Superpixel-based automatic image recognition for landslide deformation areas
01摘要
—
获取滑坡连续变形信息对滑坡过程分析具有重要意义。本文提出了一种滑坡变形区域图像识别方法，利用该方法可以自动识别滑坡区域，获取连续的滑坡变形数据。利用Python和OpenCV开源库实现了该方法，并使用降雨诱发滑坡试验视频数据进行了验证。结果表明，该图像识别方法可以较高准确率识别视频监控图像中的滑坡特征。对识别结果的误差分析表明，环境光强变化和镜面反射是造成识别误差的主要原因。新的图像识别方法简单易行，可应用于裸露坡面，特别是人工坡面。
02图表
—
03结论
—
为了快速提取滑坡变形信息，本研究提出了一种基于Python和开源图形库OpenCV的图像识别方法。该方法可以自动提取连续的滑坡变形数据，更有利于获取边坡的微小变形。此外，自动识别滑坡区域可以大大减少数据分析的工作量，特别是对于滑坡模型试验。开发了一种用于滑坡区域识别的超像素分割方法。该方法使得每个超像素比原始单像素包含更多的图像特征信息，可以有效地利用图像分析滑坡，提供有价值的信息。
文献求助请加QQ群：964092729
模型试验讨论及咨询请加QQ群：707519607
交流讨论模型试验研究，请加小编微信：18607111060。向大家学习请教
