CN105989322B - 一种基于高分辨率遥感影像的多指标融合滑坡检测方法 - Google Patents

一种基于高分辨率遥感影像的多指标融合滑坡检测方法 Download PDF

Info

Publication number
CN105989322B
CN105989322B CN201510041864.2A CN201510041864A CN105989322B CN 105989322 B CN105989322 B CN 105989322B CN 201510041864 A CN201510041864 A CN 201510041864A CN 105989322 B CN105989322 B CN 105989322B
Authority
CN
China
Prior art keywords
index
remote sensing
sensing image
resolution remote
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510041864.2A
Other languages
English (en)
Other versions
CN105989322A (zh
Inventor
童小华
陆平
曹文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201510041864.2A priority Critical patent/CN105989322B/zh
Publication of CN105989322A publication Critical patent/CN105989322A/zh
Application granted granted Critical
Publication of CN105989322B publication Critical patent/CN105989322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于高分辨率遥感影像的多指标融合滑坡检测方法，包括以下步骤：(1)采集高分辨率遥感影像和立体像对；(2)生成数字高程模型并进行地形特征指标的计算；(3)对遥感影像预处理；(4)遥感影像多尺度影像分割；(5)针对不同尺度层选出合适的地物特征指标并获得它们的值；(6)将地形特征指标与地物特征指标融合处理并将各特征指标与设定的规则集比较，实现滑坡检测。与现有技术相比，本发明避免了滑坡区域过于零散所带来的噪声影响，从而解决因地震等自然伤害引起的滑坡识别提取问题，为灾后重建修复提供支持；所使用的特征指标能够反映所选研究区域地物特点，特征指标所对应的阈值具有独特性，通过特征的组合与阈值的确定，成功提取研究区滑坡。

Description

一种基于高分辨率遥感影像的多指标融合滑坡检测方法
技术领域
本发明涉及一种滑坡检测方法，尤其是涉及一种基于高分辨率遥感影像的多指标融合滑坡检测方法。
背景技术
利用遥感技术提取滑坡信息是快速探测、分析和检测山体滑坡的一种有效手段。传统的基于对地观测数据的滑坡编目工作主要依赖于影像目视解译和实地调查，该方法具有耗时严重、费用昂贵等缺点，且部分区域难以在滑坡发生后短时间内进行实地调查，也阻碍了灾害发生后的快速响应。高分辨率卫星影像的使用为地理空间对象的自动提取提供了有力基础，也极大的提高了滑坡信息的提取精度，然而对高分辨率影像使用基于像元的遥感影像信息的提取方法获取的信息量偏少，且大量的杂质信息也会干扰提取结果。面向对象技术的引入提高了自动从遥感影像中提取信息的准确性，这种方法在提取过程中不仅针对光谱信息，同时又将地物的几何特征与关系、纹理特征和背景等信息考虑进来。目前，面向对象的遥感信息提取方法的步骤主要由影像分割和影像分类组成，与传统分类算法相比，面向对象方法不再基于单个像素，而是以对象为基本处理单元，减小同类地物的光谱变化，增大不同地物之间的差异，从而增加类别的可分性。但对于滑坡这种具有复杂特征的地物，仅使用光谱、纹理等信息进行提取，存在着很大的局限性。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于高分辨率遥感影像的多指标融合滑坡检测方法。
本发明的目的可以通过以下技术方案来实现：
一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，包括以下步骤：
(1)采集待研究地形的高分辨率遥感影像和立体像对；
(2)利用立体像对生成数字高程模型，并进行地形特征指标的计算；
(3)对遥感影像进行影像预处理；
(4)对完成预处理后的遥感影像进行多尺度影像分割；
(5)针对不同尺度层，选出适合该尺度层的地物特征指标并根据高分辨率遥感影像获得它们的值。
(6)将步骤(2)中得到的地形特征指标与步骤(5)中选出的地物特征指标进行融合处理并将各特征指标与设定的规则集比较，实现滑坡的检测。
所述的高分辨率遥感影像包括全色和多光谱波段图像。
所述的高分辨率遥感影像和立体像对通过IKONOS采集。
所述的影像预处理包括以下步骤：
(1)对所述的高分辨率遥感影像辐射校正；
(2)结合所述的数字高程模型对步骤(1)中辐射后的高分辨率遥感影像进行正射校正；
(3)对步骤(2)中得到的高分辨率遥感影像进行影像增强；
(4)利用所述的全色波段图像和多光谱波段图像进行配准融合生成具有高分辨率和光谱信息的合成影像。
所述的多尺度影像分割具体为
红、绿、蓝和近红外波段设置颜色权重为1，形状因子权重为0.1，紧致性因子为0.6，分割尺度为10、30、50、70、90、100、120、150、200和500的多尺度影像分割。
所述的地形特征指标包括坡度、坡向和曲率。
所述的地物特征指标包括亮度、对比度、植被指数、密度、纹理特征和形状指数。
所述的规则集具体为：
(1)若植被指数大于或等于0.39，表明该区域为植被覆盖区；否则进入规则(2)；
(2)若近红外波段值大于714且表面高度小于840，则该区域为水体；否则进入规则(3)；
(3)若亮度值取值范围为389至414，则该区域为山体阴影；否则进入规则(4)；
(4)若坡度小于18且长宽比取值范围为5至20，其中，若表面高度小于1045，则该区域为其他类型地物，否则该区域即为滑坡区域；以上条件均不满足的，则进入规则(5)；
(5)该区域为滑坡区域。
与现有技术相比，本发明具有以下优点：
(1)针对坡尺度变化较大，大型、小型滑坡混合的情况，避免了滑坡区域过于零散所带来的噪声影响，从而解决因地震等自然灾害引起的滑坡识别提取问题，为灾后重建与修复提供支持。
(2)所使用的特征指标能够反映所选研究区域地物的特点，特征指标所对应的阈值具有独特性，通过特征的组合与阈值的确定，成功提取研究区滑坡。
(3)针对目前主流的卫星影像IKONOS，本方法所选取的特征指标突出体现IKONOS数据特点，降低影像质量本身对提取的影响，对IKONOS具有较强适用性。
附图说明
图1为本发明的方法的处理流程图；
图2为本发明的方法的滑坡区域提取规则集。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
图1所示为本方法的具体流程，能够很好利用IKONOS影像对都江堰市虹口乡研究区进行滑坡提取，详细步骤描述如下：
1.对IKONOS影像进行辐射校正；
2.利用IKONOS立体像对生成数字高程模型，并通过数字高程模型生成坡度、坡向、曲率等地形特征图；
3.结合数字高程模型对辐射后IKONOS影像进行正射校正；
4.对IKONOS影像进行增强处理，并利用全色波段和多光谱波段进行配准融合，生成具有高分辨率和丰富的光谱信息的合成影像；
5.将融合后IKONOS影像与数字高程模型(DEM)、植被指数、坡度、曲率等特征图层进行合并；
6.对红、绿、蓝、近红外波段设置颜色权重为1，其余图层颜色权重为0；形状因子权重为0.1，其中紧致性因子为0.6，在上述基础上进行影像分割，分割尺度为10、30、50、70、90、100、120、150、200、500。
7.在影像的分割基础上，根据滑坡与其他地物的区别，结合各特征，构建规则集，如图2所示，实现滑坡信息的提取。
具体规则集的构建步骤如下：
(1)若植被指数大于0.39，表明该区域为植被覆盖区；否则进入规则(2)；
(2)若红外波段值大于714且表面高度小于840，则该区域为水体；否则进入规则(3)；
(3)若亮度值取值范围为389至414，则该区域为山体阴影；否则进入规则(4)；
(4)若坡度小于18且长宽比取值范围为5至20，其中，若表面高度小于1045，则该区域为其他类型地物，否则该区域即为滑坡区域；以上条件均不满足的，则进入规则(5)；
(5)该区域为滑坡区域。

Claims (7)

1.一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，包括以下步骤：
(1)采集待研究地形的高分辨率遥感影像和立体像对；
(2)利用立体像对生成数字高程模型，并进行地形特征指标的计算；
(3)对遥感影像进行影像预处理；
(4)对完成预处理后的遥感影像进行多尺度影像分割；
(5)针对不同尺度层，选出适合该尺度层的地物特征指标并根据高分辨率遥感影像获得它们的值；
(6)将步骤(2)中得到的地形特征指标与步骤(5)中选出的地物特征指标进行融合处理并将各特征指标与设定的规则集比较，实现滑坡的检测；
所述的规则集具体为：
(1)若植被指数大于或等于0.39，表明该区域为植被覆盖区；否则进入规则(2)；
(2)若近红外波段值大于714且表面高度小于840，则该区域为水体；否则进入规则(3)；
(3)若亮度值取值范围为389至414，则该区域为山体阴影；否则进入规则(4)；
(4)若坡度小于18且长宽比取值范围为5至20，其中，若表面高度小于1045，则该区域为其他类型地物，否则该区域即为滑坡区域；以上条件均不满足的，则进入规则(5)；
(5)该区域为滑坡区域。
2.根据权利要求1所述的一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，所述的高分辨率遥感影像包括全色和多光谱波段图像。
3.根据权利要求1或2所述的一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，所述的高分辨率遥感影像和立体像对通过IKONOS采集。
4.根据权利要求2所述的一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，所述的影像预处理包括以下步骤：
(1)对所述的高分辨率遥感影像辐射校正；
(2)结合所述的数字高程模型对步骤(1)中辐射后的高分辨率遥感影像进行正射校正；
(3)对步骤(2)中得到的高分辨率遥感影像进行影像增强；
(4)利用所述的全色波段图像和多光谱波段图像进行配准融合生成具有高分辨率和光谱信息的合成影像。
5.根据权利要求4所述的一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，所述的多尺度影像分割具体为
红、绿、蓝和近红外波段设置颜色权重为1，形状因子权重为0.1，紧致性因子为0.6，分割尺度为10、30、50、70、90、100、120、150、200和500的多尺度影像分割。
6.根据权利要求1所述的一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，所述的地形特征指标包括坡度、坡向和曲率。
7.根据权利要求1所述的一种基于高分辨率遥感影像的多指标融合滑坡检测方法，其特征在于，所述的地物特征指标包括亮度、对比度、植被指数、密度、纹理特征和形状指数。
CN201510041864.2A 2015-01-27 2015-01-27 一种基于高分辨率遥感影像的多指标融合滑坡检测方法 Active CN105989322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510041864.2A CN105989322B (zh) 2015-01-27 2015-01-27 一种基于高分辨率遥感影像的多指标融合滑坡检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510041864.2A CN105989322B (zh) 2015-01-27 2015-01-27 一种基于高分辨率遥感影像的多指标融合滑坡检测方法

Publications (2)

Publication Number Publication Date
CN105989322A CN105989322A (zh) 2016-10-05
CN105989322B true CN105989322B (zh) 2019-07-05

Family

ID=57036320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510041864.2A Active CN105989322B (zh) 2015-01-27 2015-01-27 一种基于高分辨率遥感影像的多指标融合滑坡检测方法

Country Status (1)

Country Link
CN (1) CN105989322B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108242078A (zh) * 2016-12-23 2018-07-03 航天星图科技（北京）有限公司 一种三维可视化的地表环境模型生成方法
CN106778640B (zh) * 2016-12-23 2018-09-25 航天星图科技（北京）有限公司 一种三维可视化环境下地表植被覆盖模型的生成方法
CN106875481B (zh) * 2016-12-30 2019-04-02 中科星图股份有限公司 一种三维可视化遥感影像地表分类模型的制作方法
CN107255516B (zh) * 2017-05-27 2018-11-06 北京师范大学 一种遥感影像滑坡单体划分方法
CN107688777B (zh) * 2017-07-21 2022-11-18 同济大学 一种协同多源遥感影像的城市绿地提取方法
CN108414573A (zh) * 2018-01-11 2018-08-17 山东大学 一种基于电法和数值模拟的滑坡稳定性评价方法
CN108459318A (zh) * 2018-02-02 2018-08-28 中国铁路设计集团有限公司 基于遥感技术的潜在滑坡早期识别方法
CN108320461A (zh) * 2018-02-08 2018-07-24 中国地质大学（武汉） 一种滑坡灾害监测装置及其监测方法
CN108846347B (zh) * 2018-06-06 2021-06-08 广西师范学院 一种公路滑坡区域的快速提取方法
CN108875615B (zh) * 2018-06-07 2021-04-30 中国石油天然气股份有限公司 沉积区域遥感识别方法、装置、电子设备及存储介质
CN109447984B (zh) * 2018-11-14 2021-05-04 重庆交通大学 一种基于图像处理的抗干扰滑坡监测方法
CN109635726B (zh) * 2018-12-11 2023-03-24 陕西科技大学 一种基于对称式深度网络结合多尺度池化的滑坡识别方法
CN110120046B (zh) * 2019-03-27 2022-09-16 长安大学 一种融合dem、光学遥感和形变信息的潜在滑坡识别方法
CN110008908A (zh) * 2019-04-10 2019-07-12 中国科学院、水利部成都山地灾害与环境研究所 一种基于高分遥感影像的草原围栏提取方法
CN110288602B (zh) * 2019-05-10 2021-07-09 香港理工大学深圳研究院 滑坡提取方法、滑坡提取系统及终端
CN111563408B (zh) * 2020-03-09 2021-04-16 浙江中海达空间信息技术有限公司 多层次感知特征渐进自学习的高分辨率影像滑坡自动检测方法
CN114677583B (zh) * 2020-12-25 2024-10-15 中国科学院生态环境研究中心 耦合城市结构和功能的多等级生态网格划分方法
CN114596495B (zh) * 2022-03-17 2023-08-01 湖南科技大学 一种基于Sentinel-2A遥感影像溜砂坡判识与自动提取方法
CN116993583B (zh) * 2023-06-09 2024-06-18 昆明理工大学 一种基于高分辨率遥感影像高原湿地智能精细提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254350A (zh) * 2011-07-05 2011-11-23 中国测绘科学研究院 一种三维模型的匹配方法
CN103699543A (zh) * 2012-09-28 2014-04-02 南京理工大学 基于遥感图像地物分类的信息可视化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254350A (zh) * 2011-07-05 2011-11-23 中国测绘科学研究院 一种三维模型的匹配方法
CN103699543A (zh) * 2012-09-28 2014-04-02 南京理工大学 基于遥感图像地物分类的信息可视化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Impact Analysis of Different Spatial Resolution DEM on Object-Oriented Landslide Extraction from High Resolution Remote Sensing Images";Qihao Chen etc.;《2013 Ninth Internationnal Conference on Natural Computation》;20131231;论文第2-3节，表I
"基于SPOT5的土地信息提取技术研究";秦园;《中国优秀硕士学位论文全文数据库 基础科学辑》;20110615;论文第2.1,2.2.3,3.3节，图3.3

Also Published As

Publication number Publication date
CN105989322A (zh) 2016-10-05

Similar Documents

Publication Publication Date Title
CN105989322B (zh) 一种基于高分辨率遥感影像的多指标融合滑坡检测方法
Zhang et al. Pan-sharpening using an efficient bidirectional pyramid network
CN109919875B (zh) 一种高时频遥感图像特征辅助的居民地提取与分类方法
CN108596103A (zh) 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法
KR101580585B1 (ko) 전정색영상과 적외선영상의 융합 방법 및 장치
CN103971115B (zh) 一种基于NDVI和PanTex指数的新增建设用地图斑自动提取方法
CN109242888B (zh) 一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法
CN103793907B (zh) 一种水体信息的提取方法及装置
CN105139367A (zh) 一种基于非下采样剪切波的可见光偏振图像融合方法
CN107730527A (zh) 一种基于遥感卫星影像的高原地区冰湖提取方法
CN107145891B (zh) 一种基于遥感影像的水体提取方法及系统
CN102622738A (zh) 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法
CN111931696A (zh) 一种基于空间约束的湖库水体面积遥感自动提取方法
CN102800074A (zh) 基于轮廓波变换的sar图像变化检测差异图生成方法
AU2021100848A4 (en) A Regional Extraction Method of Ecological Restoration Project in the Grassland Based on the High-resolution Remote Sensing Images
CN103854281A (zh) 基于波段选择的高光谱遥感影像矢量c-v模型分割方法
CN107341809A (zh) 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法
Ma et al. Automatic depicting algorithm of earthquake collapsed buildings with airborne high resolution image
CN104050638A (zh) 一种结合尺度优选的显著法红外小目标增强方法
Gong et al. Earthquake building damage detection with object-oriented change detection
Ding et al. Study on building extraction from high-resolution images using Mbi
CN104881659A (zh) 一种不透水层的提取方法及装置
CN107977968A (zh) 基于建筑物阴影信息挖掘的建筑物分层检测方法
CN115456886A (zh) 一种基于深度学习和光照模型的航空遥感影像阴影去除方法
Xu et al. Extraction of rivers and lakes on Tibetan Plateau based on Google Earth Engine

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant