【技术实现步骤摘要】
一种基于机器学习的无人机影像地裂缝识别及提取方法
本专利技术涉及工程勘测领域，具体涉及一种基于机器学习的无人机影像地裂缝识别及提取方法。
技术介绍
在我国西部地区，尤其是西部风积沙区，地裂缝是煤炭开采引发的地质环境问题之一，造成了建筑物变形、地下管道破坏、耕地损毁、土壤水分蒸发加速、植被破坏、水土流失等问题，对矿区管理工作者带来了极大的困难，同时也是矿区土地复垦的重要环节。因此，必须首先获取矿区地裂缝实时、客观、高精度的分布信息，用来评估风险性和研究地裂缝的发育规律，为土地复垦工作提供保障。无人机影像具有分辨率高、灵活机动、高效快速、作业成本低等显著优势，其分辨率可以达到厘米级，为矿区地裂缝的信息提取提供了理想的数据源。目前以无人机影像为数据源，在裂缝识别和提取过程中采用机器学习方法，主要应用于桥梁裂缝、道路裂缝、建筑物裂缝等领域中，以深度学习方法为代表，是利用深度卷积神经网络同时实现裂缝位置和裂缝属性的准确识别，但是该方法在矿区土地裂缝识别的应用过程中具有一定的局限性，由于矿区地表信息过于复杂，植被等干扰因素较多，...
【技术保护点】
1.一种基于机器学习的无人机影像地裂缝识别方法，其特征在于，包括以下步骤：/n步骤1)通过无人机摄影测量获得多幅含有土地裂缝的待识别矿区无人机影像数据；将获得的每幅影像数据分别切割成相同像素的含土地裂缝和不含土地裂缝的若干小幅影像数据；通过聚类分析将所有小幅影像数据中的背景信息分为：亮色裸地、暗色裸地、绿色植被和枯萎植被四类；选取具有相同背景信息的一张含土地裂缝小幅影像数据和一张不含土地裂缝小幅影像数据构成一个影像数据对，共形成多个影像数据对；按照背景信息将所有影像数据对分别构建四组影像数据集：亮色裸地影像数据集、暗色裸地影像数据集、绿色植被影像数据集和枯萎植被地影像数据集...
【技术特征摘要】
1.一种基于机器学习的无人机影像地裂缝识别方法，其特征在于，包括以下步骤：
步骤1)通过无人机摄影测量获得多幅含有土地裂缝的待识别矿区无人机影像数据；将获得的每幅影像数据分别切割成相同像素的含土地裂缝和不含土地裂缝的若干小幅影像数据；通过聚类分析将所有小幅影像数据中的背景信息分为：亮色裸地、暗色裸地、绿色植被和枯萎植被四类；选取具有相同背景信息的一张含土地裂缝小幅影像数据和一张不含土地裂缝小幅影像数据构成一个影像数据对，共形成多个影像数据对；按照背景信息将所有影像数据对分别构建四组影像数据集：亮色裸地影像数据集、暗色裸地影像数据集、绿色植被影像数据集和枯萎植被地影像数据集；
步骤2)利用四组所述影像数据集中各小影像数据分别建立学习样本，将与各影像数据对相应的学习样本构成学习样本对，利用各学习样本对训练基于机器学习算法的土地裂缝识别模型，用于识别不同背景信息的各小幅影像数据内是否含有裂缝；当土地裂缝识别模型输出的分类准确度达到设定阈值时，则认为土地裂缝识别模型训练完毕，执行步骤4)，如果达不到设定的阈值，则执行步骤3)；
步骤3)对步骤1)获得的各小幅影像数据分别进行降维处理和图像增强处理中的任意一种或两种，将处理后的各小幅影像数据分别更新相应相应影像数据集，返回步骤2)；
步骤4)利用无人机摄影测量获得待识别的矿区土地影像数据，将该影像数据切割成与步骤1)中小幅影像数据像素相同的若干小幅影像数据，分别输入步骤2)训练完毕的土地裂缝识别模型，得到矿区无人机影像数据中的土地裂缝识别结果。
2.根据权利要求1所述的无人机影像地裂缝识别方法，其特征在于，步骤1)中，采用两次聚类分析：第一次聚类分析采用归一化植被指数NDVI将各小幅影像数据分为裸地和植被影像数据，第二次聚类是根据第一次聚类区分的裸地和植被影像数据的亮度进一步区分亮色裸地、暗色裸地、绿色植被和枯萎植被影像数据。
3....
【专利技术属性】
技术研发人员：冯泽伟，白铭波，胡振琪，张帆，浮耀坤，周竹峰，
申请(专利权)人：陕西陕北矿业韩家湾煤炭有限公司，中国矿业大学北京，
类型：发明
国别省市：陕西;61
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。