10.16232/j.cnki.1001-4179.2022.11.018
SVM结合多阈值分类的遥感影像公路水毁信息提取
水毁灾害发生后对公路损毁位置和范围等信息进行准确提取,是后续开展应急救援和灾后重建工作的前提条件.目前,主要采用面向对象的方法对遥感影像中公路水毁信息进行检测,但是此类方法中大多数需要采用近红外波段.当影像缺少近红外波段时,目前还没有通用的方法可以对公路水毁信息进行检测.为解决以上问题,首先对各项分割参数进行对比实验,选择出最优参数作为公路水毁灾害遥感影像最优分割尺度,然后提出一种基于机器学习结合自定义波段特征CCBS(Combination characteristics of brightness and spectral)、面积、长宽比等多种影像特征的分类方法,分别提取灾前道路和灾后水体信息,并利用种子增长法对灾后水体提取结果进行优化,最后将灾前道路映射至灾后水体上提取出公路水毁路段信息.实验表明:在仅使用遥感影像RGB波段的情况下,该方法对公路水毁灾害信息的提取精度接近90%,可以满足应急救援和灾后重建工作的需求.
公路水毁灾害、信息提取、多尺度分割、支持向量机、多阈值分类、自定义波段特征
53
X43(自然灾害及其防治)
国家自然科学基金;云南省数字交通重点实验室项目
2022-12-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
112-118