[发明专利]基于小波包变换和支持向量机的滑坡敏感性地图绘制方法

权利要求书

1.基于小波包变换和支持向量机的滑坡敏感性地图绘制方法，其特征在于，包括以下步骤：

S1：从30m空间分辨率的DEM数据和ASTER传感器的可见光近红外波段数据中计算并提取滑坡致灾敏感因子，归一化处理滑坡致灾敏感因子，其中，DEM数据表示数字高程数据，滑坡致灾敏感因子包括高程、坡度、坡向、坡长、水流力指数、地形湿度指数、归一化植被指数；

S2：采用小波包变换，分解每个滑坡敏感因子，其中，小波包变换的函数为

x(t)为原始信号，是时间或位置的函数，此处是位置的函数，s为比例参数，μ为平移参数，*代表复共轭，母小波ψ(t)为变换函数；

S3：采用多项式核函数的支持向量机，有监督地学习滑坡敏感因子特征，累次向分类器输入敏感因子，得到分类结果，输出滑坡敏感因子集；

S4：依据得到的滑坡敏感因子集，生成滑坡敏感性地图。

2.根据权利要求1所述的基于小波包变换和支持向量机的滑坡敏感性地图绘制方法，其特征在于，所述步骤S1包括以下步骤：

S11：采用地理信息系统软件ArcGIS和遥感图像处理平台ENVI，从30m空间分辨率的DEM数据和ASTER传感器的可见光近红外波段数据中计算并提取7个滑坡致灾敏感因子；

S12：归一化处理7个滑坡致灾敏感因子，其中，公式为

v′是归一化的数据矩阵，v是原始数据矩阵，而U和L是上下归一化边界。

3.根据权利要求1所述的基于小波包变换和支持向量机的滑坡敏感性地图绘制方法，其特征在于，所述步骤S1包括以下步骤：

S31：建立多项式核函数分类器模型；

S32：输入模型中i+1个敏感因子的组合，其中，最初模型中敏感因子的组合数量为0；

S32：计算n-i个SVM模型分类精度值，依次向模型中加入新的敏感因子，得到滑坡敏感因子集，其中，SVM为支持向量机。

4.根据权利要求1所述的基于小波包变换和支持向量机的滑坡敏感性地图绘制方法，其特征在于，所述步骤S2中，精细地处理滑坡敏感因子局部特征。

5.根据权利要求1所述的基于小波包变换和支持向量机的滑坡敏感性地图绘制方法，其特征在于，离散小波包变换的比例尺和位置基于两个幂，函数表达式为

其中，两个幂为二进位比例尺、位置，j和k为整数，s_o表示固定的扩张步骤且大于零。

6.根据权利要求1所述的基于小波包变换和支持向量机的滑坡敏感性地图绘制方法，其特征在于，所述步骤S2中，二维小波分解描述为沿水平轴和垂直轴连续应用的一维离散小波变换，其中，水平轴表示地图或图像的行，垂直轴表示地图或图像的列。

7.根据权利要求3所述的基于小波包变换和支持向量机的滑坡敏感性地图绘制方法，其特征在于，所述步骤S32中，依次向模型中加入新的敏感因子，直至得到的分类精度不再增加为止。