[发明专利]一种基于高分遥感影像的矿山环境变化检测方法

权利要求书

1.一种基于高分遥感影像的矿山环境变化检测方法，其特征在于，包括如下步骤：

S1：确定矿山环境检测目标，并采集对应的多时相遥感影像；

S2：对多时相遥感影像变化检测数据进行预处理；

S3：根据mean shift算法，对预处理后的多时相遥感影像进行图像分割，并根据矿山的特点对分割后图像进行特征提取，构建对象级的多源特征集；

S4：根据变化向量分析法CVA，构建CVA模型，并将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；

S5：根据极限学习机ELM，构建ELM模型，并输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。

2.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S1中，矿山环境主要包括采场、尾矿库和排土场；

对于采场、排土场及周边区域的动态监测，采场和排土场的扩张、周边区域植被的变化以及建筑的增加为重点检测目标；

对于尾矿库及周边区域的动态监测，库区的扩张、干滩和坝体的变化、库区周边山体植被的变化、下游的建筑和重要设施的变化为主要检测目标。

3.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S2中，预处理包括大气校正、正射校正、融合、几何配准以及相对辐射校正。

4.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S3中，根据矿山环境检测目标，提取的特征包括归一化水体指数、归一化植被指数以及亮度特征同原始光谱数据，共同作为数据源，并根据所有数据源，构建对象级的多源特征集。

5.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S4中，基于CVA的训练样本自动选择方法，包括如下步骤：

S4-1：根据输入影像，使用CVA模型获取CVA差值影像，并进行降序排序；

S4-2：根据排序后的CVA差值影像，选择对象为变化类别的样本与对象为未变化类别的样本；

S4-3：将选择的样本作为训练样本进行输出。