1.一种基于Mask R-CNN模型的采矿沉陷区域的探测方法,其特征在于,包括:获取原始SAR影像,以及原始SAR影像对应的轨道数据与地形数据;
结合轨道数据与地形数据,使用两个相邻SAR影像进行InSAR观测,得到缠绕干涉图像:以缠绕干涉图像制作数据集;
以Mask R-CNN模型为基础,通过数据集训练,并以机器学习评价指标作为模型训练结果评价指标,得到最优矿区地面沉陷探测模型;包括如下步骤:将真实数据集按照4:1分成训练数据集和验证数据集对Mask R-CNN基础模型进行训练;通过增加迭代次数训练模型,以精准率、召回率、准确率及F1综合指标作为模型精度评价指标,当综合精度达到最高时,得到使用真实数据集的矿区地面沉陷探测模型;使用真实与模拟混合数据集执行Mask R-CNN基础模型,得到使用混合数据集的矿区地面沉陷探测模型;对比使用真实数据集和混合数据集的采矿沉陷探测模型的精度评价指标,确定最终的矿区地面沉陷探测模型;
将缠绕干涉图像输入到矿区地面沉陷探测模型中,得到最新的采矿沉陷区域;
所述得到最新的采矿沉陷区域,包括:执行与操作历史干涉图像时相同的操作,与历史SAR数据集中的最新SAR图像一起生成缠绕干涉图,将得到的缠绕干涉图输入到矿区地面沉陷探测模型中,得到最新的采矿沉陷区域;
在获得历史和最新的采矿沉陷区域后,确定其演变状态,对地表活跃性水平进行评估;
其中,得到模拟干涉图数据集,包括如下步骤:
使用高斯曲面函数对采矿引起的地表变形进行建模,通过调整参数,获得不同沉降量、边界范围和形态的采矿沉陷区域;
对GACOS获得的大气延迟图进行差分来模拟大气相位;
使用连续均匀分布随机函数模拟噪声相位;
将获取的地表变形、大气误差以及随机噪声相加后进行缠绕,得到模拟干涉图数据集。
2.如权利要求1所述的一种基于Mask R-CNN模型的采矿沉陷区域的探测方法,其特征在于,所述得到缠绕干涉图像,包括如下步骤:对相邻SAR影像进行干涉,得到初步的干涉影像;
使用外部DEM移除平地和地形相位影响;
使用精密轨道移除轨道误差的影响;
对干涉影像进行多视操作以抑制噪声;
得到缠绕干涉图像。
3.如权利要求1所述的一种基于Mask R-CNN模型的采矿沉陷区域的探测方法,其特征在于,对地表活跃性水平进行评估的指标包括:采矿沉陷区域塌陷的持续时间和频率。
4.如权利要求3所述的一种基于Mask R-CNN模型的采矿沉陷区域的探测方法,其特征在于,通过塌陷次数乘以SAR影像获取的时间间隔,得到采矿沉陷区域塌陷的持续时间。