為解決傳統(tǒng)遙感圖像特征提取過程抗擾性較差的問題,該文提出基于傳感網(wǎng)絡(luò)的滑坡災后多源遙感圖像特征提取方法,通過對滑坡災害環(huán)境因素及特征數(shù)值信息的分析,判斷滑坡災害的影響程度;根據(jù)其影響程度對多源遙感圖像進行特征采集和分類,對特征提取過程中常見的噪音干擾進行去除處理,實現(xiàn)對滑坡災后多源遙感圖像特征的提取。 

【文章來源】：災害學. 2020,35(03)北大核心CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

滑坡災害形成過程

具體的圖像特征相似性判斷流程如圖2所示。在完成特征采集后,進一步對采集后的結(jié)果進行降噪處理。結(jié)合數(shù)值增加和灰度直方算法建立相應的抗噪因子,以便對關(guān)鍵特征圖像進行有效甄別,從而更好的確定相應的滑坡區(qū)域目標特征進行檢測和提取。首先對檢測到的特征圖像主體的直線變化中特殊點影像數(shù)值進行刪除[14],并對序列影像直線運動過程中產(chǎn)生的數(shù)據(jù)點密集的局域空間通過更深的樹體來進行空間切割表述,從而完成圖像局部特征降噪和尋優(yōu)跟蹤處理。若Q表示特征圖像的結(jié)構(gòu)點影響元素,圖像干擾噪聲數(shù)值為v,則可將數(shù)學形態(tài)架構(gòu)的特征變化元素描述為β,圖像區(qū)域特征結(jié)構(gòu)的最高干擾元素記為v+,圖像最大關(guān)聯(lián)點為的集合為A,則圖像特征提取過程中的噪聲濾波數(shù)值算法可記為:

對比實驗檢測結(jié)果

【參考文獻】：
期刊論文
[1]基于Multi-CNN空間特征提取的高光譜遙感影像分類[J]. 宋海峰,楊巍巍.  測繪工程. 2019(06)
[2]基于改進SIFT算法的多源遙感影像特征匹配[J]. 李瑞霖.  測繪與空間地理信息. 2019(08)
[3]基于面向?qū)ο箅S機森林分類模型的滑坡遙感解譯[J]. 徐喬,孟凡利,余紹淮.  中外公路. 2019(03)
[4]面向三維模型視圖特征提取的殘差卷積網(wǎng)絡(luò)優(yōu)化[J]. 劉楊圣彥,潘翔,劉復昌,張三元.  計算機輔助設(shè)計與圖形學學報. 2019(06)
[5]基于SHALSTAB模型與面向?qū)ο筮b感影像分析的地震滑坡信息快速檢測[J]. 王曉波,魯恒,劉雪梅,楊正麗,項霞,蔡詩響.  地震研究. 2019(02)
[6]時分MIMO滑坡雷達稀疏成像算法[J]. 蔣留兵,楊中麗,車俐.  雷達科學與技術(shù). 2019(01)
[7]無線傳感網(wǎng)中分布式信號檢測的多維特征值算法優(yōu)化研究[J]. 劉云,陳倩.  計算機工程與科學. 2018(09)
[8]氣象衛(wèi)星遙感圖像特征目標準確提取仿真[J]. 楊高偉,賈艷茹.  計算機仿真. 2018(07)
[9]一種面向未知鏈路幀的格式特征提取與分類算法[J]. 薛開平,柳彬,李威,洪佩琳.  中國科學院大學學報. 2018(04)
[10]基于多尺度特征提取的圖像語義分割[J]. 熊志勇,張國豐,王江晴.  中南民族大學學報(自然科學版). 2017(03)



本文編號：3370296