欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025101604596
申请人: 长安大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种滑坡识别方法,其特征在于,包括:

获取目标坡段的遥感影像数据和数字高程数据,构建滑坡数据集;

将滑坡数据集中的图像数据分割为n×n像素的令牌token,并将令牌token输入基于编码器和解码器结构的神经网络模型中,利用编码器将未被掩码覆盖的token进行特征嵌入,通过自注意力机制捕捉所有token之间的关系,生成最终的输出特征,且利用解码器的多目标重建策略将最终的输出特征进行重建,获得重建图像的token以及与原始图像token间的重建损失,以最小化的重建损失为目标构建最优的神经网络模型;

将实时目标坡段的遥感影像数据和数字高程数据输入最优的神经网络模型中进行影像解译,获得目标坡段中的滑坡图。

2.如权利要求1所述的一种滑坡识别方法,其特征在于,所述获取目标坡段的遥感影像数据和数字高程数据,构建滑坡数据集,包括:定义目标坡段震前和震后的时间范围,依据时间范围筛选遥感影像数据,并加载数字高程数据;

根据时间、区域和角点过滤震前影像,获得完全覆盖研究区域的影像集合,并应用边缘掩膜去除边缘噪声,从过滤后的影像中选择云最少的影像,并裁剪到目标坡段;

对所述目标坡段的遥感影像进行影像单波段分离和NVID处理,获得震前震后影像RGB和震前震后NDVI,并对数字高程数据进行DEM相关因子计算,获得山坡阴影和坡度,将震前震后影像RGB、震前震后NDVI、山坡阴影和坡度堆叠成一个多波段影像,将多波段影像作为滑坡数据集。

3.如权利要求2所述的一种滑坡识别方法,其特征在于,所述将滑坡数据集中的图像数据分割为n×n像素的令牌token之前,还包括:获取震前和震后的NDVI图像,并将震前和震后的NDVI图像作为震前震后影像RGB的额外通道进行添加,作为待分割的图像数据;其中,添加的震前和震后的NDVI图像具体表达式为:其中,NIR和RED分别是近红外和红波段的反射率。

4.如权利要求1所述的一种滑坡识别方法,其特征在于,所述通过自注意力机制捕捉所有token之间的关系,具体表达式为:Qi=xiWQ,Ki=xiWK,Vi=xiWV;

zi=Attention(Qi,Ki,Vi)=SiVi;

其中,d表示嵌入的维度,Qi为查询,Ki为键,Vi为值,xi为输入,Si为注意力分数,zi为输出特征,WQ为Qi对应的权重矩阵,用于将输入的隐藏状态转换为查询向量Qi,WK为Ki对应的权重矩阵,用于将输入的隐藏状态转换为键向量Ki,WV为Vi对应的权重矩阵,用于将输入的隐藏状态转换为键向量Vi,为Ki的转置。

5.如权利要求1所述的一种滑坡识别方法,其特征在于,所述利用解码器的多目标重建策略将最终的输出特征进行重建,获得重建图像的token以及与原始图像token间的重建损失,包括:利用解码器的多目标重建策略将最终的输出特征进行重建,获得重建图像的token;具体表达式为:其中,为重建图像的token,gφ为解码器,M为掩码矩阵,具体来说是一个二进制矩阵,用于指示哪些token被掩盖,哪些token应该被保留,x为原始图像的token,⊙为逐元素乘法或哈达玛积;

获取重建图像的token与原始图像的token之间的重建损失,具体表达式为:

L=Ltoken+λLspectral

其中,L为总体重建损失,Ltoken为token到token的重建损失,Lspectral为spectral到spectral的重建损失,λ代表用于调整Ltoken和Lspectral组合的超参数,m为被掩码覆盖(masked)的token(Hp×Wp)的数量,x为原始图像的token,为重建图像的token,i、j、(r,c,1)和均代表索引,n为光谱token的数量,vis为代表未被掩码覆盖的token的索引,xvis=[xi|i∈vis}代表未被掩码覆盖的token,j为对应于求和符号的一个求和变量,表示在某个范围内的迭代索引,具体来说,j从1开始,一直到n结束,表示在这个范围内对每一项进行求和,每个光谱token(spectral token)由沿光谱维度的(D是输入影像的通道维,k是token的通道维)个标准token(standard tokens)组成,并且(r,c)表示光谱数据中第r行和第c列的token。

6.一种滑坡识别系统,其特征在于,包括:

采集模块,用于获取目标坡段的遥感影像数据和数字高程数据,构建滑坡数据集;

模型训练模块,用于将滑坡数据集中的图像数据分割为n×n像素的令牌token,并将令牌token输入基于编码器和解码器结构的神经网络模型中,利用编码器将未被掩码覆盖的token进行特征嵌入,通过自注意力机制捕捉所有token之间的关系,生成最终的输出特征,且利用解码器的多目标重建策略将最终的输出特征进行重建,获得重建图像的token以及与原始图像token间的重建损失,以最小化的重建损失为目标构建最优的神经网络模型;

输出模块,用于将实时目标坡段的遥感影像数据和数字高程数据输入最优的神经网络模型中进行影像解译,获得目标坡段中的滑坡图。

7.一种计算机设备,其特征在于,包括存储器及处理器,所述存储器中储存有程序,所述程序被所述处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述一种滑坡识别方法的步骤。

8.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的一种滑坡识别方法的步骤。