【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及群發(fā)性滑坡災(zāi)害分析，具體為基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法。
技術(shù)介紹
1、群發(fā)性滑坡是指在一定時間內(nèi)或特定天氣條件下，某一地區(qū)發(fā)生的多個滑坡事件。這種滑坡往往發(fā)生在相互鄰近或相連的區(qū)域，可能由相同的誘因(如強降雨、地震)引發(fā)，導(dǎo)致廣泛區(qū)域內(nèi)的多次滑坡現(xiàn)象。
2、群發(fā)性滑坡作為一種非常嚴重的自然災(zāi)害，在山體結(jié)構(gòu)中頻繁發(fā)生。由于山體本身就具有復(fù)雜的地質(zhì)結(jié)構(gòu)，如斷層以及裂縫等，再加上強降雨、植被的損失以及人為活動等，使得山體的群發(fā)性滑坡發(fā)生的概率增加；當山體發(fā)生群發(fā)性滑坡時會給道路、橋梁以及水資源等帶來破壞；尤其，當山體的群發(fā)性災(zāi)害特別嚴重時，會對周圍的人們住房以及生命安全也帶來嚴重威脅；因此，對山體的群發(fā)性滑坡災(zāi)害的研究和分析是十分有必要的。
3、傳統(tǒng)的對山體的群發(fā)性滑坡災(zāi)害的研究主要依靠工作人員進行實地的考察，收集相關(guān)的數(shù)據(jù)進行分析；而這種方法存在很大的弊端；例如，在進行實地考察過程中，山體會發(fā)生再次滑坡，使工作人員的生命安全得不到保障；此外，在數(shù)據(jù)采集過程中由于山體滑坡是一個動態(tài)過程，傳統(tǒng)實地考察無法實時反映山體狀況的變化，數(shù)據(jù)更新可能滯后于實際情況。隨著科技的發(fā)展，現(xiàn)今工作人員基本上借助低空無人機實現(xiàn)對山體的群發(fā)性滑坡的監(jiān)測以及分析；尤其，低空無人機遙感在群發(fā)性滑坡災(zāi)害體積快速計算方面得到了廣泛的應(yīng)用；低空無人機可以拍攝高分辨率的影像，捕捉到滑坡區(qū)域的細節(jié)，可以更準確地評估滑坡體積和形態(tài)。
4、在現(xiàn)有技術(shù)中，研究人員基于低空無人機的遙感技術(shù)提出許多優(yōu)秀的群發(fā)
5、為此，本專利技術(shù)提出基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提出基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，可以明確目標山體群發(fā)性滑坡災(zāi)害進行分析；首先，提出采用一種群發(fā)性滑坡識別模型進行滑坡區(qū)域的識別，該模型將獲取的遙感圖像通過骨干特征提取模塊、頸部特征融合模塊、山體滑坡識別模塊和輸出模塊，得到滑坡位置和滑坡區(qū)域；在山體滑坡識別模塊中通過添加滑坡特征注意力對不同的滑坡特征進行學(xué)習(xí)，提升了滑坡識別的準確性；接著，根據(jù)滑坡識別結(jié)果結(jié)合山體數(shù)字表面模型進行滑坡體積計算；為準確計算滑坡區(qū)域發(fā)生滑坡前后的體積，采用一種密實度調(diào)整器進行調(diào)整；該密實度調(diào)整器通過將目標山體a劃分為n個區(qū)域，根據(jù)這n個區(qū)域的實際情況設(shè)定密實度系數(shù)，并根據(jù)所述山體數(shù)字表面模型發(fā)生前后的數(shù)據(jù)變化調(diào)整密實度系數(shù)，以此得到最優(yōu)調(diào)整系數(shù)；通過密實度調(diào)整器進行滑坡體積計算的優(yōu)化，不僅提高了計算精度和模型穩(wěn)定性，也增強了對復(fù)雜地形和不同滑坡情境的適應(yīng)能力；其次，提出一種滑坡災(zāi)害等級評估方法，該方法根據(jù)建立滑坡災(zāi)害評估函數(shù)對不同滑坡區(qū)域進行評估，為不同滑坡區(qū)域的危害等級賦予不同的權(quán)重；該權(quán)重是對滑坡的位置和滑坡區(qū)域進行分析得到；滑坡位置的分析包括：坡度和與主要結(jié)構(gòu)的距離；滑坡區(qū)域的分析包括：滑坡區(qū)域面積和地質(zhì)穩(wěn)定性；通過對滑坡的不同影響因素(坡度、與主要結(jié)構(gòu)的距離、滑坡區(qū)域面積和地質(zhì)穩(wěn)定性)進行詳細分析，并賦予相應(yīng)的權(quán)重，可以精確地計算滑坡災(zāi)害的評估值。這種方法能夠綜合考慮多方面因素，使得風(fēng)險評估更加全面和科學(xué)，從而為防災(zāi)減災(zāi)提供可靠的數(shù)據(jù)支持；最后，采用滑坡分析函數(shù)對目標山體a的滑坡原因進行分析，該函數(shù)通過歷史滑坡數(shù)據(jù)進行參數(shù)調(diào)整，并對收集的特征數(shù)據(jù)進行貢獻度計算，提升了分析的準確性。
2、為實現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，包括：
4、利用低空無人機對目標山體進行航拍，獲取高分辨率的影像數(shù)據(jù)；
5、進一步地，對所述影像數(shù)據(jù)進行預(yù)處理，得到標準影像數(shù)據(jù)；其中，所述預(yù)處理包括：對所述影像數(shù)據(jù)進行幾何校正，得到幾何校正影像數(shù)據(jù)；對所述幾何校正影像數(shù)據(jù)進行大氣校正，得到大氣校正影像數(shù)據(jù)；去除所述大氣校正影像數(shù)據(jù)中云層和陰影，得到去影像數(shù)據(jù)；對所述去影像數(shù)據(jù)進行影像鑲嵌和拼接，得到完整影像數(shù)據(jù)；對所述完整影像數(shù)據(jù)進行分辨增強，得到所述標準影像數(shù)據(jù)。
6、進一步地，利用所述標準影像數(shù)據(jù)生成山體數(shù)字表面模型；其中，所述山體數(shù)字表面模型的生成過程包括：對所述標準影像數(shù)據(jù)進行特征提取，分別得到地物信息和山體特征；利用所述地物信息和所述山體特征生成初始數(shù)字高程模型；對所述初始數(shù)字高程模型進行柵格化，轉(zhuǎn)化為指定格式的柵格數(shù)據(jù)；利用所述柵格數(shù)據(jù)建立三維點云；其中，所述三維點云包括地表上的離散點數(shù)據(jù)，每個點都有空間坐標和相應(yīng)的高程值；對所述三維點云進行插值處理，填補數(shù)據(jù)間的空間，得到連續(xù)高程數(shù)據(jù)；根據(jù)所述連續(xù)高程數(shù)據(jù)生成所述山體數(shù)字表面模型。
7、進一步地，訓(xùn)練群發(fā)性滑坡識別模型；
8、其中，所述群發(fā)性滑坡識別模型的訓(xùn)練過程包括：
9、根據(jù)歷史滑坡記錄獲取所述目標山體的遙感圖像；對所述遙感圖像進行數(shù)據(jù)增強，增加所述遙感圖像的數(shù)量；對數(shù)據(jù)增強后的所述遙感圖像進行滑坡標注，并構(gòu)建滑坡數(shù)據(jù)集；其中，所述滑坡標注包括：滑坡位置和滑坡區(qū)域；
10、輸入所述滑坡數(shù)據(jù)集中圖像至所述骨干特征提取模塊，分別得到第一特征圖、第二特征圖和第三特征圖；其中，所述骨干特征提取模塊由一個卷積層和五個殘差結(jié)構(gòu)組成；每個所述殘差結(jié)構(gòu)包含不同數(shù)量的殘差塊；其中，第一殘差結(jié)構(gòu)包含一個基本殘差塊；第二殘差結(jié)構(gòu)包含兩個殘差塊；第三殘差結(jié)構(gòu)和第四殘差結(jié)構(gòu)包含八個殘差塊，分別用于獲取所述第一特征圖和所述第二特征圖；第五殘差結(jié)構(gòu)包含四個殘差塊，用于獲取所述第三特征圖；
11、將所述第一特征圖，所述第二特征圖和所述第三特征圖輸入至頸部特征融合模塊，得到第一融合特征圖、第二融合特征圖和第三融合特征圖；所述頸部融合模塊包括：第一分支第二分支和第三分支；其中，所述第一分支用于所述第三特征圖通過五個卷積層，獲取所述第三融合特征圖；所述第二分支用于所述第三融合特征圖通過一個卷積層和一個上采樣層處理后，與所述第二特征圖進行拼接，得拼接特征圖，并將所述拼接特征圖經(jīng)五個卷積層得到所述第二融合特征圖；所述第三分支用于所述第二融合特征圖用于卷積和上采樣處理后，與所述第一特征圖進行拼接，并經(jīng)五個卷積層獲得第一融合特征圖；
12、將所述第一融合特征圖、第二融合特征圖和所述第三融合特征圖輸入至山體滑坡識別模塊，識別滑坡位置和滑坡區(qū)域；其中，所述山體滑坡識別模塊包括：第一識別分支、第二識別分支和第三識別分支；其中，所述第一識別分支用于對所述第三融合特征圖進行識別，得到第一識別結(jié)果；所述第二識別分支用于對所述第二融合特征圖進行識別，得到第二識別結(jié)果；所述第三識別分支用于對所述第一融合特征圖進行識別，得到第三識別結(jié)果；所述第一識別分支、所述第二識別分支和所述本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，包括：利用低空無人機獲取高分辨率的影像數(shù)據(jù)；對所述影像數(shù)據(jù)進行預(yù)處理，得到標準影像數(shù)據(jù)；利用所述標準影像數(shù)據(jù)生成山體數(shù)字表面模型；訓(xùn)練群發(fā)性滑坡識別模型；輸入目標山體的遙感圖像至訓(xùn)練后的所述群發(fā)性滑坡識別模型，得到所述目標山體的群發(fā)性滑坡災(zāi)害識別區(qū)域；利用所述山體數(shù)字表面模型對所述群發(fā)性滑坡災(zāi)害區(qū)域進行滑坡體積計算，得到所述目標山體的滑坡體積結(jié)果；其中，所述滑坡體積結(jié)果的計算步驟包括：
2.根據(jù)權(quán)利要求1所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述預(yù)處理包括：對所述影像數(shù)據(jù)進行幾何校正，得到幾何校正影像數(shù)據(jù)；對所述幾何校正影像數(shù)據(jù)進行大氣校正，得到大氣校正影像數(shù)據(jù)；去除所述大氣校正影像數(shù)據(jù)中云層和陰影，得到去影像數(shù)據(jù)；對所述去影像數(shù)據(jù)進行影像鑲嵌和拼接，得到完整影像數(shù)據(jù)；對所述完整影像數(shù)據(jù)進行分辨增強，得到所述標準影像數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述山體數(shù)字表面模型的生成過程包括：對所述標準影
4.根據(jù)權(quán)利要求1所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述群發(fā)性滑坡識別模型的訓(xùn)練過程包括：
5.根據(jù)權(quán)利要求4所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述山體滑坡識別模塊包括：第一識別分支、第二識別分支和第三識別分支；其中，所述第一識別分支用于對所述第三融合特征圖進行識別，得到第一識別結(jié)果；所述第二識別分支用于對所述第二融合特征圖進行識別，得到第二識別結(jié)果；所述第三識別分支用于對所述第一融合特征圖進行識別，得到第三識別結(jié)果；所述第一識別分支、所述第二識別分支和所述第三識別分支都包括：一個卷積層和動態(tài)滑坡特征注意力機制。
6.根據(jù)權(quán)利要求5所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述動態(tài)滑坡特征注意力機制包括：將融合特征圖輸入至卷積層后，得到卷積特征圖；將所述卷積特征圖輸入至平均池化層，得到平均池化特征圖；將所述平均池化特征圖依次經(jīng)過兩個全連接層，得到全連接特征圖；所述全連接特征圖經(jīng)歸一化層，得到歸一化特征圖；將所述歸一化特征圖輸入至超函數(shù)中，生成四個學(xué)習(xí)參數(shù)；將所述卷積特征圖和四個所述學(xué)習(xí)參數(shù)輸入至激活函數(shù)中，得到激活特征圖。
7.根據(jù)權(quán)利要求6所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，在所述步驟五中由密實度調(diào)整器對體積計算進行調(diào)整；其中，所述密實度調(diào)整器的具體設(shè)置過程包括：將所述山體數(shù)字表面模型劃分為N個區(qū)域；根據(jù)N個所述區(qū)域設(shè)定不同的密實度標準；其中，所述密實度標準包括：低密實度和高密實度；根據(jù)所述區(qū)域的實際情況設(shè)置密實度系數(shù)；根據(jù)滑坡前后所述山體數(shù)字表面模型的數(shù)據(jù)差異調(diào)整所述密實度系數(shù)；利用調(diào)整后的所述密實度系數(shù)重新計算滑坡前后體積；驗證調(diào)整后所述滑坡前后體積是否一致；當結(jié)果一致時，所述密實度系數(shù)為當前最優(yōu)密實度系數(shù)；當結(jié)果不一致時，根據(jù)誤差對所述密實度系數(shù)繼續(xù)優(yōu)化。
8.根據(jù)權(quán)利要求1所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述滑坡災(zāi)害等級評估的具體過程包括：
9.根據(jù)權(quán)利要求8所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述滑坡危害等級權(quán)重根據(jù)滑坡區(qū)域的位置分析結(jié)果和區(qū)域分析結(jié)果獲得；所述位置分析結(jié)果包括：坡度影響和主要結(jié)構(gòu)距離，計算公式為：其中，PRk表示為第k個滑坡區(qū)域的位置分析結(jié)果；NSk表示為第k個滑坡區(qū)域的歸一化坡度；Dk表示為第k個滑坡區(qū)域與主要結(jié)構(gòu)的距離；wp1表示為坡度權(quán)重系數(shù)；wp2表示為距離影響系數(shù)；所述區(qū)域分析結(jié)果包括：區(qū)域面積和地質(zhì)條件，計算公式為：Ak＝wa1*NAk+wa2*Sk；其中，Ak表示為第k個滑坡區(qū)域的區(qū)域分析結(jié)果；NAk表示為第k個滑坡區(qū)域的歸一化面積；Sk表示為第k個滑坡區(qū)域的地質(zhì)穩(wěn)定系數(shù)；wa1表示為面積權(quán)重系數(shù)；wa2表示為地質(zhì)權(quán)重系數(shù)；根據(jù)所述位置分析結(jié)果和所述區(qū)域分析結(jié)果計算所述滑坡危害等級權(quán)重，公式為：Rk＝wp*PRk+wa*Ak；其中，wp表示為位置影響權(quán)重；wa...
【技術(shù)特征摘要】
1.基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，包括：利用低空無人機獲取高分辨率的影像數(shù)據(jù)；對所述影像數(shù)據(jù)進行預(yù)處理，得到標準影像數(shù)據(jù)；利用所述標準影像數(shù)據(jù)生成山體數(shù)字表面模型；訓(xùn)練群發(fā)性滑坡識別模型；輸入目標山體的遙感圖像至訓(xùn)練后的所述群發(fā)性滑坡識別模型，得到所述目標山體的群發(fā)性滑坡災(zāi)害識別區(qū)域；利用所述山體數(shù)字表面模型對所述群發(fā)性滑坡災(zāi)害區(qū)域進行滑坡體積計算，得到所述目標山體的滑坡體積結(jié)果；其中，所述滑坡體積結(jié)果的計算步驟包括：
2.根據(jù)權(quán)利要求1所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述預(yù)處理包括：對所述影像數(shù)據(jù)進行幾何校正，得到幾何校正影像數(shù)據(jù)；對所述幾何校正影像數(shù)據(jù)進行大氣校正，得到大氣校正影像數(shù)據(jù)；去除所述大氣校正影像數(shù)據(jù)中云層和陰影，得到去影像數(shù)據(jù)；對所述去影像數(shù)據(jù)進行影像鑲嵌和拼接，得到完整影像數(shù)據(jù)；對所述完整影像數(shù)據(jù)進行分辨增強，得到所述標準影像數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述山體數(shù)字表面模型的生成過程包括：對所述標準影像數(shù)據(jù)進行特征提取，分別得到地物信息和山體特征；利用所述地物信息和所述山體特征生成初始數(shù)字高程模型；對所述初始數(shù)字高程模型進行柵格化，轉(zhuǎn)化為指定格式的柵格數(shù)據(jù)；利用所述柵格數(shù)據(jù)建立三維點云；其中，所述三維點云包括地表上的離散點數(shù)據(jù)，每個點都有空間坐標和相應(yīng)的高程值；對所述三維點云進行插值處理，填補數(shù)據(jù)間的空間，得到連續(xù)高程數(shù)據(jù)；根據(jù)所述連續(xù)高程數(shù)據(jù)生成所述山體數(shù)字表面模型。
4.根據(jù)權(quán)利要求1所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述群發(fā)性滑坡識別模型的訓(xùn)練過程包括：
5.根據(jù)權(quán)利要求4所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述山體滑坡識別模塊包括：第一識別分支、第二識別分支和第三識別分支；其中，所述第一識別分支用于對所述第三融合特征圖進行識別，得到第一識別結(jié)果；所述第二識別分支用于對所述第二融合特征圖進行識別，得到第二識別結(jié)果；所述第三識別分支用于對所述第一融合特征圖進行識別，得到第三識別結(jié)果；所述第一識別分支、所述第二識別分支和所述第三識別分支都包括：一個卷積層和動態(tài)滑坡特征注意力機制。
6.根據(jù)權(quán)利要求5所述的基于低空無人機遙感的群發(fā)性滑坡災(zāi)害體積快速提取方法，其特征在于，所述動態(tài)滑坡特征注意力機制包括：將融合特征圖輸入至卷積層后，得到卷積特征圖；將所述卷積特征圖輸入至平均池化層，得到平均池化特征圖；將所述平均池化特征圖依次經(jīng)過兩個全連接層，得到全連接特征圖；所述全連接特征圖經(jīng)歸...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：姚麗娜，程鵬，
申請(專利權(quán))人：姚麗娜，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。