1、“.....为后期时空谱特征融合应用奠定基础以遥感图像为例布整体与灾后图像红色分量直方图分布趋于相似，如同图所示，对比图可以发现，利用直方图变换后获得的滑坡发生前遥感图像与滑坡后遥感图像整体色差基本消除，相同地物目标在不同遥感图像中颜色或光谱特征基本趋于致多源遥感影像尺度空间配准多源遥感平台由于成像高度角度和探测器空间分辨率等因素各不相同，其获得的图像空间尺度上也存在定差异，需要开展灾前灾后多源遥感影像尺度空间配准算法在特征点提取方面具有缩放不变性旋转不变性仿射不变性，还有定的抗光照变化和抗视点变换性能，因此本文利用算法对灾前灾后滑坡区域遥感图像进行尺度空间配准，其基本步骤包括尺度空间极值点提取提取特征点量化表征和特征点匹配对于维图像出对同场景多时相多源遥感图像进行光谱空间分布配准对于第波段的图像......”。

2、“.....其中，为图像第级灰度值为第波段图像中灰度值为的像素的个数，为图像灰度级，为该波段图像中像素的总数直方图提供了特定谱段遥感图像中各种灰度分布情况，是幅图像所有灰度或亮度值的整体描述将直方图分布转换为积累分布函数Η图配准前后滑坡区域的遥感图像直方图分布情况本文在多源遥感影像光谱空间配准中以灾后滑坡区域各波段遥感图像直方图分布函数为基准，对灾前遥感图像进行对应的直方图相多源遥感时空谱特征融合基础上滑坡灾害检测方法分析工业技术论文，提取的数据和卫星图像为基础，通过小波变换对类数据进行融合，并根据目标光谱纹理和局部空间位置特征对其进行面向对象的目标分类，最终实现了对热带城市地区滑坡的精确检测，但该方法对遥感数据的空间分辨率要求较高，而低分辨率遥感图像融合处理效果不够理想本文从大面积滑坡发生区域灾情信息快速获取的客观需求出发，以灾前灾后多波段光学遥感图像为基础......”。

3、“.....提出了种基于多源遥感时空谱特征融合的滑坡灾害检测方法，通过对滑坡发生前后遥感图像进行光谱空间和尺度空间配准多特征融合遥感影像数据构建基于的地物目标识别典型形过分析堰塞湖形成前后遥感图像中植被水体山体和云层的变化特征，利用最大似然分类器对目标区域进行初分类，并采用证据理论对云层等变化区域进行剔除，最终实现对滑坡堰塞湖的分选与识别该方法对灾前灾后多源遥感图像配准精度要求较高，预处理中图像重采样容易引入干扰信息，影响滑坡堰塞湖识别的准确性文献将基于深度学习目标检测算法用于滑坡遥感检测通过以少量低分辨率卫星遥感数据集构建训练样本，采用常见的基于深度学习的目标检测算法进行遥感图像滑坡检测，获得了较好的滑坡识别效果，但该方法对大尺信息的精确提取该方法对滑坡区域时空变化特征未能有效综合利用......”。

4、“.....利用资源号遥感影像，采用多尺度最优化分割方法构建多层次识别对象，对滑坡光谱纹理几何等影像特征和地形特征进行融合建立多维滑坡识别规则集合和分层识别模型，实现了对滑坡空间分布的快速识别该方法对地面数字高程模型，数据解算精度要求较高，需要遥感平台同步提供前后视影像数据才能实现对地震滑坡精确识别文献提出了种综合光谱空间地形和形态特征的面向对象滑坡自动识别方法，相关实验表明该方法利用汶川地震后多光谱影像能够快速有效地识别大范围摘要针对多源遥感图像中滑坡时空谱特征融合利用模式单检测识别性能差等问题，提出了种基于多源遥感时空谱特征融合的滑坡灾害检测方法，以滑坡发生地区灾前灾后多源遥感图像为基础，通过对多波段遥感图像进行光谱空间和尺度空间配准，构建融合时序变化特征光谱特征和空间形状特征遥感影像数据集......”。

5、“.....在此基础上根据滑坡基础形状模型的轴向长宽比面积参数和不变矩等典型形状特征指标对滑坡区域进行目标精确分类与识别实际实验表明，该方法能够达到的识别率，优于多种常见滑坡遥感检测方法关键词坡灾害信息提取多源感知数据支持向量机时空谱特征融合滑坡检测我国约的地域为山区，地质灾害发生频率高，每年因各种地质灾害造成的损失数变化特征光谱特征和空间形状特征融合利用角度出发，提出种基于多源遥感时空谱特征融合的滑坡灾害检测方法，在多源遥感图像光谱空间配准和尺度空间配准的基础上构建基于多维特征融合的遥感影像数据集，实现目标区域时序变化和光谱特征的有效融合，利用对滑坡进行检测与识别，结合空间形状特征对检测结果进行分选和优化，实现光学遥感影像时空谱多维特征信息的滑坡检测应用，为滑坡灾害的遥感检测和识别提供了种新方法下步工作中我们将研究航空航天多源遥感信息融合处理和变化特征提取方法......”。

6、“.....进而实现对滑坡目标的快速精确探测参考文献雍万铃，杨树文，张立峰，等最优分割尺度的滑坡信息提取测绘科学，彭令，徐素宁，梅军军，等资源号卫星在汶川震行分割和识别，难以区分建筑物或道路等亮度较高的人工地物目标，整体识别精度较差，虚警和漏警的像素均较多分类器对滑坡识别精度较高，但虚警率也较高，检测结果图出现了大量的噪声像素点利用灾后的，这个波段进行基于的滑坡检测，其正确识别率达，但漏警率较高，并且与滑坡颜色相近的许多训练场也存在识别方法整体识别效果较好，但虚警率较高，结合图可以看出，该方法对建筑和道路等目标仍难以区分方法能区分大部分建筑和道路目标，但对滑坡的正确识别率和漏警率均不理想利用灾前灾后波段图像进行基于的滑坡检测方法整体识别效果较好，结合图可以看出，部分新建工程开挖的地面由于其光谱特征和变化特征与滑坡较为相似......”。

7、“.....所以坡区域灾前灾后多光谱遥感图像为基础，经过多源遥感影像图像光谱空间配准和尺度空间配准后，构建包含地物光谱和时变特征信息的多特征融合遥感影像数据集，在此基础上利用对滑坡区域进行检测识别，获得疑似滑坡区域，再结合滑坡空间形状基础特征模型，依据轴向长宽比面积参数和不变矩等特征指标对滑坡区域进行精确分选识别，实现对大面积范围内的滑坡灾害快速检测和精确识别本文提出方法的基本流程如图所示图本文滑坡遥感检测方法流程图图现地勘察和无人机信息采集实验结果与分析为验证本文提出方法的有效性，利用获得的重庆市沙坪坝大学城地区的滑坡前后多光谱遥感图像，这个波段进行了滑坡遥感检测实验实验将目标检测和识别中常用的大津法分类器传统的期可能已有定的监测数据这类滑坡在遥感检测与识别中可适度弱化，而对于中大型滑坡其危害性和未知性均较大......”。

8、“.....实现对典型滑坡的分选与识别不变矩特征考虑到滑坡在遥感图像中可能存在旋转和尺度的不确定性，本文利用不变矩特征作为检测依据，对滑坡遥感检测结果进行特征匹配识别对于图像，的阶几何矩标准矩定义为∫∫，∫∫ΗΙ其中和为图像的宽高阶中心矩定义为∫∫−−，∫∫ΗΙ其中多源遥感时空谱特征融合基础上滑坡灾害检测方法分析工业技术论文滑坡快速识别中的应用方法研究遥感技术与应用，林齐根，王瑛，邹振华，等基于光谱空间和形态特征的面向对象滑坡识别遥感技术与应用，张倩荧，王俊英，雷冬冬基于深度学习目标检测算法的滑坡检测研究信息通信，付萧，郭加伟，刘秀菊，等无人机高分辨率遥感影像地震滑坡信息提取方法地震研究，章毓晋图像工程版北京清华大学出版社，王立国，赵亮，刘丹凤在高光谱图像处理中的应用综述哈尔滨工程大学学报，陈善静，向朝参，康青，吴韬，刘凯，冯亮......”。

9、“.....基金国家自然科学基金项目重庆市自然科学基金项目重庆市教委科学技术研究项目多源遥感时空谱特征融合基础上滑坡灾害检测方法分析工业技术论文信息和变化信息，结合表中和两栏数据可以看出，融合变换信息和光谱信息后，滑坡正确识别率提升了结合滑坡典型空间形状特征对的识别结果进行分选和优化该环节将滑坡的空间形状信息融合到目标识别算法中，最终实现光谱特征变化特征和形状特征的融合检测应用结合表中实验数据可知，本文最终方法的滑坡正确识别率得到进步提升，同时误警率较未加形状特征的下降了在滑坡灾害遥感探测和灾情提取方面，灾前灾后遥感图像对比分析提取常常是比较有效的方法，但受卫星重返周期和气象条件的影响，近实时的灾后图像和滑坡前短期内灾前图像往往不容易获取，灾前图像和灾后图像较大的时间差可能引入较多的变化信息......”。