[发明专利]一种基于高分辨率遥感影像的公路灾害信息检测方法

权利要求书

1.一种基于高分辨率遥感影像的公路灾害信息检测方法，其特征在于：包括如下步骤：

步骤(1)、灾前和灾后的影像获取

获取受灾区域灾害发生前的高分辨率光学遥感影像、灾害发生后的高分辨率SAR遥感影像；

步骤(2)、对灾前光学遥感影像进行道路提取

采用面向对象方法，根据光学遥感影像的成像特点，选取光谱同质性和形状同质性因子作为分割因子，通过设置最优分割尺度，得到多尺度分割结果；基于多尺度分割的结果，结合机器学习和阈值分类模型，利用遥感影像RGB波段信息进行道路提取；

步骤(3)、将灾前光学遥感影像和灾后SAR遥感影像进行配准，达到精确配准的先验条件

步骤(4)、道路范围映射

基于步骤(3)的精确配准的先验条件，将步骤(2)提取的道路范围映射至灾后SAR遥感影像上，将检测区域从整幅影像缩小至道路区域；

步骤(5)、道路损毁区域提取

采用小基线集方法，生成道路路域范围内的平均地形形变速率图和形变时间序列图，提取出现明显形变的道路损毁区域，进一步对不同等级道路损毁程度进行逐段识别，统计损毁长度，结合道路等级、地震烈度，在研究区内计算损毁评估分值，进而定量评价道路损毁程度，即完成公路灾害损毁信息检测。

2.根据权利要求1所述的基于高分辨率遥感影像的公路灾害信息检测方法，其特征在于：步骤(2)中，分割尺度包括20、31、39。

3.根据权利要求1所述的基于高分辨率遥感影像的公路灾害信息检测方法，其特征在于：步骤(2)中，结合机器学习和阈值分类模型，利用遥感影像RGB波段信息进行道路提取的具体步骤如下：

首先，采用支持向量机监督分类算法，利用分类超平面模型将不同的样本分开，在新的空间中求出最优线性分类面，实现道路与其他地物的初步分类；然后，在初步分类结果的基础上，利用遥感影像RGB波段信息，构建分类特征，建立道路解译提取规则集，实现道路优化提取，最后利用形态学优化输出道路。

4.根据权利要求3所述的基于高分辨率遥感影像的公路灾害信息检测方法，其特征在于：步骤(2)中，分类特征包括光谱特征、纹理特征、几何特征和上下文特征；其中，光谱特征构建方式如下：

BSCC＝[Brightness]+B-G*2 (1)

式中，BSCC是构建的自定义波段光谱特征，仅使用RGB波段信息的光谱和亮度值组合；Brightness为亮度，B为蓝波段，G为绿波段；

纹理特征构建方式如下：仅使用RGB波段信息，采用灰度共生矩阵的同质度和对比度作为分类条件；

几何特征构建方式如下：采用形状特征的长宽比和密度属性加以识别，对道路进行提取和细化；

上下文特征构建方式如下：通过创建道路对象与相邻对象之间的位置关系、与相邻对象的公共边占总边长的比例，对道路分类结果进行优化。

5.根据权利要求1所述的基于高分辨率遥感影像的公路灾害信息检测方法，其特征在于：步骤(3)中，灾前光学遥感影像和灾后SAR遥感影像的配准包括如下步骤：

步骤(3.1)、初步配准

分别从灾前光学遥感影像和灾后SAR遥感影像中提取面状地物特征；通过特征描述符算子对面状地物特征进行描述，通过对描述符的相似度匹配实现特征配对；

步骤(3.2)、精确配准

在初步配准的灾前光学遥感影像和灾后SAR遥感影像上，提取实际特征点和特征线，并将特征线的交点作为虚拟特征点，使特征点在整幅影像中的分布更加均匀；然后，通过特征描述符算子对点特征、线特征进行描述，通过对描述符的相似度匹配分别实现点特征、线特征配对。