摘要：由地震引发的群发性大规模地震滑坡是一类非常严重的震后次生灾害，会造成严重的人员伤亡和巨大的经济财产损失。地震发生后迅速准确地识别出这些地震滑坡，可为国家应急部门评估灾害程度和制定救灾措施提供非常重要的信息指导。SAR具有全天时全天候成像特性，但由于地震滑坡背景极为复杂，在SAR影像中特征不显著，因此目前识别效果较差。对此，本文提出了一个使用SAR图像进行滑坡识别的差异特征与聚合特征交叉融合孪生网络(Difference and Aggregated feature Cross fusion Siamese Network，DACS-Net)。该网络由编码-解码结构组成，编码器采用孪生结构的特征提取网络对地震前后的SAR图像进行不同分辨率的特征提取。解码器中通过构建多尺度差异特征和聚合特征生成模块，对不同尺度地震滑坡的特征图进行差异提取与特征聚合，以此来充分表征地震滑坡特性；最后通过提出的多特征交叉融合模块对不同尺度的聚合特征和差异特征进行密集连接逐层解码，提升细节特征与语义特征的提取性能，最终得到识别结果。利用哨兵一号数据对巴布亚新几内亚和米林地震滑坡进行了实验，独立测试实验的滑坡识别精度为：PA分别可达70.75%和76.5%，Recall分别可达60.92%和71.2%，F1 Score分别为65.46%和74.0%，OA分别为91.0%和86.1%。利用该网络，地震滑坡发生后可利用SAR影像迅速识别滑坡区，进行灾害应急响应。
文章目录
1 基于孪生网络的SAR图像滑坡识别方法
1.1 整体网络框架
1.2 编码器
1.3 解码器
1.3.1 MDAG模块
1.3.2 MFCM模块
2 实验结果分析
2.1 实验数据与评估指标
2.2 实验环境与参数设置
2.3 实验结果分析
3 结论
