基于遥感实例分割约束的滑坡体地形重构反演OA

为实现地质灾害发生后对滑坡体及体积变化等地形参数的快速检测与获取,克服传统方法对双时相地形数据的严重依赖,以支撑应急指挥决策,本文提出一种结合机器视觉深度学习实例分割、遥感影像规则格网克里金插值与像素体积积分的方法,实现了基于单时相航测高分辨率可见光遥感数据的滑坡前三维地形快速反演。在分割模型训练中引入渐进式训练策略,有效抑制了模型在滑坡体推理过程中的“过拟合”现象。通过两个滑坡体案例对所述三维地形快速反演算法进行验证,结果表明:(1)在小样本数据集上采用“深层冻结-解冻-全局微调”的渐进式训练方法,使得模型在mAP 50-95 box与mask指标上均较基准模型有显著提升;(2)基于单时相厘米级分辨率航测数据,能够实现滑坡边界的亚像素级定位(误差<0.5 GSD),两个滑坡体的影像分割速度分别为241.4 ms与256.7 ms,投影面积反演相对误差分别为0.29%与0.31%,体积反演相对误差分别为1.81%与3.36%。上述研究成果将机器视觉深度学习与地质、测绘学科进行了深度融合,构建了从遥感影像特征到滑坡物理参数的映射关系,为地质灾害应急处置提供了新的技术途径。