[发明专利]一种基于卷积支持向量神经网络的滑坡分级系统及方法

权利要求书

1.一种基于卷积支持向量神经网络的滑坡分级系统，其特征在于，包括用于存放所采集图像的图像存放模块，用于获取图像数据的图像获取模块，对图像进行滑坡分类判别的图像处理模块，所述图像处理模块包括用于鉴别图像是否存在滑坡的图像判别单元以及用于对图像进行滑坡分级的图像分类单元。

2.根据权利要求1所述的一种基于卷积支持向量神经网络的滑坡分级系统，其特征在于，所述图像判别单元与所述图像分类单元同时对图像进行判别和分类。

3.一种基于卷积支持向量神经网络的滑坡分级方法，其特征在于，包括如下步骤：

步骤S1、收集图像，并根据图像进行是否存在滑坡分级的判别，若存在滑坡分级，则进行人工标注，至步骤S2；

步骤S2、将步骤S1中判别好的图像进行归一化处理，将归一化处理后的图像数据输入卷积支持向量神经网络系统进行分类模型训练；

步骤S3、判别分类模型精确度是否符合要求，若不符合判别要求，卷积支持向量神经网络系统自动调整优化卷积支持向量神经网络节点权重，并返回步骤S1，若符合判别要求，所训练出来的分类模型为最佳分类模型；

步骤S4、获取待检测图像，采用最佳分类模型进行滑坡分级的判别，依据卷积支持向量神经网络系统给出的滑坡等级的机率值，选择最大机率的分级，获得分级成果。

4.根据权利要求3所述的一种基于卷积支持向量神经网络的滑坡分级方法，其特征在于，根据步骤S2，卷积支持向量神经网络系统在进行分类模型训练时，同时进行图像分级的判别。

5.根据权利要求3所述的一种基于卷积支持向量神经网络的滑坡分级方法，其特征在于，根据步骤S4，滑坡机率值包括巨型滑坡机率值，大型滑坡机率值，中型滑坡机率值，小型滑坡机率值，所述巨型滑坡机率值，所述大型滑坡机率值，所述中型滑坡机率值，所述小型滑坡机率值之和为1。

6.根据权利要求3所述的一种基于卷积支持向量神经网络的滑坡分级方法，其特征在于，所述归一化处理指对图像的图像像素进行信息熵均值的计算后得到介于-1到1的特征值。

7.根据权利要求3所述的一种基于卷积支持向量神经网络的滑坡分级方法，其特征在于，卷积支持向量神经网络结构包括输入层，卷积层，激活层，下采样层，归一化层和支持向量层。

8.根据权利要求7所述的一种基于卷积支持向量神经网络的滑坡分级方法，其特征在于，输入层为图像的横纵座标和图像颜色。