我院在《Landslides》上发表青藏高原高原滑坡灾害遥感智能识别研究成果

作者:发布时间:2022-06-21浏览次数:2584


近日,我院王国杰教授团队在国际权威期刊Landslides》发表了题为“Landslide detection from bitemporal satellite imagery using attention based deep neural networks”的研究成果。博士研究生Solomon Obiri Yeboah Amankwah为论文第一作者,王国杰教授为通讯作者。基于双时相卫星影像,该研究采用具有“注意力机制”(attention的变化检测深度神经网络(DNNs识别滑坡灾害既可提高滑坡灾害相对于其他地物的辨识能力又可以有效抑制卫星遥感影像中背景噪声的影响

1 本研究总体技术路线图



基于喜马拉雅山区中国-尼泊尔边境的双时相光学遥感影像,该研究比较了时空注意力神经网络(Spatial-temporal attention neural network, STANet)、孪生U型网络(Siamese Nested U-Net, SNUNet)等多种深度神经网络对滑坡滑坡灾害的识别效果。结果表明,引入“注意力机制”的深度神经网络的识别效果优于其他传统深度神经网络,而孪生U型网络对滑坡体的识别效果要显著优于其它神经网络,各项评估指标得分最优且能识别更为精细的滑坡体边界细节



2 不同方法滑坡识别效果对比图。(a)滑坡发生前的真彩色合成图像;(b)滑坡发生后的真彩色合成图像;(c)人工识别标签;(dSTANet (BASE)识别滑坡结果图;(eSTANet (BAM)识别滑坡结果图;(fSTANet (PAM)识别滑坡结果图;(gSNUNet识别滑坡结果图。红色区域为重点比较区域



论文信息:

Amankwah, S.O.Y., Wang, G., Gnyawali, K. et al. Landslide detection from bitemporal satellite imagery using attention-based deep neural networks. Landslides (2022).

链接地址:https://doi.org/10.1007/s10346-022-01915-6