论文部分内容阅读
地质灾害的预测和分析比较复杂，单纯依靠地面调查，不仅周期长、费用高且难以准确判断。利用遥感技术不但可以准确、直观、全面、多角度地观察和研究地质灾害，还可以利用多时像的遥感资料，动态地观察地质灾害的发生、发展等过程，为地质灾害地面调查及后续治理提供指导。遥感图像的自动识别是遥感、计算机视觉和模式识别等领域面临的重大挑战。纹理是遥感图像的重要信息和基本特征，在遥感图像的自动识别中具有重要意义。如何借助于纹理对遥感图像进行综合分析，提高遥感图像的识别精度、拓展应用的范围，这不仅在识别机理研究上具有重要意义，并且在整个遥感领域中都具有实用价值。本文正是借助于纹理来对滑坡遥感图像进行综合分析。
本文从纹理分析的基本理论入手，对现已有的各种纹理方法进行对比研究，然后结合滑坡遥感图像的特点，本文将灰度共生矩阵与数理统计中的t检验法相结合，提出了一种新的基于纹理分析的遥感图像识别方法。并着重研究了此方法在滑坡遥感图像地物识别中的理论、算法以及具体实现过程。通过对云阳滑坡的图像进行识别处理，较好地完成了该图像上典型地物的识别和提取，包括水域、植被、土体和居民地的识别和提取。
在对滑坡遥感图像进行完识别和提取工作后，对所得到的识别结果进行检验是十分必要的，它可以判定此次识别是否达到了预先的期望。利用数学公式加先验知识做识别，只能尽可能接近自然特性，但不可能全部符合实际。从这一点看，在做完自动识别计算后有必要进行检验，评价一下识别的准确率。本文采用国内外学者普遍采用的对遥感图像模式识别结果进行精度评价的方法一混淆矩阵法。通过对云阳滑坡识别结果随机提取抽样，总的识别精度达到百分之八十八。除了居民生活区的识别精度较低外，其它地物的识别精度较高。
接着，本文根据对典型地物的识别和提取的结果，结合滑坡的基本影像特征，指出了云阳滑坡的滑坡类型，滑坡范围和滑坡形态(包括滑坡体和滑坡后壁)，并对滑坡所能造成的危害进行了评估和提出了防止措施等。
总之，通过云阳滑坡的识别实例，可以看出，灰度共生矩阵与数理统计中的t检验法相结合的方法非常适合对典型地物的提取，特别是对滑坡遥感图像上典型地物的提取，从而为人类更好地掌握滑坡提供了有效的方法，实验证明该方法对滑坡遥感图像具有良好的识别效果。
本文研究的创新点在于，结合共生矩阵法和t检验法提出了一种基于纹理分析的新的滑坡等地质灾害遥感图像识别方法，并着重研究了此方法在遥感图像地物识别中的理论、算法及其实现。实验证明，该方法可实时的对遥感图像进行识别，并能够提高遥感图像的最终识别效果，从而可以更好地理解地质遥感图像，从地质遥感数据中提取各种有用的地物信息，为滑坡等地质灾害的防止和预测提供了更好的方法。
本文内容共分为六章，主要内容如下：
第一章为绪论，介绍了本文的研究目的和意义，遥感图像分析和识别方法的发展和现状以及遥感在地质灾害方面的应用；其次简要介绍了本文的研究方法和内容，最后阐述了本文的详细结构。
第二章主要介绍了遥感的定义以及遥感的发展现状，并对遥感图像识别的特点及所面临的问题进行了概括总结，最后对图像识别中所使用的模式识别技术进行了简要的概述。
第三章介绍了纹理的描述和分析方法，并详细地介绍了纹理分析的各种方法并做了简单的比较，重点介绍了灰度共生矩阵。
第四章主要介绍了基于统计法的灰度共生矩阵法对滑坡遥感图像的纹理分析的方法和具体步骤，包括二次统计特征量的提取，通过对遥感图像中训练区的各种地物图像进行纹理分析，统计分析得到具有各类地物特征的特征量，并介绍了t检验法和利用逐点跟踪的方法达到了识别图像对象的目的。
第五章采用基于统计法的灰度共生矩阵法来提取二次统计特征量，通过对云阳滑坡遥感图像中训练区的各种地物图像进行纹理分析，统计分析得到具有各类地物特征的特征量，并结合t检验法，利用逐点跟踪的方法达到了识别图像对象的目的。
第六章对本文所做的工作做了具体总结，并对下一步的工作和进一步研究进行了展望。