本发明专利技术公开了一种浅层小型滑坡形态结构的提取方法及装置，该方法包括：根据对浅层小型滑坡研究区航测拍摄的原始数据，生成数字正射影像DOM和数字高程模型DEM；针对DOM中不同地物选取出最优分割尺度构建多层次模型；根据各类地物的解译特征构建多特征规则集合，在多层次模型中逐层提取滑坡候选区域得到滑坡空间范围；基于该范围和DEM，采用条带剖面法对滑坡区的地形做精细分析，确定最优阈值后进行浅层小型滑坡形态结构提取。本发明专利技术可以在突发性的浅层小型滑坡区域，构建多层次浅层小型滑坡形态结构提取模型，准确量化浅层小型滑坡的地形起伏变化，进而实现其形态结构的有效提取，对灾害评估、应急救援、重建规划等方面具有重要意义。要意义。要意义。
【技术实现步骤摘要】
浅层小型滑坡形态结构的提取方法及装置
[0001]本专利技术涉及滑坡地质灾害识别
，尤其涉及一种顾及无人机影像多特征信息的浅层小型滑坡形态结构提取方法及装置。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]滑坡是一种部分斜坡受外界因素的影响，导致在重力作用下沿着斜坡方向一个或多个滑动面作剪切运动的现象。当滑坡灾害发生后，斜坡上会形成一系列特殊的滑坡地形，如滑坡壁、物源区、滑移区、堆积区等，这些滑坡地形要素也称为滑坡的形态结构，定性、定位、定量地获取滑坡形态结构的相关信息，对于认识滑坡地质灾害特征、定量灾害评估、识别不稳定滑坡等至关重要。
[0004]数字高程模型(Digital Elevation Model，简称DEM)蕴含着大量的地形地貌信息，能够较好的描述滑坡区细微的地貌表面变化特征，使滑坡形态结构的提取成为可能。目前采用DEM对滑坡形态结构提取的方法主要有目视解译、基于像素的统计分析法与基于对象的图像分析法。目视解译依赖于大量的先验知识与经验。基于像素的统计分析法则适合于地形起伏较为明显的大型滑坡区域。基于对象的图像分析法成为浅层小型滑坡形态结构提取的有力工具，能将复杂的滑坡内部结构划分为有特定空间组织的对象，以便区分不同的滑坡地形要素，然而在提取过程中，面临着阈值设定这一巨大挑战。同时，由于滑坡的突发性特征，大多情况下只能获取到灾后的DEM数据。因此，如何利用灾后DEM来准确量化浅层小型滑坡的地形起伏变化，进而实现其形态结构的有效提取是一个关键问题。
技术实现思路
[0005]本专利技术实施例提供一种浅层小型滑坡形态结构的提取方法，用以在突发的浅层小型滑坡区域，利用灾后DEM来准确量化浅层小型滑坡的地形起伏变化，进而实现其形态结构的有效提取，该方法包括：
[0006]根据对浅层小型滑坡研究区航测拍摄的原始数据，生成数字正射影像DOM和DEM；
[0007]通过多尺度分割方法，针对DOM中不同地物的光谱、形状特征选取出最优分割尺度，根据最优分割尺度构建多层次模型；所述多层次模型用于刻画滑坡背景区域、滑坡本身及其形态结构三个不同描述尺度下的对象；
[0008]根据DOM中各类地物的解译特征构建多特征规则集合，根据多特征规则集合在所述多层次模型中逐层提取滑坡候选区域得到滑坡空间范围；
[0009]基于所述滑坡空间范围和DEM，采用条带剖面法对滑坡研究区的地形做精细分析，确定最优阈值后进行浅层小型滑坡形态结构提取。
[0010]本专利技术实施例还提供一种浅层小型滑坡形态结构的提取装置，用以在突发的浅层小型滑坡区域，利用灾后DEM来准确量化浅层小型滑坡的地形起伏变化，进而实现其形态结
构的有效提取，该装置包括：
[0011]生成单元，用于根据对浅层小型滑坡研究区航测拍摄的原始数据，生成DOM和DEM；
[0012]模型构建单元，用于通过多尺度分割方法，针对DOM中不同地物的光谱、形状特征选取出最优分割尺度，根据最优分割尺度构建多层次模型；所述多层次模型用于刻画滑坡背景区域、滑坡本身及其形态结构三个不同描述尺度下的对象；
[0013]滑坡空间范围确定单元，用于根据DOM中各类地物的解译特征构建多特征规则集合，根据多特征规则集合在所述多层次模型中逐层提取滑坡候选区域得到滑坡空间范围；
[0014]形态结构提取单元，用于基于所述滑坡空间范围和DEM，采用条带剖面法对滑坡研究区的地形做精细分析，确定最优阈值后进行浅层小型滑坡形态结构提取。
[0015]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述浅层小型滑坡形态结构的提取方法。
[0016]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述浅层小型滑坡形态结构的提取方法。
[0017]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述浅层小型滑坡形态结构的提取方法。
[0018]本专利技术实施例中，浅层小型滑坡形态结构的提取方案，通过：本专利技术实施例提供的浅层小型滑坡形态结构的提取方法，工作时：根据对浅层小型滑坡研究区航测拍摄的原始数据，生成DOM和DEM；通过多尺度分割方法，针对DOM中不同地物的光谱、形状特征选取出最优分割尺度，根据最优分割尺度构建多层次模型；所述多层次模型用于刻画滑坡背景区域、滑坡本身及其形态结构三个不同描述尺度下的对象；根据DOM中各类地物的解译特征构建多特征规则集合，根据多特征规则集合在所述多层次模型中逐层提取滑坡候选区域得到滑坡空间范围；基于所述滑坡空间范围和DEM，采用条带剖面法对滑坡研究区的地形做精细分析，确定最优阈值后进行浅层小型滑坡形态结构提取，该方案可以在突发性的浅层小型滑坡区域，构建多层次的浅层小型滑坡形态结构提取模型，准确量化浅层小型滑坡的地形起伏变化，进而实现其形态结构的有效提取，对灾害评估、应急救援、重建规划等方面具有重要意义。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0020]图1为本专利技术实施例中顾及无人机影像多特征信息的浅层小型滑坡形态结构提取方法的整体流程图；
[0021]图2a为本专利技术实施例中经处理得到的某测区无人机DOM；
[0022]图2b为本专利技术实施例中的DEM；
[0023]图3a为本专利技术实施例中多尺度多层次的第一分割层结果；
[0024]图3b为本专利技术实施例中多尺度多层次的第二分割层结果；
[0025]图3c为本专利技术实施例中多尺度多层次的第三分割层结果；
[0026]图4为本专利技术实施例中多特征规则集分层提取滑坡空间范围的子流程图；
[0027]图5为本专利技术实施例中滑坡空间范围提取结果图；
[0028]图6为本专利技术实施例中条带剖面法提取滑坡形态结构的子流程图；
[0029]图7为本专利技术实施例中滑坡形态结构提取结果图；
[0030]图8为本专利技术实施例中浅层小型滑坡形态结构的提取方法的流程示意图；
[0031]图9为本专利技术实施例中浅层小型滑坡形态结构的提取装置的结构示意图。
具体实施方式
[0032]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0033]本专利技术实施例公开了一种顾及无人机影像多特征信息本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种浅层小型滑坡形态结构的提取方法，其特征在于，包括：根据对浅层小型滑坡研究区航测拍摄的原始数据，生成数字正射影像DOM和数字高程模型DEM；通过多尺度分割方法，针对DOM中不同地物的光谱、形状特征选取出最优分割尺度，根据最优分割尺度构建多层次模型；所述多层次模型用于刻画滑坡背景区域、滑坡本身及其形态结构三个不同描述尺度下的对象；根据DOM中各类地物的解译特征构建多特征规则集合，根据多特征规则集合在所述多层次模型中逐层提取滑坡候选区域得到滑坡空间范围；基于所述滑坡空间范围和DEM，采用条带剖面法对滑坡研究区的地形做精细分析，确定最优阈值后进行浅层小型滑坡形态结构提取。2.如权利要求1所述的浅层小型滑坡形态结构的提取方法，其特征在于，所述航测拍摄的原始数据为无人机可见光RGB影像和无人机POS数据；根据对浅层小型滑坡研究区航测拍摄的原始数据，生成DOM和DEM，包括：针对无人机可见光RGB影像进行空中三角测量，结合无人机POS数据与实际测量的地面控制点坐标进行联合区域网平差，解算影像真实的空间位置与姿态，获得关键连接点的地面坐标，生成稀疏点云；采用多视影像密集匹配技术，从真实的空间位置与姿态的影像中识别出多幅影像中的同名点，根据多幅影像中的同名点及稀疏点云，建立测区的密集点云；使用所述密集点云构建不规则三角网格；对所述不规则三角网格进行加密滤波算法处理，将地面点与非地面点分离得到地面点信息，针对地面点构建高程格网，生成研究区的DEM；根据所述DEM，对单幅无人机影像进行DOM纠正，并对重叠区域进行镶嵌和裁剪处理，最终得到完整的研究区DOM。3.如权利要求1所述的浅层小型滑坡形态结构的提取方法，其特征在于，通过多尺度分割方法，针对DOM中不同地物的光谱、形状特征选取出最优分割尺度，根据最优分割尺度构建多层次模型，包括：加载DOM；所述DOM中参与分割的图层为R、G、B的三个图层，各图层权重均为1；将形状因子和紧致度因子均设定为0.5，尺度参数在[50,300]范围内，以25为单位递增进行实验，并根据效果，选出优选尺度参数值；将尺度因子设定为所述优选尺度参数值，分别对形状因子和紧致度因子进行调整，根据DOM中实际地物的分割效果，确定最终的形状因子和紧致度因子参数值；在确定出最终的形状因子和紧致度因子参数值的情况下，采用ESP算法，调整初始尺度和循环次数，得到局部方差变化率曲线；选取所述曲线峰值所在的点为潜在的最优分割尺度，分别对每一个潜在的最优分割尺度的参数进行实验，找到目标地物最适合的参数作为最终的最优分割尺度，根据最终的最优分割尺度完成第一层级的分割，得到第一层级的分割结果；继承第一层级的分割结果，针对目标地物参照所述第一层级的分割的操作，执行第二层级的分割操作，进一步细化已分割的对象，得到第二层级的分割结果；继承第二层级的分割结果，针对目标地物参照所述第一层级的分割的操作，执行第三
层级的分割操作，再次细化已分割的对象，得到第三层级的分割结果，得到所述多层次模型。4.如权利要求3所述的浅层小型滑坡形态结构的提取方法，其特征在于，根据DOM中各类地物的解译特征构建多特征规则集合，根据多特征规则集合在所述多层次模型中逐层提取滑坡候选区域得到滑坡空间范围，包括：对滑坡与非滑坡进行特征分析，建立直接或间接的解译标志；基于直接或间接的解译标志，将不同描述尺度下的分割对象通过计算每个对象的多个特征值，得到对象的多特征...
【专利技术属性】
技术研发人员：李佳，段平，张钰洁，
申请(专利权)人：云南师范大学，
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。