【技术实现步骤摘要】
基于深度学习与随机森林的典型尾矿库遥感目标识别方法
[0001]本专利技术属于遥感图像处理与环境保护措施
,特别是一种基于深度学习与随机森林的典型尾矿库遥感目标识别方法。在尾矿库安全风险管控中,实现了不同尺度、形状、分布的尾矿库识别,为尾矿库综合管理整治提供了技术支持。
技术介绍
[0002]尾矿库是矿产资源开发加工过程中用于存储尾砂及其他工业废渣的场所,一般用于尾矿中存留矿物成分的再回收、水资源循环利用,尾矿库在尾矿存储过程中会逐渐成为一个具有高势能的危险源,尾矿库坝体结构失稳所引发快速流动的泥石流会造成大规模的破坏,含有大量重金属的尾矿造成的污染也会给环境带来灾难性的后果。
[0003]为保障尾矿库周边人民的生命财产安全,国家应急管理部在2020年2月发布的《防范化解尾矿库安全风险工作方案》中对每座尾矿库要坚持“一库一策”的方针对尾矿库安全风险管控提出了更高更准确的要求。传统尾矿库管理中多采用人工统计与实地巡查的方式,在实施大规模尾矿库信息的采集工作中存在人工成本较高、工作施展周期较长的问题。随着遥感技术、深度学习等新一代信息技术的高度发展,尾矿库安全管理模式正逐步向信息化、数字化、智能化方向发展,结合当前主流技术实现尾矿库的高精度自动识别,基于遥感影像结合深度学习方法实现尾矿库的识别对于尾矿库安全管理具有重大现实意义。
[0004]随着遥感技术的迅速发展,遥感影像数据因其高空间分辨率、高光谱分辨率、高时间分辨率、数据来源广泛的特点被广泛应用于目标地物的检测与场景特征的提取。结合多源遥感影像 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习与随机森林的典型尾矿库遥感目标识别方法,其特征是通过典型尾矿库遥感目标识别方法体系实现的,该方法体系主要由原始影像数据集制作、基于Faster R
‑
CNN的目标检测、基于U
‑
Net等模型的多维特征提取、基于随机森林的特征筛选与分类组成,其中:原始影像数据集制作进行识别区域原始影像目标标记用于目标检测模型训练,基于Faster R
‑
CNN模型首先实现大范围遥感影像中尾矿库的粗提取,基于U
‑
Net等模型对识别结果进行尾矿库的面积、场景拓扑关系、影像长宽比等多维特征进行提取用于虚警目标与真实目标的分类,使用随机森林进行典型特征筛选与真实目标分类,实现典型尾矿库的高精度识别。2.根据权利要求1所述的基于深度学习与随机森林的典型尾矿库遥感目标识别方法,其特征是:使用高分辨率遥感影像进行大范围尾矿库目标检测,通过提取识别结果的多维特征并基于随机森林算法的分类剔除了虚警目标,实现了区域典型尾矿库的提取,为尾矿库科学管理工作提供一定技术支持。3.一种基于深度学习与随机森林的典型尾矿库遥感目标识别方法,其特征是:首先根据模型要求分割遥感影像、标记尾矿库制作目标检测模型训练遥感数据集;然后基于样本训练目标检测模型,输入数据至模型中进行尾矿库目标检测,得到含有真实目标与虚警目标的尾矿库识别结果;对识别结果进行样本几何形状、样本分类概率、场景元素面积、场景元素拓扑关系特征提取与量化,使用随机森林算法进行组合特征筛选与样本分类,得到尾矿库虚警目标剔除的最优特征组合与方法最佳分类结果。4.根据权利要求3所述的方法,其特征是包括基于Faster R
‑
CNN的典型尾矿库目标检测、基于U
‑
Net模型与Res
‑
Net模型的特征提取和基于随机森林的尾矿库识别,具体为:(1)基于Faster R
‑
CNN的目标检测:a.根据面向公众公布尾矿库统计信息标注已知尾矿库位置信息并从遥感影像中采集具有RGB三通道的高分辨率尾矿库遥感图像样本,选择研究区影像使用LabelImg工具进行目标识别特征数据集制作;b.使用Faster R
‑
CNN的模型对尾矿库进行识别,使用特征训练后的模型识别出影像中可能存在的尾矿库;根据模型给出尾矿库的识别置信度的大小,统计并对比真实的尾矿库与设定阈值后保留的识别目标对象,确定当识别目标中保留所有真实尾矿库时的阈值,并将该阈值下的尾矿库识别结果作为二次筛选样本数据集;(2)基于U
‑
Net模型与Res
‑
Net模型的特征提取:a.对识别结果图像数据集,获取图像宽、高及宽高比作为尾矿库数据集图像特征;b.基于U
‑
Net模型实现尾矿库的图像分割,获取分割对象的面积特征;c.改进U
‑
Net模型实现尾矿库的水、沙、坝的语义分割,获取识别数据集中各组成元素的几何特征和空间分布特征;d.将Res
‑
Net模型应用于尾矿库数据集的分类,将整体判断是否为尾矿库的概率作为概率特征值;(3)基于随机森林的尾矿库识别:a.基于随机森林算法原理,制作尾矿库识别特征样本集,将训练样本按照8:2的比例分为训练集和验证集,使用训练集进行随机森林分类模型训练;b.选择最优参数组合并验证模型分类精度,实现尾矿库的二次筛选。
5.根据权利要求4所述的方法,其特征是:选取LocalspaceViewer中分辨率为2m的谷歌16级遥感影像,使用ArcGIS软件中渔网工具对影像进行切片处理,使用LabelImg工具进行样本制作,将数据集以8:2的比例划分训练集和测试集。6.根据权利要求4所述的方法,其特征是:基于Faster R
‑
...
【专利技术属性】
技术研发人员:吴浩,刘冰洁,胡少华,涂振发,林安琪,宋旦霞,
申请(专利权)人:华中师范大学,
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。