多时相遥感影像山地城市滑坡自动检测研究

摘要

滑坡是我国的主要地质灾害之一，其在山地城市区域所造成的损失尤为严重，准确地获取滑坡区域是灾害应急的关键一环。随着遥感技术的发展，研究者开始广泛使用遥感技术来进行滑坡检测，但现有的研究还存在难点。目前的滑坡检测方法大多需要借助滑坡样本以及基于历史滑坡的专家知识，在新滑坡区难以使用并且无法实现自动化；许多方法使用人工特征（比如纹理）来进行滑坡识别，由于地物覆盖的复杂性以及目前还没发现只与滑坡相关的空间特征，这类方法会导致高虚警率。因此，如何避免依赖以往滑坡数据与人工特征、实现山地城市区域自动化滑坡检测是一个有待解决的问题。 针对目前滑坡检测研究的难点，本文根据滑坡相关的地表变化知识，提出了一种新的基于多时相遥感影像的山地城市滑坡自动检测方法，它是一个多层次的滑坡提取框架，主要包括变化区域检测与滑坡区提取两个阶段。本文的主要工作如下： （1）提出了基于卷积神经网络的多时相遥感影像变化检测方法，首先排除滑坡无关区域，再利用卷积神经网络进行基于图像块的变化检测，获得发生剧烈地表变化的区域，大大缩小了检测范围，减轻了滑坡区域精细提取的工作量。 （2）在获得变化区域的基础上，提出了基于时空信息的滑坡区域提取方法，采用时空上下文学习方法，在变化区域中提取符合滑坡相关地表变化知识的区域（植被与建筑物的消失），充分利用了多时相遥感数据的上下文信息，最后根据滑坡的地形特点进行过滤，得到最终的滑坡区域。 （3）使用本文提出的方法，对深圳、舟曲滑坡实验区进行滑坡检测实验，并对实验结果进行了精度评价以及一致性分析，最终得出结果，即本文提出的山地城市滑坡检测方法，在实现了自动化过程以及无需借助滑坡专家知识和样本的同时，能较好的检测出滑坡区域并保证较低的虚警率。

目录

第一个书签之前