(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211255977.9 (22)申请日 2022.10.13 (71)申请人 国家电网公司西南分部 地址 610000 四川省成 都市高新区蜀绣西 路299号 (72)发明人 杨可　李俭　陈钢　周林　张亚迪　 范强　童庆刚　孙文成　张杰　 陈钊　彭宇辉　谭明伦　卢杰　 (74)专利代理 机构 成都华复知识产权代理有限 公司 512 98 专利代理师 任丽娜 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/24(2022.01) G06V 10/26(2022.01)G06V 10/44(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种高分遥感影 像中滑坡识别方法 (57)摘要 本发明公开了一种高分遥感影像中滑坡识 别方法， 包 括以下步骤： S1： 获取滑坡数据集； S2： 构建改进滑坡识别网络； S3： 将滑坡数据集作为 改进滑坡识别网络的输入， 进行滑坡识别。 本发 明可从遥感影像中准确的识别滑坡区域， 提高滑 坡数据集质量， 分析滑坡遥感影像的识别标志， 更好地提高网络的识别能力， 还能使网络的泛化 性更好。 本发 明可以用于大范围山区滑坡区域的 快速识别， 有效提高网络对地质滑坡灾害识别的 精度。 权利要求书1页 说明书6页 附图1页 CN 115546642 A 2022.12.30 CN 115546642 A 1.一种高分遥感影 像中滑坡识别方法， 其特 征在于， 包括以下步骤： S1： 获取滑坡数据集； S2： 构建改进滑坡识别网络； S3： 将滑坡数据集作为改进滑坡识别网络的输入， 进行滑坡识别。 2.根据权利要求1所述的高分遥感影像中滑坡识别方法， 其特征在于， 所述步骤S1包括 以下子步骤： S11： 采集滑坡数据和遥感影 像； S12： 根据滑坡数据的经纬度， 在遥感影 像中确定滑坡位置； S13： 根据遥感影 像中滑坡位置的特 征信息， 确定滑坡区域； S14： 对滑坡区域进行 标注， 获取滑坡数据集。 3.根据权利要求2所述的高分遥感影像 中滑坡识别方法， 其特征在于， 所述步骤S13中， 特征信息包括滑坡色彩、 滑坡纹 理信息、 滑坡形状和滑坡位置关系。 4.根据权利要求1所述的高分遥感影像中滑坡识别方法， 其特征在于， 所述步骤S2中， 改进滑坡识别网络包括骨干网、 Dense_AS PP模块和解码模块。 5.根据权利要求4所述的高分遥感影像中滑坡识别方法， 其特征在于， 所述骨干网包括 依次连接的第一Block层、 第二Block层、 第三Block层和第四Block层， 其分辨率分别为1/4、 1/8、 1/16和1/16 。 6.根据权利要求4所述的高分遥感影像中滑坡识别方法， 其特征在于， 所述Dense_ASPP 模块包括密集连接的第一空洞卷积分支、 第二空洞卷积分支、 第三空洞卷积分支和第四空 洞卷积分支， 其 膨胀率分别为6、 12、 18和24。 7.根据权利要求4所述的高分遥感影像中滑坡识别方法， 其特征在于， 所述Dense_ASPP 模块的感受野RDense_AS PP的计算公式为： RDense_AS PP＝R3,18+R3,12+R3,18+R3,24‑3 其中， R3,12表示当卷积核大小为3且膨胀率为12时卷积核所能提供 的感受野大小， R3,18 表示当卷积核大小为3且膨胀率为18 时卷积核所能提供的感受野大小， R3,24表示当卷积核 大小为3且膨胀率 为24时卷积核所能提供的感受野大小； 所述Dense_AS PP模块的参数量S的计算公式为： 其中， L表示Dense_ASPP模 块中空洞卷积的总个 数， Ci表示1*1卷积输入的维度， Cout表示 Dense_AS PP模块输出的维度， K表示卷积核大小。 8.根据权利要求1所述的高分遥感影像中滑坡识别方法， 其特征在于， 所述改进滑坡识 别网络的交叉熵损失函数Lce_wet的计算公式为： 其中， ym表示第m个像素的标签值， pm表示对像素点m的预测值， λ0表示类别间的第一权 重参数， λ1表示类别间的第二权 重参数， M表示像素总数。权　利　要　求　书 1/1 页 2 CN 115546642 A 2一种高分遥感影像中滑坡 识别方法 技术领域 [0001]本发明属于滑坡识别技 术领域， 具体涉及一种高分遥感影 像中滑坡识别方法。 背景技术 [0002]我国西南地区地质灾害频发， 因滑坡引起的输电网事故时有发生， 对电网安全产 生了严重威胁。 为保证高压输电网稳定工作， 需要对大范围山区进 行滑坡识别检测， 判断是 否有影响高压输电网的风险， 因此对滑坡的快速识别尤为重要。 传统的山区滑坡检测大都 是人工野外实地勘探或者利用遥感影像的特征进 行目视解译， 但这些方法对人力资源耗费 极大且识别效率 不高， 不具 备专业知识的人员难以完成此工作。 发明内容 [0003]本发明为了解决以上问题， 提出了一种高分遥感影 像中滑坡识别方法。 [0004]本发明的技 术方案是： 一种高分遥感影 像中滑坡识别方法包括以下步骤： [0005]S1： 获取滑坡数据集； [0006]S2： 构建改进滑坡识别网络； [0007]S3： 将滑坡数据集作为改进滑坡识别网络的输入， 进行滑坡识别。 [0008]进一步地， 步骤S1包括以下子步骤： [0009]S11： 采集滑坡数据和遥感影 像； [0010]S12： 根据滑坡数据的经纬度， 在遥感影 像中确定滑坡位置； [0011]S13： 根据遥感影 像中滑坡位置的特 征信息， 确定滑坡区域； [0012]S14： 对滑坡区域进行 标注， 获取滑坡数据集。 [0013]进一步地， 步骤S13中， 特征信息包括滑坡色彩、 滑坡纹理信息、 滑坡形状和滑坡位 置关系。 [0014]进一步地， 步骤S2中， 改进滑坡识别网络包括骨干网、 Dense_ASPP模块和解码模 块。 [0015]进一步地， 骨干网包括依次连接的第一Block层、 第二Block层、 第三Block层和第 四Block层， 其分辨 率分别为1/4、 1/8、 1/16和1/16 。 [0016]进一步地， Dense_ASPP模块包括密集连接的第一空洞卷积分支、 第二空洞卷积分 支、 第三空洞卷积分支和第四空洞卷积分支， 其 膨胀率分别为6、 12、 18和24。 [0017]进一步地， Dense_AS PP模块的感受野RDense_AS PP的计算公式为： [0018]RDense_AS PP＝R3， 18+R3， 12+R3， 18+R3， 24‑3 [0019]其中， R3， 12表示当卷积核大小为3且膨胀 率为12时卷积核所 能提供的感受野大小， R3， 18表示当卷积核大小为3且膨胀率为18时卷积核所能提供的感受野大小， R3， 24表示当卷积 核大小为3且膨胀率 为24时卷积核所能提供的感受野大小； [0020]Dense_AS PP模块的参数量S的计算公式为：说　明　书 1/6 页 3 CN 115546642 A 3