日前，太阳成集团tyc122ccvip蒲成志副教授课题组硕士研究生辛旺在国际地貌学领域著名SCI期刊《Geomorphology》上以第一作者身份发表学术论文，报道了课题组在滑坡灾害监测预警方面的最新研究成果，提出了一种基于计算机视觉和图像识别技术的IR-CV滑坡监测方法，用于滑坡成灾前的变形位移监测。
《Geomorphology》是国际地貌学会的主要学术刊物，主要发表国际地貌学领域最新的研究成果，内容涵盖地球表层系统的过程与机理，人类活动与环境演化，以及全球变化等方面。该期刊是地学界主要核心刊物之一，内容综合性强，阅读量大，信息传播快，深受广大地学工作者亲睐，现为地球科学领域中科院二区期刊。
成果介绍：
滑坡的变形和位移一直是滑坡监测和预警的重点。近年来，通过图像数据分析滑坡表面变形成为一种热门方法，随着图像处理技术的发展，不同的图像分析方法迅速增加，但目前单一使用图像处理的方法分析滑坡变形位移倾向于滑坡局部变形区域的位移分析，缺乏滑坡表面整体监测且难以用于滑坡灾害成灾前监测，易导致滑坡隐患点漏查。
因此，本文将图像识别技术结合计算机视觉技术提出了一种IR-CV位移识别方法用于滑坡表面的变形和位移监测，通过室内滑坡模型试验对坡面变形和位移的全过程进行分析识别。模型试验中，IR-CV方法成功地识别了滑坡模型变形破坏过程产生的位移并利用相机记录的模型变形时序图像数据实现了滑坡模型表面整体的变形分析（模型试验和图像处理流程如图1和图2所示）。进一步，本文通过无人机进行了实地边坡模拟变形位移识别试验，利用无人机获取的正射影像数据验证了IR-CV方法能够用于野外滑坡整体变形位移识别。室内模型试验和野外无人机模拟试验结果表明，图像识别技术结合计算机视觉技术的监测方法能够有效识别滑坡表面的变形和位移，在滑坡成灾前监测和位移识别方面具有较好的应用前景，为滑坡灾害表面变形位移监测提供了一种经济有效的可行办法。
图1. 模型试验概况
图2. 图像识别及位移计算流程
太阳成集团tyc122ccvip蒲成志副教授为论文通讯作者，共同作者包括辛旺（太阳城集团研究生，1作），湖南省地质灾害调查监测所副所长刘伟高级工程师，刘岢（太阳城集团研究生）。该研究得到了国家自然科学基金（No. 51704168），湖南省教育厅重点项目（No.21A0272）和太阳城集团研究生创新课题基金（No. 223YXC002）的联合资助。
原文地址：https://www.sciencedirect.com/science/article/abs/pii/S0169555X23001113?CMX_ID=&SIS_ID=&dgcid=STMJ_AUTH_SERV_PUBLISHED&utm_acid=269817578&utm_campaign=STMJ_AUTH_SERV_PUBLISHED&utm_in=DM358383&utm_medium=email&utm_source=AC_
