CN106778566A - 基于卫星图像对泥石流地质灾害进行识别与判定的方法 - Google Patents

基于卫星图像对泥石流地质灾害进行识别与判定的方法 Download PDF

Info

Publication number
CN106778566A
CN106778566A CN201611101926.5A CN201611101926A CN106778566A CN 106778566 A CN106778566 A CN 106778566A CN 201611101926 A CN201611101926 A CN 201611101926A CN 106778566 A CN106778566 A CN 106778566A
Authority
CN
China
Prior art keywords
image
original image
pixel
matching degree
disaster
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.)
Pending
Application number
CN201611101926.5A
Other languages
English (en)
Inventor
王
王一
杨庆庆
何晓宁
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.)
Space Star Technology (beijing) Co Ltd
Original Assignee
Space Star Technology (beijing) Co Ltd
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 Space Star Technology (beijing) Co Ltd filed Critical Space Star Technology (beijing) Co Ltd
Priority to CN201611101926.5A priority Critical patent/CN106778566A/zh
Publication of CN106778566A publication Critical patent/CN106778566A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

一种基于卫星图像对泥石流地质灾害进行识别与判定的方法，包括：对预估的灾害区域进行GPS定位；根据预估定位的灾害位置，获取卫星图像数据；对图像数据进行图像预处理；对预处理后的图像进行拼接；对拼接后的图像进行解译分析，识别并判定泥石流灾害区域。采用卫星影像作为研究对象，可以大尺度对地区进行研究；采用先进的图像拼接技术，可以达到精准快速的影像处理效果，并进一步对泥石流地质灾害识别与判定产生积极影响，本发明是一种方便、快捷、成本较低且有效的灾害识别和判定的方式。

Description

基于卫星图像对泥石流地质灾害进行识别与判定的方法
技术领域
本技术适用于泥石流地质灾害的识别与判定技术领域，具体说是一种基于卫星图像对泥石流地质灾害进行识别与判定的方法
背景技术
传统的泥石流地质灾害识别和判定方法主要是先采取实地地质测绘、勘查等工作后才能判断灾害蕴藏情况，对于较大范围的地质灾害调查和防控可谓杯水车薪，且效率较低。
而基于卫星影像的判读，是一种方便、快捷、成本较低且有效的识别、判定的方式。目前国际上先进MODIS、LANDSAT等卫星均免费提供全球20年以上的历史遥感数据。通过对泥石流地质灾害区历史数据的比对和分析，可为泥石流地质灾害区治理方式的选择及灾害的发展趋势提供大量真实可靠的数据。但是现在流行的对卫星影像的处理方法，特别是图像拼接方法，存在效率低、精度低、识别结果不佳的缺陷。
发明内容
基于本领域地质灾害识别和判定及卫星影像处理的技术缺陷，本发明提供了一种基于卫星图像对泥石流地质灾害进行识别与判定的方法，可以达到精准快速的泥石流地质灾害识别与判定效果。
本发明的一种基于卫星图像对泥石流地质灾害进行识别与判定的方法，其特征在于：
步骤1，对预估的灾害区域进行GPS定位；
步骤2，根据预估定位的灾害位置，获取卫星图像数据；
步骤3，对图像数据进行图像预处理；
步骤4，对预处理后的图像进行拼接；
步骤5，对拼接后的图像进行解译分析，识别并判定泥石流灾害区域。
其中，所述步骤4，对预处理后的图像进行拼接，具体包括：
步骤4-1，检测并提取原始图像1和原始图像2的特征点，
步骤4-2，对提取的特征点进行匹配；
步骤4-3，对图像进行空间变换；
步骤4-4，进行图像融合。
其中，步骤4-2，对提取的特征点进行匹配，具体包括：
步骤4-2-1，读取原始图像1和原始图像2，分别在原始图像1和原始图像2中，以每一个特征点i为中心取一个(2L+1)×(2L+1)大小的相关窗口W，L为大于等于1的整数；
步骤4-2-2，将原始图像1和原始图像2进行灰度化；
步骤4-2-3，逐个选取灰度化后的原始图像1中每一个像素点i，求取该像素点i与灰度化后的原始图像2中任一点的匹配度R，
所述
其中，C1、C2分别为原始图像1和原始图像2中像素点相关窗口内像素的灰度值，分别表示图原始图像1和原始图像2像素点相关窗口内像素灰度值的均值；
步骤4-2-4，针对原始图像1中的每一个像素点i，选取匹配度R中最大的匹配度Rmax所对应的像素点作为该像素点i的匹配点；
步骤4-2-5，设置匹配度阈值Z，将所有像素点的最大匹配度Rmax与Z进行比较，排除Rmax小于Z的该匹配度所对应的像素点，仅将Rmax大于Z的该匹配度所对应的原始图像1和原始图像2的像素点保留。
步骤4-2-6，将保留的原始图像1的像素点及其对应的原始图像2的像素点作为特征点对，进行特征点匹配。
其中，步骤3，对图像数据进行图像预处理，具体包括辐射校正和几何配准。
其中，步骤5，对拼接后的图像进行解译分析，识别并判定泥石流灾害区域，包括：结合其他相关资料，进行泥石流流量估算，泥石流影响评价、泥石流泛滥范围估计、以及泥石流危险性分区。
通过本发明，采用卫星影像作为研究对象，可以大尺度对地区进行研究；采用先进的图像拼接技术，可以达到精准快速的影像处理效果，并进一步对泥石流地质灾害识别与判定产生积极影响。本发明将3S技术结合，是一种方便、快捷、成本较低且有效的灾害识别和判定的方式。采用上述三种技术方法相结合的方式，对潜在泥石流发生区域进行定位、分析，最终实现识别和判定泥石流的规模、危害程度，并直观的了解其发育程度等。
附图说明
图1本发明所提出的方法流程图。
具体实施方式
为了更好地理解本发明，下面结合附图参考实施例的描述，对本发明的方法进行进一步的说明。
为了全面理解本发明，在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解，本发明可以无需这些具体细节而实现。在实施例中，不详细描述公知的方法、过程、组件，以免不必要地使实施例繁琐。
参见图1所示，本发明的一种基于卫星图像对泥石流地质灾害进行识别与判定的方法，其特征在于：
步骤1，对预估的灾害区域进行GPS定位；
步骤2，根据预估定位的灾害位置，获取卫星图像数据；
步骤3，对图像数据进行图像预处理；
步骤4，对预处理后的图像进行拼接；
步骤5，对拼接后的图像进行解译分析，识别并判定泥石流灾害区域。
其中，所述步骤4，对预处理后的图像进行拼接，具体包括：
步骤4-1，检测并提取原始图像1和原始图像2的特征点，
步骤4-2，对提取的特征点进行匹配；
步骤4-3，对图像进行空间变换；
步骤4-4，进行图像融合。
其中，步骤4-2，对提取的特征点进行匹配，具体包括：
步骤4-2-1，读取原始图像1和原始图像2，分别在原始图像1和原始图像2中，以每一个特征点i为中心取一个(2L+1)×(2L+1)大小的相关窗口W，L为大于等于1的整数；
步骤4-2-2，将原始图像1和原始图像2进行灰度化；
步骤4-2-3，逐个选取灰度化后的原始图像1中每一个像素点i，求取该像素点i与灰度化后的原始图像2中任一点的匹配度R，
所述
其中，C1、C2分别为原始图像1和原始图像2中像素点相关窗口内像素的灰度值，分别表示图原始图像1和原始图像2像素点相关窗口内像素灰度值的均值；
步骤4-2-4，针对原始图像1中的每一个像素点i，选取匹配度R中最大的匹配度Rmax所对应的像素点作为该像素点i的匹配点；
步骤4-2-5，设置匹配度阈值Z，将所有像素点的最大匹配度Rmax与Z进行比较，排除Rmax小于Z的该匹配度所对应的像素点，仅将Rmax大于Z的该匹配度所对应的原始图像1和原始图像2的像素点保留。
步骤4-2-6，将保留的原始图像1的像素点及其对应的原始图像2的像素点作为特征点对，进行特征点匹配。
其中，步骤3，对图像数据进行图像预处理，具体包括辐射校正和几何配准。
其中，步骤5，对拼接后的图像进行解译分析，识别并判定泥石流灾害区域，包括：结合其他相关资料，进行泥石流流量估算，泥石流影响评价、泥石流泛滥范围估计、以及泥石流危险性分区。
可见，本发明将3S技术结合，是一种方便、快捷、成本较低且有效的灾害识别和判定的方式。采用上述三种技术方法相结合的方式，对潜在泥石流发生区域进行定位、分析，最终实现识别和判定泥石流的规模、危害程度，并直观的了解其发育程度等。
这里只说明了本发明的优选实施例，但其意并非限制本发明的范围、适用性和配置。相反，对实施例的详细说明可使本领域技术人员得以实施。应能理解，在不偏离所附权利要求书确定的本发明精神和范围情况下，可对一些细节做适当变更和修改。

Claims (5)

1.一种基于卫星图像对泥石流地质灾害进行识别与判定的方法，其特征在于：
步骤1，对预估的灾害区域进行GPS定位；
步骤2，根据预估定位的灾害位置，获取卫星图像数据；
步骤3，对图像数据进行图像预处理；
步骤4，对预处理后的图像进行拼接；
步骤5，对拼接后的图像进行解译分析，识别并判定泥石流灾害区域。
2.根据权利要求1所述的方法，其中，所述步骤4，对预处理后的图像进行拼接，具体包括：
步骤4-1，检测并提取原始图像1和原始图像2的特征点，
步骤4-2，对提取的特征点进行匹配；
步骤4-3，对图像进行空间变换；
步骤4-4，进行图像融合。
3.根据权利要求2所述的方法，其中，步骤4-2，对提取的特征点进行匹配，具体包括：
步骤4-2-1，读取原始图像1和原始图像2，分别在原始图像1和原始图像2中，以每一个特征点i为中心取一个(2L+1)×(2L+1)大小的相关窗口W，L为大于等于1的整数；
步骤4-2-2，将原始图像1和原始图像2进行灰度化；
步骤4-2-3，逐个选取灰度化后的原始图像1中每一个像素点i，求取该像素点i与灰度化后的原始图像2中任一点的匹配度R，
所述
其中，C1、C2分别为原始图像1和原始图像2中像素点相关窗口内像素的灰度值，分别表示图原始图像1和原始图像2像素点相关窗口内像素灰度值的均值；
步骤4-2-4，针对原始图像1中的每一个像素点i，选取匹配度R中最大的匹配度Rmax所对应的像素点作为该像素点i的匹配点；
步骤4-2-5，设置匹配度阈值Z，将所有像素点的最大匹配度Rmax与Z进行比较，排除Rmax小于Z的该匹配度所对应的像素点，仅将Rmax大于Z的该匹配度所对应的原始图像1和原始图像2的像素点保留。
步骤4-2-6，将保留的原始图像1的像素点及其对应的原始图像2的像素点作为特征点对，进行特征点匹配。
4.根据权利要求1所述的方法，其中，步骤3，对图像数据进行图像预处理，具体包括：辐射校正和几何配准。
5.根据权利要求1所述的方法，其中，步骤5，对拼接后的图像进行解译分析，识别并判定泥石流灾害区域，包括：结合其他相关资料，进行泥石流流量估算，泥石流影响评价、泥石流泛滥范围估计、以及泥石流危险性分区。
CN201611101926.5A 2016-12-02 2016-12-02 基于卫星图像对泥石流地质灾害进行识别与判定的方法 Pending CN106778566A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611101926.5A CN106778566A (zh) 2016-12-02 2016-12-02 基于卫星图像对泥石流地质灾害进行识别与判定的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611101926.5A CN106778566A (zh) 2016-12-02 2016-12-02 基于卫星图像对泥石流地质灾害进行识别与判定的方法

Publications (1)

Publication Number Publication Date
CN106778566A true CN106778566A (zh) 2017-05-31

Family

ID=58883747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611101926.5A Pending CN106778566A (zh) 2016-12-02 2016-12-02 基于卫星图像对泥石流地质灾害进行识别与判定的方法

Country Status (1)

Country Link
CN (1) CN106778566A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108797510A (zh) * 2018-06-12 2018-11-13 中国科学院、水利部成都山地灾害与环境研究所 一种泥石流堵江的早期识别方法
CN112033369A (zh) * 2019-12-15 2020-12-04 张月云 失踪船体远程定位平台及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881834A (zh) * 2015-06-25 2015-09-02 辽宁有色勘察研究院 基于3s技术的泥石流地质灾害识别与判定的方法
CN106157292A (zh) * 2015-04-23 2016-11-23 尤淑撑 基于两时相遥感图像的国土资源变化监测

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157292A (zh) * 2015-04-23 2016-11-23 尤淑撑 基于两时相遥感图像的国土资源变化监测
CN104881834A (zh) * 2015-06-25 2015-09-02 辽宁有色勘察研究院 基于3s技术的泥石流地质灾害识别与判定的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZHENGYOU ZHANG等: "A robust technique for matching two uncalibrated images through the recovery of the unknown epipolar geometry", 《ARTIFICIAL INTELLIGENCE》 *
党华宇: "基于特征点的图像拼接技术在全景图中的应用研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 *
杨艳伟: "基于SIFT特征点的图像拼接技术研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 *
林婧: "基于序列图像的全景图像拼接技术的研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 *
肖映彩等: "无人机航拍图像拼接的研究与实现", 《通信技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108797510A (zh) * 2018-06-12 2018-11-13 中国科学院、水利部成都山地灾害与环境研究所 一种泥石流堵江的早期识别方法
CN112033369A (zh) * 2019-12-15 2020-12-04 张月云 失踪船体远程定位平台及方法

Similar Documents

Publication Publication Date Title
US8103102B2 (en) Robust feature extraction for color and grayscale images
US8355579B2 (en) Automatic extraction of planetary image features
US8041139B2 (en) Method and apparatus for calculating the background color of an image
US9245349B2 (en) Method and apparatus for detecting edge in image
Schmidt et al. COMPARATIVE ASSESSMENT OF POINT FEATURE DETECTORS AND DESCRIPTORS IN THE CONTEXT OF ROBOT NAVIGATION.
US20120106784A1 (en) Apparatus and method for tracking object in image processing system
WO2005048195A3 (de) Verfahren zur korrespondenzanalyse in bilddatensätzen
CN107093178A (zh) 区域增长方法
Chen et al. A non-cooperative target grasping position prediction model for tethered space robot
WO2006012053A3 (en) Generetion of quality field information in the context of image processing
Su et al. A learning framework for degraded document image binarization using Markov random field
CN106778566A (zh) 基于卫星图像对泥石流地质灾害进行识别与判定的方法
WO2021118463A1 (en) Defect detection in image space
CN109146918B (zh) 一种基于分块的自适应相关目标定位方法
Shah et al. Automatic object detection using objectness measure
CN106991669B (zh) 一种基于深度选择性差异的显著性检测方法
US7957555B2 (en) Method and apparatus for localizing an object part in digital image data by updating an initial position estimate based on a displacement of the object part
Wang et al. Fault detection using color blending and color transformations
CN108154068A (zh) 一种遥感影像中泥石流信息的提取方法
Yeh et al. Fast salient object detection through efficient subwindow search
Bai et al. Touching cells splitting by using concave points and ellipse fitting
US10579896B2 (en) Mark detection system and method
Lee et al. Preliminary study on a framework for imaging sonar based underwater object recognition
CN105405140A (zh) 基于初始素描图的胃部ct图像淋巴结检测系统
Mattheij et al. Depth-based detection with region comparison features

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 101399 No. 2 East Airport Road, Shunyi Airport Economic Core Area, Beijing (1st, 5th and 7th floors of Industrial Park 1A-4)

Applicant after: Zhongke Star Map Co., Ltd.

Address before: 101399 Building 1A-4, National Geographic Information Technology Industrial Park, Guomen Business District, Shunyi District, Beijing

Applicant before: Space Star Technology (Beijing) Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531