基于特征金字塔与U-Net耦合的中低分辨率遥感影像多尺度滑坡识别算法

摘要

地震诱发的滑坡灾害空间分布范围可达数万平方公里，常规高分辨率遥感影像难以快速实现大范围的滑坡灾害识别。中低分辨率遥感影像虽然能实现广域覆盖，但面临着滑坡尺度差异大、小尺度滑坡分布离散以及复杂背景环境干扰等问题。提出了一种结合特征金字塔和U-Net的滑坡多尺度信息融合的语义分割模型（U-shaped feature pyramid network,UFPN），旨在提高对于多尺度滑坡识别的精度和鲁棒性。为了防止深层滑坡特征的丢失，引入了自适应池化模块（MA＿Pool），以增强模型对小尺度滑坡信息的保留能力。通过引入Tversky损失函数和Lovász-Softmax损失函数的混合损失函数，改善模型训练过程中滑坡和背景像元样本极不均衡的问题。实验结果表明，UFPN在3个不同传感器不同地域的滑坡数据集上（Palu、Tiburon Peninsula、汶川数据集）均取得了优异的性能，显著提升了滑坡识别的准确率和效率。本研究不仅为中低分辨率滑坡识别提供了新的技术手段，也为滑坡灾害的快速识别和应急响应提供了科学依据。

关键词

滑坡识别 / 语义分割 / 多尺度滑坡 / 混合损失函数 / 自适应池化