基于SAR图像的震后滑坡信息提取方法研究

发布时间：2021-07-14 23:08

　　地震导致滑坡灾害因其对生命和财产的巨大威胁而受到越来越的关注,利用遥感等技术快速提取滑坡信息,对于应急信息化建设和减少灾害造成的损失具有重要的现实意义。提出一种基于SAR （Synthetic Aperture Radar）图像变化检测的滑坡信息提取方法。两多时相滑坡图像利用对数比运算符生成差分图像,再用Gabor小波和模糊c均值来选择可靠样本,最后LSTM（Long Short-Term Memory）模型用于基于像素的SAR图像分类,由此通过分析提取出滑坡信息。以日本某地区地震前后的滑坡图像为例,采用JAXA提供的观测数据,来自高级陆地观测卫星2（ALOS-2）,2016年3月7日之前的主要震动图像以及2016年5月16日之后的主要震动图像。实验结果表明,该方法优于实验中其他方法,总体精度在94%以上,误判较少,适合于快速滑坡信息提取。 

【文章来源】：激光杂志. 2020,41(10)北大核心

【文章页数】：5 页

【部分图文】：

基于LSTM的SAR图像震后滑坡信息提取

它的要目的是学习长期依赖性[20]，等式(3)-(8)正式描述了LSTM神经元。LSTM单元由2个单元状态组成，即存储器ct和隐藏状态ht，输入门(it)，遗忘门(ft)和输出门(ot)，用于控制信息流。所有3个门将当前输入xt与来自先前时间戳的隐藏状态ht-1组合。LSTM单元还使用临时单元格状态yt来重新更新且调整输入。此临时单元格由双曲正切函数实现，该函数返回介于-1和1之间的值。Sigmoid和双曲正切均按元素方式应用。在LSTM中，首先计算输入门it的值，其次，计算在t时刻遗忘门的激活值ft，由以上2步可以及计算出t时刻的细胞状态更新值ct，由此可以得到输出门的值。通过以上计算，LSTM就可以十分有效地利用输入来使其具有长时期的记忆功能。公式如下:

以日本某地区地震前后的滑坡图像为例，采用的是JAXA提供的观测数据，它来自高级陆地观测卫星2(ALOS-2) 2016年3月7日之前的主要震动图像以及2016年5月16日之后的主要震动图像。我们选择2个典型区域(每个区域400×400像素)作为数据集。2个数据集和可用的参考图像是通过将先验信息与照片目视解释相结合而获得的。数据集I如图3,(a)(b)分别是滑坡前后图像，(c)是参考图像;数据集II如图4所示，(a)(b)是滑坡前图像，其中(c)是参考图像。图4 数据集Ⅱ原始数据及评价参考图


本文编号：3285072