高速铁路已经逐渐成为我国旅客运输的主力军,其运营安全是人们长期关注的重点。然而,黄土高原地区地形复杂多变,不稳定黄土所引发的地质灾害(如滑坡和塌陷)会对高速交通路网及其附属设施(如隧道、涵洞和桥梁)造成巨大的威胁。另一方面,我国黄土高原地区一直是重要的能源储备基地,石油、煤炭以及稀有金属等各类矿产资源遍布,因开采矿产资源而导致的安全事故不胜枚举。因此,黄土地区地质灾害的监测对轨道交通的安全运营和矿产资源的安全开采至关重要。地裂缝是一种普遍的地质现象,往往伴随着山体滑坡和地表沉降而出现。而无人机拥有灵活性强、可操纵性高、成本低等优点,且其影像具有超高空间分辨率。因此,通过使用一阶高斯差分的匹配滤波(MF-FDOG)算法对不同时段获取的无人机影像进行地裂缝提取可以实现滑坡和塌陷的动态监测。但该方案在调整MF算法和FDOG算法得到的2幅响应值影像的值域时,所使用的敏感度矫正参数具有普适性不强的缺点;另一方面,干枯植被和裸露黄土等地物造成的地裂缝误提取问题未得到有效解决。因此该方案不适用于我国黄土地区无人机影像的地裂缝提取。针对原MF-FDOG算法中使用敏感度矫正参数存在的不足,本论文提出一种改进的MF-FDOG算法。首先根据无人机影像中地裂缝的几何属性信息构造满足其垂直剖面曲线的MF模板和FDOG模板,并分别对无人机影像进行滤波运算,达到增强地裂缝信号的目的;采用线性拉伸的方式消除滤波运算获得的MF响应值影像和FDOG响应值影像之间较大的值域差异,并将两者结果进行差值运算,以突出影像中地裂缝信号而削弱地物边缘信号;根据差值影像的灰度统计直方图满足高斯分布规律,选取作为分割阈值以实现地裂缝的提取。结合模拟地裂缝影像进行实验,结果表明,本论文提出的算法较使用敏感度矫正参数而言,具有更强的普适性。并通过对模板方向数量进行研究得知,地裂缝提取的最佳模板方向数量应为10。为去除地裂缝误提取目标,本论文采用随机森林(RF)算法进行影像分类,从而将植被和裸露黄土等地物转换为掩膜文件以去除误提取目标。将其应用于无人机影像分类实验,可分别取得83%的全局精度和77.36%的Kappa精度,分类结果与参考数据类型高度一致;为提高地裂缝的提取精度,使用击中击不中变换算法连接断裂地裂缝,同时使用本论文提出的结合形状和面积的碎小图斑去除算法实现地裂缝碎小图斑的去除。并结合地裂缝提取结果进行实验,以验证地裂缝精处理的效果。2?(10)?本论文以青海省海东市某隧道山体和甘肃省兰州市窑街矿区获取的无人机影像作为研究数据,使用改进的MF-FDOG算法开展地裂缝提取实验,并与Canny边缘检测算法、灰度阈值分割算法以及支持向量机(SVM)算法等常用的地裂缝提取算法结果进行对比和分析,最后使用受试者工作特性曲线(ROC)和全局精度进行精度评定。结果表明,本论文提出的改进的MF-FDOG算法对不同时期、不同区域获取的黄土地区无人机影像具有很强的提取适应性。同时,较常用的线性目标提取算法,所提取的地裂缝精度最优。因此,本文提出的地裂缝探测方法可为我国黄土地区地质灾害(如山体滑坡)监测与防治提供有效的技术支撑。