公开(公告)号：CN114252879A

公开(公告)日：2022-03-29

申请号：CN202111567548.0

申请日：2021-12-20

Applicant: 重庆交通大学

Inventor： 潘建平 ,  蔡卓言 ,  赵瑞淇 ,  付占宝 ,  朱玲 ,  郭志豪

IPC: G01S13/90 ,  G01S13/88 ,  G01S7/41 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于InSAR反演与多影响因子的大范围滑坡形变预测方法，包括：对SAR影像数据进行InSAR反演处理，得到时序形变数据；对时序形变数据进行聚类，得到若干类别的时序形变数据；将各类别的时序形变数据分解为周期项形变序列与趋势项形变序列；确定与周期项形变显著相关的影响因子；分别建立各类别时序形变数据的LSTM模型实现对各类别的形变进行预测；将各类别的周期项形变预测值与趋势项形变预测值相加，得到各类别的形变量预测结果，将各类别的形变量预测结果进行合并，得到大范围的滑坡形变预测结果。本发明能够实现对大范围滑坡形变的有效预测，解决了现有技术存在的预测范围小、成本高等不足。

公开(公告)号：CN113569760A

公开(公告)日：2021-10-29

申请号：CN202110867230.8

申请日：2021-07-29

Applicant: 重庆交通大学

Inventor： 潘建平 ,  李鑫 ,  崔伟 ,  孙博文 ,  蔡卓言 ,  付占宝 ,  程卫华 ,  黄桂萍

IPC: G06K9/00 ,  G06K9/38 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/33

Abstract: 本发明公开了一种基于多模态深度学习的三维变化检测方法，包括：采集遥感影像数据源；对遥感影像数据源进行预处理以及数据提取，得到高分遥感影像数据与DSM数据；将高分遥感影像数据与DSM数据作为后时相遥感数据，基于后时相遥感数据进行数据模拟得到前时相遥感数据；确定深度学习的标签图，对双时相遥感数据图像以及标签图进行裁剪得到图像集合；将图像集合划分为训练集、验证集以及测试集；构建变化检测网络模型；将训练集以及验证集输入到变化检测网络模型进行迭代训练得到训练后的变化检测网络模型；将测试集输入到训练后的变化检测网络模型，输出变化检测结果。本发明能够充分挖掘遥感数据垂直向特征，模型泛化能力强，检测精度高。

公开(公告)号：CN113569760B

公开(公告)日：2024-08-06

申请号：CN202110867230.8

申请日：2021-07-29

Applicant: 重庆交通大学

Inventor： 潘建平 ,  李鑫 ,  崔伟 ,  孙博文 ,  蔡卓言 ,  付占宝 ,  程卫华 ,  黄桂萍

IPC: G06V20/64 ,  G06V20/10 ,  G06V10/28 ,  G06V10/52 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06T7/33 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态深度学习的三维变化检测方法，包括：采集遥感影像数据源；对遥感影像数据源进行预处理以及数据提取，得到高分遥感影像数据与DSM数据；将高分遥感影像数据与DSM数据作为后时相遥感数据，基于后时相遥感数据进行数据模拟得到前时相遥感数据；确定深度学习的标签图，对双时相遥感数据图像以及标签图进行裁剪得到图像集合；将图像集合划分为训练集、验证集以及测试集；构建变化检测网络模型；将训练集以及验证集输入到变化检测网络模型进行迭代训练得到训练后的变化检测网络模型；将测试集输入到训练后的变化检测网络模型，输出变化检测结果。本发明能够充分挖掘遥感数据垂直向特征，模型泛化能力强，检测精度高。