降雨激发浅层滑坡发育特征与阈值研究——以江西省全南县大吉山“2019.6.10”灾害为例

2019年6月10日江西省全南县大吉山社区流域在一次降雨量171 mm、最大小时降雨量40.5 mm作用下发生了116处浅层滑坡。通过影像识别、野外调查、GIS分析和数理统计等方法分析了该地区浅层滑坡的发育特征、地形特征及此次滑坡发生的降雨阈值。结果表明：（1）滑坡的特征参数表明降雨事件诱发的滑坡均为小型、浅层、形态以“宽薄型”为主的滑坡。（2）通过滑坡数量百分比（LSNP）和滑坡面积百分比（LSAP）等指标显示滑坡发育的地形条件中滑坡坡度、相对高程、地表曲率对滑坡具有较明显的控制作用,坡向和临空面对滑坡分布影响性不强,人类工程活动对滑坡发育的影响不容忽视。（3）利用现有预报模型,计算出该区域浅层滑坡发生的阈值P<0.21、0.21≤P<0.40、P≥0.40分别对应发生可能性小、中等和大,以及发生浅层滑坡需要的一次最小降雨量为70 mm。该成果可为类似地质背景地区的浅层滑坡风险管理和灾害预警提供重要参考。     

基于高低帽变换的图像迭代分割方法

针对现有的迭代阈值分割算法作用于一些低对比度或一些变化较大的图像时精度不高、存在过度分割难以识别目标区域的问题,引入数学形态学模型,提出一种基于形态学中高低帽变换预处理后再进行迭代分割的改进优化算法。该算法利用高低帽变换来增大原始图像的灰度动态范围同时锐化图像,使图像清晰,再通过迭代阈值分割出目标区域,针对一些难以分割的目标,可以再次采用低帽变换凸显目标区域,最后通过二值图像连通区域标记,按面积擦除噪声区域完成分割。实验结果表明,不论是针对较小目标物体或是较大目标物体都能取得良好的分割效果,改进后算法的稳定性、适应性和分割精度都得到提升,具有广阔的应用前景。     

统计数据总量约束下全局优化阈值的冬小麦分布制图

大范围、长时间和高精度农作物空间分布基础农业科学数据的准确获取对资源、环境、生态、气候变化和国家粮食安全等问题研究具有重要现实意义和科学意义。本文针对传统阈值法农作物识别过程中阈值设置存在灵巧性差和自动化程度低等弱点,以中国粮食主产区黄淮海平原内河北省衡水市景县为典型实验区,首次将全局优化算法应用于阈值模型中阈值优化选取,开展了利用全局优化算法改进基于阈值检测的农作物分布制图方法创新研究。以冬小麦为研究对象,国产高分一号(GF-1)为主要遥感数据源,在作物面积统计数据为总量控制参考标准和全局参数优化的复合型混合演化算法SCE-UA (Shuffled Complex Evolution-University of Arizona)支持下,提出利用时序NDVI数据开展阈值模型阈值参数自动优化的冬小麦空间分布制图方法。最终,获得实验区冬小麦阈值模型最优参数,并利用优化后的阈值参数对冬小麦空间分布进行提取。通过地面验证表明,利用本研究所提方法获取的冬小麦识别结果分类精度均达到较高水平。其中冬小麦识别结果总量精度达到了99.99%,证明本研究所提阈值模型参数优化方法冬小麦提取分类结果总量控制效果良好;同时,与传统的阈值法、最大似然和支持向量机等分类方法相比,本研究所提阈值模型参数优化法区域冬小麦作物分类总体精度和Kappa系数分别都有所提高,其中,总体精度分别提高4.55%、2.43%和0.15%,Kappa系数分别提高0.12、0.06和0.01,这体现出SCE-UA全局优化算法对提高阈值模型冬小麦空间分布识别精度具有一定优势。以上研究结果证明了利用本研究所提基于作物面积统计数据总量控制以及SCE-UA全局优化算法支持下阈值模型参数优化作物分布制图方法的有效性和可行性,可获得高精度冬小麦作物空间分布制图结果,这对提高中国冬小麦空间分布制图精度和自动化水平具有一定意义,也可为农作物面积农业统计数据降尺度恢复重建和大范围区域作物空间分布制图研究提供一定技术参考。     

结合KI准则和逆高斯模型的SAR影像非监督变化检测

提出一种结合逆高斯模型（inverse Gaussian model,IGM）和KI（Kittler-Illingworth,KI）最小错误率准则的合成孔径雷达（synthetic aperture radar,SAR）影像非监督变化检测方法。假设差值影像中未变化类和变化类服从混合IGM,结合贝叶斯决策理论,自动求取满足KI最小错误率准则的阈值。在两组多时相SAR数据上分别设计了两组实验以验证本文方法的有效性。实验表明,本文方法可以更好地估计差值影像中未变化类和变化类的概率密度分布,得到合理的决策阈值,有效提高变化检测图的精度。     

视频卫星数据的运动车辆提取

针对新兴的视频卫星数据在道路监控中应用研究较少的问题,该文提出了一种基于特征的视频卫星数据运动车辆提取优化算法。以SkySat-1卫星获取的Las Vegas地区的视频数据为实验数据,采用传统帧差法与阈值法进行运动车辆提取,验证了该方法对视频卫星数据处理的有效性,同时在此基础上根据空间特征信息界定出道路以内的感兴趣区域,进一步根据车辆的几何特征信息对感兴趣区域的疑似车辆目标进行筛选。实验结果表明:所提算法在提取精度和完整度上明显优于基于像素的帧差法与阈值法的提取结果。     

视频测量机器人在野外天文测量中的应用

测量自动化是未来天文作业的发展方向。针对现有的天文测量系统仍需人眼观测恒星的缺陷,基于视频测量机器人TS50i的工作模式,详细介绍了其相关参数和关键技术,提出了利用TS50i代替传统全站仪进行自动天文测量的方法。采用星图处理方法解算室内观测模拟数据,验证了基于其视频测量特点的星点提取算法的适用性,其室内模拟实验横纵方向的星点提取精度分别达到0.010和0.011像素。基于大量室外观测结果表明:以视频测量机器人为平台的自动天文测量具有可靠性和准确性,经纬度定位精度达到分别优于0.24″和0.22″,可以满足野外高精度的天文测量要求。     

利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点。首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题,在图像金字塔的每层图像中划分图像网格区域,并遍历计算每层图像网格区域的对比度来设置每个网格区域的局部阈值;最后,在每个图像网格区域中完成特征点提取并利用四叉树结构存储特征点。测试结果表明,本文算法在阴天场景提取的特征点数量比原算法提取的数量多61.9%,在光照充足场景下多23.3%;在阴天场景和光照充足场景下,本文算法提取的特征点数量的波动比原算法提取的特征点数量波动小。     

全球平均海平面变化LMD-àTrous多尺度分析及预测

针对非线性非平稳的全球平均海平面时间序列分析及预测的问题,对局部均值分解LMD方法和àTrous算法进行了研究,提出了一种时间序列多尺度分析LMD-àTrous方法.利用LMD-àTrous方法处理全球平均海平面的时间序列,并结合自回归AR方法对未来全球平均海平面的变化进行预测.用平均绝对误差和平均绝对百分比误差评价AR、LMD+AR、àTrous+AR和LMD-àTrous+AR预测方法的结果,并用小波方差图描述利用传统AR方法和结合LMD-àTrous方法预测的时间序列的周期特性.实验结果表明,LMD-àTrous方法能够挖掘出数据的物理机制和物理规律,并分解成不同尺度上的特征信息,将含有噪声的项进行自适应小波阈值去噪处理并重构时间序列,能够有效地发掘数据规律并达到其预测的效果,相比于传统的时间序列预测方法具有优越性.     

基于DSM坡度分析的建筑变化监测研究

针对传统的监测手段存在的数据源精度不够、监测方法不科学、监测结果不准确等问题,创新性地提出了基于DSM(digital surface model)坡度分析的建筑自动变化监测技术体系,通过对多期高分辨率的DOM(digital orthophoto map)及DSM数据进行差值计算、坡度分析、阈值筛选等处理,最终得到研究区的建筑变化图斑.研究表明,该方法可广泛应用在建筑变化监测领域.     

局部均值分解的新小波阈值去噪法及其应用

为了克服小波硬、软阈值函数本身存在的缺点,该文在硬、软阈值函数的基础上,提出一种新的小波阈值函数,并且基于局部均值分解的原理,构造了基于局部均值分解的新小波阈值去噪法。仿真数据对比分析表明,与单纯采用小波阈值去噪法、经验模态分解(EMD)滤波去噪法及局部均值分解滤波去噪法相比,该文方法的去噪效果更好,可有效提高信号的信噪比。利用本文方法对液体静力水准仪获取的高速铁路某桥梁实际监测数据进行去噪处理,结果表明去除监测数据中噪声的同时亦可保留变形细部特征。该文方法可为工程中的非线性、非平稳监测数据去噪提供参考和借鉴。