买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川省建筑科学研究院有限公司;四川省建筑工程质量检测中心有限公司申请的专利一种基于多维特征的滑坡预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121033682B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511575045.6，技术领域涉及：G06V20/10；该发明授权一种基于多维特征的滑坡预测方法是由张炳焜;蒋志军;范刚;杨兴国;章学良;李泽泽;刘溢;雷发洪;唐涛设计研发完成，并于2025-10-31向国家知识产权局提交的专利申请。

本一种基于多维特征的滑坡预测方法在说明书摘要公布了：本发明公开了一种基于多维特征的滑坡预测方法，属于图像处理技术领域。本发明获取HH‑HV和VV‑VH增量偏离值并构建增量偏离图像；接着从增量偏离图像中分割出背景区，再通过计算每个像素点与背景区在极化主导度上的差距，得到HH‑HV和VV‑VH的滑坡对比度，生成滑坡对比度图像；将增量偏离图像与对应的滑坡对比度图像进行融合增强，获得HH‑HV和VV‑VH特征增强图像；从特征增强图像中找出疑似滑坡点并获取关联权重，形成关联权重矩阵；采用滑坡预测神经网络处理特征增强图像，并利用关联权重矩阵对特征图施加权重，从而得到监测区域的滑坡风险值。本发明有效提升了滑坡预测的准确性。

本发明授权一种基于多维特征的滑坡预测方法在权利要求书中公布了：1.一种基于多维特征的滑坡预测方法，其特征在于，包括以下步骤： 根据监测区域的合成孔径雷达影像，获取HH-HV和VV-VH增量偏离值，构建HH-HV和VV-VH增量偏离图像； 采用同一像素点的HV后向散射增量减去HH后向散射增量，得到HH-HV极化增量差异，HH-HV极化增量差异减去稳定期的HH-HV极化增量差异均值，得到HH-HV增量偏离值； 采用同一像素点的VH后向散射增量减去VV后向散射增量，得到VH-VV极化增量差异，VH-VV极化增量差异减去稳定期的VH-VV极化增量差异均值，得到VH-VV极化增量偏离值； 从HH-HV和VV-VH增量偏离图像中分割出背景区； 对每个像素点与背景区在极化主导度上的差距获取HH-HV和VV-VH的滑坡对比度，得到HH-HV和VV-VH滑坡对比度图像； 获取滑坡对比度的过程包括： 在第一极化主导度小于等于第一极化主导度均值时，对该像素点的HH-HV的滑坡对比度赋值为1，第一极化主导度为HH后向散射系数与HV后向散射系数的比值； 在第一极化主导度大于第一极化主导度均值时，该像素点的HH-HV的滑坡对比度为：，其中，Ci,HH-HV为第i个像素点的HH-HV的滑坡对比度，O1,i为第i个像素点的第一极化主导度，O1,avg为第一极化主导度均值，i为正整数； 在第二极化主导度小于等于第二极化主导度均值时，对该像素点的VV-VH的滑坡对比度赋值为1，第二极化主导度为VV后向散射系数与VH后向散射系数的比值； 在第二极化主导度大于第二极化主导度均值时，该像素点的VV-VH的滑坡对比度为：，其中，Ci,VV-VH为第i个像素点的VV-VH的滑坡对比度，O2,i为第i个像素点的第二极化主导度，O2,avg为第二极化主导度均值； 将HH-HV增量偏离图像与HH-HV滑坡对比度图像进行融合增强，得到HH-HV特征增强图像，将VV-VH增量偏离图像和VV-VH滑坡对比度图像进行融合增强，得到VV-VH特征增强图像； 从HH-HV和VV-VH特征增强图像找出疑似滑坡点，并获取关联权重，得到关联权重矩阵； 获取关联权重的过程包括：对HH-HV特征增强图像中各个增强值取均值，得到HH-HV增强均值，对VV-VH特征增强图像中各个增强值取均值，得到VV-VH增强均值，在HH-HV特征增强图像中将大于HH-HV增强均值的像素点归为疑似滑坡点，在同一像素点位置A处，计算在HH-HV特征增强图像的像素点位置A邻域范围内的疑似滑坡点数量的占比，得到第一比值；在VV-VH特征增强图像中将大于VV-VH增强均值的像素点归为疑似滑坡点，在同一像素点位置A处，计算在VV-VH特征增强图像的像素点位置A邻域范围内的疑似滑坡点数量的占比，得到第二比值，将第一比值和第二比值的均值作为该像素点位置A的关联权重； 采用滑坡预测神经网络处理HH-HV和VV-VH特征增强图像，并采用关联权重矩阵对特征图施加权重，得到监测区域的滑坡风险值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川省建筑科学研究院有限公司;四川省建筑工程质量检测中心有限公司，其通讯地址为：610081 四川省成都市一环路北三段55号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。