融合无人机高分辨率DOM和DSM数据语义的崩岗识别

来源：农业工程学报杂志2020年第12期北京时间：

作者：沈盛彧,张彤,程冬兵,王志刚,赵元凌,邓羽松,钱峰,

摘要：崩岗识别是大规模的崩岗调查、治理和侵蚀机理等研究的首要任务，但以现场调查和人工解译高分辨率卫星遥感影像为主的传统方法，自动化程度低，人力、物力成本高而且效率低，不能满足大范围工作的需要。该研究借鉴遥感影像场景分类识别思路，利用视觉-地形词袋模型（Bag of Visual-Topographic Words, BoV-TW）进行崩岗区域高分辨率数字正射影像图Digital Orthophoto Map（DOM）与数字表面模型Digital Surface Model（DSM）局部特征的混合表达，并通过潜在狄利克雷分配Latent Dirichlet Allocation（LDA）的潜在语义分析融合形成低维度的高层语义表征，最后以支持向量机（Support-Vector Machine, SVM）作为监督学习训练分类器，实现崩岗的高精度快速自动识别。试验结果表明：1）LDA主题个数变化时，该方法总精度可保持在95%左右，崩岗查全率和查准率保持在80%以上，最高分别为97.22%和94.44%；2）视觉-地形词袋词汇表大小变化时，该方法总精度一直在90%以上，最高为96.10%，崩岗查全率也基本在90%以上，最高为100%，崩岗查准率随词汇表大小的增加逐渐提升，最高为85.00%；3）仅使用DOM无法较好地识别崩岗地貌特征，没有合适的特征提取和融合策略，DOM和DSM结合也无法提高崩岗识别效果。同时，该方法时间花费少，效率高，可行性强。该研究可为崩岗调查、监测、治理及侵蚀机理的定量化研究提供参考。

关键词：无人机, 识别, 崩岗, DOM, DSM, 视觉-地形词袋模型