一种地质灾害预测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种地质灾害预测方法及系统，该方法包括：采集待测区域对应的灰度图像；利用滑窗对灰度图像进行滑窗操作，得到各滑窗区域，对于任意一个滑窗区域，利用canny算子获取该滑窗区域的边缘点，根据边缘点判定该滑窗区域是否包含斜坡；当该滑窗区域包含斜坡时，将其保留并记为斜坡区域；当该滑窗区域不包含斜坡时，则将其舍弃；计算斜坡区域中各像素点的改进显著值，然后将斜坡区域对应的像素点划分为两个组别，计算各斜坡区域的稳定性；获取各斜坡区域对应的检测指标，将由检测指标与稳定性构成的特征向量输入到神经网络模型中，输出各斜坡区域发生地质灾害的概率。本发明专利技术能够准确地对地质灾害进行预测。害进行预测。害进行预测。

【技术实现步骤摘要】
一种地质灾害预测方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种地质灾害预测方法及系统。

技术介绍

[0002]我国地域广阔，山地纵横，自然地理复杂多样。大陆地势西高东低，从西部青藏高原，中部的山地、丘陵和盆地，再到东部的平原及低山丘陵。高原、山地和丘陵约占我国陆地总面积的79%，不同种类的地质灾害在全国各地时有发生，其中崩塌、滑坡泥石流等灾害几乎遍布全国各地，每年都会出现成千上万的灾害点，造成不同程度的经济损失和人员伤亡。
[0003]因此仅仅依靠临时避险是远远不够的，更重要的是提早部署地质灾害的防灾减灾工作，制定好防治规划、做好提前防范，即需要对不同区域的地质灾害进行预测，对于有可能发生地质灾害的地区提前部署规划。现有的大部分地质灾害预测的方法都只考虑了该区域的降水量、土质等因素，没有考虑滑坡本身的特征，比如滑坡上的碎石以及裂缝，所以得到的结果并不准确。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种地质灾害预测方法，所采用的技术方案具体如下：采集待测区域对应的遥感图像，对遥感图像进行预处理，得到灰度图像；利用滑窗对所述灰度图像进行滑窗操作，得到各滑窗区域，对于任意一个滑窗区域，利用canny算子获取该滑窗区域的边缘点，根据边缘点判定该滑窗区域是否包含斜坡；当该滑窗区域包含斜坡时，将其保留并记为斜坡区域；当该滑窗区域不包含斜坡时，则将其舍弃；利用LC显著性检测算法获取各斜坡区域内各像素点对应的显著值；对于各斜坡区域内任意一像素点，以该像素点为中心获取其对应的设定区域，计算设定区域的平均灰度值，根据该像素点对应的显著值、该像素点对应的设定区域的平均灰度值以及该像素点与剩余其他像素点之间的距离，计算该像素点对应的改进显著值；基于改进显著值将各斜坡区域对应的像素点划分为两个组别，统计每一个组别对应的像素点数量；对于两个组别，将组别中较多像素点数量与较少像素点数量的比值记为各斜坡区域对应的稳定性；获取各斜坡区域对应的检测指标，将由检测指标与稳定性构成的特征向量输入到神经网络模型中，输出各斜坡区域发生地质灾害的概率。
[0005]进一步地，所述根据边缘点判定该滑窗区域是否包含斜坡的方法具体为：随机选取一个边缘点，判断该边缘点的3
×
3邻域内是否存在边缘点，若存在，则将3
×
3邻域内的各边缘点与该边缘点归为一个类别；然后以3
×
3邻域内的各边缘点为中心，判断其3
×
3邻域是否存在边缘点，若存在，则将其与该边缘点归为一个类别，以此类推，直至该类别中的最外侧边缘点对应的3
×
3邻域内除了该类别中的边缘点外不存在边缘点，得
到一个类别；获取该滑窗区域对应的至少两个类别，计算每一个类别对应的长度，分别比较最大长度和第二大长度与设定阈值的大小，当最大长度和第二大长度同时大于设定阈值时，则判定该滑窗区域包含斜坡。
[0006]进一步地，所述改进显著值为：其中，为任意一斜坡区域内像素点j的灰度级为p时对应的改进显著值，为任意一斜坡区域内像素点j对应的设定区域的平均灰度值，为任意一斜坡区域内除像素点j之外的第d个像素点对应的设定区域的平均灰度值，为任意一斜坡区域内像素点j与除像素点j之外的第d个像素点之间的距离；为任意一斜坡区域内灰度级为p的像素点对应的显著值；为任意一斜坡区域内像素点的总数量。
[0007]进一步地，所述基于改进显著值将各斜坡区域对应的像素点划分为两个组别的方法具体为：通过大津阈值算法将各斜坡区域对应的像素点划分为两个组别。
[0008]进一步地，所述检测指标包括：降雨量、斜坡的倾斜程度、斜坡的地势高度以及斜坡对应的土壤流失度。
[0009]进一步地，所述神经网络模型为全连接网络。
[0010]本专利技术还提供了一种地质灾害预测系统，包括处理器与存储器，所述处理器执行所述存储器存储的一种地质灾害预测方法的程序。
[0011]本专利技术实施例至少具有如下有益效果：本专利技术通过获取待测区域对应的灰度图像；利用滑窗对灰度图像进行滑窗操作，得到各滑窗区域，对于任意一个滑窗区域，判定该滑窗区域是否包含斜坡；当该滑窗区域包含斜坡时，将其保留并记为斜坡区域；计算斜坡区域中各像素点的改进显著值，在计算改进显著值时，除了根据灰度级计算得到的显著值外，还根据像素点本身的位置及其对应设定区域内的像素点对应的灰度值得到，考虑了多方面的因素，使得计算出的改进显著值更能体现出各像素点的特征；然后根据改进显著值将斜坡区域对应的像素点划分为两个组别，根据每一个组别对应的像素点数量计算各斜坡区域的稳定性；其中较少像素点数量对应的组别表征的是斜坡区域中的碎石和裂缝，本专利技术考虑了斜坡区域中的碎石和裂缝，能够精确反映斜坡区域的稳定性，进而得到准确的预测结果。最后获取各斜坡区域对应的检测指标，将由检测指标与稳定性构成的特征向量输入到神经网络模型中，输出各斜坡区域发生地质灾害的概率。其中，稳定性能够表征斜坡的稳定程度，斜坡的稳定程度越高，越不容易发生滑坡灾害；而除了斜坡本身存在的裂纹和碎石影响斜坡的稳定程度之外，斜坡区域对应的检测指标同样影响着斜坡的稳定程度，因此本专利技术通过检测指标与稳定性构成特征向量，能够获取更加准确的表征斜坡的稳定程度。因此，本专利技术能够准确地对地质灾害进行预测，提高了预测精度。
附图说明
[0012]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和优点，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的介绍，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它附图。
[0013]图1为本专利技术的一种地质灾害预测方法实施例的步骤流程图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的方案，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]请参阅图1，其示出了本专利技术一个实施例提供的一种地质灾害预测方法的步骤流程图，该方法包括以下步骤：步骤1，采集待测区域对应的遥感图像，对遥感图像进行预处理，得到灰度图像。
[0017]具体地，对遥感图像采用加权平均值的方法进行处理，得到其对应的灰度图像，其中获取遥感图像的方法与加权平均值的方法均为公知技术，不在本专利技术的保护范围内，不再赘述，步骤2，利用滑窗对所述灰度图像进行滑窗操作，得到各滑窗区域，对于任意一个滑窗区域，利用canny算子获取该滑窗区域的边缘点，根据边缘点判定该滑窗区域是否包含斜坡；当该滑窗区域包含斜坡时，将其保留并记为斜坡区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地质灾害预测方法，其特征在于，该方法包括以下步骤：采集待测区域对应的遥感图像，对遥感图像进行预处理，得到灰度图像；利用滑窗对所述灰度图像进行滑窗操作，得到各滑窗区域，对于任意一个滑窗区域，利用canny算子获取该滑窗区域的边缘点，根据边缘点判定该滑窗区域是否包含斜坡；当该滑窗区域包含斜坡时，将其保留并记为斜坡区域；当该滑窗区域不包含斜坡时，则将其舍弃；利用LC显著性检测算法获取各斜坡区域内各像素点对应的显著值；对于各斜坡区域内任意一像素点，以该像素点为中心获取其对应的设定区域，计算设定区域的平均灰度值，根据该像素点对应的显著值、该像素点对应的设定区域的平均灰度值以及该像素点与剩余其他像素点之间的距离，计算该像素点对应的改进显著值；基于改进显著值将各斜坡区域对应的像素点划分为两个组别，统计每一个组别对应的像素点数量；对于两个组别，将组别中较多像素点数量与较少像素点数量的比值记为各斜坡区域对应的稳定性；获取各斜坡区域对应的检测指标，将由检测指标与稳定性构成的特征向量输入到神经网络模型中，输出各斜坡区域发生地质灾害的概率。2.根据权利要求1所述的一种地质灾害预测方法，其特征在于，所述根据边缘点判定该滑窗区域是否包含斜坡的方法具体为：随机选取一个边缘点，判断该边缘点的3
×
3邻域内是否存在边缘点，若存在，则将3
×
3邻域内的各边缘点与该边缘点归为一个类别；然后以3
×
3邻域内的各边缘点为中心，判断其3
×
3邻域是否存在边缘点，若存在，则将其...

【专利技术属性】
技术研发人员：王峰，孙鹏，范龙刚，杨能上，王飞，崔素，
申请(专利权)人：山东省地质矿产勘查开发局第一地质大队山东省第一地质矿产勘查院，
类型：发明
国别省市：