一种基于无人机遥感影像与改进YOLO算法的泥石流物源智能识别方法及相关装置与流程

摘要: 本发明属于地质灾害遥感识别,更具体地,涉及一种基于无人机遥感影像与改进yolo算法的泥石流物源智能识别方法、一种基于无人机遥感影像与改进yolo算法的泥石流物源...
一种基于无人机遥感影像与改进YOLO算法的泥石流物源智能识别方法及相关装置与流程

本发明属于地质灾害遥感识别,更具体地,涉及一种基于无人机遥感影像与改进yolo算法的泥石流物源智能识别方法、一种基于无人机遥感影像与改进yolo算法的泥石流物源智能识别装置、智能识别设备、计算机可读存储介质。

背景技术:

1、泥石流物源识别属于地质灾害遥感调查与智能图像识别技术领域,是泥石流隐患排查、沟域风险评价及治理工程布设的重要基础。青海等高海拔山区地形起伏大、沟谷切割强烈,冻融风化、降雨融雪及工程扰动容易形成沟道松散堆积物、坡面崩塌堆积体、裸露碎屑坡和沟口堆积扇等物源,若不能及时准确识别,将影响后续灾害风险判断。

2、相关技术中,泥石流物源调查多依赖人工踏勘、遥感影像目视解译或常规目标检测方法,虽然无人机遥感影像能够提供较高分辨率的地表信息,但在高海拔强光照、阴影遮挡、地形畸变及岩土背景相近的环境下,单纯依据影像颜色或纹理进行识别,容易将裸岩、阴影、河滩沉积物或工程扰动区域误判为物源,也容易遗漏尺度较小或边界不清的真实物源。并且,现有识别方法对坡面位置、沟道邻近关系和堆积体空间连续性利用不足,导致识别结果与实际地貌成因联系不够紧密。

3、因此,如何通过无人机遥感影像与地形高程数据融合处理,并结合改进型yolo目标识别模型,实现泥石流物源的准确识别、类型标注及危险程度分级,是本领域技术人员关注的重点问题。

技术实现思路

1、本技术的目的是提供一种基于无人机遥感影像与改进yolo算法的泥石流物源智能识别方法、泥石流物源智能识别装置、智能识别设备、计算机可读存储介质,通过无人机遥感影像与地形高程数据融合处理,并结合改进型yolo目标识别模型,实现泥石流物源的准确识别、类型标注及危险程度分级。

2、针对现有技术的以上缺陷或改进需求,本发明提供一种基于无人机遥感影像与改进yolo算法的泥石流物源智能识别方法,包括:

3、s1,获取目标区域的无人机遥感影像数据,并获取与所述目标区域对应的航摄位置信息、飞行高度信息和地形高程数据,将所述无人机遥感影像数据与所述地形高程数据进行空间配准,得到具有地理坐标约束的待识别影像数据;

4、s2,基于所述飞行高度信息、所述地形高程数据和所述待识别影像数据的影像亮度分布特征,对所述待识别影像数据进行地形畸变校正、阴影弱化处理和尺度分层处理,得到多尺度增强影像数据;

5、s3,基于预设的泥石流物源地貌特征规则,对所述多尺度增强影像数据进行颜色差异特征、纹理粗糙度特征、边缘连续性特征、坡面位置关系特征和沟道邻近关系特征的提取,得到泥石流物源候选特征数据;

6、s4,将所述泥石流物源候选特征数据输入改进型yolo目标识别模型进行识别处理,所述改进型yolo目标识别模型基于候选区域的尺度差异、沟谷方向特征和边界不规则特征,对不同候选区域进行特征权重分配,并对候选区域的物源类型、空间边界和可信程度进行联合判断,得到泥石流物源识别结果;

7、s5,根据所述泥石流物源识别结果,并结合候选区域的坡度、相对高差、沟道汇流位置和物源连续分布状态,生成泥石流物源分布图、物源类型标注结果和物源危险程度分级结果。

8、可选的,所述s1中,将所述无人机遥感影像数据与所述地形高程数据进行空间配准,包括:

9、基于所述航摄位置信息确定所述无人机遥感影像数据的初始空间位置;

10、基于所述地形高程数据确定所述目标区域内的地形起伏状态和坡面方位信息;

11、选取所述目标区域内的稳定地物作为辅助配准约束;

12、根据所述初始空间位置、所述地形起伏状态、所述坡面方位信息和所述辅助配准约束,对所述无人机遥感影像数据进行位置校正,得到所述具有地理坐标约束的待识别影像数据。

13、可选的,所述s2中,对所述待识别影像数据进行地形畸变校正、阴影弱化处理和尺度分层处理,包括:

14、基于所述影像亮度分布特征,对所述待识别影像数据中的受光区域和背阴区域进行亮度均衡处理,得到亮度均衡影像数据;

15、基于所述地形高程数据确定坡面倾斜方向和局部起伏状态,并根据所述坡面倾斜方向和所述局部起伏状态对所述亮度均衡影像数据进行几何校正,得到地形校正影像数据;

16、基于所述飞行高度信息、影像分辨率、沟道宽度和坡面分割单元,对所述地形校正影像数据进行多尺度划分,得到用于分别反映碎屑斑块、坡面堆积体和沟道堆积带的多尺度增强影像数据。

17、可选的,所述s3中,得到泥石流物源候选特征数据,包括:

18、基于候选区域与相邻背景区域之间的颜色变化,得到所述颜色差异特征;

19、基于候选区域内的灰度变化、颗粒状纹理和局部明暗起伏状态,得到所述纹理粗糙度特征;

20、基于候选区域边缘的连续程度、规则程度和延展形态,得到所述边缘连续性特征;

21、基于候选区域相对于坡脚、陡坡下方、沟谷两侧或崩塌源下部的位置,得到所述坡面位置关系特征;

22、基于候选区域相对于主沟、支沟汇入口、沟道弯折处或沟口堆积扇的位置,得到所述沟道邻近关系特征;

23、将所述颜色差异特征、纹理粗糙度特征、边缘连续性特征、坡面位置关系特征和沟道邻近关系特征进行关联,得到所述泥石流物源候选特征数据。

24、可选的,所述s4中,所述改进型yolo目标识别模型对不同候选区域进行特征权重分配,包括:

25、当候选区域位于沟道内时,提高所述沟道邻近关系特征、堆积连续性特征和纹理粗糙度特征的权重;

26、当候选区域位于坡面区域时,提高所述坡面位置关系特征、坡度关系特征和崩塌堆积形态特征的权重;

27、当候选区域位于沟口区域时,提高扇形展开轮廓特征、堆积连续性特征和与上游沟道连通关系特征的权重;

28、基于分配后的特征权重,对候选区域进行物源类型、空间边界和可信程度的联合判断。

29、可选的,所述s4中,所述物源类型包括沟道松散堆积物、坡面崩塌堆积体、裸露碎屑坡、沟口堆积扇物源和工程扰动堆积物中的至少一种;

30、所述改进型yolo目标识别模型基于候选区域的尺度范围、延展方向、边界规则程度和与沟道的空间关系,对所述候选区域进行物源类型判定,并输出与所述物源类型对应的空间边界和可信程度。

31、可选的,所述s5中,生成物源危险程度分级结果,包括:

32、将所述泥石流物源识别结果与所述地形高程数据进行叠加,得到识别物源区域的坡度、相对高差、沟道汇流位置和上下游连通关系;

33、基于所述坡度、所述相对高差、所述沟道汇流位置、所述上下游连通关系和所述物源连续分布状态,对识别物源区域参与泥石流形成的可能性进行判断;

34、根据判断结果生成所述物源危险程度分级结果,并将所述泥石流物源分布图、物源类型标注结果和物源危险程度分级结果输出至地质灾害调查终端或工程勘察管理平台。

35、本技术还提供一种基于无人机遥感影像与改进yolo算法的泥石流物源智能识别装置,包括:

36、影像数据获取模块,用于获取目标区域的无人机遥感影像数据,并获取与所述目标区域对应的航摄位置信息、飞行高度信息和地形高程数据,将所述无人机遥感影像数据与所述地形高程数据进行空间配准,得到具有地理坐标约束的待识别影像数据;

37、影像增强处理模块,用于基于所述飞行高度信息、所述地形高程数据和所述待识别影像数据的影像亮度分布特征,对所述待识别影像数据进行地形畸变校正、阴影弱化处理和尺度分层处理,得到多尺度增强影像数据;

38、特征提取模块,用于基于预设的泥石流物源地貌特征规则,对所述多尺度增强影像数据进行颜色差异特征、纹理粗糙度特征、边缘连续性特征、坡面位置关系特征和沟道邻近关系特征的提取,得到泥石流物源候选特征数据;

39、目标识别模块,用于将所述泥石流物源候选特征数据输入改进型yolo目标识别模型进行识别处理,所述改进型yolo目标识别模型基于候选区域的尺度差异、沟谷方向特征和边界不规则特征,对不同候选区域进行特征权重分配,并对候选区域的物源类型、空间边界和可信程度进行联合判断,得到泥石流物源识别结果;

40、目标分级模块,用于根据所述泥石流物源识别结果,并结合候选区域的坡度、相对高差、沟道汇流位置和物源连续分布状态,生成泥石流物源分布图、物源类型标注结果和物源危险程度分级结果。

41、本技术还提供一种智能识别设备,包括:

42、存储器,用于存储计算机程序;

43、处理器,用于执行所述计算机程序时实现如上所述的泥石流物源智能识别方法的步骤。

44、本技术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上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的泥石流物源智能识别方法的步骤。

45、本技术所提供的一种基于无人机遥感影像与改进yolo算法的泥石流物源智能识别方法,包括:s1,获取目标区域的无人机遥感影像数据,并获取与所述目标区域对应的航摄位置信息、飞行高度信息和地形高程数据,将所述无人机遥感影像数据与所述地形高程数据进行空间配准,得到具有地理坐标约束的待识别影像数据;s2,基于所述飞行高度信息、所述地形高程数据和所述待识别影像数据的影像亮度分布特征,对所述待识别影像数据进行地形畸变校正、阴影弱化处理和尺度分层处理,得到多尺度增强影像数据;s3,基于预设的泥石流物源地貌特征规则,对所述多尺度增强影像数据进行颜色差异特征、纹理粗糙度特征、边缘连续性特征、坡面位置关系特征和沟道邻近关系特征的提取,得到泥石流物源候选特征数据;s4,将所述泥石流物源候选特征数据输入改进型yolo目标识别模型进行识别处理,所述改进型yolo目标识别模型基于候选区域的尺度差异、沟谷方向特征和边界不规则特征,对不同候选区域进行特征权重分配,并对候选区域的物源类型、空间边界和可信程度进行联合判断,得到泥石流物源识别结果;s5,根据所述泥石流物源识别结果,并结合候选区域的坡度、相对高差、沟道汇流位置和物源连续分布状态,生成泥石流物源分布图、物源类型标注结果和物源危险程度分级结果。

46、具有以下有益效果:

47、通过获取无人机遥感影像、航摄位置信息、飞行高度信息及地形高程数据,并依次进行空间配准、地形校正、阴影弱化、尺度分层和地貌特征提取,使泥石流物源识别不再仅依赖影像表观特征,而是结合坡面、沟道及堆积形态进行综合判断;同时通过改进型yolo目标识别模型对候选区域的类型、边界和可信程度进行联合识别,并进一步生成危险程度分级结果,从而提高高海拔复杂地貌环境下泥石流物源识别的准确性、稳定性和工程应用价值。