买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于改进样本的滑坡灾害遥感智能判识提取方法及系统，属于地质灾害遥感判识领域，包括步骤：顾及高山峡谷区复杂背景下地表植被和流水地貌特征，提出二级分区方案，建立并形成分区分类样本库；建立顾及滑坡灾害发育演化特征、季节更替特征和空间视角姿态特征的差异性增强样本，改进了传统滑坡样本的单一性；基于FCN深度学习网络框架和训练指标参数值变化特征曲线，自动匹配迭代次数，达到最强收敛性，建立最佳多参数FCN模型进行滑坡灾害智能判识提取。本发明针对高山峡谷区滑坡灾害时空分布差异性，建立了差异性增强样本库和最佳多参数FCN滑坡判识模型，提高了滑坡灾害判识精度，为防灾减灾提供了科学可靠的参考依据。

主权项：1.一种基于改进样本的滑坡灾害遥感智能判识提取方法，其特征在于：包括以下步骤：步骤S1：顾及高山峡谷区地表植被和流水地貌特征，提出二级分区方案，一级分区包括稀林区和密林区，其中稀林区包括峡谷区、沟谷区、河谷区，二级分区包括峡谷区、沟谷区、河谷区、密林区，建立并形成分区分类样本库；步骤S2：建立顾及滑坡灾害发育演化特征、季节更替特征和空间视角姿态特征的差异性增强样本；步骤S3：基于FCN深度学习网络框架和训练指标参数值变化特征曲线，自动匹配合适迭代次数，达到最强收敛性，建立最佳多参数FCN模型进行滑坡灾害智能判识提取；步骤S3包括以下步骤：S301、输入图像数据形成输入层；S302、对输入影像进行第一次特征提取，形成卷积层；S303、对影像进行第二次特征提取，形成池化层；S304、对卷积层提取的特征进行采样，使其恢复至输入图像相同的尺寸，形成上采样层；S305、建立的FCN模型依次由16层卷积层、5层池化层、3层卷积层和1层上采样层组成，每层卷积层后的激活函数均为ReLU函数，迭代次数为6000次；S306、顾及loss、Lr、mIoU、mFscore、mAcc指标参数，进行多次自适应匹配；S307、建立最佳多参数FCN模型进行滑坡灾害智能判识提取；S302和S303两个步骤中提取的特征均为输入的影像和样本影像的像素相似度特征；ReLU函数计算公式如下： 式中，x表示输入向量，T表示对向量W进行转置，Wi、bii＝0,i＝1的初始值分别为i表示第i次卷积，b表示截距，Wi＝2…、bi＝2…的值通过i＝0,i＝1的初始值按照矩阵卷积相乘的规律类推；损失函数值loss计算公式如下： 式中，m为一行数据中的第m列，yt表示数据的真实值，yp表示数据经过模型运算得到的预测值；学习率Lr计算公式如下： 式中，Mnew表示更新模型的参数集合，Mold均表示更新之前模型的参数集合，是目标函数J相对于Mold模型参数的梯度；平均交并比mIoU计算公式如下： 式中，i表示真实值，j表示预测值，k为类型数量，Vij表示将i预测为k的数量，称为假负，Vji表示将k预测为i的数量，称为假正，Vii表示将i预测为i的数量，称为真正，加号表示相加，减号表示相减；平均F分数mFscore计算公式如下： 式中，k为类型数量，Vp为精确度，Vr为召回率；平均准确率mAcc计算公式如下： 式中，k为类型数量，Vipre_ture表示i类预测正确的像素数量，Vireal_ture表示i类真实标记的像素数量。

全文数据：

权利要求：

百度查询： 湖南科技大学 基于改进样本的滑坡灾害遥感智能判识提取方法及系统