我国西南地区尤其是四川省境内,地质灾害频发,严重威胁着人民的生命财产安全。一旦发生地质灾害,一般通过地调人员进入灾区实地勘探或通过遥感影像进行目视解译来了解灾害灾情,虽然可以掌握详细的灾情数据,但是因耗时费力、威胁地调人员人身安全、专业素质要求高等诸多缺点而无法满足防灾减灾的工作要求。随着图像处理技术和计算机软硬件的不断发展,遥感影像智能解译因其高效快速、操作简单等优点而得到人们的广泛关注,其中以卷积神经网络技术最为突出。它的应用需要大量的训练样本作为数据基础,但目前为止并没有一个地质灾害遥感影像样本库。为了使得卷积神经网络技术更好地应用在遥感影像地质灾害信息提取中,本文旨在构建一个科学、实用的地质灾害遥感影像样本库。基于此,本文具体的研究内容及相应的成果如下:(1)设计了一套地质灾害遥感影像样本库的分类体系。通过分析主要地质灾害类型泥石流和滑坡在遥感影像上的解译标志和目前已存在的土地分类体系的优缺点,并结合本文研究区域的特点和研究目的,设计了一个三级类体系,具体包括地质灾害区和非地质灾害区2个一级类,滑坡、泥石流、水域、植被、耕地、建设用地和裸地共7个二级类,河流、水田、林地、住宅用地等共14个三级类。该分类体系既考虑了土地利用状况,又兼顾了自然土地覆被,并且符合四川省的区域特点。(2)遵循本文确立的区域性、丰富性和主体性的构建规则,采用本文提出的样本库构建流程,完成了地质灾害遥感影像样本库(SWJTU-GDSD7)的实体构建,除滑坡的样本数为134幅外,其它每个二级类都包含约200幅遥感影像,总计1316幅。(3)设计实验,验证了地质灾害遥感影像样本库在卷积神经网络技术应用到遥感影像地灾智能识别中的实用性。实验表明:1)不同块大小的样本在卷积神经网络识别地灾的过程中都有较好的表现,只是针对不同的卷积神经网络模型会表现出一些差异性;2)随着训练样本的不断增加,各个网络模型的识别精度也在不断变大;3)通过整幅遥感影像的测试,识别总体精度为87.47%,地质灾害的召回率为91.69%,取得了较好的识别效果。(4)研发了灾害样本库构建系统。该系统是采用C/S架构,以ArcEngine为基础框架,利用MATLAB和IDL编写核心处理代码,再用C#调用相应的处理程序,最后结合DevExpress插件设计的界面进行开发的,具体包括数据预处理和样本处理两大核心模块,极大地提高了样本库构建的效率。