[發明專利]一種融合InSAR和CNN-AFSA-SVM的開采沉陷盆地自動檢測方法

在審

• 申請號: 202210115680.6
• 申請日: 2022-02-07
• 公開（公告）號: CN114660598A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 王磊;李世保;張鮮妮
• 申請（專利權）人: 安徽理工大學
• 主分類號: G01S13/90
• 分類號: G01S13/90
• 代理公司: 合肥中谷知識產權代理事務所(普通合伙) 34146
• 代理人: 洪玲

本發明涉及一種融合InSAR和CNN?AFSA?SVM的開采沉陷盆地自動檢測方法，包括以下步驟：獲取Sentinel?1A雷達衛星影像，通過差分雷達干涉測量方法處理所述Sentinel?1A雷達衛星影像得到InSAR干涉圖，在所述InSAR干涉圖中選取沉陷盆地作為樣本數據集；建立CNN?AFSA?SVM模型，使用所述樣本數據集對所述CNN?AFSA?SVM模型進行訓練和分類測試，得到訓練后的CNN?AFSA?SVM模型；將待測區域的Sentinel?1A雷達衛星影像通過差分雷達干涉測量方法處理得到目標InSAR干涉圖，將所述目標InSAR干涉圖輸入所述訓練后的CNN?AFSA?SVM模型并采用非極大值抑制法去除重復搜索框，最終自動輸出開采沉陷盆地檢測結果圖。本發明通過構建CNN?AFSA?SVM模型有效地在大幅寬InSAR干涉圖中自動檢測出開采沉陷盆地，提高了開采沉陷盆地檢測的精度和自動化程度。

技術領域

本發明屬于礦山檢測技術領域，尤其涉及一種融合InSAR和CNN-AFSA-SVM的開采沉陷盆地自動檢測方法。

背景技術

開采礦產資源容易打破上覆巖層的原始應力平衡狀態，致使巖層和地表發生移動和變形。從而引發一系列礦山地質環境災害問題，威脅礦區居民生命財產安全。因此，開展礦區高效精準的采礦活動監測，一方面對于預防采礦帶來的地質環境災害至關重要，另一方面可以為政府部門監督非法采礦活動提供科學依據。

目前，政府主要依據“地毯式”的傳統排查方法監測非法采礦活動，也有一些利用微震和信息化網絡方式進行非法采礦的監測。這些方式對于監測大范圍非法采礦活動效率低、范圍小。盡管采取了一定的防治措施，但對于非法采礦的情況還是屢禁不止。據國家安全生產監督管理總局統計，我國生產了占全球35％的煤礦產量，卻占據了全球因煤礦開采導致死亡人數的80％，且大部分礦難都是由地下非法采礦造成。因此，有必要開展礦區高效精準的非法采礦活動監測。

合成孔徑雷達干涉測量(interferometric synthetic aperture ardar,InSAR)技術以低成本、全天候、全天時、高精度等優點在礦區地表沉降監測中得到廣泛應用。地下采煤后會形成地面沉降，地表形變特征表現在InSAR干涉圖上是一系列的同心圓或同心橢圓，這些同心圓或同心橢圓就被稱為“開采沉陷盆地”。因此，學者可以利用檢測InSAR干涉圖上的開采沉陷盆地進而監測非法采礦問題。然而，隨著InSAR技術的不斷發展，其影像幅度也在不斷增長，在大范圍的干涉圖中尋找開采沉陷盆地，僅靠目視搜索人為誤差大且耗費大量精力。因此，我們需要研究出如何在大幅寬InSAR干涉圖中自動尋找開采沉陷盆地。近年來，計算機硬件的發展以及大規模數據收集幫助卷積神經網絡(ConvolutionalNeural Network,CNN)在圖像分類、圖像檢測等計算機視覺中取得了優異的成效。卷積神經網絡已在各行業中取得很好地應用，但目前還沒有將CNN應用到礦區開采沉陷盆地檢測中。

因此，有必要提供一種新的融合InSAR和CNN-AFSA-SVM的開采沉陷盆地自動檢測方法解決上述技術問題。

發明內容

本發明的目的就在于為了解決上述問題而提供一種融合InSAR和CNN-AFSA-SVM的開采沉陷盆地自動檢測方法。

本發明通過以下技術方案來實現上述目的：

一種融合InSAR和CNN-AFSA-SVM的開采沉陷盆地自動檢測方法，包括以下步驟：

獲取Sentinel-1A雷達衛星影像，通過差分雷達干涉測量方法處理所述Sentinel-1A雷達衛星影像得到InSAR干涉圖，在所述InSAR干涉圖中選取沉陷盆地作為樣本數據集；

建立CNN-AFSA-SVM模型，使用所述樣本數據集對所述CNN-AFSA-SVM模型進行訓練和分類測試，得到訓練后的CNN-AFSA-SVM模型；