基于合成孔径雷达和点状传感器的地质灾害监测方法技术

本发明专利技术属于管道地质灾害监测技术领域，具体涉及基于合成孔径雷达和点状传感器的地质灾害监测方法。包括如下步骤：在灾害易发区布置合成孔径雷达和点状传感器；采集历史数据，建立原始数据库；对原始数据进行预处理，得到合成孔径雷达图像数据集；对预先设计的网络进行离线训练，并将训练好的网络模型进行保存；采集实时数据，对实时数据进行预处理后，利用训练好的网络模型进行地质灾害的在线监测。本发明专利技术具有以图像角度提取特征，对数据质量的敏感性较低，能够进行油气管道地质灾害精确预警的特点。的特点。的特点。

【技术实现步骤摘要】
基于合成孔径雷达和点状传感器的地质灾害监测方法


[0001]本专利技术属于管道地质灾害监测
，具体涉及基于合成孔径雷达和点状传感器的地质灾害监测方法。

技术介绍

[0002]目前，大部分地区的油气管道线路区地质结构复杂，土壤可蚀性高，水土流失严重，夏季短时强降雨引起的地形变化剧烈，地质灾害类型多样。油气管道不可避免地面临交叉河流洪水、滑坡崩塌、黄土湿陷等致灾因子的威胁，对管道运行造成巨大风险，而且由于油气管道距离长和跨度大的特点，油气管道的地质灾害风险具有很大的不确定性和不可预见性，现有技术手段下难以提前防控，发布预报预警的技术方法和管理手段依旧缺乏，一旦造成事故，损失巨大。
[0003]现有技术中，在油气管道地质灾害监测时，采用的方法是：对地质灾害的规律进行分析，建立数学模型并设定阈值进行预警；或通过有限元等手段对管道受力进行分析并预警；或通过风险进行预警，所述方法缺乏将人工智能应用到油气管道地址灾害监测领域的经验，通过阈值预警的方法准确性和适应性较差。而使用图像信息进行预警时，由于光照，气候条件，和地表植被掩盖等多方面原因，对基于相机拍摄的图像进行分析，往往不能满足精度要求。另外，现有的监测技术中，缺乏将多源数据进行结合，对地质灾害的预警进行分析，准确性较差，无法满足对油气管道地质灾害的预警要求。
[0004]例如，申请号为CN201810470350.2的中国专利技术专利所述的管道地质灾害监测预警方法及装置，该方法包括：获取管道沿线的多个地质环境因子，该管道沿线地质环境因子包含选自以下中的任意一者：地震烈度、地貌类型、海拔高度、年均降雨量、植被类型、岩土体类型和水文地质类型；基于所获取的多个管道沿线地质环境因子，确定管道沿线的地质环境指数；获取关于管道沿线的历史地质灾害数据和天气信息；根据管道沿线的历史地质灾害数据、地质环境指数和所获取的天气信息，计算管道地质灾害发生的概率，判断是否执行预警操作。虽然能够监测预警管道沿线多种地质灾害，且量化了管道地质灾害发生的概率，提高了管道地质灾害预警结果的可靠性，但是其缺点在于其监测方法仅基于所获取的多个管道沿线地质环境因子和对应建立的数据模型，手段单一，缺乏多维数据融合进行监测预警，准确性不高，具有局限性。

技术实现思路

[0005]本专利技术是为了克服现有技术中，现有的油气管道地质灾害监测方法，缺乏将多源数据进行结合，准确性较差，无法满足对油气管道地质灾害的预警要求的问题，提供了一种以图像角度提取特征，对数据质量的敏感性较低，能够进行油气管道地质灾害精确预警的基于合成孔径雷达和点状传感器的地质灾害监测方法。
[0006]为了达到上述专利技术目的，本专利技术采用以下技术方案：
[0007]基于合成孔径雷达和点状传感器的地质灾害监测方法，包括如下步骤：
[0008]S1，结合历史灾害数据情况，在灾害易发区布置合成孔径雷达和点状传感器；
[0009]S2，采集合成孔径雷达图像数据和点状传感器地质数据，建立原始数据库；
[0010]S3，导入原始数据库中的合成孔径雷达图像数据，利用三帧差分法提取感兴趣区域ROI，获得经过三帧差分法提取ROI后的合成孔径雷达图像数据；
[0011]S4，建立与合成孔径雷达图像数据的像素点对应的点状传感器坐标，采用双线性插值算法对点状传感器采集的数据进行插值，再融入到经过三帧差分法提取ROI后的合成孔径雷达图像数据中，得到融合点状传感器数据的合成孔径雷达图像数据集；
[0012]S5，利用融合点状传感器数据的合成孔径雷达图像数据集，对预先设计的网络进行离线训练，并将训练好的网络模型进行保存；
[0013]S6，将实时得到的合成孔径雷达图像数据和点状传感器数据，经过步骤S3和步骤S4变为融合点状传感器数据的合成孔径雷达图像数据集，并利用训练好的网络模型进行地质灾害的在线监测。
[0014]作为优选，步骤S3包括如下步骤：
[0015]记第n+1帧、第n帧和第n
‑
1帧的图像分别为f
n+1
、f
n
和f
n
‑1，三帧对应像素点的特征记为f
n+1
(xij
′
)、f
n
(xij
′
)和f
n
‑1(xij
′
)，按照如下公式，分别得到差分图像D
n+1
和D
n
：
[0016]D
n
(xij
′
)＝f
n
(xij
′
)
‑
f
n
‑1(xij
′
)
[0017]其中，xij
′
为合成孔径雷达图像数据的坐标，f
n
(xij
′
)为第n帧图像像素点的复数值；
[0018]对得到的差分图像D
n+1
和D
n
按照如下公式进行操作，得到图像D
′
n
：
[0019]D
′
n
(xij
′
)＝(f
n+1
(xij
′
)
‑
f
n
(xij
′
))∩(f
n
(xij
′
)
‑
f
n
‑1(xij
′
))；
[0020]再对得到的图像D
′
n
进行阈值处理、连通性分析：
[0021]即，
[0022]其中，T为阈值，R
′
n
(xij
′
)表示图像D
′
n
经过阈值处理，连通性分析后的像素点值。
[0023]作为优选，步骤S4包括如下步骤：
[0024]设定，
[0025]其中，X表示每一帧有n行n列的数据，xnn表示为第n行第n列的数据，|xij
ps
|＝m，xij(1:2)＝R
′
n
(xij
′
)，θ＝tan
‑1(b/a)；
[0026]采集的合成孔径雷达图像数据为复数，a表示采集的合成孔径雷达图像数据的实部，b表示采集的合成孔径雷达图像数据的虚部；xij为融合点状传感器数据的合成孔径雷达图像数据；xij(1:2)表示xij数据的前两项，具体指经过三帧差分法提取ROI后，合成孔径雷达图像数据的数据特征，即xij(1:2)＝R
′
n
(xij
′
)；xij
ps
为点状传感器数据；|xij
ps
|＝m表示点状传感器采集了多维数据，维度为m。
[0027]作为优选，步骤S5中所述的网络模型如下：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于合成孔径雷达和点状传感器的地质灾害监测方法，其特征在于，包括如下步骤：S1，结合历史灾害数据情况，在灾害易发区布置合成孔径雷达和点状传感器；S2，采集合成孔径雷达图像数据和点状传感器地质数据，建立原始数据库；S3，导入原始数据库中的合成孔径雷达图像数据，利用三帧差分法提取感兴趣区域ROI，获得经过三帧差分法提取ROI后的合成孔径雷达图像数据；S4，建立与合成孔径雷达图像的像素点对应的点状传感器坐标，采用双线性插值算法对点状传感器采集的数据进行插值，再融入到经过三帧差分法提取ROI后的合成孔径雷达图像数据中，得到融合点状传感器数据的合成孔径雷达图像数据集；S5，利用融合点状传感器数据的合成孔径雷达图像数据集，对预先设计的网络进行离线训练，并将训练好的网络模型进行保存；S6，将实时采集的合成孔径雷达图像数据和点状传感器数据，经过步骤S3和步骤S4变为融合点状传感器数据的合成孔径雷达图像数据集，并利用训练好的网络模型进行地质灾害的在线监测。2.根据权利要求1所述的基于合成孔径雷达和点状传感器的地质灾害监测方法，其特征在于，步骤S3包括如下步骤：记第n+1帧、第n帧和第n
‑
1帧的图像分别为f
n+1
、f
n
和f
n
‑1，三帧对应像素点的特征记为f
n+1
(xij
′
)、f
n
(xij
′
)和f
n
‑1(xij
′
)，按照如下公式，分别得到差分图像D
n+1
和D
n
：D
n
(xij
′
)＝f
n
(xij
′
)
‑
f
n
‑1(xij
′
)其中，xij
′
为合成孔径雷达图像数据的坐标，f
n
(xij
′
)为第n帧图像像素点的复数值；对得到的差分图像D
n+1
和D
n
按照如下公式进行操作，得到图像D
′
n
：D
′
n
(xij
′
)＝(f
n+1
(xij
′
)
‑
f
n
(xij
′
))∩(f
n
(xij
′...

【专利技术属性】
技术研发人员：向星任，赵俊丞，曹俊杰，杨秦敏，宋祎昕，詹佳琪，刘洋，肖丽，何国军，
申请(专利权)人：浙江浙能天然气运行有限公司，
类型：发明
国别省市：