一种去除区域滑坡形变检测结果噪声的方法与流程

1.本发明涉及遥感技术、应急管理和防灾减灾领域，特别是涉及一种去除区域滑坡形变检测结果噪声的方法。


背景技术：

2.滑坡等山地灾害对世界各地的山区构成严重的威胁，而斜坡变形是这类山地灾害即将发生的重要前兆。随着人口规模和经济活动的增加，检测山区潜在的斜坡变形非常重要。利用形变检测技术和光学遥感影像数据，可以对山区的斜坡进行大区域范围、亚像元级别的形变检测。受卫星传感器拍摄姿态等的影响，形变检测结果在局部地区常出现整体系统性偏移，而在整幅影像结果上表现为检测的结果有条带性噪声，直接影响了滑坡形变检测的精度和效率，限制了形变检测技术在大范围区域的应用。为了消除局部地区出现的形变检测偏差，以往的研究多在非滑坡地区，人工选取稳定区评估这种系统偏差，这种策略难以用于大区域上的偏差消除。


技术实现要素：

3.为了克服现有技术的问题，本发明提供一种去除区域滑坡形变检测结果噪声的方法。利用本发明能够实现大范围区域的自动化形变检测，并能快速评估亚像元级别的地表形变，计算地表形变量和形变方向，为地质灾害监测预警和应急处置等提供基础的技术方法。
4.本发明的目的是通过以下技术方案实现的：
5.一种去除区域滑坡形变检测结果噪声的方法，所述方法包括以下步骤：
6.步骤1：选择检测时间点前、后的光学遥感若干个影像对image
pair
；利用形变检测方法，基于影像对image
pair
进行初步的形变检测计算，获取检测区域的初步形变检测结果图像image1，图像image1包括东西方向、南北方向的形变方向向量，以及信噪比，东西方向的形变方向向量用ew表示、南北方向的形变方向向量用ns表示、信噪比用snr表示；
7.步骤2：基于光学遥感影像的云掩膜数据，去除图像image1中云覆盖区域像元的形变检测结果，得到图像image2；
8.步骤3：获取图像image2中条带的倾斜角度α，将图像进行旋转，使图像条带与水平方向成垂直相交，获取旋转后的图像image
rotate1
；
9.步骤4：对旋转后的图像image
rotate1
中的ew、ns方向向量图像进行预处理，首先剔除值为0的像元，赋值为空值，然后将snr图像中信噪比值＜0.9的像元位置对应的ew、ns图像像元值分别赋值为空值，获取预处理后的形变检测结果图像image
rotate2
；
10.步骤5：对图像image
rotate2
中的ew、ns方向向量图像分别进行逐列的统计分析与校正，具体计算方法为：1)获取逐列的标准差std
col
和平均值mean
col
，2)统计每一列中像元值大于mean
col-std
col
并且小于mean
col
std
col
范围内的平均值mean
col
，3)该列每个像元的数值减去mean
col
；经过逐列统计分析与校正后，获取图像image
rotate3
；
11.步骤6：将图像image
rotate3
的ew、ns方向向量及snr图像按照反方向-α角度进行旋转，获取图像image3，其中ew、ns方向向量图像均已进行条带噪声去除；
12.步骤7：基于图像image3的ew、ns方向向量图像进行向量合成，获取image4，至此获取了去除条带噪声的基于光学影像的形变检测结果图像，包含形变位移量和形变方向两个图像。
13.进一步的优化，步骤1中选择检测时间点前、后的光学遥感若干个影像对image
pair
的具体操作为：选择检测时间点前、后的光学遥感影像，从中挑选儒略日不超过5天、云量覆盖率低于10％的遥感影像，组成若干个影像对image
pair
。
14.进一步的，步骤3中图像image2中条带的倾斜角度(α)的获取方法是：从影像中选定一个明显的条带，沿条带记录多个(5)点的图像坐标并拟合直线y＝kx m，其中，y为图像纵坐标方向，x为图像横坐标方向，k为拟合直线的斜率，m为拟合直线的截距，根据直线斜率k，利用计算公式α＝arctan(k)
×
180/π，计算条带的倾斜角度(α)。
15.进一步的，步骤3中沿条带记录至少5个点的图像坐标并拟合直线y＝kx m。
16.进一步的，步骤7的合成方法为：依据以下公式逐像元进行ew、ns两个方向向量图像的向量合成，获取形变检测结果图像，分别获取每个像元位置的形变位移量和形变方向：
[0017][0018][0019]
式中：distance为形变位移量，direction为形变方向，ew、ns分别表示ew、ns两个方向向量图像的像元。
[0020]
本发明的发明原理：
[0021]
考虑到结果图像的条带具有方向性，本发明从条带噪声的方向性角度出发，提出一种逐列的统计匹配方法。
[0022]
本发明基于形变检测结果中条带具有方向性的特点，首先根据条带倾斜角度将条带旋转至垂直方向，提出一种逐列统计分析与校正的噪声去除方法，不需要人工选取稳定区域，可以实现大区域尺度自动校正条带噪声。
[0023]
本发明的逐列统计分析与校正方法实现了旋转图像逐列的标准化，提高了形变检测图像全局噪声去除的精度。
[0024]
本发明通过去云、剔除零值和信噪比值＜0.9的像元值等预处理了形变检测初步结果，删除了影响大区域统计分析的异常值，可以最大程度的保留滑坡形变检测结果的有用信息。
[0025]
本发明的优点和有益效果是：
[0026]
在区域尺度上，不需要选取稳定区域估算偏差；剔除空值和异常值后，对影像进行统计分析运算，能够全局自动校正条带噪声；可以最大程度的保留滑坡形变检测结果的有用信息。
[0027]
利用本发明能够实现大范围区域的自动化形变检测，并能快速评估亚像元级别的地表形变，计算地表形变量和形变方向，为地质灾害监测预警和应急处置等提供基础的技术方法。
附图说明
[0028]
下面结合附图和实施例对本发明作进一步说明。
[0029]
图1为实施例1中image1中南北方向(ns)的形变方向向量图像示例；
[0030]
图2为实施例1中计算条带倾斜角度方法示意图；
[0031]
图3为实施例1经过旋转后image
rotate
图像中南北方向(ns)形变方向向量图像示例；
[0032]
图4为实施例1形变检测结果图像image
rotate3
中南北方向(ns)形变方向向量图像示例；
[0033]
图5为实施例1反向旋转后图像image3中南北方向(ns)形变方向向量图像示例；
[0034]
图6为实施例1总形变检测结果图像ns图像去除噪声前、后的直方图对比图；
[0035]
图7为实施例1区域形变检测结果image4包含的(a)形变位移量图像，(b)形变方向图像。
具体实施方式
[0036]
实施例1：
[0037]
为了更好的理解本发明的技术方案，以下结合附图对本发明的实施方式做进一步描述。
[0038]
本发明实施例提供一种去除区域滑坡形变检测结果噪声的方法，包括如下步骤：
[0039]
步骤1：本实例选择sentinel-2卫星遥感影像为例，获取检测时间点前、后的sentinel-2时间序列遥感影像数据，基于sentinel-2时间序列遥感影像数据，挑选每年儒略日相近(前后不超过5天)、云量覆盖率低(《10％)的遥感影像，组成若干个影像对image
pair
；然后，利用形变检测方法，例如cossi-corr方法(the co-registration of optically sensed images and correlation，cosi-corr)，基于挑选的影像对image
pair
进行初步的形变检测计算，获取检测区域的初步形变检测结果图像image1，包括东西方向、南北方向的形变方向向量，以及信噪比，分别用ew、ns、snr表示；
[0040]
步骤2：基于sentinel-2影像的云掩膜数据，去除初步形变检测结果图像image1中云覆盖区域像元的形变检测结果，得到图像image2；
[0041]
步骤3：获取初步形变检测结果图像image2中条带的倾斜角度(α)，将图像进行旋转，使图像条带与水平方向成垂直相交，获取旋转后的初步形变检测结果图像image
rotate
；
[0042]
其中，图像条带的倾斜角度(α)的获取方法是：从影像中选定一个明显的条带，沿条带记录多个(5)点的图像坐标并拟合直线y＝kx m，其中，y为图像纵坐标方向，x为图像横坐标方向，k为拟合直线的斜率，m为拟合直线的截距，根据直线斜率k，利用计算公式α＝arctan(k)
×
180/π，计算条带的倾斜角度(α)。
[0043]
图像条带的倾斜角度计算案例如1表、图2、图3所示：
[0044]
表1图像条带中5个点的坐标信息
[0045]
x坐标y坐标25769652468141023501888
2268224221852580
[0046]
步骤4：旋转后的初步形变检测结果图像image
rotate1
中的ew、ns方向向量图像进行预处理，首先剔除值为0的像元，赋值为空值，然后以信噪比snr图像中信噪比值＜0.9的像元为参考，剔除ew、ns图像中对应像元位置的值，分别赋值为空值，获取预处理后的形变检测结果图像image
rotate2
；
[0047]
步骤5：预处理后的检测结果图像image
rotate2
中的ew、ns方向向量图像分别进行逐列的统计分析与校正，具体计算方法为：1)获取逐列的标准差std
col
和平均值mean
col
，2)统计每一列中像元值大于(mean
col-std
col
)并且小于(mean
col
std
col
)范围内的平均值mean
col
，3)该列每个像元的数值减去mean
col
。经过逐列统计分析与校正后，获取形变检测结果图像image
rotate3
；如图4所示；
[0048]
步骤6：形变检测结果图像image
rotate3
的ew、ns方向向量及snr图像按照反方向(-α)进行旋转，获取图像image3(图5)，其中ew、ns方向向量图像均已进行条带噪声去除；对比噪声去除前、后形变检测结果图像的直方图(图6)可以发现，去除噪声之前图像数据相对离散，去除噪声之后的图像数据更加集中，且符合正态分布，说明去除噪声后，图像质量得到提高。
[0049]
步骤7基于以上经过云覆盖去除、条带去除和噪声处理的ew、ns方向向量图像image
rotate3
，进行向量合成，获取image4，至此获取了去除条带噪声的基于光学影像的形变检测结果图像，包含形变位移量和形变方向两个图像。依据以下公式逐像元进行ew、ns两个方向向量图像的向量合成，获取形变检测结果图像，分别获取每个像元位置的形变位移量和形变方向：
[0050][0051][0052]
式中：distance为形变位移量，direction为形变方向，ew、ns分别表示ew、ns两个方向向量图像的像元。结果如图7所示。
[0053]
最后应说明的是，以上仅用以说明本发明的技术方案而非限制，尽管参照较佳布置方案对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。