基于深度学习的遥感影像断层自动检测方法

作者：杨易鑫; 周子勇^*

来源：遥感信息, 2023, 38(02): 33-39.

DOI：10.20091/j.cnki.1000-3177.2023.02.005

• 遥感影像处理
• 深度学习
• 语义分割
• 断层检测
• UNet

在遥感影像断层识别中，传统的基于目视判读的方法准确度较高，需要解译人员具备一定的专业基础，且解译过程比较繁琐。此外，在遥感影像断层自动检测方面，基于传统的图像处理方法主要根据影像纹理等浅层特征进行分类判别，受环境影响较大。针对这些问题，文章提出了一种基于深度学习的遥感影像断层自动检测方法，并设计了基于UNet网络的FUnet(fault detection UNet)网络。利用新疆某地区的10级和11级影像，结合1∶50万地质图，制作了断层样本14 012张，最后基于模型训练和测试，通过目视对比和定量评价，分析得出10级影像断层识别准确度好于11级影像，而且不同区域识别的准确度也不一样。文章结果初步证实了深度学习方法用于遥感影像断层自动检测的可行性。

• 单位
  中国石油大学（北京）