CN113688808B 一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法 （南京信息工程大学）_第1页
CN113688808B 一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法 （南京信息工程大学）_第2页
CN113688808B 一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法 （南京信息工程大学）_第3页
CN113688808B 一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法 （南京信息工程大学）_第4页
CN113688808B 一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法 （南京信息工程大学）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

US2015055820A1,2015.0一种基于拉普拉斯金字塔遥感图像融合的本发明公开了一种基于拉普拉斯金字塔遥像中发生滑坡灾害的地方和未发生滑坡灾害的地方分别进行标记，得到滑坡灾害标签图数据2S1，对提取的遥感影像局部特征和遥感影像全S13，将步骤S11所提取的遥感影像局部特征和步骤S12所提取的遥感影像全局特征输所有低分辨率特征将被上采样到与第一个流相同的分辨S23,通过1×1卷积将第四阶段中恢复后的4个相同分辨率的特征表示串联起来，再通S3，通过图片标记工具，对融合图像中发生滑S4,用步骤S3得到的数据集训练深度学习语义分割模型，通过修改语义分割网络结构2.根据权利要求1所述的基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法，其特3近些年随着遥感技术高速发展，越来越多的卫星遥感影像可应用于滑坡灾害的识别当中。[0009]S4,用步骤S3得到的数据集训练深度学习结构和调整深度学习语义分割模型参数，直至深度学习语义分割模型的损失曲线达到拟4[0013]S13，将步骤S11所提取的遥感影像局部特征和步骤S12所提取的遥感影像全局特响且穿透能力强的哨兵一号数据，能解决滑坡发生时数据难获取和识别精度不高等问题；[0028]图5为本发明的基于训练好的深度学习语义分割模型对某一滑坡灾害的识别结果5f1,f2.…i(1)后不同尺度所对应的影像特征通过上采样统一整合成原始影像大小的全局特征，如图1所[0040]如图2所示为遥感影像融合模型框架图，利用降尺度金字塔模块来实现遥感影像[0042]通过一个图像重建自编码网络将步骤11和步骤12所提取的遥感影像局部信息以6[0043]将高分二号影像和哨兵一号影像所提取的局部与全局特征输入到拉普拉斯金字[0045]如图3所示为构建的基于并行结构的语义分割网络HRNet框架示意图。HRNet主体像特征，然后通过上采样将这4种不同分辨率的特征表示统一恢复到第一阶段的相同分辨[0048]（23）通过1×1卷积将第四阶7[0054]本发明利用拉普拉斯金字塔的图像融合技术将高分二号与哨兵一号数据进行结直至模型的损失曲线达到拟合并接近于0，同时识别遥感影像中滑坡体的精度达到95%以[0057]根据步骤3所高分辨率滑坡灾害标签集来训练深度学习语义分割模型，可应用在

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论