基于增强生成对抗网络的滑坡影像集超分辨率重建

针对高分遥感影像用于滑坡智能识别缺少高清训练集的问题,在组建高清滑坡训练集过程中,为充分利用低分辨率滑坡影像,本文采用基于增强型生成对抗网络模型(ESRGAN)实现了低分辨率滑坡影像集超分辨率重建。ESRGAN模型在SRGAN模型基础上,通过移除批归一化层、加入多级残差网络与残差缩放系数,提升了生成器的特征提取性能与稳定性,并采用迁移学习方法,基于毕节滑坡影像集与云南南景高速公路滑坡影像集进行试验验证。试验结果表明,基于迁移学习的ESRGAN模型在峰值信噪比(PSNR)与结构相似性(SSIM)方面获得更高得分,超分辨率重建取得更优结果。本文研究结果为获取滑坡高分辨率遥感影像集提供了一种新的技术方法。

人工智能在滑坡与崩岗影像识别的研究进展

总结近年来遥感分析技术、机器学习及深度学习的传统方法,分析人工智能中深度学习算法应用于滑坡、崩岗信息提取与识别的优势;通过方案对比与实验分析发现,样本采集数量、数据标注质量、崩岗特征提取方式等极大地限制了崩岗智能识别的精度与泛化性。未来将进一步探究多源数据融合与特征提取优化方法;探索基于迁移学习的崩岗多任务识别方法;并结合遥感影像的崩岗变化检测技术,实现对崩岗的准确识别和动态分析。