白俊龙，王章琼，张 明，李元松

武汉工程大学土木工程与建筑学院，湖北 武汉 430074

随着无人机和传感器技术的不断成熟，无人机遥感系统逐渐成为空间数据获取的一种重要手段［1-2］。与卫星遥感和普通航空遥感技术相比，无人机遥感具有时效性强、机动灵活、获取成本较低等优势［3］。此外，无人机还具备云下超低空飞行能力，弥补了传统遥感技术因云层遮挡而无法获取高质量数字影像的不足，是传统遥感手段的有力补充［4］，在灾害调查与解译、监测与评估、地质勘察等方面发挥着极大的作用［5-6］。

现阶段，无人机遥感数据的获取能力已远超其有效处理能力［7］，遥感图像数据中所蕴含的大量有价值信息亟待充分挖掘与利用［8］。传统的目视解译往往需要专业的知识与丰富的经验，且因数据量巨大，导致解译效率低下；而前沿的计算机解译处理方式如机器学习，通常需要提供大量的训练样本，否则难以保证后续的分类精度，导致信息提取难以完成［9-10］；此外，各相关领域能够满足模型训练条件的训练样本数据，如滑坡样本数据十分稀少等问题，也进一步增加了该方法的应用难度。

K-means 算法是一种无监督学习分类算法［11］，能对原始图像进行聚类，再采用 Otsu 阈值法对聚类结果进行快速分割，结合形态学优化等图像处理，可实现无人机遥感图像地物的精确提取与分类处理。鉴于此，本文根据实际工程需要，利用 MATLAB 强大的数值计算［12］、图像处理功能［13］，借助其自带的图形用户界面开发环境，设计了一个集图像分割与分类等功能于一体的无人机遥感图像分类系统，用于地物信息的快速识别与提取。……