基于改进的DeepLabV3+算法滑坡识别

受地形、地貌、植被等因素的影响,滑坡的形态及光谱特性往往差异较大,因此,基于光谱、形状的分类识别方法很难准确地提取出滑坡信息.深度学习方法通过样本训练自主提取目标对象的特征,避开了人工构建特征的主观性,能够形成目标对象更加抽象、稳定的特征,极大地提升了识别精度.DeepLabV3+是基于深度学习方法的语义分割模型,它将影像分割与目标识别进行融合,在识别目标的同时能够有效地将目标对象从原始影像中分割出来.文中在DeepLabV3+的基础上,结合滑坡的特点,对其主干网络利用Xception、MobileNetV2、ResNet进行优化.通过毕节市滑坡数据集和"5·12"汶川地震的卫星滑坡影像,验证了优化后的模型均可较为准确地识别和分割图像中出现的滑坡,其中最大分割整体精度达到95.3％,最大识别准确度达到97％,最大F1_Score达到97.1％.