地震地质

作者：宋冬梅, 王浩, 冯家兴, 单新建, 王斌

单位：1) 中国石油大学(华东), 海洋与空间信息学院, 青岛 2665802) 东方通用航空摄影有限公司, 太原 0300323) 中国地震局地质研究所, 北京 100029

关键词：LiDAR点云,多尺度邻域点集,深度学习,断裂带提取,

基金：国家重点研发计划项目(2019YFC16D9202-4); 国家自然科学基金(U22A20586); 国家自然科学基金(41701513); 国家自然科学基金(41772350); 山东省自然科学基金(ZR2022MD015); 中国地震科学实验场地震构造探查系统项目共同资助。

摘要： 断裂带与地震、 滑坡等自然灾害的发生有着密切关系, 精准提取断裂带不仅可为地震断层的定量化研究提供指导, 还可为地震灾害风险评估及防震减灾决策的制定提供科学依据。针对现有方法中LiDAR点云断裂带提取不完整、 连续性差及错误率高等问题, 文中提出了一种基于 RS-Conv 的多尺度神经网络LiDAR点云断裂带提取方法, 以便更好地解决复杂地形区域的断裂带自动提取问题。该方法首先构建不同空间尺度的邻域点集, 从而更全面地考察点云的局部几何结构特征。考虑到RS-Conv算子能够很好地表征中心点与邻域点的空间关系, 文中以RS-Conv算子作为卷积模块构建了多尺度神经网络模型, 以提取出LiDAR点云不同尺度的深层次特征, 对其进行堆叠并输入到全连接层, 以完成对断裂带点的提取。最后, 在ISPRS点云数据集、 川滇点云数据集和鲜水河数据集上对文中所述方法与张量分解方法和Deep Neural Networks(DNN)方法进行了对比实验, 结果表明, 文中方法的分类精度最高, 分类总误差最低仅为0.3%, 较其他方法降低了0.91%~2.79%, 证实了该方法在点云断裂带提取方面的优越性。

来源：2024年第3期

《地震地质》期刊编辑部

查看地震地质杂志2024年第3期