买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学;云南省自然资源厅国土资源信息中心

摘要：本发明公开了一种基于时序InSAR的地形可视性分析与滑坡灾害智能识别的方法，其过程为：1、采用融合LSM算法与R指数模型的地形可视性分析方法对研究区进行几何畸变的识别。在LSM模型基础上，引入R指数算法，通过应用三种方法对Sentinel‑1ASAR影像进行了地表畸变的识别，并进行了定量统计分析和空间分布特征研究；2、利用SBAS‑InSAR技术对研究区开展了地表形变的时序监测，结合融合算法分析的可视性结果来获取研究区的地表有效形变；3、基于InSAR每月的有效形变信息制作样本数据集，构建以ResNet50网络增加CBAM注意力机制的FasterRCNN模型，自动提取SAR影像中显著的形变特征，并对滑坡异常区域进行精确定位。同时，结合光学遥感影像进行综合解译，识别多处滑坡隐患。

主权项：1.一种基于时序InSAR的地形可视性分析与滑坡灾害智能识别的方法，其特征在于：包括以下步骤：步骤S1：数据准备：获取研究区域内升降轨道的Sentinel-1ASAR影像数据及对应的精密定轨星历数据，12.5米分辨率的DEM数据、GACOS大气校正数据、光学遥感影像数据及野外实地勘察数据。步骤S2：研究区SAR影像的地形可视性分析：针对SAR侧视成像导致的几何畸变问题，本研究采用融合LSM算法和R指数模型的方法。借助DEM数据，利用LSM算法、R指数模型和融合算法分别识别阿海库区的几何畸变，并进行对比分析和空间分布特征研究。同时，联合升降轨对研究区的可视性进行定量分析，以评估升降轨道数据在该区域的适用性，并为后续研究提供准确的地形信息。步骤S3：研究区的地表形变监测与获取有效形变信息：利用研究区升降轨IW模式下Sentinel-1A影像数据，通过SBAS-InSAR技术获取该地区的升降轨时序形变特征。结合可视性分析结果，定量分析不同畸变类型对InSAR结果的影响，获取有效形变值。另外，利用空间聚类分析和核密度方法，评估研究区域内监测点的密度分布，突出区域内形变异常区。步骤S4：本发明基于上述步骤中提取的时序InSAR技术有效形变信息进行滑坡样本集的创建与标注，利用FasterRCNN模型对标注数据集进行训练测试，自动提取SAR影像中显著的形变特征。步骤S5：对模型进行改进和优化，选择ResNst50卷积网络，并引入CBAM注意力双通道机制对滑坡异常区域进行精确定位。步骤S6：模型精度评价：选择mAP值作为评价指标，分类损失函数Lcls采用交叉熵损失函数，框回归损失Lblx采用L1损失函数，利用上述评价指标来衡量算法性能的标准。步骤S7：为验证识别结果的可靠性，结合高分辨率光学遥感影像和野外勘察数据进行验证，综合解译并准确识别滑坡隐患区域。

全文数据：

权利要求：

百度查询： 昆明理工大学 云南省自然资源厅国土资源信息中心 一种基于时序InSAR的地形可视性分析与滑坡灾害智能识别的方法