【技術實現步驟摘要】
本專利技術實施例涉及滑坡識別，具體涉及一種基于遙感影像的滑坡實時識別方法、裝置、設備、介質。
技術介紹
1、公開該
技術介紹
部分的信息僅僅旨在增加對本專利技術的總體背景的理解，而不必然被視為承認或以任何形式暗示該信息構成已經成為本領域一般技術人員所公知的現有技術。
2、我國的地質災害屬于多發易發性災害，在三個主要地質災害中，滑坡災害發生最為頻繁，影響范圍也是最廣，尤其西南山區最是嚴重。針對滑坡的實時自動識別技術研究，實現滑坡風險排查以進行防治，對保護人民生命財產和生態安全都具有極其重要的意義。
3、目視解譯一直是滑坡識別常用的手段，準確率相對較高，但自動化程度低導致極其浪費人力。使用計算機對滑坡等地質災害進行智能識別是地質、遙感類工作者一直以來所追尋的方式。滑坡的發生一般伴隨著地物變化，當研究區存在較多與滑坡光譜特征相似的地物時，基于單時相的影像進行光學滑坡的識別存在較高的錯誤率。基于多時序光學影像探查這種變化是識別滑坡的有效途徑之一。從地學原理的分析可知，可以通過兩景滑坡前后的光學影像進行遙感影像，從而識別出滑坡的區域。基于像元的滑坡識別是一種高效、簡單的滑坡識別手段，只需要兩景光學影像，就可以實現滑坡識別。
4、植被覆蓋指數(ndvi)的變化可以作為滑坡檢測的重要依據之一，基于兩景光學影像的ndvi遙感影像技術，提取研究區的坡度、山體影像、圓度、伸長率等參數，采用自動閾值選取算法可實現研究區的滑坡自動快速識別，且相較于人工判讀具有高效性和智能化的顯著優勢。
5、目前，基于光學影像
技術實現思路
1、為此，本專利技術實施例提供一種基于遙感影像的滑坡實時識別方法、裝置、設備、介質，以解決現有技術中由于現有的滑坡檢測技術需要大量人工識別分析過程而導致的無法實現對坡體實時監測的目的而導致檢測延遲、效率低的問題。
2、為了實現上述目的，本專利技術的實施方式提供如下技術方案：
3、在本專利技術的實施方式的第一方面中，提供了一種基于遙感影像的滑坡實時識別方法，包括以下步驟：
4、s101：獲取待識別區域的兩景光學遙感影像，并進行數據預處理；
5、s102：獲取待識別區域的數字高程模型dem數據，生成坡度數據和山體陰影數據，并裁剪及重采樣至與光學遙感影像的范圍和分辨率相同；
6、s103：基于光學影像進行歸一化植被指數ndvi的計算，選取植被擾動參數閾值，進而生成滑坡預選區；
7、s104：通過滑坡預選區的陶粒參數，設定滑坡預選區陶粒的質心坡度閾值，生成滑坡二值化柵格結果，最終獲得滑坡識別結果。
8、進一步地，所述步驟s101中，對光學遙感影像數據的預處理包括幾何糾正、輻射校正、大氣校正、圖像拼接與裁剪的步驟。
9、進一步地，在所述步驟s103中，植被擾動參數閾值的選取包括步驟
10、基于光學遙感影像的歸一化植被指數ndvi，計算植被擾動變化參數，確定植被擾動分類規則；
11、基于統計分析原理，使用循環分割法完成對植被擾動分類規則的閾值選取；
12、對植被擾動分類規則進行濾波、去噪處理生成滑坡預選區。
13、進一步地，所述植被擾動變化參數的計算包括步驟
14、計算提取兩景光學影像的歸一化植被指數；
15、基于獲取得到的兩景時相的歸一化植被指數影像，進行基于像元的變化檢測，并得到一個擾動變化參數。
16、進一步地，所述滑坡預選區的生成具體為基于統計分析原理，使用循環分割算法完成植被擾動分類規則的閾值選取，對植被擾動分類規則進行濾波、去噪處理。
17、進一步地，所述閾值選取包括步驟
18、基于behling方法中的植被擾動分類規則，通過循環分割算法自動計算初始閾值；
19、利用初始閾值對影像分割得到新閾值；
20、使用每次生成的新閾值對圖像進行分類并重新計算閾值，直到得到最佳閾值。
21、進一步地，所述步驟s104中滑坡二值化柵格的生成包括，選取滑坡預選區的陶粒，得到陶粒基本參數，基于滑坡預選區的陶粒參數，計算其形態學參數、使用最大類間方差法自動計算山體陰影分割閾值從而去除山體陰影，設定滑坡預選區陶粒的質心坡度閾值，保留滑坡陶粒，二值化滑坡陶粒，生成滑坡二值化柵格結果。
22、進一步地，所述滑坡二值化柵格的生成的步驟為
23、基于二值圖像生成每個滑坡預選區的陶粒并提取滑坡邊界線，然后計算每個陶粒對象的圓度和伸長率并設定實驗閾值以剔除道路；
24、使用最大類間方差法自動計算山體陰影分割閾值從而去除山體陰影；
25、設定滑坡預選區陶粒的質心坡度閾值，保留滑坡陶粒，二值化滑坡陶粒，生成滑坡二值化柵格結果。
26、在本專利技術的實施方式的第二方面中，提供了一種基于遙感影像的滑坡識別裝置，包括
27、第一數據預處理模塊，用于獲取光學遙感數據并對其進行數據預處理；
28、第二數據處理模塊，用于獲取待識別區域的dem數據，生成坡度數據和山體陰影數據，并對其進行數據裁剪及重采樣等處理；
29、歸一化植被指數(ndvi)計算模塊，用于根據所述預處理后光學遙感數據中的紅色波段和近紅外波段遙感數據，計算兩景光學遙感影像的ndvi；
30、擾動變化參數計算模塊，用于根據所述兩景光學遙感影像歸一化植被指數(ndvi)，計算擾動變化參數；
31、第一提取模塊，用于根據所述植被擾動分類規則，從所述光學遙感數據中提取滑坡預選區；
32、第三數據處理模塊，用于根據所述滑坡預選區陶粒，計算其形態學參數；
33、第二提取模塊，用于根據所述滑坡預選區陶粒，從所述滑坡預選區陶粒再提取出滑坡陶粒。
34、在本專利技術的實施方式的第三方面中，提供了一種電子設備，包括輸入設備和輸出設備，還包括
35、處理器，適于實現一條或者多條指令；以及
36、計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行，以實現上述任意方法的步驟。
37、在本專利技術的實施方式的第四方面中，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行，以實現上述任意方法的步驟。
38、根據本專利技術的實施方式，與現有技術相比具有如下優點：該方法通過基于兩景光學影像進行滑坡識別，其檢測結果更具實時性，自動閾值選取算法的使用避免了識別過程中的一些人為干預本文檔來自技高網...
【技術保護點】
1.一種基于遙感影像的滑坡實時識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于遙感影像的滑坡識別方法，其特征在于，所述步驟S101中，對光學遙感影像數據的預處理包括幾何糾正、輻射校正、大氣校正、圖像拼接與裁剪的步驟。
3.根據權利要求1所述的基于遙感影像的滑坡識別方法，其特征在于，在所述步驟S103中，植被擾動參數閾值的選取包括步驟
4.根據權利要求3所述的基于遙感影像的滑坡識別方法，其特征在于，所述植被擾動變化參數的計算包括步驟
5.根據權利要求5所述的基于遙感影像的滑坡識別方法，其特征在于，所述閾值選取包括步驟
6.根據權利要求1所述的基于遙感影像的滑坡識別方法，其特征在于，所述步驟S104中滑坡二值化柵格的生成包括，選取滑坡預選區的陶粒，得到陶粒基本參數，基于滑坡預選區的陶粒參數，計算其形態學參數、使用最大類間方差法自動計算山體陰影分割閾值從而去除山體陰影，設定滑坡預選區陶粒的質心坡度閾值，保留滑坡陶粒，二值化滑坡陶粒，生成滑坡二值化柵格結果。
7.根據權利要求6所述的基于遙感影像的滑
8.一種基于遙感影像的滑坡識別裝置，其特征在于，包括
9.一種電子設備，包括輸入設備和輸出設備，其特征在于，還包括
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執行，以實現權利要求1-7中任意方法的步驟。
...【技術特征摘要】
1.一種基于遙感影像的滑坡實時識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于遙感影像的滑坡識別方法，其特征在于，所述步驟s101中，對光學遙感影像數據的預處理包括幾何糾正、輻射校正、大氣校正、圖像拼接與裁剪的步驟。
3.根據權利要求1所述的基于遙感影像的滑坡識別方法，其特征在于，在所述步驟s103中，植被擾動參數閾值的選取包括步驟
4.根據權利要求3所述的基于遙感影像的滑坡識別方法，其特征在于，所述植被擾動變化參數的計算包括步驟
5.根據權利要求5所述的基于遙感影像的滑坡識別方法，其特征在于，所述閾值選取包括步驟
6.根據權利要求1所述的基于遙感影像的滑坡識別方法，其特征在于，所述步驟s104中滑坡二值化柵格的生成包括，選取滑坡預...
【專利技術屬性】
技術研發人員：吳磊，孫世山，李進田，
申請(專利權)人：蘇州深藍空間遙感技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。