基于DInSAR和DCNN的矿区分布信息提取方法及系统技术方案

本发明专利技术提供了一种基于DInSAR和DCNN的矿区分布信息提取方法及系统，其方法包括：首先，基于淮南市哨兵一号的两幅具有一定时间间隔的雷达影像和目标区域的数字高程模型进行差分干涉测量，获取目标区域的干涉图和形变图；然后，利用地表形变图获取沉降信息特征，根据沉降的突变特征划分出可能为采矿区的区域；最后，再结合高分辨遥感光学影像进行水体的剔除和裸地、建筑物的识别，进而得到目标区域的露天矿区分布信息图。本发明专利技术的有益效果是：本发明专利技术引用DInSAR作为矿区分布信息提取的粗提取方式，通过阈值分割进行可能采矿区域的提取，并利用光学影像进行水体的剔除和矿区场景的提取；最终确定矿区的分布信息，整个过程自动化程度高，精度高。

【技术实现步骤摘要】
基于DInSAR和DCNN的矿区分布信息提取方法及系统
本专利技术涉及图像处理领域，尤其涉及一种基于DInSAR和DCNN的矿区分布信息提取方法及系统。
技术介绍
矿产资源应用于工业、农业、科技及日常生活的方方面面，是人类生产生活的重要物质基础，是国家重要的资源和宝贵的财富，事关国家经济命脉和国家安全。随着国家经济的高速发展，对于矿产资源的需求量正在不断增长，但因矿产资源本身不可再生性和稀缺性的特点及国家对开采矿产资源实行严格许可制度，一些不法分子在未取得采矿许可证的情况下，擅自开采矿产资源，谋取不法利润，破坏矿产资源，严重扰乱了正常的开采秩序，也催生了一系列问题：地表沉陷、土地沙漠化等，严重的会引起山体开裂、崩塌、滑坡、泥石流、地(矿)震等次生地质灾害。对矿区分布信息进行准确、高效、及时的监控，能及时检测到非法煤矿，减少国家和人民的损失，因而对矿区分布信息的提取具有非常重要的显示意义。传统的矿区分布信息提取主要是依靠人工实地勘察的方式，工作量大且效率低；近些年随着遥感技术的发展和海量高分辨率遥感影像数据的快速获取，遥感影像逐渐应用到矿区信息提取中来，从这些丰富的遥感数据中准确地获取本文档来自技高网...

【技术保护点】
1.一种基于DInSAR和DCNN的矿区分布信息提取方法，其特征在于：包括以下步骤：S101：从需要进行矿区分布信息提取的目标区域对应的卫星上获取目标区域的多源遥感影像；所述多源遥感影像包括雷达影像和光学影像；S102：根据所述雷达影像，采用差分干涉测量技术获取目标区域的沉降图，并采用阈值分割方法获得预采矿区域图；S103：将所述预采矿区域图叠加至光学影像上，得到目标区域的第一光学影像；并采用Alexnet卷积神经网络对所述第一光学影像中的水体区域进行识别，并对识别出的水体区域进行剔除，得到剔除水体区域的第二光学影像；S104：采用受限玻尔兹曼机与卷积神经网络的混合模型对所述第二光学影像中的裸...

【技术特征摘要】
1.一种基于DInSAR和DCNN的矿区分布信息提取方法，其特征在于：包括以下步骤：S101：从需要进行矿区分布信息提取的目标区域对应的卫星上获取目标区域的多源遥感影像；所述多源遥感影像包括雷达影像和光学影像；S102：根据所述雷达影像，采用差分干涉测量技术获取目标区域的沉降图，并采用阈值分割方法获得预采矿区域图；S103：将所述预采矿区域图叠加至光学影像上，得到目标区域的第一光学影像；并采用Alexnet卷积神经网络对所述第一光学影像中的水体区域进行识别，并对识别出的水体区域进行剔除，得到剔除水体区域的第二光学影像；S104：采用受限玻尔兹曼机与卷积神经网络的混合模型对所述第二光学影像中的裸地和建筑物场景进行识别，得到具有裸地和建筑物场景信息的第三光学影像；所述第三光学影像即为目标区域的露天矿区分布信息图，所述第三光学影像中的裸地和建筑物区域即为露天矿区。2.如权利要求1所述的一种基于DInSAR和DCNN的矿区分布信息提取方法，其特征在于：步骤S101中，所述雷达影像为从哨兵1号卫星上下载的雷达影像；所述光学影像为从高分二号卫星上下载的高分辨率遥感影像。3.如权利要求1所述的一种基于DInSAR和DCNN的矿区分布信息提取方法，其特征在于：步骤S102中，所述雷达影像包括同一卫星拍摄的同一目标区域不同时间段的两幅雷达影像；采用差分干涉测量技术获取目标区域的沉降图的步骤，包括：S201：对获取的两幅雷达影像进行精配准，并对配准后的两幅雷达影像进行干涉成像，得到目标区域的干涉图；所述干涉图上记录的为两幅雷达影像的相位差信息；S202：将获得的干涉图进行滤波处理和去除平地效应，得到滤波后的干涉图，其中包含地形相位和形变相位；S203：利用数字高程模型模拟在SAR干涉像对的空间基线条件下地表起伏所对应的地形相位，对干涉图和模拟的干涉像对进行差分处理，得到目标区域的差分干涉图；S204：对所述差分干涉图再一次进行相位解缠，得到目标区域的沉降信息，进而得到目标区域的沉降图。4.如权利要求1所述的一种基于DInSAR和DCNN的矿区分布信息提取方法，其特征在于：步骤S102中，采用阈值分割方法获得预采矿区域图的方法为：将沉降图中沉降区域的沉降值和阈值x进行对比；如果所述沉降值小于x，则为可能的采矿区域，即预采矿区域；其中x为预设值。5.如权利要求1所述的一种基于DInSAR和DCNN的矿区分布信息提取方法，其特征在于：步骤S103中，采用Alexnet卷积神经网络对所述第一光学影像中的水体区域进行识别的步骤具体包括：S301：从UCM数据集中获取水体的训练样本；所述训练样本包括：第一训练集样本和验证集样本；S302：搭建Alexnet神经网络模型，并利用第一训练集样本对搭建的Alexnet神经网络模型进行训练，利用验证集样本对搭建的Alexnet神经网络模型进行精度验证，进而得到训练好的高精度Alexnet神经网络模型；S303：将所述预采矿区域图作为训练好的Alexnet神经网络模型的输入，对预采矿区域图中的水体区域进行识别，然后对识别出的水体区域进行剔除，得到剔除水体区域的第二光学影像。6.如权利要求5所述的一种基于DInSAR和DCNN的矿区分布信息提取方法，其特征在于：步骤S302中，所述Alexnet神经网络模型由8层网络组成，包括5层卷积层和3层全连接层；其中，5个卷积层中，前两个卷积层和第五个卷积层有pool池化层，其他两个卷积层没有池化；卷积层主要进行特征的抽象和提取，池化操作用于卷积操作之后，其作用在于特征融合和降维；全连接层负责逻辑推断，所有的参数均通过学习得到，...

【专利技术属性】
技术研发人员：许凯，解加粉，王运发，李智立，欧阳迎坤，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42