一种基于卫星遥感大数据的防灾减灾预警系统

摘要

本发明提供了一种基于卫星遥感大数据的防灾减灾预警系统，其包括遥感图像获取模块、传输模块、分析模块和预警模块；所述遥感图像获取模块用户获取监测地区的遥感图像，并发送至传输模块；所述传输模块用于将所述遥感图像传输至分析模块；所述分析模块用于接收并存储所述遥感图像，并提取所述遥感图像中包含的特征数据，将所述特征数据输入到预先训练好的神经网络模型中，通过所述神经网络模型计算发生泥石流的概率；所述预警模块用于所述概率大于设定的概率阈值时，向相关人员发出预警提示。本发明实现了对泥石流的大范围预警和及时预警，有利于保障人民的生命安全和财产安全。

说明书

技术领域

本发明涉及预警领域，尤其涉及一种基于卫星遥感大数据的防灾减灾预警系统。

背景技术

泥石流是指在山区或者其他沟谷深壑，地形险峻的地区，因为暴雨、暴雪或其他自然灾害引发的山体滑坡并携带有大量泥沙以及石块的特殊洪流。泥石流具有突然性以及流速快，流量大，物质容量大和破坏力强等特点。发生泥石流常常会冲毁公路铁路等交通设施甚至村镇等，造成巨大损失。因此我们需要对泥石流作出及时的预警。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于卫星遥感大数据的防灾减灾预警系统及系统。

本发明提供了一种基于卫星遥感大数据的防灾减灾预警系统，其包括遥感图像获取模块、传输模块、分析模块和预警模块；

所述遥感图像获取模块用户获取监测地区的遥感图像，并发送至传输模块；

所述传输模块用于将所述遥感图像传输至分析模块；

所述分析模块用于接收并存储所述遥感图像，并提取所述遥感图像中包含的特征数据，将所述特征数据输入到预先训练好的神经网络模型中，通过所述神经网络模型计算发生泥石流的概率；

所述预警模块用于所述概率大于设定的概率阈值时，向相关人员发出预警提示。

优选地，所述遥感图像获取模块包括设置在遥感卫星上的遥感相机，所述遥感相机用于获取所述监测地区的遥感图像。

优选地，所述传输模块包括遥感卫星的通信装置和地面通信基站；所述遥感微卫星的通信装置用于将所述要遥感图像发送至地面通信基站；所述地面基站用于接收所述遥感图像，并通过互联网将所述遥感图像传输至分析模块。

优选地，所述分析模块包括云服务器，所述云服务器包括存储单元、特征提取单元和特征判断单元；

所述存储单元用于存储所述遥感图像和所述预先训练好的神经网络模型；

所述特征提取单元用于对所述遥感图像进行图像识别处理，获取所述遥感图像中包含的特征信息；

所述特征判断单元用于调用所述存储单元中存储的所述预先训练好的神经网络模型，将所述特征信息输入到所述预先训练好的神经网络模型中，通过所述神经网络模型计算发生泥石流的概率。

优选地，所述特征提取单元包括图像校正子单元、灰度化处理子单元、图像降噪子单元、图像增强子单元和特征信息提取单元；

所述图像校正子单元用于对所述遥感图像进行辐射校正，获得校正图像；

所述灰度化处理子单元用于对所述校正图像进行灰度化处理，获得灰度图像；

所述图像降噪子单元用于对所述灰度图像进行降噪处理，获得降噪图像；

所述图像增强单元用于对所述降噪图像进行增强处理，获得增强图像；

所述特征信息提取单元用于对所述增强图像进行感兴趣区域的提取，并获取所述感兴趣区域中包含的特征信息。

优选地，所述校正图像进行灰度化处理，获得灰度图像，包括：使用加权平均值法对所述校正图像进行灰度化处理，获得灰度图像。

与现有技术相比，本发明的优点在于：

通过遥感卫星获取监测地区的遥感图像，并基于所述遥感图像计算发生泥石流的概率，从而判断是否需要发出预警消息。实现了对泥石流的大范围预警和及时预警，有利于保障人民的生命安全和财产安全。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种基于卫星遥感大数据的防灾减灾预警系统的一种示例性实施例图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

本发明提供了一种基于卫星遥感大数据的防灾减灾预警系统，其包括：

一种基于卫星遥感大数据的防灾减灾预警系统，其包括遥感图像获取模块、传输模块、分析模块和预警模块；

所述遥感图像获取模块用户获取监测地区的遥感图像，并发送至传输模块；

所述传输模块用于将所述遥感图像传输至分析模块；

所述分析模块用于接收并存储所述遥感图像，并提取所述遥感图像中包含的特征数据，将所述特征数据输入到预先训练好的神经网络模型中，通过所述神经网络模型计算发生泥石流的概率；

所述预警模块用于所述概率大于设定的概率阈值时，向相关人员发出预警提示。

所述神经网络模型通过预先使用大量的遥感图像进行训练得到，所述大量的遥感图像通过大数据技术进行存储和处理。例如尺寸统一化等。

优选地，所述遥感图像获取模块包括设置在遥感卫星上的遥感相机，所述遥感相机用于获取所述监测地区的遥感图像。

优选地，所述传输模块包括遥感卫星的通信装置和地面通信基站；所述遥感微卫星的通信装置用于将所述要遥感图像发送至地面通信基站；所述地面基站用于接收所述遥感图像，并通过互联网将所述遥感图像传输至分析模块。

优选地，所述分析模块包括云服务器，所述云服务器包括存储单元、特征提取单元和特征判断单元；

所述存储单元用于存储所述遥感图像和所述预先训练好的神经网络模型；

所述特征提取单元用于对所述遥感图像进行图像识别处理，获取所述遥感图像中包含的特征信息；

所述特征判断单元用于调用所述存储单元中存储的所述预先训练好的神经网络模型，将所述特征信息输入到所述预先训练好的神经网络模型中，通过所述神经网络模型计算发生泥石流的概率。

优选地，所述特征提取单元包括图像校正子单元、灰度化处理子单元、图像降噪子单元、图像增强子单元和特征信息提取单元；

所述图像校正子单元用于对所述遥感图像进行辐射校正，获得校正图像；

所述灰度化处理子单元用于对所述校正图像进行灰度化处理，获得灰度图像；

所述图像降噪子单元用于对所述灰度图像进行降噪处理，获得降噪图像；

所述图像增强单元用于对所述降噪图像进行增强处理，获得增强图像；

所述特征信息提取单元用于对所述增强图像进行感兴趣区域的提取，并获取所述感兴趣区域中包含的特征信息。

优选地，所述校正图像进行灰度化处理，获得灰度图像，包括：使用加权平均值法对所述校正图像进行灰度化处理，获得灰度图像：

af(s)＝β1×R(s)+β2×G(s)+β3×B(s)

式中，af表示灰度图像,af(s)表示灰度图像中像素点s的灰度值，R(s)、G(s)和B(s)分别表示校正图像在RGB颜色空间中红色通道、绿色通道和蓝色通道的通道值，β1、β2、β3表示权重参数。

灰度化处理有利于避免光照因素对后续的特征信息提取的影响。

优选地，对所述灰度图像进行降噪处理，获得降噪图像，包括：

将所述灰度图像进行小波分解，获得3个方向的小波高频图像和小波低频图像；

对所述3个方向的小波高频图像分别进行如下处理，获得处理后的3个方向的小波高频图像：

将小波高频图像记为hp，处理阈值分别记为ct1和ct2，hp中像素点i的像素值记为hp(i)

若hp(i)≤ct1,则对hp进行如下处理：

式中，ahp(i)表示像素点i处理后的像素值，ahp表示处理后的小波高频图像，sgn表示符号函数，cs1表示预设调节参数，ct1表示预设的第一比较阈值，ghp(i)表示像素点i在RGB颜色空间中对应的R分量的分量值；

若ct1＜hp(i)＜ct2,则对hp进行如下处理：

式中，ct2表示预设的第二比较阈值，jhi表示在小波高频图像中，以像素点i为中心的预设大小的窗口内的所有像素点的集合，d(i,j)表示i和j之间的欧式距离，hp(j)表示像素点j的像素值，ghp(j)表示像素点j在RGB颜色空间中对应的R分量的分量值；gd1表示jhi中的所有像素点和像素点i之间的欧式距离的方差，gd2表示集合{hp(i)-hp(j)}中的所有元素的方差，gd3表示集合{ghp(i)-ghp(j)}中的所有元素的方差；

若hp(i)≥ct2，则对hp进行如下处理：

ahp(i)＝hp(i)

将小波低频图像和处理后的3个方向的小波高频图像重新组合，得到降噪图像。

本发明上述实施例，使用小波分解的方式，获得小波高频图像，并设置了自适应的选择条件对不同情况下的小波图像进行不同的处理，从而能够增强处理的针对性和准确性，能够在保留灰度图像的细节信息的同时，将灰度图像中的噪点进行有效的去除。在处理时，不仅考虑了比较阈值，也考虑了RGB颜色空间中的R分量的数值的影响，主要是对泥石流是预警识别通常会对植被覆盖率进行计算，通过在降噪的过程中加入R分量的数值，能够着重保留遥感图像中绿色较为明显的区域的细节信息，有利于获取准确的植被覆盖率，从而对泥石流的预警识别进行有效的计算。

优选地，对所述降噪图像进行增强处理，获得增强图像，包括：

通过如下方式对降噪图像进行增强处理：

基于所述降噪图像获取暗通道图像dark(x),x表示像素点的位置；

对所述暗通道图像，进行高斯平滑处理，获得第一高斯平滑图像dygs(x)；

将第一高斯平滑图像dygs(x)和暗通道图像dark(x)进行图像差分处理，获得差分图像，对所述差分图像进行高斯平滑处理，获得第二高斯平滑图像segs(x)；

计算大气光估计图像tsp(x)：

tsp(x)＝max(min((dygs(x)-segs(x)),dark(x)),0)

计算透视图像：

计算增强图像zq(x)：

式中，ds表示降噪图像中的灰度最大值，式中，nei

相较于传统的增强算法直接对彩色图像进行增强处理，本申请利用降噪图像进行增强处理，能够避免使用图像软抠图算法，从而缩短处理时间，因为图像软抠图算法需要耗费的大量计算时间。本申请上述实施例，能够优化降噪图像的灰度值分布，使得增强图像中的暗处细节得到增强，同时过曝的地方得到压制，为后续的特征信息的提取提供了高质量的图像。有利于提高计算泥石流发生概率的准确性。

尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。