深度卷積神經網絡的遙感影像滑坡災害識別

趙福軍，樊雅婧

(黑龍江科技大學 計算機與信息工程學院，哈爾濱 150022)

0 引 言

2017年8月8日，四川省九寨溝縣發生了7.0級大地震，震源深度高達20 km，人員傷亡慘重，財產損失嚴重，此次地震誘發了大量的滑坡體，造成道路的生命線破損，無法實地調查和應急救援，影響災情調查與評估。滑坡發生后，利用遙感數據展開調查，該方法很好地結合影像特征(色調、色彩)和空間特征(紋理、光譜、形狀、大小)等，能夠與專業人員的知識經驗和非遙感數據相結合分析推理，信息提取和識別的精度較高。但當滑坡數量較多時，造成工作量龐大、耗時耗力等問題。而基于像元的計算機圖像分類方法容易出現同譜異物、同物異譜和混合像元情況，處理結果存在大量椒鹽噪聲，錯分、漏分和誤分現象，影響影像分類精度。1999 年，M. Baatz等[1]提出了面向對象影像分析方法。該方法又稱面向對象影像分類，是將光譜、紋理、形狀等特征相似的像元組合成對象，然后，根據地物在實際生活分布情況和在遙感影像中分布狀況，選擇對象特征，建立分類規則體系，最后，以對象為基本單元，綜合實際情況，選取恰當分類算法，分類地物[2]，目前，該方法在影像分割階段，最優分割尺度參數都是人為調整，耗時耗力，無法滿足實際需要，提取的特征大多為低層和中層特征，無法對高層語義特征信息進行相應的描述。

筆者旨在快速精確的識別滑坡災害，將面向對象影像分析方法與深度卷積神經網絡相結合，在多尺度分割中利用改進的最優分割尺度方法確定最優分割尺度，深度卷積神經網絡提取滑坡災害的高層語義深度特征，識別高空間分辨率遙感影像中的滑坡災害，提高滑坡識別效率與識別精度。……