滑坡是在全球范围内广泛发生的自然地质灾害之一,滑坡灾害在局部地区日益多发,给人们交通出行和生命财产安全造成重大威胁。滑坡发生后,快速准确地检测并获取到滑坡信息有利于开展灾后应急救援工作。无人机遥感技术具有分辨率高、成像速度快以及成本低等优势,在应急救援方面得到广泛的应用。在缺少灾前辅助数据的情况下,仅凭灾后无人机光学影像提取滑坡精度是否能够达到应急要求?是否存在一种基于已有灾前光学影像与灾后无人机光学影像的变化检测方法或技术流程,既可以提高滑坡信息获取速度,又可以提高提取精度?针对以上两个疑问,本文对基于无人机光学影像滑坡灾害提取方法展开研究,主要研究内容如下:(1)提出了基于单时相无人机可见光影像快速提取滑坡信息的方法流程。分别选用“4.20芦山地震”三个地区(芦山县城、太平镇、宝盛乡)局部区域的灾后无人机可见光数据,利用纹理、光谱、形状等特征,采用面向对象的分割分类方法获取疑似滑坡区,并在像元角度上做精度分析,得出此方法流程较为适用于植被覆盖率低且其他地物较少的研究区提取滑坡位置信息,提取精度为80.06%,而植被覆盖率低但其他地物较多的研究区中滑坡提取精度仅为63.75%。说明此方法提取滑坡精度不稳定因素较大,受DEM分辨率影响较大且整体提取精度偏低。(2)针对植被覆盖率低但其他地物较多的单时相无人机可见光影像提取滑坡精度低的情况,在仅利用可见光波段的基础上,选择芦山县城局部地区的灾前资源三号航天影像(2012年3月)以及灾后(2013年4月)无人机航拍影像,分别采用基于面向对象的方法进行分割分类,选择分类后比较变化检测方法对两分类影像进行变化检测处理,进而提取滑坡灾害发生的位置、大小等信息,提取精度提高至80.7%。从滑坡提取结果来看,基于分类后比较的变化检测方法对传感器是否为同一类型不作要求,且提取精度高于基于单时相无人机可见光影像的滑坡提取。(3)为提高基于分类后比较变化检测方法提取滑坡精度,在预处理过程中构造SDI阴影检测指数并引入颜色恒常性算法来去除灾后影像中的阴影,之后采用分类后比较变化检测方法提取滑坡,提取精度达90.1%,明显高于未考虑滑坡阴影的变化检测方法提取滑坡的精度,且受阈值影响较小。(4)考虑到滑坡的突发性,灾前高分辨率影像较难获取的情况,讨论在基于单时相无人机可见光影像快速提取滑坡信息的方法流程上作出改进。通过分析不同可见光植被指数的优劣,结合滑坡纹理与光谱特征,在预处理过程中分析纹理特征并结合基于植被指数的比辐射率估算方法来增强研究区裸地信息,之后结合(1)中单时相无人机可见光影像快速提取滑坡信息的方法流程,对芦山县城局部区域无人机可见光影像中的滑坡信息进行提取并分析,正确提取精度为91.3%。但此方法操作繁杂,受纹理特征与阈值选取影响较大。(5)文章的最后还简要讨论了可见光+近红外四波段光学影像提取滑坡的方法流程,重点介绍利用近红外波段在利用光学影像提取滑坡技术流程中的作用。文中利用可见光+近红外的四波段Landsat7影像来代替无人机四波段影像,选择结合NDVI植被指数的变化检测方法提取滑坡,提取精度为63.49%。主要原因是Landsat7影像分辨率较无人机影像过低,但该方法操作简单且快速,可以作为四波段无人机影像提取滑坡的技术参考。在本文无人机光学影像提取滑坡方法研究的基础上编程实现了部分滑坡提取功能。研究表明,面向对象和变化检测结合的高分辨率光学遥感影像滑坡体提取方法能快速、有效提取滑坡信息,这为高分辨率光学遥感影像滑坡快速提取提供了方法参考。