CN104992455A - 塌陷坑检测方法及装置 - Google Patents
塌陷坑检测方法及装置 Download PDFInfo
- Publication number
- CN104992455A CN104992455A CN201510456904.XA CN201510456904A CN104992455A CN 104992455 A CN104992455 A CN 104992455A CN 201510456904 A CN201510456904 A CN 201510456904A CN 104992455 A CN104992455 A CN 104992455A
- Authority
- CN
- China
- Prior art keywords
- collapse pit
- remote sensing
- sensing images
- image
- collapse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种塌陷坑检测方法及装置,该塌陷坑检测方法包括:获取待检测区域的遥感图像;对遥感图像进行主成分变换,得到待检测区域的主成分图像;以及根据主成分图像对待检测区域进行塌陷坑检测。通过本发明,解决了相关技术中塌陷坑检测效率较低的问题。
Description
技术领域
本发明涉及遥感领域,具体而言,涉及一种塌陷坑检测方法及装置。
背景技术
矿产资源地下开采可能会引发地面形变和沉陷等地质灾害现象,对建筑物、农田、道路及地下管线等产生危害或破坏,从而造成一系列生态环境问题和生命财产损失。因此,快速准确地获取地面塌陷信息是矿区环境综合治理和塌陷区复垦的重要条件。
塌陷坑是地面塌陷的一种表现形式,按其形状分为漏斗塌陷坑和槽型塌陷坑两种。塌陷坑多出现在急倾斜煤层开采条件下,但在浅部缓倾斜或倾斜煤层开采条件下,当地表有非连续性破坏时,也可能出现漏斗状塌陷坑。在采深很小或采厚很大的情况下,用房柱式采煤或峒室式水力采煤时,由于采厚不均匀,造成覆岩破坏高度不一致,也会在地表产生漏斗状塌陷坑。在采深很小、采厚很大且用长壁式采煤法开采时,若采厚不一致,地表也可能出现漏斗状塌陷坑。在有含水层的松散层下采煤时,不适当地提高回采上限,也会在地表引起漏斗状塌陷坑。在急倾斜煤层开采时,煤层露头处附近地表呈现出严重的非连续性破坏,往往也会出现漏斗状塌陷坑。塌陷坑大***于煤层露头的正上方或略微偏离露头位置,偏离的距离与煤层倾角、顶底板岩性及基岩表面风化程度有关。塌陷坑的形状取决于松散层的性质和厚度。在有厚松散层覆盖的情况下,多呈圆形或井形,有时也呈坛式塌陷漏斗。
目前对塌陷坑的监测有实地测量和遥感监测两种方法。传统上对塌陷坑的监测常采用实地测量方法,但工作量大、成本高且时效性低,难以及时、准确地获取塌陷坑信息。在利用遥感监测塌陷坑时,遥感图像可以真实地记录区域地面实况,在塌陷坑监测与识别方面具有明显的优越性,但是现有的遥感动态监测主要是通过人工解译、凭借大比例尺航片来进行,这种目视比较法被公认效率低且存在遗漏,准确性较低。
针对相关技术中塌陷坑检测效率较低的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种塌陷坑检测方法及装置,以解决相关技术中塌陷坑检测效率较低的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种塌陷坑检测方法。根据本发明的塌陷坑检测方法包括:获取待检测区域的遥感图像;对遥感图像进行主成分变换,得到待检测区域的主成分图像;以及根据主成分图像对待检测区域进行塌陷坑检测。
进一步地,根据主成分图像对待检测区域进行塌陷坑检测包括:根据主成分图像提取塌陷坑信息;以及根据塌陷坑信息对待检测区域进行塌陷坑检测。
进一步地,根据主成分图像提取塌陷坑信息包括:获取预设特征提取算子;以及计算预设特征提取算子和主成分图像的卷积,得到塌陷坑信息。
进一步地,根据塌陷坑信息对待检测区域进行塌陷坑检测包括:获取预设条件;判断塌陷坑信息是否满足预设条件;如果判断出塌陷坑信息满足预设条件,则检测出待检测区域存在塌陷坑;以及如果判断出塌陷坑信息不满足预设条件,则检测出待检测区域不存在塌陷坑。
进一步地,在对遥感图像进行主成分变换,得到主成分图像之前,该方法还包括:对遥感图像进行预处理,其中,预处理包括如下一种或多种:辐射校正、几何校正、图像配准和图像融合,对遥感图像进行主成分变换,得到主成分图像包括:对预处理后的遥感图像进行主成分变换,得到主成分图像。
进一步地,对遥感图像进行几何校正包括:根据遥感图像确定校正方式;根据校正方式对遥感图像进行校正,得到校正图像;以及根据校正图像验证校正方式是否有效,其中,在验证出校正方式无效时,根据遥感图像重新确定校正方式。
为了实现上述目的,根据本发明的另一方面,提供了一种塌陷坑检测装置。根据本发明的塌陷坑检测装置包括:获取单元,用于获取待检测区域的遥感图像;主成分变换单元,用于对遥感图像进行主成分变换,得到待检测区域的主成分图像;以及检测单元,用于根据主成分图像对待检测区域进行塌陷坑检测。
进一步地,检测单元包括:提取模块,用于根据主成分图像提取塌陷坑信息;以及检测模块,用于根据塌陷坑信息对待检测区域进行塌陷坑检测。
进一步地,提取模块包括:第一获取子模块,用于获取预设特征提取算子;以及计算子模块,用于计算预设特征提取算子和主成分图像的卷积,得到塌陷坑信息。
进一步地,检测模块包括:第二获取子模块,用于获取预设条件;判断子模块,用于判断塌陷坑信息是否满足预设条件;以及确定子模块,用于在判断出塌陷坑信息满足预设条件时,确定待检测区域存在塌陷坑,在判断出塌陷坑信息不满足预设条件时,确定待检测区域不存在塌陷坑。
进一步地,该装置还包括:预处理单元,用于对遥感图像进行预处理,其中,预处理包括如下一种或多种:辐射校正、几何校正、图像配准和图像融合,主成分变换单元用于对预处理后的遥感图像进行主成分变换,得到主成分图像。
通过本发明,采用获取待检测区域的遥感图像;对遥感图像进行主成分变换,得到待检测区域的主成分图像;以及根据主成分图像对待检测区域进行塌陷坑检测,解决了相关技术中塌陷坑检测效率较低的问题,进而达到了提高塌陷坑检测效率的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明第一实施例的塌陷坑检测方法的流程图;
图2是根据本发明第二实施例的塌陷坑检测方法的流程图;以及
图3是根据本发明实施例的塌陷坑检测装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种塌陷坑检测方法。图1是根据本发明第一实施例的塌陷坑检测方法的流程图。
如图1所示,该塌陷坑检测方法包括如下步骤S102至步骤S106:
步骤S102:获取待检测区域的遥感图像。
本发明实施例的待检测区域可以是矿产资源开采区域,例如,煤矿。遥感是指从人造卫星或飞机对地面观测,通过电磁波(包括光波)的传播与接收,感知目标的某些特性并加以进行分析的技术,具体地,根据遥感平台分类,遥感可分为机载遥感和星载遥感,其中机载遥感是飞机携带传感器(例如,CCD相机或非数码相机等)对地面的观测,星载遥感是指传感器放置于卫星上对地面进行观测。本发明实施例的遥感图像是指通过遥感技术获得的多光谱图像,例如,航空像片或卫星像片。通常,多光谱图像随着波段数的增加,信息量也越来越丰富,相对而言分辨率不高,由于高分辨率更易于识别地物,因此,本发明实施例的遥感图像优选为具有较高的分辨率的多光谱图像,从而有利于塌陷坑的检测。此外,遥感图像的时相和波段的选择在提取地面塌陷坑信息时也非常重要,不同时相的遥感图像对地质灾害信息的显示程度有较大的差异,例如,在植被覆盖度低时,地面塌陷坑很容易通过遥感图像识别,在植被覆盖度高时,由于干扰信息比较多,很难获得地面塌陷坑的信息,因此,在选取遥感图像时,应尽量挑选植被覆盖度低的时候的遥感图像。
步骤S104:对遥感图像进行主成分变换,得到待检测区域的主成分图像。
遥感图像(即多光谱图像)的各波段之间通常是高度相似的,它们的数值以及显示出来的视觉效果往往也相似。在多光谱图像各波段之间高度相关时,分析所有的波段是不必要的。通过对多光谱图像进行主成分变换可以去除多光谱图像中波段之间的多余信息,具体地,主成分变换是指将多光谱图像经过K-L变换矩阵进行线性变换分解为一组主成分的和,每个主成分都对应一个权重,该权重的大小反映了多光谱图像中不同部分的相关性,通过对主成分的选取可以实现不同多光谱图像的相关性波段信号的分离,从而可以在尽可能地不丢失信息的同时,用几个主成分表示原多光谱图像,使处理的数据量减少,提高塌陷坑检测效率。优选地,可以根据多光谱图像的纹理信息选取合适的主成分(即主成分图像)进行塌陷坑检测。
优选地,为了提高塌陷坑检测的准确性,在对遥感图像进行主成分变换,得到主成分图像之前,该方法还包括:对遥感图像进行预处理,其中,预处理包括如下一种或多种:辐射校正、几何校正、图像配准和图像融合,对遥感图像进行主成分变换,得到主成分图像包括:对预处理后的遥感图像进行主成分变换,得到主成分图像。
原始获取的遥感图像通常会存在一定程度的失真,例如,几何畸变、辐射变形等,遥感图像的预处理的主要目的是纠正原始获取的遥感图像中几何畸变、辐射变形等,通过对遥感图像获取过程中产生的变形、扭曲、模糊和噪声的纠正,从而得到一个尽可能真实的遥感图像。具体地,遥感图像的预处理通常包括辐射校正、几何校正、图像配准和图像融合等。
实际情况中,在利用传感器观测目标物辐射或反射的电磁能量时,从传感器得到的测量值与目标物的光谱反射或光谱辐射亮度等物理量通常不一致,传感器本身的光电***特征、太阳高度、地形以及大气条件等都会引起光谱亮度的失真,为了正确评价地物的反射特征及辐射特征,必须尽量消除这些失真,这种消除遥感图像中依附在辐射亮度罩的各种失真的过程称为辐射校正。
遥感成像的过程中,由于飞行器的姿态、高度、速度以及地球自转等因素的影响,造成图像相对于地面目标发生几何畸变,这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等,针对几何畸变进行的误差校正就叫几何校正。几何校正的目的就是要纠正上述因素引起的图像畸变,从而使之实现与标准图像或地图的几何整合。图像的几何校正需要根据图像中几何畸变的性质、可用的校正数据、图像的应用目的来确定适合的几何校正方法。遥感图像几何校正的一般过程如下:
1)确定校正方法,即根据遥感图像几何畸变的性质和可用于校正的数据确定几何校正方法。可选地,几何校正方法包括正射校正。
2)确定变换公式,即确定校正前遥感图像上的像点和参考遥感图像上的像点之间的变换公式。可选地,变换公式包括多项式变换公式。
3)确定控制点,并根据控制点确定变换公式中的未知参数,从而可以得到校正后的图像,即校正图像。具体地,控制点应当在遥感图像上具有明显、精确的定位识别标志,例如,公路、铁路交叉点等。
4)重采样、内插:对原始获取的遥感图像进行重采样,在重采样中,由于所计算的对应位置的坐标不是整数值,所以必须通过对周围的像元值进行内插来求出新的像元值,得到消除几何畸变的图像。
优选地,为了提高几何校正的有效性,对遥感图像进行几何校正包括:根据遥感图像确定校正方式;根据校正方式对遥感图像进行校正,得到校正图像;以及根据校正图像验证校正方式是否有效,其中,在验证出校正方式无效时,根据遥感图像重新确定校正方式。
校正方式包括校正方法和变换公式,校正方法包括正射校正,通过正射校正,不仅可以给遥感图像加上地理坐标,还可以通过一些测量高程点和数字高程模型(DigitalElevation Model,简称为DEM)来消除地形起伏引起的遥感图像变形。变换公式包括多项式变换公式,例如,三次多项式变换公式。在确定校正方式后,例如,校正方法采用正射校正,变换公式采用三次多项式变换,通过确定的校正方式对遥感图像进行校正,得到校正图像。可选地,验证校正方式是否有效可以通过计算校正图像与参考遥感图像的均方差,如果校正图像与参考遥感图像的均方差大于预设值,则确定校正方式无效,此时应该重新选择校正方式,例如,选择新的变换公式,或者重新选择控制点等,并采用新的校正方式对遥感图像重新进行几何校正;如果校正图像与参考遥感图像的均方差不大于预设值,则确定校正方式有效。
图像配准(Image registration)就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。在图像配准过程中,控制点的选取是关键的一步,通常,控制点要在遥感图像上均匀分布,控制点的个数大于某个预设值,例如,大于9。在控制点分布合理且控制点残差满足要求时,可采用多项式等算法将多光谱图像与全色图像进行配准。
图像融合是指将不同的遥感图像按照一定的算法,例如,小波变换法,在规定的地理坐标系下,生成新的图像的过程。图像融合的目的在于提高图像空间分辨率、改善图像几何精度、增强特征显示能力、改善分类精度、提供变化检测能力、替代或修补图像数据的缺陷等。
步骤S106:根据主成分图像对待检测区域进行塌陷坑检测。
遥感图像上塌陷坑呈独立的环形或椭圆形斑点、斑块状,呈独立个体成群分布,且色调明暗不同。此外,由于塌陷坑是有一定深度的负地形,在阴影作用下,立体效果明显,与正地形(例如,坟墓、独立树冠等)相比,形成的立体效果正好相反。塌陷坑的阴影出现在环形图斑内侧的下半部分,而土堆形成的阴影出现在环形图斑内侧的上半部分,这是塌陷坑检测的重要标志。本发明实施例在通过上述步骤得到主成分图像后,可以根据主成分图像的纹理信息、轮廓信息等判断待检测区域是否存在塌陷坑。由于主成分图像中包含的干扰信息较少,纹理信息、轮廓信息等较为明显,从而能够更加快速、准确地判断待检测区域是否存在塌陷坑,与现有技术中通过人工解译、凭借大比例尺航片来检测塌陷坑相比,效率更高。
优选地,根据主成分图像对待检测区域进行塌陷坑检测包括:根据主成分图像提取塌陷坑信息;以及根据塌陷坑信息对待检测区域进行塌陷坑检测。
本发明实施例的塌陷坑信息包括轮廓信息、纹理信息。优选地,可以通过一些图像增强算法(例如,线性变换法、卷积法、canny算法等)来增强主成分图像中的轮廓信息、纹理信息等特征信息,并进一步提取主成分图像中的轮廓信息、纹理信息等特征信息。优选地,根据主成分图像提取塌陷坑信息包括:获取预设特征提取算子;以及计算预设特征提取算子和主成分图像的卷积,得到塌陷坑信息。
由于不同图像增强方法只用于图像中特定信息的增强,却会抑制或损失图像中其他一些信息。塌陷坑的检测通常需要增强遥感图像的纹理信息和空间信息,空间域卷积可以有效增强图像的纹理信息和空间信息。对一幅图像进行空间域卷积包括如下两个步骤:
步骤1,建立一个包含一系列相关系数或权重因子的移动窗口(即特征提取算子),移动窗口的大小通常是奇数,例如,5×5的移动窗口、7×7的移动窗口等。如表1所示的5×5的移动窗口,移动窗口中的每个数值表示对应像元的权重因子。
表1 5×5的移动窗口
5 | 4 | 0 | 0 | 0 |
4 | 5 | 4 | 0 | 0 |
0 | 4 | 6 | 4 | 0 |
0 | 0 | 4 | 5 | 4 |
0 | 0 | 0 | 5 | 5 |
步骤2,将该移动窗口在整幅遥感图像上移动,用移动窗口所覆盖的每个像元的亮度值乘上相对应的相关系数或者权重因子所得到的总和,代替该移动窗口中心像元的亮度值,从而得到一幅新的图像。
具体地,本发明实施例的预设特征提取算子可以是如表1所示的5×5的移动窗口。优选地,移动窗口的大小和移动窗口中每个像元的权重因子可以根据具体地遥感图像进行设置。本发明实施例在获取到预设特征提取算子之后,计算预设特征提取算子和主成分图像的卷积以提取塌陷坑信息,例如,将上述表1所示的5×5的移动窗口在主成分图像上移动,得到一幅新的图像,在该新的图像中即包含提取到的轮廓信息、纹理信息等塌陷坑信息。
优选地,根据塌陷坑信息对待检测区域进行塌陷坑检测包括:获取预设条件;判断塌陷坑信息是否满足预设条件;如果判断出塌陷坑信息满足预设条件,则检测出待检测区域存在塌陷坑;以及如果判断出塌陷坑信息不满足预设条件,则检测出待检测区域不存在塌陷坑。
例如,若塌陷坑信息为轮廓信息和纹理信息,则预设条件可以是预设轮廓条件和预设纹理条件,在提取到遥感图像的轮廓信息和纹理信息后,分别将提取到的轮廓信息与预设轮廓条件比较,将提取到的纹理信息与预设纹理条件比较,如果提取到的轮廓信息满足预设轮廓条件且提取到的纹理信息满足预设纹理条件,则说明待检测区域存在塌陷坑,否则待检测区域不存在塌陷坑。
图2是根据本发明第二实施例的塌陷坑检测方法的流程图。如图2所示,该塌陷坑检测方法包括如下步骤S202至步骤S216:
步骤S202:获取待检测区域的遥感图像,同上述步骤S102,在此不再赘述。
步骤S204:对遥感图像进行辐射校正,得到辐射校正后的遥感图像。
步骤S206:对辐射校正后的遥感图像进行几何校正,得到几何校正后的遥感图像。优选地,几何校正采用正射校正方法。
步骤S208:对几何校正后的遥感图像进行图像配准,得到图像配准后的遥感图像。
步骤S210:对图像配准后的遥感图像进行图像融合,得到图像融合后的图像。
需要说明的是,上述步骤S202至步骤S210为对遥感图像进行预处理的过程。
步骤S212:对图像融合后的遥感图像进行主成分变换,得到主成分图像。优选地,可以根据遥感图像的纹理信息选取合适的主成分。
步骤S214:根据空间域卷积法从主成分图像中提取塌陷坑信息。具体地,塌陷坑信息可以包括轮廓信息和纹理信息。
步骤S216:根据塌陷坑信息对待检测区域进行塌陷坑检测。具体地,可以根据遥感图像的轮廓信息和纹理信息对待检测区域进行塌陷坑检测。
本发明实施例的塌陷坑检测方法通过对遥感图像进行辐射校正、几何校正、图像配准和图像融合等预处理,并对预处理后的遥感图像进行主成分变换,选取合适的主成分,然后根据塌陷坑在遥感图像上的纹理信息,利用空间域卷积法提取塌陷坑信息,与传统的人工遥感解译方法相比,效率较高,而且操作简单,检测结果准确性更高,并可用于实时监测地面塌陷坑的变化。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例的另一方面,提供了一种塌陷坑检测装置,该塌陷坑检测装置可以用于执行本发明实施例的塌陷坑检测方法,本发明实施例的塌陷坑检测方法也可以通过本发明实施例的塌陷坑检测装置来执行。
图3是根据本发明实施例的塌陷坑检测装置的示意图。如图3所示,该塌陷坑检测装置包括:获取单元10,主成分变换单元20和检测单元30。
获取单元10,用于获取待检测区域的遥感图像。
本发明实施例的待检测区域可以是矿产资源开采区域,例如,煤矿。本发明实施例的遥感图像是指通过遥感技术获得的多光谱图像,例如,航空像片或卫星像片。通常,多光谱图像随着波段数的增加,信息量也越来越丰富,相对而言分辨率不高,由于高分辨率更易于识别地物,因此,本发明实施例的遥感图像优选为具有较高的分辨率的多光谱图像,从而有利于塌陷坑的检测。
主成分变换单元20,用于对遥感图像进行主成分变换,得到待检测区域的主成分图像。
主成分变换是指将多光谱图像经过K-L变换矩阵进行线性变换分解为一组主成分的和,每个主成分都对应一个权重,该权重的大小反映了多光谱图像中不同部分的相关性,通过对主成分的选取可以实现不同多光谱图像的相关性波段信号的分离,从而可以在尽可能地不丢失信息的同时,用几个主成分表示原多光谱图像,使处理的数据量减少,提高塌陷坑检测效率。
优选地,该塌陷坑检测装置还包括:预处理单元,用于对遥感图像进行预处理,其中,预处理包括如下一种或多种:辐射校正、几何校正、图像配准和图像融合,主成分变换单元用于对预处理后的遥感图像进行主成分变换,得到主成分图像。
在通过主成分变换单元20对遥感图像进行主成分变换之前,本发明实施例的塌陷坑检测装置先通过预处理单元对遥感图像进行预处理,主成分变换单元20对预处理后的遥感图像进行主成分变换。
检测单元30,用于根据主成分图像对待检测区域进行塌陷坑检测。
优选地,检测单元30包括:提取模块,用于根据主成分图像提取塌陷坑信息;以及检测模块,用于根据塌陷坑信息对待检测区域进行塌陷坑检测。
本发明实施例的塌陷坑信息包括轮廓信息和纹理信息,具体地,通过提取模块从主成分图像中提取轮廓信息和纹理信息,检测模块可以根据轮廓信息和纹理信息对待检测区域进行塌陷坑检测。
优选地,提取模块包括:第一获取子模块,用于获取预设特征提取算子;以及计算子模块,用于计算预设特征提取算子和主成分图像的卷积,得到塌陷坑信息。
优选地,检测模块包括:第二获取子模块,用于获取预设条件;判断子模块,用于判断塌陷坑信息是否满足预设条件;以及确定子模块,用于在判断出塌陷坑信息满足预设条件时,确定待检测区域存在塌陷坑,在判断出塌陷坑信息不满足预设条件时,确定待检测区域不存在塌陷坑。
本发明实施例通过获取单元10获取待检测区域的遥感图像;主成分变换单元20对遥感图像进行主成分变换,得到待检测区域的主成分图像;以及检测单元30根据主成分图像对待检测区域进行塌陷坑检测。由于主成分图像中包含的干扰信息较少,纹理信息、轮廓信息等较为明显,从而能够更加快速、准确地判断待检测区域是否存在塌陷坑,与现有技术中通过人工解译、凭借大比例尺航片来检测塌陷坑相比,效率更高,解决了相关技术中塌陷坑检测效率较低的问题。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种塌陷坑检测方法,其特征在于,包括:
获取待检测区域的遥感图像;
对所述遥感图像进行主成分变换,得到所述待检测区域的主成分图像;以及
根据所述主成分图像对所述待检测区域进行塌陷坑检测。
2.根据权利要求1所述的塌陷坑检测方法,其特征在于,根据所述主成分图像对所述待检测区域进行塌陷坑检测包括:
根据所述主成分图像提取塌陷坑信息;以及
根据所述塌陷坑信息对所述待检测区域进行塌陷坑检测。
3.根据权利要求2所述的塌陷坑检测方法,其特征在于,根据所述主成分图像提取塌陷坑信息包括:
获取预设特征提取算子;以及
计算所述预设特征提取算子和所述主成分图像的卷积,得到所述塌陷坑信息。
4.根据权利要求2所述的塌陷坑检测方法,其特征在于,根据所述塌陷坑信息对所述待检测区域进行塌陷坑检测包括:
获取预设条件;
判断所述塌陷坑信息是否满足预设条件;
如果判断出所述塌陷坑信息满足预设条件,则检测出所述待检测区域存在塌陷坑;以及
如果判断出所述塌陷坑信息不满足预设条件,则检测出所述待检测区域不存在塌陷坑。
5.根据权利要求1所述的塌陷坑检测方法,其特征在于,
在对所述遥感图像进行主成分变换,得到主成分图像之前,所述方法还包括:对所述遥感图像进行预处理,其中,所述预处理包括如下一种或多种:辐射校正、几何校正、图像配准和图像融合,
对所述遥感图像进行主成分变换,得到主成分图像包括:对预处理后的所述遥感图像进行主成分变换,得到主成分图像。
6.根据权利要求5所述的塌陷坑检测方法,其特征在于,对所述遥感图像进行几何校正包括:
根据所述遥感图像确定校正方式;
根据所述校正方式对所述遥感图像进行校正,得到校正图像;以及
根据所述校正图像验证所述校正方式是否有效,其中,在验证出所述校正方式无效时,根据所述遥感图像重新确定校正方式。
7.一种塌陷坑检测装置,其特征在于,包括:
获取单元,用于获取待检测区域的遥感图像;
主成分变换单元,用于对所述遥感图像进行主成分变换,得到所述待检测区域的主成分图像;以及
检测单元,用于根据所述主成分图像对所述待检测区域进行塌陷坑检测。
8.根据权利要求7所述的塌陷坑检测装置,其特征在于,所述检测单元包括:
提取模块,用于根据所述主成分图像提取塌陷坑信息;以及
检测模块,用于根据所述塌陷坑信息对所述待检测区域进行塌陷坑检测。
9.根据权利要求8所述的塌陷坑检测装置,其特征在于,所述提取模块包括:
第一获取子模块,用于获取预设特征提取算子;以及
计算子模块,用于计算所述预设特征提取算子和所述主成分图像的卷积,得到所述塌陷坑信息。
10.根据权利要求8所述的塌陷坑检测装置,其特征在于,所述检测模块包括:
第二获取子模块,用于获取预设条件;
判断子模块,用于判断所述塌陷坑信息是否满足预设条件;以及
确定子模块,用于在判断出所述塌陷坑信息满足预设条件时,确定所述待检测区域存在塌陷坑,在判断出所述塌陷坑信息不满足预设条件时,确定所述待检测区域不存在塌陷坑。
11.根据权利要求7所述的塌陷坑检测装置,其特征在于,
所述装置还包括:预处理单元,用于对所述遥感图像进行预处理,其中,所述预处理包括如下一种或多种:辐射校正、几何校正、图像配准和图像融合,
所述主成分变换单元用于对预处理后的所述遥感图像进行主成分变换,得到主成分图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510456904.XA CN104992455A (zh) | 2015-07-29 | 2015-07-29 | 塌陷坑检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510456904.XA CN104992455A (zh) | 2015-07-29 | 2015-07-29 | 塌陷坑检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104992455A true CN104992455A (zh) | 2015-10-21 |
Family
ID=54304262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510456904.XA Pending CN104992455A (zh) | 2015-07-29 | 2015-07-29 | 塌陷坑检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104992455A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651773A (zh) * | 2016-11-30 | 2017-05-10 | 努比亚技术有限公司 | 图片处理方法及装置 |
CN108280440A (zh) * | 2018-02-09 | 2018-07-13 | 三亚中科遥感研究所 | 一种果林识别方法和*** |
CN109345140A (zh) * | 2018-11-01 | 2019-02-15 | 华北科技学院 | 一种煤矿突水灾害预警的辅助方法 |
CN111678502A (zh) * | 2020-06-09 | 2020-09-18 | 中国科学院东北地理与农业生态研究所 | 基于无人机航测影像提取冻土灾害信息的方法 |
CN117975315A (zh) * | 2024-04-02 | 2024-05-03 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于无人机影像的库区地质灾害差分识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254174A (zh) * | 2011-07-08 | 2011-11-23 | 中铁第四勘察设计院集团有限公司 | 崩滑体中裸地信息的自动提取方法 |
-
2015
- 2015-07-29 CN CN201510456904.XA patent/CN104992455A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254174A (zh) * | 2011-07-08 | 2011-11-23 | 中铁第四勘察设计院集团有限公司 | 崩滑体中裸地信息的自动提取方法 |
Non-Patent Citations (5)
Title |
---|
张鹰 等: "GCP分布对海岸带TM影像几何校正精度的影响研究", 《海洋学报》 * |
徐善成: "基于遥感与GIS技术的矿区地质环境监测与评价", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
范忻 等: "改进P_WSVM的矿区积水塌陷地信息提取", 《测绘科学》 * |
邱丹丹 等: "基于多源信息的大冶铁矿塌陷监测方法研究", 《武汉工程大学学报》 * |
马露: "采空地面塌陷遥感识别方法研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651773A (zh) * | 2016-11-30 | 2017-05-10 | 努比亚技术有限公司 | 图片处理方法及装置 |
CN108280440A (zh) * | 2018-02-09 | 2018-07-13 | 三亚中科遥感研究所 | 一种果林识别方法和*** |
CN109345140A (zh) * | 2018-11-01 | 2019-02-15 | 华北科技学院 | 一种煤矿突水灾害预警的辅助方法 |
CN109345140B (zh) * | 2018-11-01 | 2021-08-27 | 华北科技学院 | 一种煤矿突水灾害预警的辅助方法 |
CN111678502A (zh) * | 2020-06-09 | 2020-09-18 | 中国科学院东北地理与农业生态研究所 | 基于无人机航测影像提取冻土灾害信息的方法 |
CN111678502B (zh) * | 2020-06-09 | 2022-06-14 | 中国科学院东北地理与农业生态研究所 | 基于无人机航测影像提取冻土灾害信息的方法 |
CN117975315A (zh) * | 2024-04-02 | 2024-05-03 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于无人机影像的库区地质灾害差分识别方法 |
CN117975315B (zh) * | 2024-04-02 | 2024-06-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于无人机影像的库区地质灾害差分识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106548146A (zh) | 基于时空分析的地表覆盖变化算法和*** | |
CN104992455A (zh) | 塌陷坑检测方法及装置 | |
Koike et al. | Lineament analysis of satellite images using a Segment Tracing Algorithm (STA) | |
Awrangjeb et al. | Automatic detection of residential buildings using LIDAR data and multispectral imagery | |
Véga et al. | Height growth reconstruction of a boreal forest canopy over a period of 58 years using a combination of photogrammetric and lidar models | |
Gance et al. | Target Detection and Tracking of moving objects for characterizing landslide displacements from time-lapse terrestrial optical images | |
CN104484577B (zh) | 一种基于山脊能量校正的山地中带状地下目标的探测方法 | |
CN103383773B (zh) | 一种动态提取图像控制点的遥感卫星图像自动正射纠正的框架和方法 | |
CN110889327B (zh) | 一种基于热红外图像的水域周边排污口智能检测方法 | |
CN103760619A (zh) | 煤田火区的监测方法和装置 | |
Oommen et al. | Documenting earthquake-induced liquefaction using satellite remote sensing image transformations | |
CN113569760B (zh) | 基于多模态深度学习的三维变化检测方法 | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN104392457A (zh) | 倾斜影像的连接点自动匹配方法及装置 | |
Sola et al. | Synthetic images for evaluating topographic correction algorithms | |
CN109446485B (zh) | 一种基于多源数据融合的季节性湖泊湖底地形生成方法 | |
CN107169467B (zh) | 一种多源时序影像的稀土矿区土地毁损与恢复分析方法 | |
CN116878748A (zh) | 一种激光与图像融合的智能气体泄漏定位方法及装置 | |
Sun et al. | Identifying terraces in the hilly and gully regions of the Loess Plateau in China | |
CN113724381B (zh) | 一种基于高分遥感影像的动态三维场景快速重建方法 | |
Seo et al. | Extraction of boundaries of rooftop fenced buildings from airborne laser scanning data using rectangle models | |
Wang et al. | Anisotropic scattering shadow compensation method for remote sensing image with consideration of terrain | |
CN104616262A (zh) | 一种基于太阳宁静色球背景处理的Hα去云方法 | |
Chorowicz et al. | Computer aided recognition of relief patterns on radar images using a syntax analysis | |
Gamba et al. | Improving building footprints in InSAR data by comparison with a Lidar DSM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151021 |