联合多源数据辅助的城区地表形变危险性精细识别方法技术

一种联合多源数据辅助的城区地表形变危险性精细识别方法，包括如下步骤：S1、获取需监测城区的基于单极化TerraSAR的城区时序地表形变信息；S2、使用多特征融合网络模型，从SAR平均强度图、InSAR干涉相位图、光学RGB图、OSM城市数字地图及InSAR相干系数图中提取各自的地物特征并进行特征融合，并基于地物特征融合的信息进行语义分割，得到InSAR多源数据融合城区地表地物语义分割图；S3、将城区时序地表形变信息与InSAR多源数据融合城区地表地物语义分割图叠加，得到包含了地物语义信息和形变信息的综合图，并基于综合图，分析形变信号剧烈变化的位置对应的地物信息，实现城区地表形变危险性精细识别，提高基于单极化SAR影像的InSAR城区地表形变危险性识别的准确性。

【技术实现步骤摘要】

本专利技术涉及遥感技术，特别是涉及一种联合多源数据辅助的城区地表形变危险性精细识别方法。

技术介绍

1、传统的基于单极化terrasar的insar技术在城区地表形变危险性精细识别主要通过叠加基于多时相insar技术获得的城区地表形变信息和地表覆盖物类型分布信息获得。该方法的数据处理流程主要包括：① 覆盖城区的terrasar多时相影像预处理；② 时序insar技术数据处理，获取城区地表形变信息；③ 分析城区insar形变信息，查找形变信号剧烈变化的位置；④ 叠加insar形变信息和地表覆盖物类型分布信息，获取形变信号剧烈变化位置对应的地物信息；⑤ 识别城区地表形变危险性的位置及对应地物。

2、传统方法存在局限性，首先，现有的insar城区地表形变危险性识别的方法主要存在一个挑战，由于sar成像与实际地物可能发生偏离，导致地表形变信号对应的地物属性不明确，其危险性识别不准确。其次，目前精确的城区形变信息获取主要依赖于高分辨率单极化数据，但是单极化数据只包含一个极化状态的信息，在区分后向散射特性相似的地物上的准确性不足，并且对大气干扰较敏感。这大本文档来自技高网...

【技术保护点】

1.一种联合多源数据辅助的城区地表形变危险性精细识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的联合多源数据辅助的城区地表形变危险性精细识别方法，其特征在于，所述多特征融合网络模型包括输入层、编码器部分、加权融合部分以及解码器部分，所述输入层用于输入SAR平均强度图、InSAR干涉相位图、光学RGB图、OSM城市数字地图及InSAR相干系数图，所述编码器部分提取输入的各种图的地物特征，所述加权融合部分通过设置各种图的权重系数，对各种图中提取到的地物特征进行加权融合，整合各种图中的地物特征；所述解码器部分对地物特征加权融合的结果进行解码，将融合后的地物特征转换为语义...

【技术特征摘要】

1.一种联合多源数据辅助的城区地表形变危险性精细识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的联合多源数据辅助的城区地表形变危险性精细识别方法，其特征在于，所述多特征融合网络模型包括输入层、编码器部分、加权融合部分以及解码器部分，所述输入层用于输入sar平均强度图、insar干涉相位图、光学rgb图、osm城市数字地图及insar相干系数图，所述编码器部分提取输入的各种图的地物特征，所述加权融合部分通过设置各种图的权重系数，对各种图中提取到的地物特征进行加权融合，整合各种图中的地物特征；所述解码器部分对地物特征加权融合的结果进行解码，将融合后的地物特征转换为语义分割结果，得到所述insar多源数据融合城区地表地物语义分割图。

3.如权利要求2所述的联合多源数据辅助的城区地表形变危险性精细识别方法，其特征在于，所述多特征融合网络模型基于deeplabv3模型构建，所述编码器部分和所述解码器部分为基于deeplabv3模型的编码器和解码器。

4.如权利要求3所述的联合多源数据辅助的城区地表形变危险性精细识别方法，其特征在于，在所述多特征融合网络模型的训练过程中采用自适应学习率法，其中，根据模型参数的历史更新信息或当前的梯度信息为每个参数单独设置合适的学习率。

5.如权利要求3所述的联合...

【专利技术属性】
技术研发人员：陈波，贺玉芳，刘通，魏小峰，张亚民，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：