[发明专利]山洪灾害高光谱遥感影像识别方法及其识别系统在审
申请号: | 202010580725.8 | 申请日: | 2020-06-23 |
公开(公告)号: | CN111832430A | 公开(公告)日: | 2020-10-27 |
发明(设计)人: | 师哲;许文盛;王志刚;黄金权;聂文婷;孙佳佳;鄢博;任亮;杨晶;江民 | 申请(专利权)人: | 长江水利委员会长江科学院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 武汉宇晨专利事务所 42001 | 代理人: | 狄宗禄 |
地址: | 430010 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 山洪 灾害 光谱 遥感 影像 识别 方法 及其 系统 | ||
1.山洪灾害高光谱遥感影像识别方法,其特征在于:包括如下步骤,
步骤一:建构无人机遥感系统:
基于山洪灾害易发区内下垫面区域特征及山洪灾害特征,优化组合无人机遥感平台和微型高光谱成像系统、形成无人机遥感影像系统,无人机遥感影像系统满足飞行条件下微型高光谱成像仪遥感影像识别性能和参数选取;
步骤二:编制无人机飞行前准备工作手册和无人机操作手册,对无人机遥感平台的测控系统、数据传输、动态监测支持系统进行测试和规范;
步骤三:结合无人机遥感平台编制无人机载微型高光谱成像仪的操作手册,测试无人机载微型高光谱成像仪的工作状态,确定无人机遥感影像系统的稳定性和灵活性;
步骤四:确定影像识别性能和参数:
以无人机载微型高光谱成像仪的遥感影像标定地物光谱特征,分析区域内的不同因子在不同环境中反射光谱特征,建立动态条件下区域性因子光谱识别方法,为滑坡、泥石流堆积体及泥石流沟床遥感影像识别提供前提条件;
开展典型山洪沟光谱特征监测,建立特定区域山洪灾害特征因子数据库;
步骤五:无人机遥感影像系统现场采集数据:
无人机载微型高光谱成像仪采集和处理山洪灾害现场影像信息,以无线和机载存储器传输记录方式传送至山洪灾害特征因子数据库;
步骤六:影像识别系统进行地物光谱特征判断、山洪特征因子演化分析识别:
影像识别系统子系统依据区域光谱特征数据库对山洪灾害因子的光谱特征自动分类;
步骤七:识别方法子系统计算判别:
根据不同山洪灾害因子的特征光谱,以识别方法子系统内松散堆积物、植被、土壤、水体识别指数集,计算判别确定各因子;
步骤八:采用归一化植被指数和地理信息系统软件识别山洪特征因子,实现对滑坡体、泥石流堆积体及泥石流沟床的遥感影像识别,输出监测区域山洪沟山洪特征因子空间分布图。
2.根据权利要求1所述的山洪灾害高光谱遥感影像识别方法,其特征在于:还包括步骤九,
步骤九具体为:基于不同因子的识别,对滑坡体、泥石流堆积体及泥石流沟床进行监测,采用光谱演化特征分析法对监测结果进行分析、总结和归纳,研究滑坡、泥石流等灾害发生发展的规律。
3.根据权利要求2所述的山洪灾害高光谱遥感影像识别方法,其特征在于:在步骤四中,因子包括植被、岩石、土壤及水分含量;
在步骤五中,所述无人机遥感系统的功能包括数据存储、提取、光谱识别、分析、导出;
在步骤六中,山洪灾害因子包括松散堆积体、植被、土壤、水体。
4.根据权利要求3所述的山洪灾害高光谱遥感影像识别方法,其特征在于:在步骤五中,无人机遥感影像系统由无人机遥感平台和微型机载高光谱成像系统构成;微型机载高光谱成像系统包括无人机载微型高光谱成像仪和机载平台数据采集软件;
无人机载微型高光谱成像仪工作在现场,无人机遥感平台针对不同区域飞行操作条件,可在自动航线设计和手动控制两种模式下根据实际情况选择;
遥感数据影像在线自动传输至无人机载微型高光谱成像仪的采集处理系统,并同时写入特征因子数据库中。
5.根据权利要求4所述的山洪灾害高光谱遥感影像识别方法,其特征在于:无人机载微型高光谱成像仪选用全视野高光谱成像系统。
6.根据权利要求1-5中任一权利要求所述的山洪灾害高光谱遥感影像识别方法采用的识别系统,其特征在于:包括无人机遥感影像系统、特征因子数据库和遥感影像识别系统;
所述无人机遥感系统由无人机遥感平台和微型机载高光谱成像系统构成;无人机遥感平台为微型机载高光谱成像系统提供实时测控系统和监测数据传输链路;
微型机载高光谱成像系统包括无人机载微型高光谱成像仪和机载平台数据采集软件;
无人机遥感影像系统采集和处理山洪灾害现场影像信息、且将山洪灾害现场影像信息传送至特征因子数据库;
影像识别系统对特征因子数据库自动分类,获取软件解译山洪灾害因子遥感影像数据相关参数,计算确定遥感影像数据相应指标。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长江水利委员会长江科学院,未经长江水利委员会长江科学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010580725.8/1.html,转载请声明来源钻瓜专利网。