基于坐标注意力机制的无人机影像崩岗智能识别方法技术

本发明专利技术涉及崩岗识别方法技术领域，具体地说，涉及基于坐标注意力机制的无人机影像崩岗智能识别方法。其包括无人机影像采集与预处理模块、CA‑Unet模型构建模块、坐标注意力计算模块和崩岗智能识别输出模块。该方法通过无人机采集高分辨率影像和激光雷达点云数据，经正射校正生成数字正射影像和数字高程模型，并构建深度学习数据集；在U‑Net模型中嵌入坐标注意力机制，通过水平和垂直方向的特征编码与动态加权，增强对崩岗长距离沟壑和陡峭边缘的识别能力，利用坐标注意力计算模块实现方向敏感的特征增强，最终输出崩岗边界矢量和形态参数。本发明专利技术突破了传统方法在空间依赖建模和边界提取方面的局限，实现了崩岗侵蚀地貌的精准识别与测绘。

【技术实现步骤摘要】

本专利技术涉及崩岗识别方法，具体地说，涉及基于坐标注意力机制的无人机影像崩岗智能识别方法。

技术介绍

1、崩岗作为一种在我国南方花岗岩地区广泛分布、特征显著的侵蚀地貌，其密集的沟壑与陡峭的崩壁对区域生态安全和可持续发展构成了严重威胁。长期以来，崩岗识别主要依赖耗时费力的人工野外调查和遥感影像目视解译，难以满足大范围、高频次的动态监测需求。近年来，随着无人机遥感技术的成熟，获取亚米级甚至厘米级高分辨率影像成为可能，其配合u-net等语义分割模型去识别滑坡、泥石流等地质灾害。

2、尽管现有技术在一定程度上实现了崩岗的自动化识别，但在捕捉崩岗复杂形态的长距离空间依赖关系和方向敏感特征方面仍存在明显不足，具体表现为：传统u-net等语义分割模型虽然具备多尺度特征融合的能力，但其核心的卷积操作在建模长距离像素间依赖关系上存在局限，难以有效捕捉水平和垂直方向的空间特征，这导致模型难以准确识别崩岗的狭长沟壑、陡峭崩壁和不规则边界。

技术实现思路

1、本专利技术提供了基于坐标注意力机制的无人机影像崩岗智能识别方法本文档来自技高网...

【技术保护点】

1.基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于：通过无人机影像采集与预处理模块（100）采用无人机搭载激光雷达系统与相机采集所述航拍影像数据与激光雷达点云数据。

3.根据权利要求1所述的基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于：所述无人机影像采集与预处理模块（100）对高分辨率数字正射影像进行人工解译标注，构建出所述深度学习崩岗数据集。

4.根据权利要求1所述的基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于：...

【技术特征摘要】

1.基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于：通过无人机影像采集与预处理模块（100）采用无人机搭载激光雷达系统与相机采集所述航拍影像数据与激光雷达点云数据。

3.根据权利要求1所述的基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于：所述无人机影像采集与预处理模块（100）对高分辨率数字正射影像进行人工解译标注，构建出所述深度学习崩岗数据集。

4.根据权利要求1所述的基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于：所述无人机影像采集与预处理模块（100）将所述高分辨率数字正射影像、数字高程模型以及深度学习崩岗数据集打包为崩岗多源训练数据包，并将其传递至ca-unet模型构建模块（200）。

5.根据权利要求4所述的基于坐标注意力机制的无人机影像崩岗智能识别方法，其特征在于：所述ca-unet模型构建模块（200）采用二元交叉熵损失函数，以深度学习崩岗数据集中的高分辨率数字正射影像为输入、语义分割标签为监督信号进行模型训练。

6.根据权利要求5所述的基于坐标注意力机制的无人机影像...

【专利技术属性】
技术研发人员：王志刚，蒲坚，欧阳逸翱，王可，郝福星，张长伟，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：