一种基于高分遥感影像的矿山环境变化检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109146876A(43)申请公布日2019.01.04(21)申请号201811074595.X(22)申请日2018.09.14(71)申请人四川省安全科学技术研究院地址610020四川省成都市锦江区永兴巷15号省政府综合办公楼17层(72)发明人施富强郭万佳王立娟靳晓裴尼松马松范冬丽贾虎军唐尧马国超(74)专利代理机构成都正华专利代理事务所(普通合伙)51229代理人李林合李蕊(51)Int.Cl.G06T7/00(2017.01)G06T7/10(2017.01)权利要求书1页说明书5页附图5页(54)发明名称一种基于高分遥感影像的矿山环境变化检测方法(57)摘要本发明公开了一种基于高分遥感影像的矿山环境变化检测方法，包括如下步骤：S1、确定矿山环境检测目标，并采集对应的多时相遥感影像；S2、对多时相遥感影像变化检测数据进行预处理；S3、对预处理后的多时相遥感影像进行meanshift图像分割，并根据矿山的特点进行特征提取，构建对象级的多源特征集；S4、将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；S5、输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。本发明解决了现有技术存在的人工地面调查方式导致监测盲区、效率低、检测精度低以及检测结果受影响较大的问题。CN109146876ACN109146876A权利要求书1/1页1.一种基于高分遥感影像的矿山环境变化检测方法，其特征在于，包括如下步骤：S1：确定矿山环境检测目标，并采集对应的多时相遥感影像；S2：对多时相遥感影像变化检测数据进行预处理；S3：根据meanshift算法，对预处理后的多时相遥感影像进行图像分割，并根据矿山的特点对分割后图像进行特征提取，构建对象级的多源特征集；S4：根据变化向量分析法CVA，构建CVA模型，并将构建的多源特征集作为输入影像，使用CVA模型自动选择训练样本；S5：根据极限学习机ELM，构建ELM模型，并输入训练样本，对ELM模型进行训练，得到变化检测图，实现矿山环境变化检测。2.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S1中，矿山环境主要包括采场、尾矿库和排土场；对于采场、排土场及周边区域的动态监测，采场和排土场的扩张、周边区域植被的变化以及建筑的增加为重点检测目标；对于尾矿库及周边区域的动态监测，库区的扩张、干滩和坝体的变化、库区周边山体植被的变化、下游的建筑和重要设施的变化为主要检测目标。3.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S2中，预处理包括大气校正、正射校正、融合、几何配准以及相对辐射校正。4.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S3中，根据矿山环境检测目标，提取的特征包括归一化水体指数、归一化植被指数以及亮度特征同原始光谱数据，共同作为数据源，并根据所有数据源，构建对象级的多源特征集。5.根据权利要求1所述的基于高分遥感影像的矿山环境变化检测方法，其特征在于，所述步骤S4中，基于CVA的训练样本自动选择方法，包括如下步骤：S4-1：根据输入影像，使用CVA模型获取CVA差值影像，并进行降序排序；S4-2：根据排序后的CVA差值影像，选择对象为变化类别的样本与对象为未变化类别的样本；S4-3：将选择的样本作为训练样本进行输出。2CN109146876A说明书1/5页一种基于高分遥感影像的矿山环境变化检测方法技术领域[0001]本发明属于矿山检测技术领域，具体涉及一种基于高分遥感影像的矿山环境变化检测方法。背景技术[0002]矿山选址多位于道路崎岖的山区，加上矿山规模往往较大、结构复杂，依靠人工地面调查的方式效率低，且受人力、物力、财力的限制容易形成监测盲区。遥感技术是一门对地观测综合性技术，具有大面积同步观测、获取信息速度快、周期短、综合性强的特点，它弥补了传统矿山监测技术手段的缺陷，能够全面、客观、有效、准确和动态地反映出矿山及周边区域的情况，且不受环境、人工等因素的影响。特别是随着我国航空航天技术的不断发展，遥感影像的空间分辨率得到大幅提高，优于1m的高空间分辨率遥感影像为遥感技术在矿山监测方面的应用提供了数据支撑。[0003]目前国产高分卫星影像在矿山监测方面的应用仍然以专业技术人员目视解译为主，主要包括两个方面：一是通过建立矿山遥感解译标志，提取矿山的空间信息，监测矿山的开发现状；二是通过对比多期遥感影像，通过人机交互的方式实施矿山环境的动态监测。随着矿山监测技术的智能化、定量化要求不断提高，传统的以目视解译为主的遥感技术已经不满足矿山监测的需求，更加高效和定量化的遥感技