[发明专利]联合光谱、植被指数和纹理特征的高分影像滑坡检测方法

权利要求书

1.一种联合光谱、植被指数和纹理特征的高分影像滑坡检测方法，其特征在于，包括以下步骤：

S1：获取待检测高分辨率遥感影像及对应栅格化的滑坡真实标签；

S2：提取所述待检测遥感影像的光谱特征，计算植被指数，并提取纹理特征；将所述植被指数和所述纹理特征组合成辅助特征；

S3：对所述光谱特征、所述辅助特征和所述栅格化的滑坡真实标签分别进行归一化处理，得到归一化的光谱特征、归一化的辅助特征和归一化的滑坡真实标签；

S4：对所述归一化的辅助特征进行筛选，得到筛选后的辅助特征；

S5：通过叠加所述归一化的光谱特征、所述筛选后的辅助特征和所述归一化的滑坡真实标签构建多维数组；

S6：将所述多维数组裁剪成多个栅格图像块，并划分训练样本和测试样本；

S7：对所述训练样本进行数据扩充，得到扩充后的训练样本；

S8：使用所述扩充后的训练样本对深度U-Net网络进行训练，训练完成后，得到训练好的鲁棒模型；

S9：使用所述测试样本对所述训练好的鲁棒模型进行测试，评价检测精度并输出滑坡检测结果图。

2.如权利要求1所述的联合光谱、植被指数和纹理特征的高分影像滑坡检测方法，其特征在于，步骤S2中，计算植被指数的步骤包括：

通过光谱波段计算植被指数NDVI，计算公式为：

式中：NIR和R分别表示待检测高分辨率遥感影像近红外波段和红波段的反射率。

3.如权利要求1所述的联合光谱、植被指数和纹理特征的高分影像滑坡检测方法，其特征在于，步骤S2中，提取纹理特征步骤包括：

对所述待检测高分辨率遥感影像进行主成分分析，计算第一主成分的灰度共生矩阵，利用灰度共生矩阵提取多个纹理特征；

提取的所述纹理特征包括：均值Mea、方差Var、同质性Hom、对比度Con、差异性Dis、熵Ent、二阶矩Sec、自相关Cor，计算公式分别为：

式中：N为纹理图像的灰度级，P_i,j为归一化后的灰度共生矩阵在(i,j)位置处的元素值，i和j分别表示灰度共生矩阵的行和列，Mea_r和Mea_c分别表示为沿灰度共生矩阵的行和列计算所得均值，Var_r和Var_c为行和列方差。

4.如权利要求1所述的联合光谱、植被指数和纹理特征的高分影像滑坡检测方法，其特征在于，步骤S3中，采用离差标准化对所述光谱特征、所述辅助特征和所述栅格化的滑坡真实标签分别进行归一化处理，得到归一化的光谱特征、归一化的辅助特征和归一化的滑坡真实标签。

5.如权利要求1所述的联合光谱、植被指数和纹理特征的高分影像滑坡检测方法，其特征在于，步骤S4中，使用Relief-F方法对所述归一化的辅助特征进行筛选，具体包括：

S4.1：随机从归一化的辅助特征的总像素样本集D中获取一个像素样本R；

S4.2：在与R同类像素样本集和与R异类像素样本集中各获取k个近邻像素样本；

S4.3：在归一化的辅助特征构成的集合F中，若任一特征上异类像素样本的距离大于同类像素样本，则该特征是有利于分类的，增加该特征权重，否则权重不变；

S4.4：重复S4.1-S4.3共n次，取所有结果的均值作为每个特征的最终权重值即为特征重要性，再根据特征重要性进行排序，取特征重要性前三的特征作为筛选后的辅助特征。