一种基于高分遥感影像的矿山环境变化检测方法技术

本发明专利技术公开了一种基于高分遥感影像的矿山环境变化检测方法，包括如下步骤：S1、确定矿山环境检测目标，并采集对应的多时相遥感影像；S2、对多时相遥感影像变化检测数据进行预处理；S3、对预处理后的多时相遥感影像进行mean shift图像分割，并根据矿山的特点进行特征提取，构建对象级的多源特征集；S4、将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；S5、输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。本发明专利技术解决了现有技术存在的人工地面调查方式导致监测盲区、效率低、检测精度低以及检测结果受影响较大的问题。

A Detection Method of Mine Environmental Change Based on High-Score Remote Sensing Images

The invention discloses a mine environment change detection method based on high-resolution remote sensing image, which includes the following steps: S1, determination of mine environment detection target, and collection of corresponding multi-temporal remote sensing images; S2, pre-processing of multi-temporal remote sensing image change detection data; S3, mean shift image segmentation of pre-processed multi-temporal remote sensing images, and according to mine characteristics. Feature extraction is carried out to construct multi-source feature set at the object level; S4. The multi-source feature set is used as input image, and training samples are selected automatically by CVA model; S5. Input training samples, train ELM model, and get change detection map to realize mine environment change detection. The invention solves the problems existing in the prior art that the artificial ground investigation mode causes the monitoring blind area, low efficiency, low detection accuracy and the test result is greatly affected.

【技术实现步骤摘要】
一种基于高分遥感影像的矿山环境变化检测方法
本专利技术属于矿山检测
，具体涉及一种基于高分遥感影像的矿山环境变化检测方法。
技术介绍
矿山选址多位于道路崎岖的山区，加上矿山规模往往较大、结构复杂，依靠人工地面调查的方式效率低，且受人力、物力、财力的限制容易形成监测盲区。遥感技术是一门对地观测综合性技术，具有大面积同步观测、获取信息速度快、周期短、综合性强的特点，它弥补了传统矿山监测技术手段的缺陷，能够全面、客观、有效、准确和动态地反映出矿山及周边区域的情况，且不受环境、人工等因素的影响。特别是随着我国航空航天技术的不断发展，遥感影像的空间分辨率得到大幅提高，优于1m的高空间分辨率遥感影像为遥感技术在矿山监测方面的应用提供了数据支撑。目前国产高分卫星影像在矿山监测方面的应用仍然以专业技术人员目视解译为主，主要包括两个方面：一是通过建立矿山遥感解译标志，提取矿山的空间信息，监测矿山的开发现状；二是通过对比多期遥感影像，通过人机交互的方式实施矿山环境的动态监测。随着矿山监测技术的智能化、定量化要求不断提高，传统的以目视解译为主的遥感技术已经不满足矿山监测的需求，更加高效和定量化的遥感技术亟待融入到矿山监测的技术体系中。遥感影像变化监测方法可以分为非监督变化监测方法和监督变化检测方法。非监督变化检测方法虽然不需要提供先验知识，自动化程度相对较高，但是检测结果受影像的成像环境及变化阈值影响较大。而监督变化检测方法则能够在一定程度上降低大气、传感器及周围环境对变化检测结果的影响，且不需要设置变化阈值。两种类型的变化检测方法都有自身的优势与缺点。综上所述，现有技术存在以下问题：(1)依靠人工地面调查的方式对矿山环境检测的效率低，且受人力、物力、财力的限制容易形成监测盲区；(2)目前国产高分卫星影像在矿山监测方面的应用仍然以专业技术人员目视解译为主，传统的以目视解译为主的遥感技术，存在效率低、检测精度低的问题，已经不满足矿山监测的需求；(3)现有技术的遥感影像变化监测方法存在不足，其检测结果受影像的成像环境及变化阈值影响较大。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的一种效率高、检测精度高的基于高分遥感影像的矿山环境变化检测方法，解决了现有技术存在的人工地面调查方式导致监测盲区、效率低、检测精度低以及检测结果受影响较大的问题。为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于高分遥感影像的矿山环境变化检测方法，包括如下步骤：S1：确定矿山环境检测目标，并采集对应的多时相遥感影像；S2：对多时相遥感影像变化检测数据进行预处理；S3：根据meanshift算法，对预处理后的多时相遥感影像进行图像分割，并根据矿山的特点对分割后图像进行特征提取，构建对象级的多源特征集；S4：根据变化向量分析法CVA，构建CVA模型，并将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；S5：根据极限学习机ELM，构建ELM模型，并输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。进一步地，步骤S1中，矿山环境主要包括采场、尾矿库和排土场；对于采场、排土场及周边区域的动态监测，采场和排土场的扩张、周边区域植被的变化以及建筑的增加为重点检测目标；对于尾矿库及周边区域的动态监测，库区的扩张、干滩和坝体的变化、库区周边山体植被的变化、下游的建筑和重要设施的变化为主要检测目标。进一步地，步骤S2中，预处理包括大气校正、正射校正、融合、几何配准以及相对辐射校正。进一步地，步骤S3中，根据矿山环境检测目标，提取的特征包括归一化水体指数、归一化植被指数以及亮度特征同原始光谱数据，共同作为数据源，并根据所有数据源，构建对象级的多源特征集。进一步地，步骤S4中，基于CVA的训练样本自动选择方法，包括如下步骤：S4-1：根据输入影像，使用CVA模型获取CVA差值影像，并进行降序排序；S4-2：根据排序后的CVA差值影像，选择对象为变化类别的样本与对象为未变化类别的样本；S4-3：将选择的样本作为训练样本。本方案的有益效果为：(1)本专利技术将非监督变化监测方法和监督变化检测方法二者融合，取长补短，提高了变化检测方法的自动化程度，而且增加算法的鲁棒性；(2)本专利技术根据矿山监测的目标，构建多源特征集，并提出一种自动化程度比较高的面向对象的变化检测方法CVA-ELM用于矿山环境的动态监测，提高了检测效率，并且避免了人工地面调查的方式存在的监测盲区；(3)本专利技术在变化向量分析法CVA的基础上自动选择训练样本，然后利用极限学习机EKM提取变化信息，提高了方法的检测精度，避免了提供先验知识。附图说明图1为基于高分遥感影像的矿山环境变化检测方法流程图；图2为基于CVA的训练样本自动选择方法流程图；图3为实验区域的影像图；图4为实验区域参考变化图；图5为实验区域特征影像图；图6为不同参数选择的训练样本的误检像元数折线图；图7为各种方法的变化检测结果图。具体实施方式下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。一种基于高分遥感影像的矿山环境变化检测方法，如图1所示，包括如下步骤：S1：确定矿山环境检测目标，并采集对应的多时相遥感影像；S2：对多时相遥感影像变化检测数据进行预处理；S3：根据meanshift算法，对预处理后的多时相遥感影像进行图像分割，并根据矿山的特点对分割后图像进行特征提取，构建对象级的多源特征集；S4：根据变化向量分析法CVA，构建CVA模型，并将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；基于CVA的训练样本自动选择方法，如图2所示，包括如下步骤：S4-1：根据输入影像，使用CVA模型获取CVA差值影像，并进行降序排序；S4-2：根据排序后的CVA差值影像，选择前α×N的对象为变化类别的样本，后α×N的对象为未变化类别的样本，其中N为差值影像中对象的个数，α为相应的阈值，并且a∈(0,0.5)；S4-3：将选择的样本作为训练样本；S5：根据极限学习机ELM，构建ELM模型，并输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。本实施例中，步骤S1中，矿山环境主要包括采场、尾矿库和排土场；对于采场、排土场及周边区域的动态监测，采场和排土场的扩张、周边区域植被的变化以及建筑的增加为重点检测目标；对于尾矿库及周边区域的动态监测，库区的扩张、干滩和坝体的变化、库区周边山体植被的变化、下游的建筑和重要设施的变化为主要检测目标。本实施例中，步骤S2中，预处理包括大气校正、正射校正、融合、几何配准以及相对辐射校正。本实施例中，步骤S3中，根据矿山环境检测目标，提取的特征包括归一化水体指数、归一化植被指数以及亮度特征同原始光谱数据，共同作为数据源，并根据所有数据源，构建对象级的多源特征集。本专利技术实施例中，为了验证基于高分遥感影像的矿山环境变化检测方法CVA-ELM变化检测方法的优越性，并分析比较各种变化检测方法在矿山监测方面的适用性，选择矿山周边的小本文档来自技高网...

【技术保护点】
1.一种基于高分遥感影像的矿山环境变化检测方法，其特征在于，包括如下步骤：S1：确定矿山环境检测目标，并采集对应的多时相遥感影像；S2：对多时相遥感影像变化检测数据进行预处理；S3：根据mean shift算法，对预处理后的多时相遥感影像进行图像分割，并根据矿山的特点对分割后图像进行特征提取，构建对象级的多源特征集；S4：根据变化向量分析法CVA，构建CVA模型，并将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；S5：根据极限学习机ELM，构建ELM模型，并输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。

【技术特征摘要】
1.一种基于高分遥感影像的矿山环境变化检测方法，其特征在于，包括如下步骤：S1：确定矿山环境检测目标，并采集对应的多时相遥感影像；S2：对多时相遥感影像变化检测数据进行预处理；S3：根据meanshift算法，对预处理后的多时相遥感影像进行图像分割，并根据矿山的特点对分割后图像进行特征提取，构建对象级的多源特征集；S4：根据变化向量分析法CVA，构建CVA模型，并将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；S5：根据极限学习机ELM，构建ELM模型，并输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。2.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S1中，矿山环境主要包括采场、尾矿库和排土场；对于采场、排土场及周边区域的动态监测，采场和排土场的扩张、周边区域植被的变化以及建筑的增加为重点检测目标；对于尾矿库及周边区域的动态监测，库区的扩张...

【专利技术属性】
技术研发人员：施富强，郭万佳，王立娟，靳晓，裴尼松，马松，范冬丽，贾虎军，唐尧，马国超，
申请(专利权)人：四川省安全科学技术研究院，
类型：发明
国别省市：四川,51