[发明专利]基于LiDAR和InSAR技术的河道行洪风险点识别方法、装置、服务器及存储介质

权利要求书

1.一种基于LiDAR和InSAR技术的河道行洪风险点识别方法，其特征在于，包括：

获取河堤LiDAR数据、河堤InSAR数据；

将河堤LiDAR数据、河堤InSAR数据进行融合计算，以得到融合后的河堤高程预测值；

根据所述河堤高程预测值和专家知识来识别河道行洪风险点。

2.根据权利要求1所述的方法，其特征在于，所述将河堤LiDAR数据、河堤InSAR数据进行融合计算，包括：

建立LiDAR、InSAR数据与待融合结果之间的自适应正则化变分融合模型；

利用LiDAR、InSAR数据与待融合结果之间的变分融合模型进行融合计算。

3.根据权利要求2所述的方法，其特征在于，所述利用建立LiDAR、InSAR数据与待融合结果之间的自适应正则化变分融合模型进行融合计算，包括：

计算基于鲁棒性加权l₁范数的数据约束；

根据所述基于鲁棒性加权l₁范数的数据约束来计算变分融合模型的降质矩阵和约束函数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述基于鲁棒性加权l₁范数的数据约束下利用LiDAR、InSAR数据与待融合结果之间的变分融合模型进行融合计算，包括：

建立基于坡度自适应的先验模型；

根据所述先验模型和基于鲁棒性加权l₁范数的数据约束，利用LiDAR、InSAR数据与待融合结果之间的变分融合模型进行融合计算。

5.根据权利要求1所述的方法，其特征在于，所述将所述当前河堤LiDAR数据、河堤InSAR数据进行融合计算，包括：

利用如下方式进行融合计算：

y_k＝D_kM_ku+n_k，其中，其中，u(HN₁×HN₂)表示待求的融合结果，而y_k则表示投影在相同坐标系下的多尺度数据集，大小为N_1k×N_2k。M_k是大小为HN₁HN₂×HN₁HN₂的运动矩阵，描述的是在网格配准的过程中的平移量。

6.根据权利要求3所述的方法，其特征在于，所述计算基于鲁棒性加权l₁范数的数据约束，包括：

利用如下公式计算：

7.根据权利要求1所述的方法，其特征在于，所述根据所述河堤高程不同年份的预测值和专家知识确定河道行洪风险点，包括：

将所述河道堤防分为若干段堤防；

根据预设的规则计算每段设定年份堤防预测高程与堤防计算高程之间的差值；

根据所述差值确定其是否为河道行洪风险点。

8.一种基于LiDAR和InSAR技术的河道行洪风险点识别方法装置，其特征在于，包括：

获取模块，用于获取河堤LiDAR数据、河堤InSAR数据；

计算模块，用于将所述河堤LiDAR数据、河堤InSAR数据进行融合计算，以得到融合后的河堤高程预测值；

确定模块，用于根据所述河堤高程预测值确定河道行洪风险点。

9.一种服务器，其特征在于，所述服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的基于LiDAR和InSAR技术的河道行洪风险点识别方法。

10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7一所述的基于LiDAR和InSAR技术的河道行洪风险点识别方法。