陈善静¹,向朝参²,康青¹,吴韬³,刘凯²,冯亮²,邓涛⁴

¹(陆军勤务学院 重庆 401311);²(重庆大学计算机学院 重庆 400044);³(国防科技大学电子对抗学院 合肥 230037);⁴(78092部队 成都 610031) (chengshanjing_11@163.com)

出版日期: 2020-09-01


基金资助:国家自然科学基金项目(61872447);重庆市自然科学基金项目(CSTC2018JCYJA1879);重庆市教委科学技术研究项目(KJQN201912905)

Multi-Source Remote Sensing Based Accurate Landslide Detection Leveraging Spatial-Temporal-Spectral Feature Fusion

Chen Shanjing¹, Xiang Chaocan², Kang Qing¹, Wu Tao³, Liu Kai², Feng Liang², Deng Tao⁴

¹(Army Logistics University, Chongqing 401311);²(College of Computer Science, Chongqing University, Chongqing 400044);³(College of Electronic Warfare, National University of Defense Technology, Hefei 230037);⁴(78092 Troop, Chengdu 610031)

Online: 2020-09-01


Supported by:This work was supported by the National Natural Science Foundation of China (61872447), the Natural Science Foundation of Chongqing (CSTC2018JCYJA1879), and the Science and Technology Research Program of Chongqing Municipal Education Commission (KJQN201912905).

摘要/Abstract

摘要： 针对多源遥感图像中滑坡时空谱特征融合利用模式单一、检测识别性能差等问题，提出了一种基于多源遥感时空谱特征融合的滑坡灾害检测方法，以滑坡发生地区灾前灾后多源遥感图像为基础，通过对多波段遥感图像进行光谱空间和尺度空间配准，构建融合时序变化特征、光谱特征和空间形状特征遥感影像数据集，将多维多谱变化信息转化为光谱表征模型.利用支持向量机模型对滑坡目标和背景地物进行识别，在此基础上根据滑坡基础形状模型的轴向长宽比、面积参数和不变矩等典型形状特征指标对滑坡区域进行目标精确分类与识别.实际实验表明，该方法能够达到95%的识别率，优于多种常见滑坡遥感检测方法.

参考文献

相关文章 15

[1]	刘颖, 杨轲. 基于深度集成学习的类极度不均衡数据信用欺诈检测算法[J]. 计算机研究与发展, 2021, 58(3): 539-547.
[2]	王婕婷, 钱宇华, 李飞江, 刘郭庆. 消除随机一致性的支持向量机分类方法[J]. 计算机研究与发展, 2020, 57(8): 1581-1593.
[3]	肖珂,戴舜,何云华,孙利民. 基于城市监控的自然场景图像的中文文本提取方法[J]. 计算机研究与发展, 2019, 56(7): 1525-1533.
[4]	倪明涛,赵波,吴福生,樊佩茹. CREBAD：基于芯片辐射的物联网设备异常检测方案[J]. 计算机研究与发展, 2018, 55(7): 1451-1461.
[5]	周宇航,周志华. 代价敏感大间隔分布学习机[J]. 计算机研究与发展, 2016, 53(9): 1964-1970.
[6]	冯昌,廖士中. 随机傅里叶特征空间中高斯核支持向量机模型选择[J]. 计算机研究与发展, 2016, 53(9): 1971-1978.
[7]	陈忆群,周如旗,朱蔚恒,李梦婷,印鉴. 挖掘专利知识实现关键词自动抽取[J]. 计算机研究与发展, 2016, 53(8): 1740-1752.
[8]	何文斌,刘群锋,熊金志. 支持向量机多项式光滑函数的误差理论研究[J]. 计算机研究与发展, 2016, 53(7): 1576-1585.
[9]	董爱美,毕安琪,王士同. 基于迁移共享空间的分类新算法[J]. 计算机研究与发展, 2016, 53(3): 632-643.
[10]	甘丽新，万常选，刘德喜，钟青，江腾蛟. 基于句法语义特征的中文实体关系抽取[J]. 计算机研究与发展, 2016, 53(2): 284-302.
[11]	张虎,谭红叶,钱宇华,李茹,陈千. 基于集成学习的中文文本欺骗检测研究[J]. 计算机研究与发展, 2015, 52(5): 1005-1013.
[12]	李涛,刘学臣,张帅,王恺,杨愚鲁. 基于混合编程模型的支持向量机训练并行化[J]. 计算机研究与发展, 2015, 52(5): 1098-1108.
[13]	陈耀东,李仁发. 一种层次化的联合识别模型[J]. 计算机研究与发展, 2015, 52(11): 2431-2440.
[14]	刘金宝，盛达魁，张铭. 微博自媒体账号识别研究[J]. 计算机研究与发展, 2015, 52(11): 2527-2534.
[15]	花小朋, 丁世飞,. 局部保持对支持向量机[J]. 计算机研究与发展, 2014, 51(3): 590-597.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4254