[发明专利]基于深度神经网络的遥感影像滑坡测图方法

权利要求书

1.一种基于深度神经网络的遥感影像滑坡测图方法，其特征在于，包括以下步骤：

步骤1：获取滑坡前后的遥感影像，进行影像预处理，得到滑坡前影像和滑坡后影像；

步骤2：采用分形网络演化方法，设定分割尺度、形状参数、紧致度参数，对滑坡后影像进行超像素分割，得到滑坡后影像的超像素；然后，将滑坡后影像的超像素区域与滑坡前影像叠加，获得滑坡前影像的超像素区域，使滑坡前后影像具有相同的分割边界，同时保证滑坡数据的完整性；

步骤3：采用超像素级变化向量分析方法计算所得的每个超像素所在区域的变化强度特征；将滑坡前后的超像素光谱特征与变化强度特征融合，生成特征向量，作为滑坡测图的依据；

步骤4：对于滑坡前影像和滑坡后影像，采用像素级变化向量分析方法计算每个像素的变化强度特征，并通过LSELUC算法进行滑坡提取，得到初始的像素级滑坡提取结果；将像素级滑坡提取结果与超像素区域叠加，计算每个超像素区域内的变化比率，并通过阈值分割提取“滑坡”与“非滑坡”的伪样本数据集，形成滑坡提取初始结果；

步骤5：构建针对滑坡测图的深度神经网络模型，利用伪样本数据集对深度神经网络模型进行训练，输入非样本数据的特征向量进行分类，生成分类结果；

步骤6：利用多数投票法融合滑坡提取初始结果和深度神经网络模型分类结果，生成最终的滑坡测图结果，

其中，在所述步骤3中，将滑坡前后的超像素光谱特征与变化强度特征融合，生成7维特征向量：

式中，Q(S_i)为超像素S_i的变化特征向量，Q(S_i)为S_i的变化强度特征，表示滑坡发生前后遥感影像的光谱差异程度；为滑坡前影像的RGB波段的光谱特征，为滑坡后影像的RGB波段的光谱特征。

2.根据权利要求1所述的基于深度神经网络的遥感影像滑坡测图方法，其特征在于：

其中，在所述步骤1中，影像预处理包括影像配准和相对辐射校正。

3.根据权利要求1所述的基于深度神经网络的遥感影像滑坡测图方法，其特征在于：

其中，在所述步骤2中，设定分割尺度为30，形状参数为0.8，紧致度参数为0.9。

4.根据权利要求1所述的基于深度神经网络的遥感影像滑坡测图方法，其特征在于：

其中，在所述步骤4中，选取变化比率大于50％的超像素作为初始的像素级滑坡提取结果L₁：

式中，CR(S_i)表示超像素的变化比率且CR(S_i)∈[0，1]；

根据阈值分割选取“滑坡”与“非滑坡”的伪样本集Q^l，Q^u，计算公式如下：

式中，ΔT为确定样本量的阈值。