[發明專利]基于卷積神經網絡與類別熱力圖的滑坡遙感信息提取方法

有效

• 申請號: 202110731979.X
• 申請日: 2021-06-29
• 公開（公告）號: CN113408462B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 慎利;鄧旭;鄢薪;徐柱
• 申請（專利權）人: 西南交通大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V20/70;G06V10/764;G06V10/82;G06V10/80;G06V10/774;G06V10/778;G06N3/0464;G06N3/08
• 代理公司: 成都君合集專利代理事務所(普通合伙) 51228
• 代理人: 尹新路

本申請涉及一種基于卷積神經網絡與類別熱力圖的滑坡遙感信息提取方法，高分辨率遙感影像中滑坡尺度差異巨大，且與其它地物的光譜混淆問題嚴重。現有基于卷積神經網絡(CNN)的滑坡場景解譯方法難以精確定位滑坡邊界，基于全卷積神經網絡(FCN)的像素級滑坡信息提取方法需要人工勾繪大量的樣本。本申請針對以上問題，以類別熱力圖為橋梁，提出一種弱監督滑坡災害信息提取框架：首先，本申請設計了一種耦合注意力機制與多層次、多尺度特征的分類網絡模型學習滑坡和非滑坡場景，進而獲取高質量的滑坡場景類別熱力圖；其次，利用從類別熱力圖獲取的像素級偽標簽訓練語義分割網絡，進而實現遙感影像中高精度的像素級滑坡災害信息提取。

技術領域

本發明設計了一種災害信息提取方法，更具體地說是涉及基于卷積神經網絡與類別熱力圖的滑坡遙感信息提取方法。

背景技術

我國疆域非常遼闊、地形地貌復雜，滑坡等地質災害每年給重大工程、經濟建設和人民生命安全造成嚴重威脅，精確的滑坡邊界可為滑坡災后救援和災情評估服務。因此，災害發生后，快速、準確地獲取滑坡災害信息能夠為災區開展應急救援、決策指揮以及災后重建等工作提供技術支持和決策依據。遙感技術以其宏觀、快速的優勢廣泛地應用于滑坡災害的調查，較以前的人工實地調查，大幅度提升了工作效率。特別地，高分辨率遙感影像能夠為解譯滑坡提供更加精細的紋理和空間信息，并且獲取日益便利，為滑坡災害識別和精準定位提供了重要的數據支撐和保障。而且解譯方法也實現了從應用之初的目視解譯到自動解譯的跨越。以卷積神經網絡(Convolutional?neural?networks,CNN)模型為代表的深度學習方法，其以原始圖像塊作為輸入，能夠從大量的監督樣本中自動學習到由底層視覺特征到高層語義特征的層次化特征表達，避免了人為特征設計對先驗知識的依賴，極大地增強了模型的泛化能力。目前，基于深度學習的方法已經在滑坡災害提取方面展現出了巨大的潛力，相關研究已成為近年來學術研究的熱點。

滑坡場景解譯方法難以定位滑坡邊界，而像素級滑坡區域提取方法需要完整確切的監督信息，制作這樣的樣本需要耗費極大的人力、物力。通過利用相對容易獲取的場景樣本進行像素級信息提取可以大大降低樣本的標注難度和所需時間，這為精細化滑坡信息提取提供了新思路。限于類別熱力圖過于粗糙，后來的大多研究都著重于獲得更精細且準確的類別熱力圖，如利用自監督信息提升類別熱力圖的準確性，使用隨機游走和超像素分割進行優化等等。在遙感領域已經有很多學者從事弱監督分類方法的研究，文章在傳統的弱監督框架下提出了針對光學遙感影像的分類與目標檢測方法。目前，還沒有與滑坡等地質災害相關的弱監督提取研究，可能的原因是滑坡情況更加復雜以及缺乏能夠進行測試的滑坡數據集。

發明內容

基于以上研究，本申請針對高分辨率遙感影像中滑坡尺度差異大、滑坡和其他地物存在光譜混淆的問題，提出一種耦合注意力機制與多層次、多尺度特征的類別熱力圖精細化方法，用于恢復高精度的像素級滑坡信息。綜上所述，本申請針對滑坡場景解譯方法難以精確定位滑坡邊界以及像素級滑坡信息遙感提取面臨的樣本標注難的問題，以2017年九寨溝震后無人機影像數據為例，利用場景級標注的滑坡樣本進行像素級滑坡災害信息提取，旨在提升震后快速獲取精確滑坡邊界信息的能力。

本申請提出一種基于卷積神經網絡與類別熱力圖的滑坡遙感信息提取方法，包括第一步，數據預處理，對原始影像進行裁剪并設置一定的重疊度，根據得到影像場景內是否包含滑坡區域將其分為滑坡和其它兩類；第二步，建立場景分類模型，利用圖片級標注樣本訓練進而用于圖片分類，從模型輸出的概率值節點出發，通過反向傳播方式到達指定卷積層，得到該概率值類別對應的熱力圖進而用于恢復輸入場景中地物的像素級信息。

優選的，所述第二步還包括設計耦合注意力機制與多層次、多尺度特征的弱監督分類網絡來學習場景影像中的滑坡區域和非滑坡區域；基于此，設計一個包含三階段的框架，通過易標注的場景級樣本進行像素級滑坡災害信息提取；首先，利用獲取的滑坡和非滑坡場景訓練場景分類網絡，進而獲取滑坡場景的類別熱力圖；其次，結合圖像底層特征應用全連接條件隨機場算法對邊緣進行優化獲取像素級滑坡分割掩膜；最后，利用獲取的像素級偽標簽訓練語義分割神經網絡，以獲得精度更高的像素級信息。