一种山体滑坡灾害图像识别装置
本发明涉及灾害识别,具体为一种山体滑坡灾害图像识别装置。
背景技术:
1、随着遥感技术的发展,利用多期高分辨率光学卫星影像进行亚像素级图像相关分析,以提取地表位移矢量场,已成为山体滑坡灾害形变监测的重要手段。现有的形变识别装置主要依赖影像间的单一灰度强度特征,通过构建滑动窗口并计算归一化互相关(ncc)等匹配代价函数,来追踪地表像素的空间位置变化。
2、然而,在真实的滑坡蠕变过程中,地表往往会产生大量不规则的微小拉裂缝或错落陡坎。受限于光学卫星过境周期的差异,获取第一期和第二期影像时的太阳星历参数(尤其是太阳高度角和方位角)通常存在显著变化。在地形起伏剧烈的滑坡区域,这种光照角度的周期性变化,会导致地表裂缝和陡坎周围产生快速变化的动态微阴影。
3、传统匹配算法对局部灰度的波动极为敏感,且忽视了地物底层的几何结构特征。当动态微阴影导致局部灰度发生剧烈改变时,极易将这种由于地形起伏和光照变化引起的视觉假象,误判为该区域地表物理结构的彻底破坏。此外,由于传统算法对匹配窗口内的像素权重不加区分,这种误判会导致真实的滑坡形变信号被阴影噪声完全淹没,极大地提高了虚假位移的误报率,使得无法准确识别出关键区域的地表变形。
4、因此,如何有效剥离山区地形与太阳光照耦合产生的动态阴影干扰,以精准提取滑坡真实形变,是当前光学形变监测领域亟待解决的技术问题。
技术实现思路
1、针对背景技术中提到的以上缺点,本发明的目的在于提供一种山体滑坡灾害图像识别装置。
2、本发明提供了一种山体滑坡灾害图像识别装置,所述装置包括:
3、结构特征提取模块,用于获取滑坡区域的两期光学影像,计算第一期光学影像中各个像素点的局部梯度协方差,并据此构建包含地貌边缘信息的结构张量矩阵;
4、微阴影异常识别模块,用于基于两期所述光学影像的成像太阳星历参数与灰度差异进行光照变化分析,将地形起伏导致的光照剧变区域划定为动态微阴影异常区;
5、优化参数生成模块,用于针对所述动态微阴影异常区内的各个像素点,对所述结构张量矩阵进行特征值分解以计算得出反映纹理方向的各向异性度量值,并基于各所述各向异性度量值生成抗阴影匹配权重参数;
6、形变识别执行模块,用于在构建两期所述光学影像的亚像素匹配代价函数时,利用所述抗阴影匹配权重参数动态降低纯阴影像素的权重并提升裂缝边缘像素的权重,从而求解得出地表位移矢量场,基于该地表位移矢量场识别地表变形。
7、本发明还提供了一种电子设备,应用于如前任一项所述的一种山体滑坡灾害图像识别装置,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序。
8、本发明还提供了一种存储介质,应用于如前任一项所述的一种山体滑坡灾害图像识别装置,所述存储介质为计算机可读存储介质,所述存储介质上存储有可被处理器执行的计算机程序。
9、本发明还提供了一种计算机程序产品,应用于如前任一项所述的一种山体滑坡灾害图像识别装置,所述计算机程序产品包括可被处理器执行的计算机程序。
10、与现有技术相比,本发明可有效克服传统归一化互相关算法因对局部灰度波动敏感且忽视几何结构而将动态微阴影误判为滑坡形变的缺陷,显著降低虚假位移的误报率,实现复杂光照条件下滑坡真实形变的鲁棒、精准识别,可用于山体滑坡灾害的早期预警与动态监测。
1.一种山体滑坡灾害图像识别装置,其特征在于,所述装置包括:
2.根据权利要求1所述的一种山体滑坡灾害图像识别装置,其特征在于:所述结构特征提取模块,具体用于:
3.根据权利要求1所述的一种山体滑坡灾害图像识别装置,其特征在于:所述微阴影异常识别模块,具体用于:
4.根据权利要求1所述的一种山体滑坡灾害图像识别装置,其特征在于:所述优化参数生成模块,具体用于:
5.根据权利要求4所述的一种山体滑坡灾害图像识别装置,其特征在于:计算两个所述非负特征值的乘积与两者之和的平方之间的关联代数值,包括:
6.根据权利要求1所述的一种山体滑坡灾害图像识别装置,其特征在于:所述形变识别执行模块,具体用于:
7.根据权利要求6所述的一种山体滑坡灾害图像识别装置,其特征在于:基于该地表位移矢量场识别地表变形,包括:
8.一种电子设备,应用于权利要求1-7任一项所述的一种山体滑坡灾害图像识别装置,其特征在于,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序。
9.一种存储介质,应用于权利要求1-7任一项所述的一种山体滑坡灾害图像识别装置,其特征在于,所述存储介质为计算机可读存储介质,所述存储介质上存储有可被处理器执行的计算机程序。
10.一种计算机程序产品,应用于权利要求1-7任一项所述的一种山体滑坡灾害图像识别装置,其特征在于,所述计算机程序产品包括可被处理器执行的计算机程序。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com