[发明专利]一种采用图像分类技术从遥感图像中进行滑坡检测的方法

说明书

技术领域

本发明涉及一种采用图像分类技术从遥感图像中进行滑坡检测的方法，可以应用于各种遥感图像的滑坡检测。

背景技术

滑坡是一类破坏力极强的地质灾害，它常常给工农业生产以及人民生命财产造成巨大损失。因此，滑坡研究也越来越受到人们的重视。早期的滑坡检测主要采用传统的地面调查方法，该方法野外工作强度很大，特别在危险及气候恶劣地区，工作效率十分低下。到20世纪90年代末，立体镜航空照片解译配合一定的地面验证成为滑坡检测和制图最常用的方法，然后将解译结果通过手工转绘到相应比例尺的地形图上，制作滑坡分布图，该方法使部分野外工作转移到室内，在一定程度上提高了工作效率，减轻了野外工作强度。近年来，开始利用ArcGIS、CoreIDRAW等软件平台结合数字高程模型进行滑坡检测和分析，但该方法需要获取三维立体地形学信息，计算量很大。

遥感作为一种滑坡调查和监测手段，随着传感器的不断发展和遥感图像分辨率的不断提高，越来越受到地质灾害研究人员的关注。从遥感图像中进行滑坡检测是滑坡分析、评价、预测和监测的基础，它利用滑坡发生处的影像光谱信息、地形地貌和形态特征等，对遥感图像进行分析和判别，获取滑坡灾害发生范围，从而达到灾害调查和制图的目的。近年来，随着高分辨率遥感图像在资源环境监测、灾害管理等领域的广泛应用，高分辨率遥感图像信息提取方法以及遥感图像分类方法已成为近年来研究的热点。现有的采用遥感图像进行滑坡检测的方法主要有基于对象的高分辨率遥感图像滑坡检测方法和基于监督分类的遥感图像滑坡检测方法。但是，基于对象的高分辨率遥感图像滑坡检测方法需要对多期遥感图像进行多尺度、多层次分割，检测效果直接依赖于图像分割的结果，总体检测率不高；基于监督分类的遥感图像滑坡检测方法只能实现将图像划分为滑坡解译所需要的简单几种类型，且检测过程中仍需借助于遥感专业处理软件ENVI，检测效率和检测精度都有待提高。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出了一种采用图像分类技术从遥感图像中进行滑坡检测的方法，能够从遥感图像中进行滑坡检测，且具有很高的检测正确率。

本发明的思想在于：(1)采用基于重叠的面积均分法对预处理后的遥感图像进行分块，得到面积相等的正方形图像块，然后将得到的图像块分成两个集合——训练集和测试集；(2)提取训练集和测试集中所有图像块的SIFT特征，然后对训练集中的SIFT特征采用k-means聚类方法得到单词和词典；(3)用BoVW模型表示训练集和测试集中的每个图像块；(4)利用pLSA模型提取每个图像块的主题，最后用KNN分类器将测试集中所有的图像块分成滑坡和非滑坡两类，从而实现对遥感图像的滑坡检测。

技术方案

一种采用图像分类技术从遥感图像中进行滑坡检测的方法，其特征在于：步骤1：预处理：采用加权平均法对遥感图像的RGB三个分量进行加权平均得到灰度图像，然后利用灰度线性变换函数将灰度图像的灰度范围映射到的灰度区间，得到预处理后的图像；

其中：加权平均法计算公式为f(i，j)＝0.3R(i，j)+0.59G(i，j)+0.11B(i，j)，f(i，j)为加权平均法得到的(i，j)像素点的灰度值，R(i，j)、G(i，j)和B(i，j)分别为(i，j)像素点的RGB三个分量值；灰度线性变换函数为为(i，j)像素点经过灰度映射后的灰度值，f_min、f_max分别为灰度映射前的灰度图像的最小灰度值和最大灰度值；步骤2：图像分块：采用2m×2m的滑动窗口对预处理后的灰度图像进行重叠分块，相

邻图像块的重叠区域为m个像素，得到图像块的集合D＝{I₁，L，I_N}；从集合D中选取N_landslide个具有滑坡特征的滑坡类图像块和N_{non-landslide}个不具有滑坡特征的非滑坡类图像块组成训练集将集合D中剩余的图像块组成测试集B={b1,L,bNtest};]]>