本发明专利技术提供多云地区地震滑坡遥感识别方法、系统、设备及存储介质，涉及图像识别领域。该多云地区地震滑坡遥感识别方法，包括获取研究区域的遥感影像和影像的云掩膜；对遥感影像和影像的云掩膜进行预处理得到去云影像；利用多尺度分割算法对去云影像进行对尺度分割处理；对进行多尺度分割处理后的去云影像进行特征信息提取，其中，所述特征信息包括归一化植被指数和均值影像；利用归一化植被指数和均值影像特征以及不同类别的空间邻近关系进行滑坡识别分类，并导出地震滑坡分类结果；解决了现有的识别方法在对地震灾区植被覆盖丰富且多云覆盖情况下进行识别时，很难去获取高质量遥感影像，对地震滑坡空间分布不能准确识别的问题。问题。问题。
【技术实现步骤摘要】
多云地区地震滑坡遥感识别方法、系统、设备及存储介质
[0001]本专利技术涉及图像识别
，具体为多云地区地震滑坡遥感识别方法、 系统、设备及存储介质。
技术介绍
[0002]光学遥感数据、SAR卫星数据、高精度地形数据等高分辨率数据源不断增 多，结合灾区现场线状或点状调查，利用航空、卫星遥感影像解译滑坡是获 取区域滑坡空间分布信息的主要手段。
[0003]地震导致大范围的裂缝和坡体形变，诱发大量滑坡等地质灾害，地震发 生后通常伴随降雨、多云等天气状况，不仅会诱发大量的群发型地质灾害， 还会影响地震灾区灾后遥感数据的质量，特别是可见光遥感数据，导致地震 灾后无法快速获取大范围的有效数据。针对某区域遥感影像云雾覆盖、数据 缺失等问题，一般利用长时间序列影像，或者其他传感器的遥感影像进行填 补，采用“抠图”方法使用没有云雾的区域替换有云区域进行镶嵌，针对异 常值或缺失值区域也采用相同方法进行处理。
[0004]但是现有的识别方法在对地震灾区植被覆盖丰富且多云覆盖情况下进行 识别时，很难去获取高质量遥感影像，对地震滑坡空间分布不能准确识别。
技术实现思路
[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了多云地区地震滑坡遥感识别方法、 系统、设备及存储介质，解决了现有的识别方法在对地震灾区植被覆盖丰富 且多云覆盖情况下进行识别时，很难去获取高质量遥感影像，对地震滑坡空 间分布不能准确识别的问题。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：一种多云地区地 震滑坡遥感识别方法，包括：
[0009]获取研究区域的遥感影像和影像的云掩膜；
[0010]对遥感影像和影像的云掩膜进行预处理得到去云影像；
[0011]利用多尺度分割算法对去云影像进行对尺度分割处理；
[0012]对进行多尺度分割处理后的去云影像进行特征信息提取，其中，所述特 征信息包括归一化植被指数和均值影像；
[0013]利用归一化植被指数和均值影像特征以及不同类别的空间邻近关系进行 滑坡识别分类，并导出地震滑坡分类结果；
[0014]对地震滑坡分类结果进行精度评估。
[0015]优选的，所述多尺度分割算法包括分割尺度参数、形状参数和紧凑度参 数。
[0016]优选的，所述分割尺度参数控制分割对象允许的最大异质度，直观体现 是分割对象的大小，尺度值越大，分割对象越大，根据待分类地物的尺度大 小进行设置；
[0017]所述形状参数和紧凑度参数用于控制分割对象的同质性，取值区间在0
‑
1 之间。
[0018]优选的，所述利用归一化植被指数和均值影像特征以及不同类别的空间 邻近关系进行滑坡识别分类，并导出地震滑坡分类结果具体包括：
[0019]依次提取出MI小于900的对象，分类为阴影；
[0020]MI≥2500并且NDVI＜0.2的对象分类为云；
[0021]Rel.border to“云”≥0.2的邻近对象分类为云；
[0022]NDVI≥0.46的对象分类为植被；
[0023]未分类对象中进行再分割，分割尺度为100，形状参数为0.1，紧凑度参 数是0.5，从中将NDVI＞0.45的分类为植被；
[0024]剩余的未分类对象再次进行精细分割，分割尺度为50，剔除NDVI＞0.5 的对象为植被类别；
[0025]最后对分割对象进行矢量优化、合并处理，导出为地震滑坡分类结果；
[0026]其中，NDVI表示为归一化植被指数，MI表示为均值影像特征，Rel.borderto“云”表示为空间邻近关系。
[0027]优选的，所述归一化植被指数的计算公式为：
[0028][0029]其中，NIR为遥感影像的近红外波段，Red是遥感影像的红波段。
[0030]优选的，所述均值影像特征的计算公式为：
[0031]均值影像(MI)＝(DN
b1
+DN
b2
+DN
b3
+DN
b4
)/4
[0032]其中，DN
b1
、DN
b2
、DN
b3
以及DN
b4
表示多光谱遥感影像所有波段的DN 值。
[0033]优选的，所述对地震滑坡分类结果进行精度评估具体包括：
[0034]采用召回率、精确率和F1指标，其中，召回率是指自动识别方法正确识 别的滑坡占目视解译真值结果的比例，精确率是指自动识别方法正确识别的 滑坡占识别滑坡总面积的比例，召回率和精确率利用F1指标均衡评价，取值 区间(0，1)，值越高，识别效果越好；
[0035][0036][0037](R：召回率，P：精确率)
[0038]其中，TP指正确识别的滑坡，FN指被遗漏识别的真值滑坡，FP指被错 误识别为滑坡的部分。
[0039]再一方面，提供了一种多云地区地震滑坡遥感识别系统，所述系统包括：
[0040]获取模块，用于获取研究区域的遥感影像和影像的云掩膜；
[0041]预处理模块，用于对遥感影像和影像的云掩膜进行预处理得到去云影像；
[0042]分割模块，用于利用多尺度分割算法对去云影像进行对尺度分割处理；
[0043]特征提取模块，用于对进行多尺度分割处理后的去云影像进行特征信息 提取，其中，所述特征信息包括归一化植被指数和均值影像；
[0044]识别模块，用于利用归一化植被指数和均值影像特征以及不同类别的空 间邻近
关系进行滑坡识别分类，并导出地震滑坡分类结果；
[0045]评估模块，用于对地震滑坡分类结果进行精度评估；
[0046]所述系统用于实现所述的一种多云地区地震滑坡遥感识别方法。
[0047]又一方面，提供了一种设备，其特征在于，所述设备包括：
[0048]一个或多个处理器；
[0049]存储器，用于存储一个或多个程序，
[0050]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个 或多个处理器执行所述的多云地区地震滑坡遥感识别方法。
[0051]又一方面，提供了一种存储有计算机程序的计算机可读存储介质，其特 征在于，该程序被处理器执行时实现所述的多云地区地震滑坡遥感识别方法。
[0052](三)有益效果
[0053](1)本专利技术多云地区地震滑坡遥感识别方法、系统、设备及存储介质， 利用长时间序列高分辨遥感影像，进行云、噪声、缺失值的去除处理，然后 利用时空数据融合技术，融合处理预处理的高时空分辨率遥感影像，获取大 范围研究区低云量的镶嵌图像，为下一步的地震滑坡准确识别提供基础数据
[0054](2)本专利技术多云地区地震滑坡遥感识别方法、系统、设备及存储介质， 利用以上遥感数据处理方法，采用Sentine本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多云地区地震滑坡遥感识别方法，其特征在于，包括：获取研究区域的遥感影像和影像的云掩膜；对遥感影像和影像的云掩膜进行预处理得到去云影像；利用多尺度分割算法对去云影像进行对尺度分割处理；对进行多尺度分割处理后的去云影像进行特征信息提取，其中，所述特征信息包括归一化植被指数和均值影像；利用归一化植被指数和均值影像特征以及不同类别的空间邻近关系进行滑坡识别分类，并导出地震滑坡分类结果；对地震滑坡分类结果进行精度评估。2.根据权利要求1所述的一种多云地区地震滑坡遥感识别方法，其特征在于：所述多尺度分割算法包括分割尺度参数、形状参数和紧凑度参数。3.根据权利要求2所述的一种多云地区地震滑坡遥感识别方法，其特征在于：所述分割尺度参数控制分割对象允许的最大异质度，直观体现是分割对象的大小，尺度值越大，分割对象越大，根据待分类地物的尺度大小进行设置；所述形状参数和紧凑度参数用于控制分割对象的同质性，取值区间在0
‑
1之间。4.根据权利要求1所述的一种多云地区地震滑坡遥感识别方法，其特征在于：所述利用归一化植被指数和均值影像特征以及不同类别的空间邻近关系进行滑坡识别分类，并导出地震滑坡分类结果具体包括：依次提取出MI小于900的对象，分类为阴影；MI≥2500并且NDVI＜0.2的对象分类为云；Rel.border to“云”≥0.2的邻近对象分类为云；NDVI≥0.46的对象分类为植被；未分类对象中进行再分割，分割尺度为100，形状参数为0.1，紧凑度参数是0.5，从中将NDVI＞0.45的分类为植被；剩余的未分类对象再次进行精细分割，分割尺度为50，剔除NDVI＞0.5的对象为植被类别；最后对分割对象进行矢量优化、合并处理，导出为地震滑坡分类结果；其中，NDVI表示为归一化植被指数，MI表示为均值影像特征，Rel.border to“云”表示为空间邻近关系。5.根据权利要求4所述的一种多云地区地震滑坡遥感识别方法，其特征在于：所述归一化植被指数的计算公式为：其中，NIR为遥感影像的近红外波段，Red是遥感影像的红波段。6.根据权利要求4所述的一种多云地区地震滑坡遥感识别方法，其特征在于：所述均值影像特征的计算公式为：均值影像(MI)＝(DN<...
【专利技术属性】
技术研发人员：齐文文，许冲，
申请(专利权)人：应急管理部国家自然灾害防治研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。