面向对象遥感分类方法在汶川地震震害提取中的应用

震后城市建筑物震害的自动识别与分类, 是遥感震害调查中的关键步骤, 其精度直接影响损失评估的结果. 而随着高分辨率遥感影像的发展, 传统基于像元的分类技术已不能满足需求, 引入面向对象的信息提取技术, 充分挖掘影像对象的纹理、形状和相互关系等信息, 能够有效的提高震害的分类精度. 该文阐述了面向对象的遥感震害提取思路和方法, 并应用汶川地震震后高分辨率航空遥感数据, 针对建筑物震害进行面向对象的快速提取与自动分类. 结果表明, 与基于像元分类比较, 面向对象的建筑物震害分类能够显著改善分类效果.     

面向对象的遥感震害信息提取方法——以汶川地震为例

本文总结了近年来利用遥感影像进行震害信息提取的方法和研究趋势,随着遥感影像分辨率的提高,震害信息提取逐渐从传统的基于像元方法向基于对象的方法转变.文中以汶川地震为例,利用面向对象的分类方法提取了典型震害信息,并提出了面向对象的变化检测方法的工作流程.对震害建筑物破坏情况,分别用最小距离分类、马氏距离分类、支撑向量机分类和面向对象分类进行了实验研究,并对这几种不同分类方法的实验结果进行了对比分析.实验结果表明,面向对象的震害信息提取方法克服了传统的基于像元的分类方法的缺点,提高了建筑物识别的精度,在建筑物震害和地震次生灾害的信息提取中取得了较好的效果.     

基于面向对象分类的建筑物倒塌率计算方法研究

建筑物倒塌是造成地震人员伤亡的主要原因,对地震应急救援与决策具有重要的指导意义.遥感以其综合、宏观、快速、动态的特点,为地震灾害信息调查和震害快速评估提供了一种可靠的信息源.面向对象的分类方法是针对高分辨率影像的一种新的分类方法.本文在总结遥感影像建筑物震害信息提取方法进展的基础上,将建筑物分为基本完好和毁坏两个等级.选取唐山地震和汶川地震的震后航片,利用面向对象的分类方法来识别影像上基本完好的建筑物,计算评估区内的建筑物倒塌率.实验结果表明,面向对象的分类方法充分利用了图像上的光谱、形状、纹理等特征.在很大程度上克服了基于像元分类方法的局限性,并且基于对象的建筑物倒塌率计算也取得了较好的精度.     

遥感分类方法在建筑物震害提取中的应用（以玉树地震为例）

建筑物损毁情况是地震灾害评估的一项重要指标,利用遥感技术快速提取震后建筑物震害信息,对科学指导地震应急救援工作具有重要意义.利用2010年4月14日青海玉树7.1级地震前后玉树县结古镇团结村高分辨率遥感影像,结合像素光谱和空间特性的纹理、结构等多源信息,基于支持向量机（SVM）方法,对地震前后建筑物信息进行分类提取,变化检测出建筑物损毁情况,并与面向对象多源信息复合的模糊分类法的分类精度、提取效率进行对比分析.研究结果表明,多源数据复合的SVM影像分类方法能够有效解决模糊分类影像破碎问题,地震前后两实相影像分类总精度达到77.53％和73.56％,提高了建筑物震害信息提取精度.     

基于相关变化检测与面向对象分类技术的 多源遥感图像震害信息提取

遥感图像面向对象分类作为空间信息提取的关键技术, 在震害信息提取方面发挥着非常重要的作用, 然而由于光学遥感影像是正射图像, 只能提取建筑物屋顶信息, 这使得单一利用震后光学影像进行震害信息提取存在一定的局限性. 针对该问题, 本文提出了一种基于合成孔径雷达(SAR)相关变化检测的光学影像震害建筑物面向对象提取方法, 即在光学影像面向对象提取的数据中融合SAR相关性, 对光学影像进行面向对象提取震害建筑物时不仅考虑建筑物的几何、 光谱等特征, 还加入震前震后变化信息即SAR相关性进行分类. 在此基础上, 选取2008年汶川M_S8.0地震震区都江堰地区作为研究区进行试验. 结果表明, 本文提出的方法相对于单一使用光学影像进行震害建筑物提取, 其准确度有较明显的提高.      

高分二号影像数据地物信息提取分割尺度研究

面向对象技术是提取高分辨率影像中地物信息的主流方法,而多尺度分割是面向对象技术的基础与关键,分割尺度的选择将直接影响最终信息提取的精度与质量。借助于eCognition平台,选用高分二号影像数据作为研究对象,采用多尺度分割的面向对象分类方法,充分利用遥感影像几何、纹理、光谱等信息,确定不同地物类别的最优化分割尺度,建立最佳分类规则,较好的提取了目标地物,更在一定程度上提高了分类精度,为震后灾害评估、震中道路快速提取提供技术支持。     

基于无人机影像的面向对象建筑物结构分级提取方法研究

为提高遥感影像建筑物结构识别精度,综合利用光谱、形状、空间、纹理和数字表面模型(DSM)建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像,采用面向对象的影像分析策略,首先进行多尺度分割,以最佳分割与合并指数提取影像中建筑物目标;然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类;最后将3种分类方法进行融合,对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明:基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。     

基于面向对象技术的建筑物震害识别方法研究

2010年1月12日海地发生7.3级大地震,造成首都太子港大量建筑物损毁.从震后甚高分辨率遥感影像中可以发现在倒塌和部分倒塌建筑物的周围存在很多瓦砾.因此,可以将瓦砾作为建筑物倒损的震害特征.分别采用基于像元的方法、面向对象的方法、综合地统计学纹理的面向对象方法自动提取建筑物瓦砾,并对3种方法的分类精度进行了评价,研究...     

结合纹理和形态学特征的高分遥感影像建筑物震害信息提取

为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县M_S5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。      

基于全极化Radarsat-2影像的建筑物震害评估

利用震后灾区全极化SAR影像可快速提取建筑物震害信息,为应急救援的快速有效实施提供重要的灾情信息支持。本文建立基于极化散射矩阵的Pauli-Wishart监督极化分类的建筑物震害信息提取和以街区为尺度的震害程度评估方法,包括Pauli分解、Wishart监督分类和遥感震害指数提取,并利用玉树县城区2010年4月14日青海玉树7.1级地震震后全极化Radarsat-2影像,提取了建筑物震害信息。经统计,确定结果总体分类精度达到0.81,Kappa值为0.61,表明本文提取建筑物震害的方法是可行的。     

Object-oriented land cover classification using HJ-1 remote sensing imagery

The object-oriented information extraction technique was used to improve classification accuracy, and addressed the problem that HJ-1 CCD remote sensing images have only four spectral bands with moderate spatial resolution. We used two key techniques: the selection of optimum image segmentation scale and the development of an appropriate object-oriented information extraction strategy. With the principle of minimizing merge cost of merging neighboring pixels/objects, we used spatial autocorrelation index Moran’s I and the variance index to select the optimum segmentation scale. The Nearest Neighborhood (NN) classifier based on sampling and a knowledge-based fuzzy classifier were used in the object-oriented information extraction strategy. In this classification step, feature optimization was used to improve information extraction accuracy using reduced data dimension. These two techniques were applied to land cover information extraction for Shanghai city using a HJ-1 CCD image. Results indicate that the information extraction accuracy of the object-oriented method was much higher than that of the pixel-based method.     

多尺度分割和深度学习相结合的倾斜摄影三维影像建筑物震害信息提取

采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟M_S7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕（Kappa）系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。      

基于面向对象的高分辨率遥感建筑物震害信息提取与评估

为了快速地确定地震等自然灾害引起的受灾区域范围,并对其受灾程度进行及时评估,本文采用面向对象的建筑物检测方法,基于高分辨率遥感影像所包含的地物几何结构和纹理特征信息,提出了一种建筑物震害信息提取与评估的方法和技术流程.在此基础上,以2010年玉树M_S7.1地震部分地区地震前后的QuickBird影像为例,对受灾区域震前、震后建筑物的形状、面积等信息进行提取,提取精度分别为88.53%和90.21%,对该区域建筑物变化信息进行提取所获取的建筑物变化信息精度为79.68%,统计变化区域像素个数,确定变化面积为15 923.52 m2,占研究区域总面积的68.16%,因此评估其为中重度受灾区域.本文结果与实地考察结果一致,证实了这种快速的震害信息提取与评估流程切实有效,能够快速评估受灾区,为灾后第一时间抢险及救援提供重要参考.      

基于遥感影像的农村建筑物分类

利用面向对象的遥感影像信息提取方法对建筑物进行分类研究,选取张家口不同地区5个中等规模农村建筑为研究对象,根据建筑物特征信息从遥感影像上进行提取,根据信息提取调整后的结果进行建筑物分类,并与调研结果进行对比,结果表明:建筑物分类准确率达到80%以上,满足对张家口地区农村建筑物分类的需求,可以用来辅助完成对建筑物结构类型的实地调研,能够有效提高调研效率,服务于建筑物抗震设防调研。     

道路震害遥感提取方法现状与应急应用展望

强地震发生后, 道路是抗震救灾的生命线, 快速有效地提供灾区可通行道路的状况可为地震应急救援力量的部署提供强有力的信息支撑。 基于遥感图像的震害道路识别是遥感地震应急领域中的难点, 但对于地震应急具有无可比拟的价值。 在总结分析地震前后道路影像特征的基础上, 系统地介绍了遥感影像道路提取方法, 之后介绍了遥感震害道路评估工作流程, 重点阐述了遥感震害道路提取与评估方法, 然后综合分析了遥感道路提取在地震应急中的不足, 最后展望了未来遥感技术在震害道路提取与评估中的应用。     

高分辨率遥感影像道路震害的快速提取

震后及时获取道路受灾信息, 进行交通通行能力分析, 是抗震救灾的关键之一。 传统的利用遥感技术提取震害信息的方法普遍存在效率低的问题, 影响地震应急的时效性。 本文提出针对特定传感器影像的经验训练参数, 结合面向对象分类, 按照预处理、 影像分类、 震害识别这一流程实现道路震害的快速提取。 实验结果表明, 保障提取效果在一定精度范围内的情况下, 提取速度有明显提高, 有较高的实用意义。     

向导式遥感震害评估系统研制

依托国家科技支撑计划重点项目子专题,在总结、归纳已有震害评估系统处理方式、流程及优缺点的前提下,研究了符合实际工作状况的遥感震害评估系统.该系统集成了基于ENVI/IDL、ERDAS开发的影像处理模块,可辅助提取高分辨率遥感影像中房屋倒塌、道路损毁、滑坡、泥石流、堰塞湖等震害信息.尤其是面向对象分类模块,对遥感影像各种特征进行了综合处理.基于ArcEngine开发的空间数据管理与分析模块,可处理道路空间位置分布、地震烈度划分、行政区划及属性等信息.并实现了对各模块向导式的流程化调用,有效提高了震后灾害评估工作的效率.该系统已在地震应急工作中发挥了有力的作用.     

基于深度学习网络的地震地质灾害识别研究

遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F₁分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。