典型滑坡灾害遥感智能提取方法与系统技术方案

本发明专利技术公开了一种典型滑坡灾害遥感智能提取方法与系统，涉及地质工程领域。本发明专利技术包括以下步骤：利用地理数据库获取滑坡前的第一遥感影像，并利用遥感技术获取滑坡后的第二遥感影像；结合第一遥感影像和第二遥感影像，利用傅里叶描述子提取滑坡前、滑坡后对应的轮廓；基于滑坡前、滑坡后对应的轮廓，结合滑坡前后的数字高程数据对滑坡轮廓数据进行计算；根据计算结果采用距离预测统计算法，计算滑坡距离；根据滑坡距离，判定滑坡灾害危害指标。本发明专利技术通过遥感技术以及滑坡距离的计算，对滑坡灾害等级进行确定，减少了人为臆断导致的误差，其评价结果具有客观准确性；提高了远程监测管理的效率和应对灾害的能力。理的效率和应对灾害的能力。理的效率和应对灾害的能力。

【技术实现步骤摘要】
典型滑坡灾害遥感智能提取方法与系统


[0001]本专利技术涉及地质工程领域，更具体的说是涉及一种典型滑坡灾害遥感智能提取方法与系统。

技术介绍

[0002]众所周知，地质条件不稳定可能诱发滑坡等地质灾害。基于此，研究滑坡地质灾害的防治措施是一项必然之举，而了解工程地质与水文地质特征，则是实现这一目的的关键所在。不同地区由于其自身的地质条件不同，因此滑坡灾害的特征也呈现出较大的差异。
[0003]随着基础设施建设速度不断提升，机械化建设水平也在不断加强，人为因素对生态和自然产生了广泛且深远的影响，这无形中加大了滑坡灾害出现的概率。与此同时，滑坡灾害反作用于建设工程，由于这一灾害导致工程工期延误进而增加成本投入的情况时有发生，甚至给人们的生命财产安全带来了威胁。基于此，滑坡运动距离是评价滑坡致灾范围的一个重要指标，因此其预测方法一直备受关注。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种典型滑坡灾害遥感智能提取方法与系统，研究滑坡运动距离，进而为滑坡灾害评估和防治提供可靠依据。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种典型滑坡灾害遥感智能提取方法，包括以下步骤：
[0007]利用地理数据库获取滑坡前的第一遥感影像，并利用遥感技术获取滑坡后的第二遥感影像；
[0008]结合第一遥感影像和第二遥感影像，利用傅里叶描述子提取滑坡前、滑坡后对应的轮廓；
[0009]基于滑坡前、滑坡后对应的轮廓，结合滑坡前后的数字高程数据对滑坡轮廓数据进行计算；
[0010]根据计算结果采用距离预测统计算法，计算滑坡距离；
[0011]根据滑坡距离，判定滑坡灾害危害指标。
[0012]可选的，还包括对第一遥感影像，第二遥感影像进行预处理，具体如下：
[0013]对第一遥感影像、第二遥感影像分别进行分割处理；
[0014]根据分割处理结果，对第一遥感影像、第二遥感影像进行灰度化处理，并对噪点进行去噪；
[0015]利用OTSU阈值对去噪后的影像处理，并基于canny边缘检测算法对图像进行边缘检测。
[0016]可选的，所述距离预测统计算法的公式如下：
[0017]L＝2.5V
0.101
H
s
‑
0.191
(tanα)
0.250
(tanβ)
0.265
(tanγ)
0.259
H
0.852
；
[0018]其中，V表示滑坡体积，H表示滑源区高差，α、β、γ分别表示不同的滑坡角，H表示滑
坡体滑动前后的最高差。
[0019]可选的，利用傅里叶描述子提取滑坡前、滑坡后对应的轮廓，具体为：将遥感影像的边界信息通过傅里叶变换将滑坡的轮廓特征从空间域变换到频域内，提取滑坡的频域信息作为特征向量，将滑坡轮廓数字化。
[0020]可选的，对滑坡轮廓数据进行计算具体为：根据起始点和终点确定遥感影像的优化边界；基于优化边界进行多段式扫描测量；利用数字高程数据对扫描测量结果进行校正，得到滑坡相关数据。
[0021]一种典型滑坡灾害遥感智能提取系统，包括：
[0022]遥感影像获取模块：用于利用地理数据库获取滑坡前的第一遥感影像，并利用遥感技术获取滑坡后的第二遥感影像；
[0023]滑坡轮廓获取模块：用于结合第一遥感影像和第二遥感影像，利用傅里叶描述子提取滑坡前、滑坡后对应的轮廓；
[0024]滑坡轮廓数据计算模块：用于基于滑坡前、滑坡后对应的轮廓，结合滑坡前后的数字高程数据对滑坡轮廓数据进行计算；
[0025]滑坡距离计算模块：用于根据计算结果采用距离预测统计算法，计算滑坡距离；
[0026]危害指标判定模块：用于根据滑坡距离，判定滑坡灾害危害指标。
[0027]可选的，还包括数据预处理模块：用于对第一遥感影像，第二遥感影像进行预处理，具体如下：
[0028]对第一遥感影像、第二遥感影像分别进行分割处理；
[0029]根据分割处理结果，对第一遥感影像、第二遥感影像进行灰度化处理，并对噪点进行去噪；
[0030]利用OTSU阈值对去噪后的影像处理，并基于canny边缘检测算法对图像进行边缘检测。
[0031]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种典型滑坡灾害遥感智能提取方法与系统，具有以下有益效果：
[0032]1、通过遥感技术以及滑坡距离的计算，对滑坡灾害等级进行确定，减少了人为臆断导致的误差，其评价结果具有客观准确性；提高了远程监测管理的效率和应对灾害的能力；
[0033]2、傅里叶描述子可以有效提取滑坡轮廓特征，计算量小，具有良好的普适性。
附图说明
[0034]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，还可以根据提供的附图获得其他的附图。
[0035]图1为本专利技术的流程示意图；
[0036]图2为本专利技术的结构示意图。
具体实施方式
[0037]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]本专利技术实施例公开了一种典型滑坡灾害遥感智能提取方法，如图1所示，包括以下步骤：
[0039]S1：利用地理数据库获取滑坡前的第一遥感影像，并利用遥感技术获取滑坡后的第二遥感影像；
[0040]S2：结合第一遥感影像和第二遥感影像，利用傅里叶描述子提取滑坡前、滑坡后对应的轮廓；
[0041]S3：基于滑坡前、滑坡后对应的轮廓，结合滑坡前后的数字高程数据对滑坡轮廓数据进行计算；
[0042]S4：根据计算结果采用距离预测统计算法，计算滑坡距离；
[0043]S5：根据滑坡距离，判定滑坡灾害危害指标。
[0044]S6：对第一遥感影像，第二遥感影像进行预处理，具体如下：
[0045]S61：对第一遥感影像、第二遥感影像分别进行分割处理；
[0046]S62：根据分割处理结果，对第一遥感影像、第二遥感影像进行灰度化处理，并对噪点进行去噪；
[0047]S63：利用OTSU阈值对去噪后的影像处理，并基于canny边缘检测算法对图像进行边缘检测。
[0048]关于遥感影像的获取，高分辨率遥感影像适合崩塌、滑坡、泥石流等不良地质判释，但其光谱分辨率一般较低，对岩性、水文、蚀变信息等判释具有局限性；而多光谱和高光谱遥感影像的空间分辨率一般较低。采用高、低分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种典型滑坡灾害遥感智能提取方法，其特征在于，包括以下步骤：利用地理数据库获取滑坡前的第一遥感影像，并利用遥感技术获取滑坡后的第二遥感影像；结合第一遥感影像和第二遥感影像，利用傅里叶描述子提取滑坡前、滑坡后对应的轮廓；基于滑坡前、滑坡后对应的轮廓，结合滑坡前后的数字高程数据对滑坡轮廓数据进行计算；根据计算结果采用距离预测统计算法，计算滑坡距离；根据滑坡距离，判定滑坡灾害危害指标。2.根据权利要求1所述的一种典型滑坡灾害遥感智能提取方法，其特征在于，还包括对第一遥感影像，第二遥感影像进行预处理，具体如下：对第一遥感影像、第二遥感影像分别进行分割处理；根据分割处理结果，对第一遥感影像、第二遥感影像进行灰度化处理，并对噪点进行去噪；利用OTSU阈值对去噪后的影像处理，并基于canny边缘检测算法对图像进行边缘检测。3.根据权利要求1所述的一种典型滑坡灾害遥感智能提取方法，其特征在于，所述距离预测统计算法的公式如下：L＝2.5V
0.101
H
s
‑
0.191
(tanα)
0.250
(tanβ)
0.265
(tanγ)
0.259
H
0.852
；其中，V表示滑坡体积，H表示滑源区高差，α、β、γ分别表示不同的滑坡角，H表示滑坡体滑动前后的最高差。4.根据权利要求1所述的一种典型滑坡灾害遥感智能提取方法...

【专利技术属性】
技术研发人员：黄成，晏祥省，杨迎冬，李芳，
申请(专利权)人：云南省地质环境监测院云南省环境地质研究院，
类型：发明
国别省市：