1.一种活动滑坡识别方法,其特征在于,包括:
获取待识别区域的图像数据,构建活动滑坡数据集;
构建上下文感知自适应融合模型;所述上下文感知自适应融合模型包括编码器和解码器;
所述编码器包括依次连接的多个特征处理层和一个卷积层;所述特征处理层包括依次连接的卷积层和用于降采样的小波变换降采样WDB模块;
所述解码器包括多个用于接收两个相邻层级的特征输入,并根据目标特征自适应分配层级权重并进行融合的多分支尺度自适应聚合MSA模块,以及依次连接的多个特征提取细化层和一个卷积层;所述特征提取细化层包括依次连接的卷积层,以及用于还原特征的分辨率并细化边界信息的卷积上采样CUB模块;
将活动滑坡数据集输入至上下文感知自适应融合模型进行训练,获取用于滑坡识别的活动滑坡识别模型;
将待检测的活动滑坡数据集输入至活动滑坡识别模型,获取活动滑坡识别结果。
2.如权利要求1所述活动滑坡识别方法,其特征在于,所述获取待识别区域的图像数据,构建活动滑坡数据集,具体包括:通过采用合成孔径雷达干涉测量InSAR技术获取待识别区域的图像数据,根据地表形变图像数据,利用InSAR Stacking技术获取平均形变速率;
将平均形变速率值映射到RGB颜色空间,确定栅格图像,将栅格图像滑窗切分生成用于活动滑坡识别的活动滑坡数据集。
3.如权利要求1所述活动滑坡识别方法,其特征在于,所述小波变换降采样WDB模块的降采样,包括以下步骤:通过Haar小波变换将输入特征分解为四个频域特征分量,将这四个频域分量沿通道维度进行拼接,再通过一个1×1卷积细化特征表示;其中,所述四个频域特征分量包括一个低频分量和三个高频分量。
4.如权利要求1所述活动滑坡识别方法,其特征在于,所述多分支尺度自适应聚合MSA模块的接收两个相邻层级的特征输入,并根据目标特征自适应分配层级权重并进行融合,包括以下步骤:采用1×1卷积对输入的低层特征进行特征增强,并通过1×1卷积和双线性插值来调整输入的高层特征的通道数和空间分辨率;
根据调整后的低层特征和高层特征,确定特征分量,采用sigmoid函数确定特征分量的权重,再将加权后的每组高级特征与对应加权后的低级特征进行拼接,生成融合特征,并采用层归一化对每组融合特征进行归一化处理,接着采用膨胀卷积对归一化后的四组融合特征进行多尺度特征提取,最后对特征提取后的融合特征进行拼接,通过一个1×1卷积调整通道数,进行融合特征输出。
5.如权利要求1所述活动滑坡识别方法,其特征在于,所述卷积上采样CUB模块的还原特征的分辨率并细化边界信息,包括以下步骤:通过一个3×3的卷积层对输入特征进行特征提取和细化,然后对其进行2倍上采样后输入两个并行的深度可分离卷积分支,采用1×3+3×1和3×1+1×3的卷积核以提取输入特征的水平和垂直方向的空间特征,再采用逐像素相加的方式对并行分支的输出进行特征融合,并采用ReLU激活函数对融合后的特征进行特征增强操作,最后使用1×1卷积调整特征图的通道数。
6.如权利要求1所述活动滑坡识别方法,其特征在于,还包括:
利用平均坡度值对所述活动滑坡识别结果进行后处理,获取滑坡连通域,通过对滑坡连通域进行连通域分析,提取每个滑坡连通域在对应坡度图中的坡度值集合,并确定连通域的平均坡度,通过设定坡度阈值对每个滑坡连通域进行筛选,将筛选后的连通域重新进行组合,生成优化后的活动滑坡识别结果。
7.如权利要求1所述活动滑坡识别方法,其特征在于,对所述活动滑坡数据集进行滤波和去噪处理。