一种基于植被与非植被区域比值的潜在滑坡判识方法与流程

本发明属于计算机图像处理，具体的说是一种基于植被与非植被区域比值的潜在滑坡判识方法。

背景技术：

1、目前，常用的滑坡监测方式除地面常规仪器监测外，大多采用全球卫星导航系统(global navigation satellite system，gnss)技术、合成孔径雷达干涉测量(interferometric synthetic aperture radar，insar)技术。gnss技术是滑坡监测的一种有效手段，只需将gnss传感器安装于边坡上，便可实时获取边坡的位移。但是在植被覆盖茂密区域，不仅令传感器的安装难以实现，而且由于植被对卫星信号遮挡，gnss监测的精度也会受到较大影响。合成孔径雷达近年来已成功应用于大范围地表位移监测，但是对于范围小、形变速度较快的边坡，其时间和空间分辨率都难以达到监测要求。

技术实现思路

1、为了解决背景技术中提到的技术问题，本发明提供一种基于植被与非植被区域比值的潜在滑坡判识方法，以期利用计算机视觉技术的优势，对物候相机图像上滑坡发生前坡体上植被的变化状况进行判识和长期监测，从而有助于预测滑坡的发生。

2、本发明为达到上述发明目的，采用如下技术方案：

3、本发明一种基于植被与非植被区域比值的潜在滑坡判识方法的特点在于，包括如下步骤：

4、步骤1、对物候相机的几何参数进行标定，并得到重投影误差最小的相机内外参数；

5、步骤2、利用标定后的物候相机周期性拍摄若干帧原始监测图像，并利用所述相机内外参数对所述若干帧原始监测图像进行几何校正处理后，再重采样为若干帧正下视图像；

6、步骤3、根据所拍摄区域的坡度信息，将拍摄区域划分为高滑坡风险区、中滑坡风险区和低滑坡风险区；若低滑坡风险区中存在裂缝、节理面或断层，则将低滑坡风险区作为高滑坡风险区；从而对第一帧正下视图像进行分区操作，得到每一帧正下视图像的若干个监测分区图像；

7、步骤4、计算每一帧正下视图像的各监测分区图像中植被与非植被区域比值的变化量；

8、步骤5、根据每一帧各监测分区图像中的植被与非植被区域比值的变化量，对各监测分区中的滑坡进行综合判断，以识别出潜在滑坡阶段植被变化的异常情况，并提示存在潜在滑坡的风险。

9、本发明所述的一种基于植被与非植被区域比值的潜在滑坡判识方法的特点也在于，所述步骤4包括：

10、步骤4.1、利用式(1)、式(2)和式(3)分别计算某一监测分区图像中像素坐标位置(i，j)处像素点的绿色通道的归一化值g(r,j)、像素坐标位置(i，j)处像素点的红色通道的归一化值r(r,j)和像素坐标位置(i，j)处像素点的蓝色通道的归一化值b(r,j)；

11、

12、

13、式(1)、式(2)和式(3)中，g(i，j)表示某一监测分区图像中像素坐标位置(i，j)处像素点的可见光绿色通道的值，r(i,j)表示某一监测分区图像中像素坐标位置(i，j)处像素点的红色通道的值，b(i,j)表示某一监测分区图像中像素坐标位置(i，j)处像素点的蓝色通道的值；

14、步骤4.2、利用式(4)计算某一监测分区图像中像素坐标位置(i，j)处的像素点的超绿指数exgr(i,j)，对于每个像素点，如果像素点的超绿指数值小于0，则将对应的超绿指数设置为0，如果像素点的超绿指数值超过255，则将对应的超绿指数设置为255，从得到某一监测分区图像的单通道灰度图g；

15、exgr(i,j)＝2g(i,j)-r(i,j)-b(i,j)     (4)

16、步骤4.3、计算所述单通道灰度图g的灰度直方图，得到灰度取值范围[0,l-1]和灰度级为i的分布的统计信息，l表示灰度级的级别数；

17、步骤4.4、在[0，l-1]范围内设定一个灰度阈值k，根据灰度阈值k，将所述单通道灰度图g中的像素点按像素点的灰度值分为两部分，相应记为n0和n1，其中，n0由灰度值在[0,k]之间的像素点组成，n1由灰度值在[k+1,l-1]之间的像素点组成；

18、步骤4.5、利用式(3)和式(4)分别计算n0的像素灰度级方差u0和n1的像素灰度级方差u1：

19、

20、

21、式(3)和式(4)中，pi表示灰度级为i的像素点出现的概率，并由式(5)计算：

22、pi＝ni/n,i＝0,1,2,...,l-1    (7)

23、式(5)中，n为所述某一监测分区图像的单通道灰度图g的像素点总数；ni为灰度级为i的像素点总数；

24、步骤4.6、利用式(6)计算n0和n1的类间方差

25、

26、步骤4.7、比较阈值k下的类间方差是否大于最大类间方差，若是，则更新最大类间方差为并将相应的阈值k作为最佳阈值ξ，否则，在[0，l-1]范围内重新改变k的取值后，返回步骤4.4顺序执行；

27、步骤4.8、遍历所述某一监测分区图像的单通道灰度图g中各像素点的灰度值，将大于最佳阈值ξ的像素点划分为植被区域，小于等于最佳阈值ξ的像素点划分为非植被区域；

28、步骤4.9、利用式(7)计算监测分区的植被与非植被区域比值fc；

29、

30、式(7)中，nveg为某一监测分区图像的单通道灰度图g中的植被像素点总数，nback为某一监测分区图像的单通道灰度图g中非植被像素点总数；

31、步骤4.10、将任一帧正下视图像的某一分区图像的植被与非植被区域比值fc与第一帧正下视图像的同一分区图像的植被与非植被区域比值进行作差后，得到相应分区图像的植被与非植被区域比值变化量

32、所述步骤5包括：

33、步骤5.1、根据监测分区的实际情况，设定植被与非植被区域比值变化量的高阈值为fhigh、植被与非植被区域比值变化量的低阈值为flow；

34、步骤5.2、若则提示无滑坡风险；

35、若则执行步骤5.3；

36、若则提示存在潜在滑坡的风险；

37、步骤5.3、根据相应监测分区的边坡位移数据，若相应监测分区的植被与非植被区域比值的变化量表现为随边坡位移数据增大而上升，则将相应监测分区判断为潜在滑坡阶段植被变化的异常情况，并提示存在潜在滑坡的风险，否则，执行步骤5.4；

38、步骤5.4、若相应监测分区存在裂缝、节理面的扩张或断层的活动，则相应监测分区判断为潜在滑坡阶段植被变化的异常情况，并提示存在潜在滑坡的风险。

39、本发明一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述潜在滑坡判识方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

40、本发明一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序的特点在于，所述计算机程序被处理器运行时执行所述潜在滑坡判识方法的步骤。

41、与现有技术相比，本发明的有益效果在于：

42、本发明利用计算机图像处理技术的优势，在一定程度上弥补gnss技术和insar技术在复杂地理环境中滑坡监测工作的不足，通过物候相机影像计算和分析监测区的植被与非植被区域比值及植被与非植被区域比值在不同时间的变化状况，判识在滑坡发生前的滑坡体上植被变化的异常状况，反映滑坡的蠕变情况，进而帮助预测滑坡的发生，从而提高了判识效率和准确性，并能有效地节省人力物力财力。