基于MedLDA的多源数据滑坡识别研究20150924何湜方案.ppt

基于MedLDA的多源数据滑坡识别研究 何湜 2015年09月24日 汇报大纲 滑坡灾情与识别方法 MedLDA模型简介 基于MedLDA的多源数据滑坡识别方法 滑坡灾情 滑坡灾情简介 2008年5月12日14时28分04秒，四川发生严重地震灾害，震中位于北纬31.01°，东经103.42°。地震诱发滑坡数量超过50000个，覆盖区域高达750km2 。汶川地震滑坡区域灾区植被茂盛，滑坡类型以崩塌为主，使得岩土暴露。 特点： 数量多 范围广 识别方法 基于传感器 (1) LiDAR (2) SAR (3) Stereoscopic aerial photographs (4) Optical images 处理方式 (1) 目视解译 (2) 自动提取 识别方法 基于数据获取时间 (1) 灾后数据 (2) 灾前数据+灾后数据 MODIS传感器：分辨率250米——5600米， 两颗卫星一天共过境4次。 HRG传感器：分辨率2.5米——10米， 卫星重返周期26天。 遥感影像的空间分辨率与时间分辨率存在矛盾。 识别方法 基于处理单元 (1) 像素 光谱信息(NDVI) (2) 分割体 光谱、形状、纹理、不对称性、长宽比 纹理 精确标出滑坡范围 欠精确标出滑坡范围 基于像素的分类方法 识别方法 滑坡灾情快速提取 利用光学影像 自动提取 能利用高时间分辨率的变化信息，能利用高空间分辨率的光谱和纹理等信息。 不需要精确给出滑坡的范围 汇报大纲 滑坡灾情与识别方法 MedLDA模型简介 基于MedLDA的多源数据滑坡识别方法 MedLDA简介 有监督信息的模型 LDA模型 sLDA DiscLDA MedLDA MedLDA简介 假设文档内有两个主题，文档有两类，sLDA，DiscLDA与MedLDA模型的差异： sLDA, DiscLDA 基于似然的生成模型 MedLDA整合max margin的生成模型 MedLDA简介 MedLDA简介 MedLDA简介 汇报大纲 滑坡灾情与识别方法 MedLDA模型简介 基于MedLDA的多源数据滑坡识别方法 基于弱监督信息的滑坡识别（1） 弱监督信息的获取 汶川地震滑坡区域灾区植被茂盛，滑坡类型以崩塌为主，使得岩土暴露。 假设 (1)山区土地常年被植被覆盖； (2)地震发生前后，土地利用和土地覆盖的变化主要由滑坡灾害造成的。 基于弱监督信息的滑坡识别（1） 弱监督信息的获取 NDVI（Normalized Difference Vegetation Index，归一化植被指数)，可以反应植物冠层的生长状态。 [-1，0)：地面覆盖为云、水、雪等； 0：地表覆盖为岩石或裸土等； (0,+1]：表示地表有植被覆盖。 基于弱监督信息的滑坡识别（1） 弱监督信息的获取 基于弱监督信息的滑坡识别（1） 四川省绵阳市 平武县的南坝镇附近， 汶川地震引发滑坡 东经104.69°——104.91° 北纬32.215 °——32.327 ° SPOT5多光谱数据 Modis变化检测结果 实验结果 K-means LDA MedLDA IsoData 实验结果 MedLDA 添加场景信息的滑坡识别（2） NDVI变化信息 灾前坡度信息 坡度信息与滑坡 构皮滩地区： 25.0°~45.0°：60.47% 18.0°~25.0°和45.0°~51.0°:25.46% 小于18.0°和大于51.0°：14.07% 添加场景信息的滑坡识别（2） 坡度信息分为两类场景 0 ° ~ 20°和 50 ° ~90° 20°~ 50° 添加场景信息的滑坡识别（2） MedLDA MedLDA+IBP 像素级监督信息的滑坡识别（3） 面向对象的分类 分割体影响分类 监督信息难以 与分割体匹配 像素级监督信息的滑坡识别（3） 像素级监督信息在基于对象方法中的使用 像素级监督信息的滑坡识别（3） 像素级监督信息的滑坡识别（3） 分类结果 聚类结果