三维坐标转换在震后建筑物LiDAR点云中的应用

为了解决建筑物LiDAR点云数据震害信息定量分析中坐标系转换的问题,对经过滤波、去噪、分割提取的建筑物独立墙面LiDAR点云数据进行了三维坐标转换,并与仪器配套软件的转换结果进行对比验证,坐标系转换算法的结果与x轴方向水平线吻合,优于软件转换结果。该方法的建立降低了数据处理过程中人为误差因素,提高了地基LiDAR点云数据坐标系转换的精准性和准确性,有助于提高震后建筑物LiDAR点云数据处理分析的效率,为后期建筑物震害信息定量分析判定奠定理论基础和技术支撑。     

基于单时相全极化SAR影像的建筑物震害信息提取

建筑物震害信息提取不仅是震害评估的主要工作,同时对应急救援的快速有效实施也有一定的指导意义。利用震后一景全极化SAR影像提取建筑物震害信息,既可提高信息提取的速度,也可保证提取的精度。文章利用H/α/A-Wishart非监督极化分类方法,结合基于最小异质性准则聚合的层次聚类算法,对建筑物震害信息进行提取。以2010年4月14日青海玉树地震震后一景全极化SAR影像为例进行实验,实验结果表明该文研究的方法在建筑物震害信息提取应用中是有效可行的。     

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.      

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。     

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。      

基于高分辨率合成孔径雷达影像建筑物成像几何结构的震害特征分析

传统的利用震后单幅合成孔径雷达(SAR)影像对建筑物的震害特征分析大多基于街区范围, 很少基于其成像几何结构． 本文基于高分辨率SAR影像上的建筑物成像几何结构, 分析了建筑物单体的震害特点, 建立了利用距离向线性灰度累加的方法提取规则未倒塌建筑物的叠掩区和阴影区及倒塌建筑物的倒塌区, 并在此基础上进行各几何特征区域的纹理特征, 如同质度、 不相似度和熵的计算及其组合特征分析, 由此建立了基于SAR影像建筑物成像几何结构的震害分析方法． 采用该方法对2010年玉树M_S7.1地震震后玉树县城区的高分辨率SAR影像进行分析, 结果表明: 叠掩、 阴影和二次散射亮线是进行建筑物震害解译的有效几何结构特征, 其中叠掩区和阴影区的影像纹理特征具有较好的震害识别能力; 与传统的简单特征统计方法相比, 考虑建筑物SAR影像成像几何结构的特征统计法, 可以显著提高建筑物的震害识别能力.      

地震后机载LiDAR点云的地物区分方法研究

利用机载激光雷达扫描（Light Detection and Ranging,LiDAR）技术所得点云进行震后倒塌建筑物提取时,树木与倒塌建筑物的点云特征十分相似,较难区分。为了快速准确获取震后房屋建筑物的受损情况,本文提出使用回波次数比特征指标,结合前人所提出的点云回波强度、归一化强度、最邻近点高差、法向量夹角、X向坡角和Y向坡角等特征的均值和标准差,利用K-最近邻分类法实现单体地物区分的方法。对2010年海地7.0地震震后机载LiDAR数据进行了地面点去除,分别选取了未倒塌建筑物、倒塌建筑物和树木各50个训练样本和各20个测试样本,计算了各因子的分布及其均值和标准差,在分析的基础上最终选取了可分性较强的8个分类特征,利用K-最近邻分类法对测试样本进行了分类,结果显示分类正确率可达85%以上。研究表明选取多个有效的LiDAR点云分类特征可以较好地区分震后未倒塌建筑物、倒塌建筑物和树木,提高震后建筑物震害程度判定的准确性,为应急救援及时提供较为准确的灾情信息支持。     

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.     

全卷积神经网络在建筑物震害遥感提取中的应用研究

为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明:建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。     

SAR影像建筑物震害检测方法研究综述

合成孔径雷达(SAR)凭借其全天候、全天时的优势,在震后灾情信息的快速获取以及灾情评估上发挥着越来越重要的作用。本文分析了建筑物在SAR影像上的成像特征及不同震害等级的建筑物在SAR影像上的特点,总结了利用SAR技术进行建筑物震害检测的方法,并将其归纳为目视解译、震前震后变化检测、震后单幅影像的震害检测方法。同时分析了这些方法的特点,并对SAR建筑物震害检测方法进行了展望。     

基于最优分割的高分辨率遥感影像震害建筑物识别技术

为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地M_S7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。      

基于SIFT特征的SAR图像配准方法在玉树地震中的应用

本文针对SAR图像特点, 提出了基于改进SIFT(尺度不变特征变换)算法的SAR图像配准方案: ① 对待配准图像进行ISEF(无限对称指数滤波器)滤波处理, 降低图像的斑点噪声; ② 采用SIFT算法提取特征点, 略过差分金字塔第一层的特征点检测, 提高时间效率; ③ 在欧氏空间内剔除误匹配点, 提高配准精度。 实验表明, 本文提出的SAR图像配准方案检测到的匹配点对的数量和稳健性都有提高, 精度能够满足亚像元级SAR图像的应用需求, 且用时比传统SIFT方法减少60%以上。 最后对精配准的SAR图像进行震害变化检测, 得到的震害分布与高分辨率光学图像上判读的建筑物毁坏情况基本一致。     

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.      

基于遥感和GIS的建筑物震害损失评估方法研究与实现

介绍了一种使用遥感技术进行震后损失快速评估的方法,评估流程包括震害提取和损失评估两个部分。评估方式根据需求可以分为基于震害指数的评估和基于图像分类结果的评估两种模式,前者通过震害指数与烈度的关系得到地面居民住地的宏观震害情况,结合地震应急数据进行建筑物损失评估;后者采用图像处理技术,选取典型震害样本以图像分类技术得到地面居民住地的分级分类的震害结果,然后计算参数进行损失评估。损失评估的计算根据震害提取模式而不同。这种遥感震害评估方法和计算流程结合了遥感和GIS技术,以满足实际工作需求目标,提高了震害提取的自动化程度,实现多人工作模式,通过有效率的人机交互来提高遥感震害评估的速度。     

基于无人机倾斜影像的三维建筑物震害精细信息提取

无人机倾斜摄影技术建模生成的三维影像较好地展现了建筑物侧面和顶面的震害细节信息,然而影像的高维度特性难以直接基于三维影像提取震害信息,经过降低维度转换的二维纹理影像往往会导致建筑物震害信息的不完整性和破碎性。针对这些问题,本文以2017年九寨沟M_S7.0地震为例,提出了一种直接从九寨沟震后三维影像获取侧面纹理信息的方法,即将三维模型打散,实现纹理与不规则三角网分离,从而获取完整的纹理影像,然后利用金字塔模型的瓦片坐标范围、瓦片命名规则和建筑物单体的空间位置选取最优纹理影像,再使用加权均值方差法确定纹理影像中建筑物的外墙最佳分割尺度后,采用面向对象方法提取建筑物外墙和墙皮脱落信息,最后通过对这些建筑物震害特征的分析,判定单体建筑物的破坏等级。结果显示,该方法成功获取了建筑物完整的侧面震害纹理影像,并基于纹理影像提取了外墙、裂缝和墙皮脱落区域信息判定建筑物单体为中等、严重两个破坏等级。      

应用单类分类提取极化SAR影像中的倒塌建筑物

通过引入单类分类方法,将倒塌建筑物作为唯一目标样本进行提取。介绍了两种基于支持向量机的单类分类方法,并选择最小超球体单类支持向量机用于震后单时相Pol SAR影像中的倒塌建筑物提取实验,结果表明单类分类方法能够融合多种特征快速提取倒塌建筑物,且能保证一定的提取精度,是一种行之有效的震害提取方法。     

基于粗糙集——支持向量机的震害预测模型及应用

结合粗糙集理论的属性约简与支持向量机的分类功能,建立了基于粗糙集与支持向量机的建筑物震害预测模型.该模型首先运用粗糙集理论,建立决策表,进行属性离散、属性重要性排序、属性约简和分类规则的提取,然后用所提取的关键成分训练支持向量机.该模型不但能有效降低建筑物震害影响因子数据维数及支持向量机的复杂程度,提高训练速度和分类精度,而且还能对各因子的影响程度进行排序.最后,通过实例验证了该模型的性能.     

基于震后机载激光雷达点云的建筑物破坏特征分析

本文利用2010年海地MW7.0地震震后获取的机载激光雷达(LiDAR)三维点云数据,通过人机交互的方式选取受损程度不同的典型建筑物点云数据,比较分析倒塌建筑物与完好建筑物点云数据的高度、坡度和法向量等分布特征,提出了用建筑物点云高度均值偏离度、屋顶面坡度值以及法向量与天顶方向夹角等因子判定建筑物破坏程度.试验分析结果表明,高度均值偏离度因子对单个建筑物的破坏部分识别效果较好,屋顶面坡度值因子可以识别建筑物破坏部分的边缘,点云法向量与天顶方向夹角因子能够较好地识别大范围区域内的建筑物破坏情况,因此上述判定因子均能在一定情况下表征建筑物的破坏情况.     

基于BP神经网络模型的多层砖房震害预测方法

针对传统的基于地震烈度的建筑物震害预测方法的不足,本文以地震动峰值加速度作为建筑物震害预测的地震动指标,结合几次大地震中多层砖房的震害实例,提出了一种基于BP神经网络模型的建筑物震害预测方法,模型的输入为反映结构抗震性能的各类物理参数,输出为给定地震动峰值加速度下建筑物破坏状态的概率。研究表明:基于BP网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,本文的思路和方法可推广于其他不同类型的建筑结构的震害预测。