专利交易市场

一种基于对称式深度网络结合多尺度池化的滑坡识别方法，利用大尺寸高分辨率双时相遥感图像，构造训练集图像对和测试集图像对；给定预处理算法参数和网络运行参数；利用训练集图像对生成训练集对应的差异图像，测试集图像对生成测试集对应的差异图像；对差异图像进行多变量形态学重建，以去除噪声和非滑坡区域；将预处理后的图像输入至本发明设计的深度网络MP‑SDNN中，进行网络模型训练，直至网络收敛；将预处理后的测试图像输入至网络MP‑SDNN中，输出滑坡识别结果，能够解决现有滑坡识别方法依赖于传统特征描述子、阈值选择、对噪声敏感导致难以准确识别滑坡区域等问题，提高真实滑坡区域的识别精度，具有识别精度高、快速有效的特点。

本申请涉及地质灾害预警领域，公开了一种滑坡隐患识别及易发性评价方法，包括以下步骤：S1、基础数据收集和滑坡数据库构建；步骤S2、环境因子的提取与共线性诊断；S3、利用SBAS‑I nSAR技术获取研究区域的地表形变数据；S4、基于地形、地质和气象因素，构建滑坡易发性评价的I V‑MLP模型；S5、结合地表形变数据和模型的结果，生成LSR，输出滑坡易发性评价指数；其中，所述LSR用于识别滑坡隐患区域，并对易发性进行评价。本发明通过将传统机器学习神经网络模型方法与SBAS‑I nSAR技术相结合，可获得准确有效的滑坡易发性分区图，在评估滑坡发生概率方面具有较好的效果。可以实现对滑坡易发区域的高精度识别和评价。

本发明公开一种高分辨率遥感图像滑坡识别方法和装置、系统、存储介质，包括：步骤S1、获取高分辨率遥感滑坡数据集；步骤S2、根据高分辨率遥感滑坡数据集，构建高分辨率遥感滑坡提取网络HRLE‑Net；步骤S3、划分高分辨率遥感滑坡数据集，得到训练集和测试集；步骤S4、根据训练集训练高分辨率遥感滑坡提取网络HRLE‑Net；步骤S5、将测试集输入到训练好的高分辨率遥感滑坡提取网络HRLE‑Net中，提取滑坡区域。采用本发明的技术方案，实现对滑坡区域的准确识别。