一种遥感影像滑坡制图方法及相关装置

1.一种遥感影像滑坡制图方法，其特征在于，包括：对受灾区域的遥感影像进行分割，获得遥感影像块，并选取部分遥感影像块，构建训练集；采用训练集训练学生模型，并将训练完成的学生模型作为识别模型；其中，在训练学生模型时，根据 ，以 为目标构建输入视角一致性损失函数；根据 ，以 为目标构建特征视角一致性损失函数；根据 ，以 为目标构建模型视角一致性损失函数； 为 输入学生模型获得的滑坡识别结果， 为无滑坡标记训练样本中的滑坡影像经过弱数据增强扰动后的结果； 为 经过CutMix数据增强扰动后的结果； 为 输入学生模型获得的滑坡识别结果， 为 依次经过强数据增强扰动、CutMix数据增强扰动后的结果； 为 输入学生模型获得的滑坡识别结果，并且在滑坡识别过程中，对学生模型中低密度区域与分割类别边界重合度最高阶段的隐藏层输出的特征施加特征扰动； 为 添加高斯噪声后输入教师模型获得的滑坡识别结果；将分割获得的所有遥感影像块输入识别模型，获得各遥感影像块的滑坡识别结果，根据滑坡识别结果，获得受灾区域的滑坡制图结果；上述对学生模型中低密度区域与分割类别边界重合度最高阶段的隐藏层输出的特征施加特征扰动，包括：在通道维度对F in 进行求和并进行归一化运算得到 ，并构建与 形状一致的空矩阵F e ；其中，F in 为学生模型中低密度区域与分割类别边界重合度最高阶段的隐藏层输出；将 与采样阈值进行逐像素值比较，对于大于采样阈值的像素，在F e 的相同位置填充0，对于小于采样阈值的像素，在F e 的相同位置填充1；将F in 与填充后的F e 进行哈达玛积运算，获得施加特征扰动后的特征 。 2.根据权利要求1所述的遥感影像滑坡制图方法，其特征在于，根据 ，以 为目标构建输入视角一致性损失函数，包括：将 分别进行第一强数据增强扰动和第二强数据增强扰动，获得数据增强扰动结果 和 ，将 分别进行第一强数据增强扰动和第二强数据增强扰动，获得数据增强扰动 和 ；其中， 和 为任意一对 ；将 和 进行第一CutMix数据增强扰动，获得数据增强扰动结果 ，将 和 进行第二CutMix数据增强扰动，获得数据增强扰动结果 ；将 和 分别输入学生模型，获得 的滑坡识别结果 和 的滑坡识别结果 ，将 和 分别输入学生模型，获得 的滑坡识别结果 和 的滑坡识别结果 ；将 和 进行第一CutMix数据增强扰动，获得数据增强扰动结果 ，将 和 进行第二CutMix数据增强扰动，获得数据增强扰动结果 ；根据 ，以 为目标构建第一输入视角一致性损失函数 ，根据 ，以 为目标构建第二输入视角一致性损失函数 。 3.根据权利要求2所述的遥感影像滑坡制图方法，其特征在于，第一输入视角一致性损失函数 和第二输入视角一致性损失函数 ，公式为： ； ；式中， 为Dice损失函数，M T_U 为训练集中的无滑坡标记训练样本总数， 和 分别为第i个和第j个无滑坡标记训练样本中的滑坡影像经过弱数据增强扰动后的结果， 和 分别为CutMix数据增强扰动后的 和 ， 和 分别为 和 输入学生模型获得的滑坡识别结果， 为过滤弱数据增强扰动滑坡识别结果噪声的置信阈值。 4.根据权利要求2所述的遥感影像滑坡制图方法，其特征在于，第一CutMix数据增强扰动和第二CutMix数据增强扰动采用锚点约束CutMix、且滑坡掩码不同；滑坡掩码的公式为： ；式中，M A 为滑坡掩码，M为随机生成的初始滑坡掩码，且与 大小相同，Argmax为Argmax运算，⊙为哈达玛积运算。 5.根据权利要求1所述的遥感影像滑坡制图方法，其特征在于，特征视角一致性损失函数，公式为： ；式中， 为特征视角一致性损失函数， 为Dice损失函数，M T_U 为训练集中的无滑坡标记训练样本总数， 为第i个无滑坡标记训练样本中的滑坡影像经过弱数据增强扰动后的结果， 为 输入学生模型获得的滑坡识别结果， 为 输入学生模型获得的滑坡识别结果，并且在滑坡识别过程中，对学生模型中低密度区域与分割类别边界重合度最高阶段的隐藏层输出的特征施加特征扰动。 6.根据权利要求1所述的遥感影像滑坡制图方法，其特征在于，低密度区域与分割类别边界重合度最高阶段在构建征视角一致性损失函数之前确定，确定过程包括：将任一有滑坡标记训练样本中的滑坡影像输入仅由监督学习损失函数训练得到的识别模型，获得识别模型中间层级的高维特征；将高维特征在通道维度进行累加，使高维特征降维为二维特征；通过滑动窗口的方式计算二维特征中心像素到其周围相邻像素之间的平均欧式距离，得到初始局部变化度；将初始局部变化度依次进行最大最小化归一化、可视化为单通道灰度图，得到局部变化度图；通过局部变化度图与滑坡标记比对，判定低密度区域与分割类别边界重合度最高阶段。 7.根据权利要求1所述的遥感影像滑坡制图方法，其特征在于，模型视角一致性损失函数，公式为： ；式中， 为模型视角一致性损失函数， 为二元交叉熵损失函数或Dice损失函数，M T_U 为训练集中的无滑坡标记训练样本总数， 为第i个无滑坡标记训练样本中的滑坡影像经过弱数据增强扰动后的结果， 为 输入学生模型获得的滑坡识别结果。 8.一种遥感影像滑坡制图装置，其特征在于，包括：分割构建模块，对受灾区域的遥感影像进行分割，获得遥感影像块，并选取部分遥感影像块，构建训练集；训练验证模块，采用训练集训练学生模型，并将训练完成的学生模型作为识别模型；其中，在训练学生模型时，根据 ，以 为目标构建输入视角一致性损失函数；根据 ，以 为目标构建特征视角一致性损失函数；根据 ，以 为目标构建模型视角一致性损失函数； 为 输入学生模型获得的滑坡识别结果， 为无滑坡标记训练样本中的滑坡影像经过弱数据增强扰动后的结果； 为 经过CutMix数据增强扰动后的结果； 为 输入学生模型获得的滑坡识别结果， 为 依次经过强数据增强扰动、CutMix数据增强扰动后的结果； 为 输入学生模型获得的滑坡识别结果，并且在滑坡识别过程中，对学生模型中低密度区域与分割类别边界重合度最高阶段的隐藏层输出的特征施加特征扰动； 为 添加高斯噪声后输入教师模型获得的滑坡识别结果；上述对学生模型中低密度区域与分割类别边界重合度最高阶段的隐藏层输出的特征施加特征扰动，包括：在通道维度对F in 进行求和并进行归一化运算得到 ，并构建与 形状一致的空矩阵F e ；其中，F in 为学生模型中低密度区域与分割类别边界重合度最高阶段的隐藏层输出；将 与采样阈值进行逐像素值比较，对于大于采样阈值的像素，在F e 的相同位置填充0，对于小于采样阈值的像素，在F e 的相同位置填充1；将F in 与填充后的F e 进行哈达玛积运算，获得施加特征扰动后的特征 ；制图模块，将分割获得的所有遥感影像块输入识别模型，获得各遥感影像块的滑坡识别结果，根据滑坡识别结果，获得受灾区域的滑坡制图结果。 9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行权利要求1~7任一所述的方法。