【技术实现步骤摘要】
一种基于改进的U
‑
net模型的崩岗提取方法及系统
[0001]本专利技术涉及遥感影像处理
,特别是涉及一种基于改进的U
‑
net模型的崩岗提取方法及系统。
技术介绍
[0002]崩岗是我国南方红壤区一种典型的严重土壤侵蚀类型,常见于水土流失较为严重的区域。水力和重力的共同作用下对山坡水体造成了土壤侵蚀,形成了崩岗,其危害性极大,对区域内的生态环境、人居安全、防洪设施等造成了威胁。崩岗主要分布在我国南方红壤区,包括广东、福建、江西、广西、湖南、湖北等省,其中以江西和广东的崩岗最为严重,对当地的经济、农业、设施等都造成了严重的破坏。因此,有必要加大对崩岗的治理力度,以保护水土资源,促进生态环境的和谐发展。遥感技术的迅速发展,为崩岗的监测和防治带来了先进的手段。通过高分辨率的遥感影像,即可准确的识别和提取崩岗区域,提高了监测的效率。同时,深度学习理论的发展,又让遥感影像处理进入了发展的快车道。基于深度学习的遥感影像处理,可以高精度、高效率、鲁棒的提取崩岗信息,对崩岗的监测与防治具有重要意义,提供了有效的材料支撑。
[0003]目前,已有大量崩岗提取算法被提出,基本能实现准确的崩岗识别和提取,但都存在一定不足。现有崩岗提取大多为人机交互解译的方式,利用目视解译提取崩岗的形态特征,对于较小的崩岗区域,此方法可以实现准确的提取,但在区域较大时,则效率较低。近年来,有更多基于机器学习或深度学习的崩岗提取理论与方法被提出,相比于传统的方法,这些方法在效率上有着极大改进。但也存在研究 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进的U
‑
net模型的崩岗提取方法,其特征在于,包括:对获取到的遥感影像数据进行预处理;对所述预处理后的遥感影像数据制作影像分割标签;基于所述预处理后的遥感影像数据以及影像分割标签构建训练集;构建改进的U
‑
net模型;所述改进的U
‑
net模型中所有卷积均采用三维卷积结构;所述改进的U
‑
net模型包括空洞卷积层、残差模块以及注意力机制模块;通过所述训练集对所述改进的U
‑
net模型进行训练;通过训练好的改进的U
‑
net模型对目标区域的崩岗区域进行提取。2.根据权利要求1所述的基于改进的U
‑
net模型的崩岗提取方法,其特征在于,对所述遥感影像数据进行预处理具体包括:对所述遥感影像数据进行辐射校正、几何纠正、投影变换和裁剪。3.根据权利要求1所述的基于改进的U
‑
net模型的崩岗提取方法,其特征在于,还包括对训练好的改进的U
‑
net模型进行验证;所述验证的指标包括:整体精确度、精确率、召回率、F1分数、交并比、平均交并比和频权交并比。4.根据权利要求1所述的基于改进的U
‑
net模型的崩岗提取方法,其特征在于,通过训练好的改进的U
‑
net模型对崩岗进行提取之后,还包括:将提取到的崩岗区域与所述目标区域的数字高程模型进行叠置分析,得到所述崩岗区域的数字高程模型;提取所述崩岗区域的数字高程模型的最大值和最小值;基于所述最大值和所述最小值计算平均起伏度;当所述平均起伏度大于等于设定阈值时,则确定所述崩岗区域提取正确;当所述平均起伏度小于设定阈值时,则确定所述崩岗区域...
【专利技术属性】
技术研发人员:赵元凌,杨浩霄,晏海童,沈盛彧,程冬兵,刘洪鹄,刘纪根,
申请(专利权)人:长江水利委员会长江科学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。