针对植被覆盖的滑坡自动化监测关键算法研究

遥感技术已经广泛应用于滑坡灾害监测，其中基于普通单反数码相机和多基线摄影测量理论的近景滑坡监测技术更显示出了灵活方便、成本低、效率和精度较高等特点。然而，目前的这些技术仍然无法解决植被部分或零星覆盖下的滑坡自动化监测问题。由植被引起的问题主要包括植被对自动化匹配的干扰、植被点云噪声滤波、滑坡形变区域误检测等。本项目将在多基线近景摄影测量理论的支持下，研究基于视觉认知特征和多视立体辅助的植被自动检测算法、基于多条件约束的植被点云滤波算法以及基于局部形变趋势一致性的误检测评估算法等，从而解决植被覆盖下的滑坡自动化监测问题。

基于普通单反数码相机和多基线摄影测量理论的近景滑坡监测技术具有灵活方便、成本低、效率和精度较高等优势。然而，该技术无法解决植被部分或零星覆盖下的滑坡自动化监测问题。由植被引起的问题主要包括植被对影像自动化匹配的干扰、植被点云滤波、滑坡形变区域误检测等。针对这些问题，本项目在多基线近景摄影测量理论的基础上，首先，研究了基于视觉认知特征和多视立体辅助的植被自动检测算法，提出了一种基于纹理特征和朴素贝叶斯分类器的滑坡植被区域检测算法。经过实验论证，该算法能很好地检测出近景影像中的植被区域，解决了近景影像用于滑坡变形监测应用中，植被对监测精度、可靠性和自动化的影响，极大地促进了近景影像测量在滑坡自动化监测中的应用。其次，针对近景影像滑坡DSM滤波问题（植被和噪声），本项目充分考虑多基线摄影测量具有的多视特点、滑坡表面部分植被覆盖以及局部地形连续性的特征，提出了一种基于多条件约束的点云滤波算法：先进行植被检测并剔除植被区域，然后利用多视约束和局部地形连续性条件剔除点云中的噪声点，最后将其应用于滑坡变形监测中。实验表明，该方法可有效去除植被和噪声点。同时，针对经过高精度影像配准和点云滤波等处理后仍然存在的形变区域检测误差，本项目通过叠加滑坡体形变前后的DSM和植被检测结果，实现对误检测形变区域的定位和分析，得出结论：形变区域检测误差主要来自植被剔除残余、点云滤波或点云模型不精确和DEM采样误差等。因此，为了提高滑坡监测精度，一方面需要对残余的植被进行进一步剔除处理，另一方面有必要提高多视点云匹配的可靠性。最后，结合多基线近景摄影测量理论和上述几个自动化处理算法，项目组开发了一套新的滑坡体近景摄影测量监测系统，应用于地质滑坡自动化动态监测，通过案例分析，该系统具备自动化、高精度、高效率等特点。