基于多尺度分割的高分辨率影像中岩溶地面塌陷检测方法.docxVIP

基于多尺度分割的高分辨率影像中岩溶地面塌陷检测方法 0 基于遥感影像的城市地质灾害遥感自动检测方法 溶解地下水是一种严重的自然灾害，由于过度开采地下水和减少地下土壤，可能会发生坍塌。特别是在城市化进程加快的地区，由于人类活动的强度和范围的扩大，溶解地下水容易发生，给城市建设和人民生活带来重大影响。以广东省为例, 根据广东省地质调查院的不完全统计, 仅广州—花都盆地岩溶塌陷所造成的经济损失就超过千万元, 严重影响城市建筑安全和居民的生活安全。快速准确的岩溶地面塌陷检测已成为城市地质灾害研究的一个热点问题。传统的实地调查方法工作量大, 成本高, 难以大面积实施, 而遥感影像具有客观性, 宏观性等优点, 可以真实地记录大范围的地面实况, 在岩溶地面塌陷快速监测与识别方面具有明显的优势。 目前, 从遥感影像中提取城市地质灾害多基于目视解译方法, 即借助检测目标的视觉特征和人的经验知识, 进行地物识别。例如Richard,Yamazaki (2005)和Christine (2006)等人都曾尝试用人工解译方法提取遥感影像中的塌陷位置。由于人工目视解译在解译过程中不仅以影像的光谱特征为依据, 还考虑了影像的纹理、形状等多种视觉特征, 因此影像识别精度较高, 目前仍然是利用遥感影像提取城市地质灾害最常用的方法。虽然人工目视解译或人为辅助下的半自动解译方法在地质灾害检测研究中取得了一些成果, 但大部分方法仍然费时、低效, 可重复性差, 因此有必要探索更加有效的城市地质灾害遥感自动检测方法。 近年来, 不少学者提出用人工智能里面的案例推理方法 (CBR) 来解决现实中的问题, CBR根据以往案例的知识或信息求解相似的问题, 具有案例知识可获取、求解效率高, 以及知识可积累等优点, 是与人类解决问题的过程最接近的人工智能方法之一。目前CBR已经被广泛用于商业与医学等领域。已经有学者开始将CBR方法应用于地学领域, 如Benwell等人尝试利用CBR方法对土壤进行分类;Hastings等人利用CBR方法来对地理环境问题进行了研究;杜云艳等人则提出了地理案例的概念, 研究了地理案例推理模型在渔业产量预报中的应用;钱峻屏等人曾运用CBR方法进行土地利用变化检测, 认为与基于规则的变化检测方法相比, CBR方法检测精度更高。研究表明, CBR方法通过借鉴已有知识解决未知的问题, 可以较好地处理获取地学知识所碰到的模糊性和不确定性问题, 获得较高的精度。 本文首先运用面向对象分析方法, 对岩溶地面塌陷的遥感影像特征进行了分析, 基于遗传算法优化特征因子, 随后在多尺度分割的基础上, 对研究区域的高分辨率影像进行了基于对象的案例推理, 提取出不同尺度的岩溶地面塌陷。将案例推理方法引进遥感塌陷检测, 能够在无法建立遥感机理模型或模型的建立有一定的难度时, 实现基于遥感影像的自动检测。目前运用案例推理方法检测城市地质灾害的相关研究较少见诸文献, 本论文研究方法是对城市地质灾害遥感自动检测方法的有益探索。 1 学习方法 1.1 影像分割的特征 面向对象影像分析是一种新的遥感分析方法, 该方法不是以单个像元为分析目标, 而是以影像中的像元集合为分析目标, 利用像元集合构成的影像对象的纹理信息、形状信息和对象间的上下文关系 (子对象、父对象) 和空间关系 (相邻、包含) 等对目标对象进行充分的描述。此方法通过将像元有机地连接起来, 利用目标对象的空间、纹理、光谱等特征对遥感影像进行分类, 可以较好地克服传统像元分类方法中“同物异谱”或“同谱异物”等问题, 具有解译精度高而且能消除斑点噪声等优点。 多尺度影像分割是面向对象影像分析的第1步, 它从单个像元开始通过自下而上的像元聚类合并同质区域、分割异质区域, 最终将影像分割成具有相同光谱和纹理特征的图斑单元。分割的基本原则是使影像对象内所有像元的异质性 (或权重异质性) 变化尽可能小, 即每一次影像对象的调整都必须确保合并后对象的异质性变化最小并且小于给定的阈值。 影像对象的异质性由影像对象内像元的光谱异质性指数hcolor和形状异质性指数hshape决定, 公式表示如下: hcolor=[XCXGΜ.ΤΙF]cwc(nσc-(n1σ1c+n2σ2c))(1)hshape=wcomphcomp+(1-wcomp)hsmooth(2)hcolor=[XCXGM.TIF]cwc(nσc?(n1σ1c+n2σ2c))(1)hshape=wcomphcomp+(1?wcomp)hsmooth(2) 式中,hcomp为紧凑度异质性指数,hsmooth为光滑度异质性指数,wc为光谱异质性指数的权重,wcomp为紧凑度指数的权重,σc是根据组成对象的像元值计算得到的对象标准差, 其值阈范围为0～1,n1,n2和n分别为合并前、后目