的滑坡图像识别系统，其特征在于，所述基于DenseNet的滑坡图像识别系统包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于DenseNet的滑坡图像识别程序，所述基于DenseNet的滑坡图像识别程序被所述处理器执行时实现如权利要求1至6中任一项所述的基于DenseNet的滑坡图像识别方法的步骤。