[发明专利]一种基于YoloV4算法的滑坡及形态识别方法

权利要求书

1.一种基于YoloV4算法的滑坡及形态识别方法，其特征在于，所述方法包括：

第一步：从卫星遥感影像中获取含有滑坡区域的图像，将图像进行预处理形成含有目标识别特征的图像数据；

第二步：将含有目标识别特征的图像数据输入一个目标识别模型，目标识别模型输出滑坡识别结果图像；

第三步：根据滑坡识别结果图像的长宽比确定滑坡形状；

第四步：获取对应滑坡识别结果图像区域的高程数据，使用D8算法和沙依达格分级法确定滑坡方向并在图像中标出；

其中：

所述目标识别特征是使用labelimg标注工具对滑坡区域轮廓进行标注的数据；

所述目标识别模型是基于YoloV4算法的目标识别模型，其建立的步骤是：

第一步：针对已知的不同类型滑坡提取所述目标识别特征建立不同类型滑坡区域样本集；

第二步：运用YoloV4模型对样本集进行训练输出针对已知不同类型滑坡的滑坡识别结果图像形成目标识别模型。

2.根据权利要求1所述的滑坡及形态识别方法，其特征在于，所述使用labelimg标注工具是选择标注类别为landslide的labelimg标注工具，标注过程中用鼠标拖出标注框进行标注并存储为xml格式。

3.根据权利要求1所述的滑坡及形态识别方法，其特征在于，所述YoloV4模型由CSPDarknet53、SPP、PANet和 Yolo Head组成；

其中：

CSPDarknet53为主干特征提取网络：将输入的图片转化为416×416×3数据格式进行多次卷积处理输出结果特征层；

SPP和PANet为加强特征提取网络：对上述结果特征层进行上采样，即让输入的特征层高和宽变化为原来的两倍，通过特征提取网络形成特征金字塔的结构，完成特征融合；

Yolo Head将提取到的特征融合转化为预测结构。

4.根据权利要求1所述的滑坡及形态识别方法，其特征在于，所述长宽比小于1.3判断其为圆型滑坡，反之为长型滑坡。

5.根据权利要求1所述的滑坡及形态识别方法，其特征在于，所述确定滑坡方向是将通过卫星获取对应滑坡识别结果图像区域的高程数据均一化后处理成灰度图像并导出，然后根据对应位置坐标换算，在dem灰度图像上确定相应区域并使用D8算法确定滑坡土石物质随高程变化产生的小区域流向和流量上的变化，再通过沙依达格分级法提取出集中的一条流向，并连接集中流向开头与结尾部分，即为识别出的滑坡方向。

6.根据权利要求1所述的滑坡及形态识别方法，其特征在于，所述已知的不同类型滑坡是基于谷歌Earth、TripleSat影像数据和网络公开的滑坡影像数据集寻找并制作的滑坡图像。