[发明专利]一种基于YoloV4算法的滑坡及形态识别方法

说明书

本发明公开了一种基于YoloV4算法的滑坡及形态识别方法，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运用YoloV4算法建立的目标识别模型，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，确定滑坡方向并在图像中标出；本发明加入了滑坡形态识别，尤其是滑坡方向上的识别，在方向识别正确率上本发明达到85%以上，在同等硬件环境下，识别速度上提升了三倍以上，可以有效缩短大规模识别工作花费的时间。

技术领域

本发明涉及遥感大数据领域，特别涉及一种基于YoloV4算法的滑坡及形态识别方法。

背景技术

滑坡是一种常见的自然灾害，长期制约着工程建设和经济规划，尤其是发生在人口聚集区域的滑坡灾害极易造成大量人员伤亡和经济损失。同时滑坡后的山体易产生泥石流等次生灾害，对已发生的滑坡进行及时识别并加以治理更有助于防范此类次生灾害的发生。据统计，仅2012年到2018年，滑坡发生总数达到50110处，占地质灾害总数的71％。如此多的滑坡仅靠人工进行遥感图像目视解译筛选十分费力费时，且需要一定技术基础才可以解析出滑坡方向等更多信息，总体查找效率低成本高。目前，随着卫星遥感技术和神经网络技术的发展随之有了许多滑坡确认方法，然而这些方法所注重的滑坡的确认，而没有关注对于滑坡形态方面的研究。在神经网络算法的应用上偏重于复杂的分析上，带来的问题就是实时判别效率低成本高。

发明内容

本发明提出了一种基于YoloV4算法的滑坡及形态识别方法，利用模型对图像区域是否存在滑坡进行自动识别，并用方框标出滑坡，同时通过判断识别框长宽比例进行基本的滑坡形状分类，并结合相应区域的高程数据，对已识别出的滑坡进行方向判断。

为了实现上述目的，本发明提出的技术方案是：

一种基于YoloV4算法的滑坡及形态识别方法，其中，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。

方案进一步是：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。

方案进一步是：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；