点云与数字图像数据融合的斜坡变形裂缝自动检测
地表裂缝作为斜坡变形的前兆特征之一,能够对地质灾害早期识别、运动失稳特征确定提供预报信息.受地形条件影响,人工排查效率低,使用单一遥感数据识别也难以解决复杂背景下裂缝的尺寸效应及噪点滤波问题.为了高效采集变形斜坡地表裂缝分布位置及几何信息,采用以无人机仿地飞行获取的点云及数字正射影像图作为数据源.首先,利用分别以点云粗糙度、坡度、离散度、数字图像像素梯度、灰度值和RGB(red green blue)值作为特征的6种算法模型实现斜坡裂缝的初步识别,进行不同模型的受试者工作特征曲线检验并确定分割阈值;其次,通过形态修复、基于密度聚类算法索引的裂缝方向、长度、频数3种滤波算法对初始提取结果进行背景噪点处理,在最小程度造成裂缝失真情况下能够最高去除82.7%的噪点;然后,采用二分类模型评价指标分析6种滤波后裂缝提取结果的优劣性,并针对裂缝尺寸效应获得数据融合后的最优检测模型(F1=0.835 0);最后,基于裂缝骨架及轮廓自动计算了数量、长度、宽度、方向、离散度、裂纹密度6个定量化特征指标.结果表明,采用多维数据融合能够解决地表裂缝识别的空间尺度效应,以裂缝单元索引的滤波处理方式能够适用于大范围复杂地表场景下的噪点去除.
无人机、地质灾害、斜坡变形裂缝、自动提取、信息统计
48
P237(摄影测量学与测绘遥感)
国家自然科学基金;国家自然科学基金
2023-08-28(万方平台首次上网日期,不代表论文的发表时间)
共16页
1296-1311