公开(公告)号：CN118468113A

公开(公告)日：2024-08-09

申请号：CN202410647782.1

申请日：2024-05-23

Applicant: 中南大学

Inventor： 邬斌 ,  苗则朗 ,  成志炜 ,  杨月恒 ,  熊耀鹏 ,  吴佳奇

IPC: G06F18/241 ,  G06F17/16 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明涉及滑坡易发性评价技术领域，具体公开了一种面向混合数据的滑坡易发性评价方法，该方法通过计算数值型和分类型影响因子的关联矩阵，并经过合并生成最终的关联矩阵；将最终的关联矩阵作为输入分类模型的特征数据，进行滑坡易发性预测。经过对混合数据进行分类处理，最终得到的关联矩阵保存了对象之间所有的相关信息，再利用常用的分类算法对滑坡敏感性进行评价。使用受试者工作特征曲线ROC计算评价结果的准确性，与不考虑混合数据的结果对比后发现，面向混合数据的滑坡易发性评价方法提高了易发性评价的精度。

公开(公告)号：CN118467971A

公开(公告)日：2024-08-09

申请号：CN202410647586.4

申请日：2024-05-23

Applicant: 中南大学

Inventor： 唐吕俊 ,  苗则朗 ,  邬斌 ,  熊耀鹏 ,  成志炜 ,  杨月恒 ,  吴佳奇

IPC: G06F18/20 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明涉及滑坡易发性评价技术领域，具体公开了一种由根系力和土壤饱和度计算台风降雨型滑坡易发性的方法，通过反演根系力以及台风期间土壤饱和度的时空变化，对台风降雨型滑坡进行易发性评价。包括以下步骤：影响因子与模型数据收集；植被根系力反演；土壤饱和度反演；滑坡易发性预测。能够精确反演植被根系力，顾及根系力和降雨影响反演台风影像下区域内的滑坡易发性，并较现有的未考虑植被根系力和根系力默认值生成的滑坡易发性图，具有更好的预测精度。

公开(公告)号：CN116467659A

公开(公告)日：2023-07-21

申请号：CN202310133515.8

申请日：2023-02-17

Applicant: 中南大学

Inventor： 李珂 ,  苗则朗 ,  杨月恒 ,  浦明辉 ,  邬斌 ,  唐吕俊 ,  成志炜

IPC: G06F18/2431 ,  G06N3/08 ,  G06Q10/0635 ,  G06N3/0464

Abstract: 本发明公开了一种遥感影像联合众源数据评估滑坡易发性的方法，包括以下步骤：划分斜坡单元，收集滑坡致灾因子的空间分布数据进行预处理，根据滑坡致灾因子进行状态分级处理，以独立性检验筛选；从众源数据提取滑坡灾害点并进行标准化处理，生成第一类滑坡训练样本；利用轻量级的YOLOv4算法提取遥感影像的滑坡灾害点，生成第二类滑坡训练样本；将第一类滑坡训练样本和第二类滑坡训练样本整合清洗获得第三类滑坡训练样本，将上述三类滑坡训练样本分别通过随机森林分类方法进行滑坡易发性评价，以评估区域滑坡的危险性。本发明的遥感影像联合众源数据评估滑坡易发性的方法能够生成滑坡样本，从而快速而精确得评价区域滑坡的危险性。

公开(公告)号：CN112700104B

公开(公告)日：2022-09-09

申请号：CN202011565086.4

申请日：2020-12-25

Applicant: 中南大学 ,  中国有色金属长沙勘察设计研究院有限公司 ,  长沙理工大学 ,  应急管理部国家自然灾害防治研究院

Inventor： 苗则朗 ,  李齐荣 ,  杜年春 ,  贺跃光 ,  李珂 ,  浦明辉 ,  刘芹芹 ,  胡长浩

IPC: G06Q10/06 ,  G06K9/62 ,  G06Q50/26

Abstract: 本发明涉及地震灾害危险评估方法，公开了一种基于多模态分类的震区滑坡易发性评价方法，包括如下步骤：(1)收集滑坡致灾因子特征数据并预处理，并根据滑坡致灾因子特征数据的内在属性区别将相关的滑坡致灾因子特征数据相结合，以得到不同类型的滑坡致灾因子模态数据；(2)采用随机森林原理获得各类滑坡致灾因子模态数据的相似度图形；(3)采用非线性融合方法融合多种滑坡致灾因子模态数据的相似度图形，以生成相似度融合图；(4)在相似度融合图的基础上通过相关分类算法得到滑坡敏感性图以评价震区滑坡易发性。本发明一种基于多模态分类的震区滑坡易发性评价方法能够快速而精确地实现地震滑坡危险性评价。

公开(公告)号：CN111539432A

公开(公告)日：2020-08-14

申请号：CN202010166602.X

申请日：2020-03-11

Applicant: 中南大学

Inventor： 苗则朗 ,  朋仁锋 ,  贺跃光 ,  肖粤龙

IPC: G06K9/34 ,  G06K9/62 ,  G06T5/00 ,  G06T7/11 ,  G06T7/187 ,  G06T7/30

Abstract: 本发明属于遥感影像处理领域，公开了一种利用众源数据辅助遥感影像提取城市道路的方法，包括如下步骤：(1)对获取的众源数据进行预处理；(2)基于局部马氏距离分类自动生成训练样本，并利用深度学习算法对高分辨率遥感影像分割，获取候选道路数据；(3)结合方向一致性分割和张量投票算法，将断裂的道路连接成路网；(4)基于自适应椭圆拟合算法聚类，并利用椭圆扁率剔除易混淆场景，使用线拟合得到道路中心线。本发明利用众源数据自动生成训练样本。融合了众源数据和高遥感影像提取城市道路，解决了提取的中心线不够平滑，剔除了诸如停车场等易混淆场景的干扰，提高了城市道路的提取精度。

公开(公告)号：CN109948697A

公开(公告)日：2019-06-28

申请号：CN201910208202.8

申请日：2019-03-19

Applicant: 中南大学

Inventor： 苗则朗 ,  史文中 ,  贺跃光 ,  肖粤龙

IPC: G06K9/62

Abstract: 本发明属于遥感影像处理领域，公开了一种利用众源数据辅助遥感影像分类提取城市建成区的方法，首先对遥感数据进行预处理；然后对获得的众源数据进行坐标转换、冗余数据剔除和滤波等预处理操作，计算单个像元内训练样本的频率和光谱相似度；最后利用单类支持向量机对城市建成区进行提取。本发明实现了城市建成区的快速提取，实现了利用众源数据自动生成实时、近乎零成本的训练样本，它融合了众源地理数据与多源遥感影像数据提取城市建成区，极大地提高了城市建成区的提取精度。