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。     

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.      

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。      

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。     

基于中分辨率遥感影像的居民区震害信息提取

针对中分辨率遥感影像建筑物震害信息弱以及变化检测法受非震害信息影响大等弱点, 本文建立了一种基于变化检测的居民区震害信息快速提取方法. 该方法利用主成分变换增强震害信息, 采用监督分类法提取似居民区, 并用灯光影像数据进一步对似居民区提取结果进行优化, 从而很好地消除了变化检测方法中非震害因素的影响. 在此基础上, 以2001年印度M_W7.6地震的极重灾区为研究区域, 利用震前、 震后Landsat卫星TM图像和震区灯光影像数据, 对本文算法进行了验证和分析. 结果表明, 在30—50 m中分辨率遥感影像上, 以建筑物为主的居民区震后图像变化最为显著的震害特征是反射率变大, 本文所建立的居民区震害信息提取方法在解决中分辨率遥感影像震害目标信息弱、 背景复杂等方面效果明显.      

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.      

PolSAR影像纹理特征在倒塌建筑物提取中的应用分析

<正>地震发生后及时获取倒塌建筑物信息,指导应急救援工作有效进行,是减轻震害损失的有效方法。遥感技术凭借其时效性强、观测范围大的优势,在震害信息调查中已被广泛应用。全极化雷达(Pol SAR)遥感不仅具有雷达全天时全天候的对地观测能力,而且比单极化和部分极化获取的信息量丰富得多,已被逐渐引用到震害评估研究中。目前用Pol SAR影像提取倒塌建筑物时,人们主要关注极化信息,忽略了纹理     

结合变差纹理特征的极化SAR建筑物震害信息提取

快速评估建筑物地震灾害信息对地震应急救援工作有着指导意义,而极化SAR具有全天候、全天时的特点,因此利用极化SAR图像提取震害信息已逐渐成为研究热点。虽然极化SAR具有丰富的极化信息,但其纹理信息不可忽略,尤其是完好的人工建筑物在图像上呈现规则的纹理特征,而倒塌建筑区域纹理分布杂乱,因此结合纹理信息也可以很好地提取建筑物信息。以2010年玉树地区的全极化SAR数据为研究对象,首先,利用Yamaguchi分解的体散射分量PV提取了SAR图像中的建筑物区域以及道路、水系等非建筑物信息,在此基础上,对相干散射矩阵T11分量中倒塌建筑物、完好建筑区域进行变差计算,根据变差曲线确定变程a后,再对建筑物区域采取窗口m*m(m=3*a)进行变差计算得到变差纹理信息,最后利用FCM算法对变差纹理信息分别提取完好建筑物和倒塌建筑物区域,为了对比分析,文章利用Yamaguchi分解的二次散射分量PD提取完好建筑物区域,与震后光学遥感图像对应样本点进行人工验证,得到完好建筑物的提取精度为80.18%,倒塌建筑物的提取精度为84.54%,道路水系的提取精度为77.58%。     

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。      

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.     

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。     

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.     

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。     

基于震前高分影像和震害仿真的建筑物震害快速评估：以四川泸定6.8级地震为例

精细化的建筑物震害评估,对震后应急救援和烈度评估具有重要的意义.为解决因震后高分辨率影像缺乏导致无法快速开展建筑物震害评估的实际需求,以四川泸定6.8级地震为例,提出基于震前高分影像和震害仿真的建筑物震害快速评估方法.首先通过深度学习技术提取灾区建筑物空间信息,在收集实际地震动记录的基础上,结合精细化的建筑物震害仿真方法,对震中部分村镇的建筑物震害及地震烈度进行了快速评估,并与震后获取的无人机影像解译结果、现场调查烈度及余震等进行验证.结果表明震中附近的磨西镇烈度估计达到Ⅸ度,其他地点的估计结果与发布的烈度图进行比较,其衰减较为一致,且与余震发生空间较为重合,进一步证明该方法可作为震后大范围影像缺失的“盲区”的建筑物震害快速评估的有效方法,为现场应急、灾害调查和烈度评定提供信息支撑.     

基于震后高分SAR影像建筑物成像几何特征的震害分析

<正>合成孔径雷达SAR具有全天时、全天候的优势,在震后灾情信息的快速获取及评估中获得越来越多的关注及应用。目前SAR影像的分辨率已经达到米级甚至亚米级,建筑物在SAR影像上的空间几何展布也越来越清晰,具有较明显的叠掩、二次散射、阴影等成像几何特征。传统的应用于中低分辨率SAR影像的震害检测方法已经不再简单地适用于高分SAR影像,发展适用于高分SAR影像的建筑物震害检测方法     

基于马尔科夫随机场的单时相震害影像 受损建筑物识别方法

建筑物是地震中的主要承灾体,其受损情况可作为评估地震破坏等级的重要参考依据。因此,快速准确地对震后影像中的受损建筑物进行识别显得尤为重要,对震后救援和应急响应具有指导意义。现有的震害遥感信息提取方法的精度低、速度慢,无法满足快速应急响应的迫切要求。文中提出一种基于马尔科夫随机场(Markov Random Field,MRF)模型的建筑物受损程度检测方法,首先利用马尔科夫随机场对影像进行分割,再根据影像中不同程度受损建筑物所呈现的特征,利用支持向量机在分割后的影像中提取受损建筑物。实验表明,该方法性能良好,平均总体精度达93. 02%。与传统方法相比,该方法操作简便,且提取精度和运行时间均有显著优势,能够精准、快速地识别震害单时相影像中的受损建筑物。     

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LiDAR的建筑物震害分析

激光雷达技术(light detection and ranging,LiDAR)是近年来在摄影测量与遥感领域发展起来的新型技术,在地震灾后评估工作中的应用仍处于探索及起步阶段,但已经展现出巨大的应用潜力。本文从震害评估的需求出发,基于地面LiDAR技术,深入研究了地震灾区建筑物点云数据采集及处理的方法,在此基础上进行震害信息提取及联合分析。主要研究内容总结如下:(1)传统方法的适应性改进与提高。研究了利用地面LiDAR设备开展测量工作的框架和关键方法,针对震害建筑物点云形状不规则、数据冗余度较高及噪声较多的特点,本文通过改进传统点云数据处理算法的关键参数,给出了合理的兼顾数据处理效率及效果的算法阈值,通过实验检验算法组合的有效性,实现了震害建筑物点云数据的高效处理。(2)首次提出实验性点云震害定量分析模型。提出了基于地面LiDAR的建筑物形状分析模型(terrestrial laser scanning-based building shape analysis model,TLS-BSAM),用于完成建筑物震害程度识别和分析。该模型融合了边缘提取、形状聚类及判别分析方法,有效解决了建筑物等高多边形序列提取、形状离散参数提取、不规则建筑物区块分割和震害分析等问题。模型给出了建筑物等高多边形序列最优采样间隔0.5~1m,最大限度保存建筑物震害特征以实现基于离散点云的形状分析。提出了等高多边形的长宽比r、倾斜方向θ、矩形度R、紧致度C和中心点位置x,y等特征参数,并通过K-means聚类方法,实现不规则建筑物区块准确分割,通过对各参数进行加权平均提取形状离散参数,可有效表达建筑物单体破坏状况的特征。其中倾斜方向、矩形度、紧致度和中心点能较好地反映建筑物的破坏情况,该模型通过建立判别函数对现有建筑物样本震害程度识别效果较理想。(3)拓展点云应用,提高精度。利用面向对象方法,将点云高程、回波次数及回波强度信息等作为特征参数,丰富了传统建筑物特征描述因子,并结合点云的光谱特征构建了建筑物信息提取规则集,阐述了基于点云数据的面向对象方法提取建筑物的关键流程,实现了高精度的建筑物信息提取,与实地调查结果相比,提取精度可达90%以上。(4)建立理论基础,提供新思路与方法。基于LiDAR数据与SAR图像,通过距离-多普勒模型(R-D)及射线追踪法的SAR图像模拟方法,选择典型震害建筑物开展SAR后向散射及三维几何剖面联合分析,阐述了各类震害的表达形式,为震害遥感的定量分析和自动判读建立了良好的理论基础,实现震害建筑物特征的高可信分析及解译,为震后SAR图像解译和建筑物震害分析提供了一种新思路与方法。     

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。