一种融合DEM、光学遥感和形变信息的潜在滑坡识别方法技术

本发明专利技术属于潜在滑坡识别领域，提供了一种融合DEM、光学遥感和形变信息的潜在滑坡识别方法，具体包括：对研究区域内的SAR影像处理得到重采样后的形变速率图；获取研究区域的光学遥感影像数据和DEM数据，根据得到的研究区域的光学遥感影像数据和DEM数据，得到多个对象；根据重采样后的形变速率图和多个对象，处理得到利用面向对象分类技术获取的疑似滑坡区；选取研究区域内已知滑坡区和已知非滑坡区，得到优选阈值对应的疑似滑坡区域，与利用面向对象分类技术获取的疑似滑坡区进行结合，得到潜在滑坡区域；本发明专利技术操作简单，得到的疑似滑坡区域在空间上更加连续完整，有效减少了滑坡区域的错判漏判。

A Potential Landslide Recognition Method Combining DEM, Optical Remote Sensing and Deformation Information

【技术实现步骤摘要】
一种融合DEM、光学遥感和形变信息的潜在滑坡识别方法
本专利技术属于潜在滑坡识别领域，具体涉及一种融合DEM、光学遥感和形变信息的潜在滑坡识别方法。
技术介绍
滑坡是一种常见的工程地质问题导致的自然灾害，现在进行滑坡的早期识别主要是基于常规野外图幅调查或者常规工程勘察，这些方法主要依赖于专业人员的经验，不仅耗时费力，覆盖面有限，还需要投入大量的人力资源。而光学遥感解译技术识别滑坡，尽管其覆盖范围大，且可以通过人机交互进行识别滑坡；但是，常规的光学遥感调查往往只能提供半定量滑坡识别成果，存在漏判、错判现象，自动化程度低，且多数是针对滑坡之后的定位，难以对潜在的滑坡进行早期识别，导致很多灾害难以得到有效的防治。SAR影像不仅含有强度信息，还包含相位信息，InSAR技术可以获取厘米级甚至毫米级的地表形变，从而提高滑坡识别与监测的可靠性与正确率；但是它只能获取一维形变而且存在阴影、顶底倒置和透视缩短等现象，因此也会存在对滑坡的漏判、错判现象，特别是对于空间尺度较小的滑坡，基于InSAR形变直接进行识别往往不成功。高精度DEM数据可以客观定量的分析精细尺度下的地表特征进行滑坡识别，但也存在漏判本文档来自技高网...

【技术保护点】
1.一种融合DEM、光学遥感和形变信息的潜在滑坡识别方法，具体包括以下步骤：步骤1、对研究区域内的SAR影像进行处理，得到研究区域的形变速率图；获取研究区域的光学遥感影像数据和DEM数据，所述光学遥感影像数据包括全色波段数据和4波段多光谱数据；通过DEM数据对光学遥感影像数据进行预处理，得到融合的光学遥感影像图；所述DEM指数字高程模型；步骤2、对研究区域的形变速率图定义投影和重采样，得到重采样后的形变速率图；对所述DEM数据定义投影，得到具有投影信息的DEM数据；采用多尺度分割方法对具有投影信息的DEM数据和融合的光学遥感影像图中的4波段多光谱数据整体进行分割，得到多个对象；其特征在于，还包...

【技术特征摘要】
1.一种融合DEM、光学遥感和形变信息的潜在滑坡识别方法，具体包括以下步骤：步骤1、对研究区域内的SAR影像进行处理，得到研究区域的形变速率图；获取研究区域的光学遥感影像数据和DEM数据，所述光学遥感影像数据包括全色波段数据和4波段多光谱数据；通过DEM数据对光学遥感影像数据进行预处理，得到融合的光学遥感影像图；所述DEM指数字高程模型；步骤2、对研究区域的形变速率图定义投影和重采样，得到重采样后的形变速率图；对所述DEM数据定义投影，得到具有投影信息的DEM数据；采用多尺度分割方法对具有投影信息的DEM数据和融合的光学遥感影像图中的4波段多光谱数据整体进行分割，得到多个对象；其特征在于，还包括以下步骤：步骤3、将重采样后的形变速率图与得到的多个对象进行叠加，得到融合的光学遥感影像图中各像元的形变速率；通过融合的光学遥感影像图中各像元的形变速率计算得到多个对象的形变速率；采用阈值分类的方法对多个对象的形变速率进行处理，得到疑似滑坡区；步骤4、在研究区域内分别选取已知滑坡区和已知非滑坡区，分别沿已知滑坡区和已知非滑坡区的边界，对具有投影信息的DEM数据进行剪裁，得到已知滑坡区的DEM数据和已知非滑坡区的DEM数据；给定多个尺度因子，计算多个尺度因子下已知滑坡区的DEM数据的小波系数的方差和多个尺度因子下已知非滑坡区的DEM数据的小波系数的方差；通过多个尺度因子下已知非滑坡区的DEM数据的小波系数的方差，对多个尺度因子下已知滑坡区DEM数据的小波系数的方差进行归一化处理，得到多个尺度因子下已知滑坡区的DEM数据归一化后的小波系数方差；判断得到的多个尺度因子下已知滑坡区的DEM数据归一化后的小波系数方差的大小，得到特征尺度因子；采用特征尺度因子对DEM数据进行小波变换，得到DEM数据中每个节点在多个整数尺度因子下的小波系数的平方和；步骤5、设定多个给定阈值，判断多个整数尺度因子下DEM数据中每个节点的小波系数的平方和与多个给定阈值的大小，得到多个给定阈值对应的疑似滑坡区域；采用误差分析方法对得到的多个给定阈值对应的疑似滑坡区域进行处理，得到优选阈值；从多个给定阈值对应的疑似滑坡区域中选取优选阈值对应的疑似滑坡区域，将优选阈值对应的疑似滑坡区域与疑似滑坡区进行交运算，得到潜在滑坡区域。2.如权利要求1所述的融合DEM、光学遥感和形变信息的潜在滑坡识别方法，其特征在于，所述步骤3的具体操作如下：将重采样后的形变速率图与得到的多个对象进行叠加，得到融合的光学遥感影像图中各像元的形变速率；分别计算多个对象中每个对象的所有像元形变速率的平均值，将得到的平均值分别作为多个对象的形变速率；采用阈值分类的方法对多个对象的形变速率进行分类，得到阈值范围内的形变速率，从多个对象中提取阈值范围内的形变速率所对应的对象，将提取的阈值范围内的形变速率所对应的对象作为疑似滑坡区。3.如权利要求1所述的融合DEM、光学遥感和形变信息的潜在滑坡识别方法，其特征在于，所述步骤4的具体操作如下：步骤4.1、在研究区域内分别选取已知滑坡区和已知非滑坡区，分别沿已知滑坡区和已知非滑坡区的边界，对具有投影信息的DEM数据进行剪裁，分别得到已知滑坡区的DEM数据和已知非滑坡区的DEM数据；给定多个尺度因子，计算得到多个尺度因子下已知滑坡区的DEM数据的小波系数和多个尺度因子下已知非滑坡区的DEM数据的小波系数；步骤4.2、计算多个尺度因子下已知滑坡区的DEM数据的小波系数的方差，和多个尺度因子下已知非滑坡区的DEM数据的小波系数的方差；步骤4.3、通过多个尺度因子下已知非滑坡区的DEM数据的小波系数的方差，对多个尺度因子下已知滑坡区的DEM数据的小波系数的方差进行归一化处理，得到多个尺度因子下已知滑坡区的DEM数据归一化后的小波系数方差；将多个尺度因子下已知滑坡区域DEM数据归一化后小波系数方差中的最大值的1/2作为截断值；提取多个尺度因子下已知滑坡区域DEM数据归一化小波系数方差中大于截断值的已知滑坡区域DEM数据归一化小波系数方差，将大于截断值的已知滑坡区域DEM数据归一化小波系数方差所对应的尺度因子作为特征尺度因子，所述特征尺度因子中包括多个整数尺度因子；步骤4.4、采用特征尺度因子中的多个整数尺度因子对DEM数据进行小波变换，得到多个整数尺度因子下的DEM数据的小波系数；通过多个整数尺度因子下的DEM数据的小波系数，计算DEM数据中每个节点在多个整数尺度因子下的小波系数的平方和。4.如权利要求1所述的融合DEM、光学遥感和形变信息的潜在滑坡识别方法，其特征在于，所述步骤5的具体操作如下：步骤5.1、设定多个给定阈值，对DEM数据中的每个节点和多个给定阈值分别进行编号，得到DEM数据节点序列和给定阈值序列；将DEM数据节点序列中的第一个节点作为当前节点，将给定阈值序列中的第一个给定阈值作为当前阈值；步骤5.2、从DEM数据中每个节点在多个整数尺度因子下的小波系数的平方和中选取当前节点在多个整数尺度因子下的小波系数的平方和；当当前节点在多个整数尺度因子下得到的小波系数的平方和大于等于当前阈值时，将当前节点作为当前阈值对应的疑似滑坡区域节点；将当前节点的下一个节点作为当前节点，重复执行与步骤5.2相同的操作，直至判断完最后一个节点结束，得到当前阈值对应的疑似滑坡区域的多个节点；根据得到的当前阈值的疑似滑坡区域的多个节点构成得到当前阈值对应的疑似滑坡区域；当当前节点在多个整数尺度因子下得到的小波系数的平方和小于当前阈值时，表示当前节点属于非滑坡区域；将当前节点的下一个节点作为当前节点，重复执行与步骤5.2相同的操作，直至判断完DEM数据中所有节点操作完成时操作结束；步骤5.3、将当前阈值的下一个给定阈值作为当前阈值，重复执行与步骤5.2相同的操作，直至判断完最后一个给定阈值结束，得到多个给定阈值对应的疑似滑坡区域；步骤5.4、采用误差分析方法对得到的多个给定阈值对应的疑似滑坡区域进行处理，得到优选阈值；从多个给定阈值对应的疑似滑坡区域中选取优选阈值对应的疑似滑坡区域，将优选阈值对...

【专利技术属性】
技术研发人员：赵超英，荀张媛，刘晓杰，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61