[发明专利]一种基于深度学习的无人机影像地质灾害自动提取方法

权利要求书

1.一种基于深度学习的无人机影像地质灾害自动提取方法，其特征在于，包括：

S1获取无人机影像；

S2对获取的无人机影像进行预处理，得到预处理后的无人机影像；

S3基于预处理后的无人机影像进行特征提取，得到无人机影像的特征信息；

S4将无人机影像的特征信息输入到训练好的神经网络模型，得到地质灾害提取结果；

步骤S1包括：

获取无人机针对目标区域实时采集并回传的无人机影像；

步骤S2包括：

S21对获取的无人机影像进行投影变换、辐射校正、影像配准和影像裁剪，得到标准无人机影像；

S22根据获取的标准无人机影像进行增强处理，得到预处理后的无人机影像；

其中，步骤S22中，根据获取的标准无人机影像进行增强处理，包括：

根据获取的标准无人机影像，将标准无人机影像从RGB空间转换到灰度空间，得到第一灰度影像；其中采用的灰度空间转换函数为：

式中，h₁(x,y)表示第一灰度影像中像素点(x,y)位置的灰度级；r(x,y)表示标准无人机影像中像素点(x,y)位置的R分量级，g(x,y)表示标准无人机影像中像素点(x,y)位置的G分量级， b(x,y)表示标准无人机影像中像素点(x,y)位置的B分量级；

根据获取的第一灰度影像进行局部灰度调节处理，得到第二灰度影像，其中采用的局部灰度调节处理函数为：

式中，h₂(x,y)表示第二灰度影像中像素点(x,y)位置的灰度级；h_1T20和h_1T80分别表示将第一灰度影像中各像素点的灰度级从大到小排序得到的序列中第前20%和80%像素点对应的灰度级；max(r(x,y),g(x,y),b(x,y))表示像素点(x,y)位置R分量级、G分量级和B分量级中的最大值；

根据获取的第二灰度影像进行全局灰度调节处理，得到第三灰度影像，其中采用的全局灰度调节处理函数为：

式中，h₃(x,y)表示第三灰度影像中像素点(x,y)位置的灰度级，h_2δ(x,y)表示第二灰度影像中以像素点(x,y)为中心的邻域范围内所有像素点的平均灰度级，h_2med表示第二灰度影像的中值灰度级，max(h₂)和min(h₂)分别表示第二灰度影像的最大灰度级和最小灰度级，h_T表示设定的标准灰度级，其中h_T的取值范围为[150,170]；ω₁、ω₂和ω₃分别表示设定的权重系数，其中ω₁的取值范围为[0.2,0.4]；ω₂的取值范围为[0.3,0.5]，ω₃的取值范围为[0.2,0.4]，ω₁+ω₂+ω₃的取值范围为[1,1.1]；

根据得到的第三灰度影像从灰度空间转换到RGB空间，得到预处理后的无人机影像。

2.根据权利要求1所述的一种基于深度学习的无人机影像地质灾害自动提取方法，其特征在于，步骤S3包括：

S31基于预处理后的无人机影像进行RGB通道分离，分别获取的无人机影像的红色通道分量特征、绿色通道分量特征和蓝色通道分量特征；

S32基于预处理后的无人机影像进行红外反射率特征提取，获取无人机影像的红外反射率特征；

S33基于预处理后的无人机影像进行纹理特征提取，获取无人机影像的纹理特征；

S34基于预处理后的无人机影像进行植被指数特征提取，获取无人机影像的植被指数特征；

S35根据获取无人机影像的红色通道分量特征、绿色通道分量特征、蓝色通道分量特征、红外反射率特征、无人机影像的和植被指数特征进行融合，得到无人机影像的特征矩阵。