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。      

面向地震应急的UAV快拼软件比较分析--以辽宁大连城岭村为例

无人机遥感技术系统作为新时期应急救援装备是震后快速获取灾情信息的重要手段,随着无人机的智能化、轻量化的影像处理软件的迅猛发展,无人机领域的应用也越来越广泛。本文选取了辽宁大连城岭村作为实验地点,以大疆精灵4pro无人机获取的1个架次308张照片作为实验数据,选取Pix4D、smart3D、photoscan三款无人机影像处理软件,以处理流程、耗时、正射精度、三维建模等指标作为测试指标对三款软件开展对比研究工作。研究结果表明,小型消费级无人机在飞控系统下的测量精度可达厘米级,处理流程方面从简到难依次为Pix4D、photoscan、smart3D,耗时方面从短到长依次为Pix4D、photoscan、smart3D,正射(dom)精度从高到低依次为Pix4D、smart3D、photoscan,三维建模精度从高到低依次为smart3D、Pix4D、photoscan,该实验结果不仅为搭建地震应急前后方指挥部数据处理平台建设提供技术支撑,同时还对使用此类无人机做行业应用及飞行参数设置提供参考意义。     

半监督最小二乘支持向量机的研究及其在海上油田储层预测中的应用（英文）

勘探开发初期海上油田钻井少、井间距离大,在应用地震多属性分析技术预测储层参数的过程中,直接采用监督最小二乘支持向量机算法预测精度较低。本文将最小二乘支持向量机与半监督学习理论结合,提出基于最小二乘支持向量机协同训练的半监督回归模型,并在模型训练过程中引入矩阵迭代求逆的方法,提高模型训练速度。利用UCI数据集实验研究,对比了半监督与监督最小二乘支持向量机模型,结果表明,半监督学习机制能够有效地提高最小二乘支持向量机的泛化性能,且随着训练样本的减小,效果更加明显;同时对比了半监督最小二乘支持向量机与半监督k-临近算法,结果显示,在小样本建模中,半监督最小二乘支持向量机有着更高的预测精度。最终将半监督最小二乘支持向量机运用于锦州工区,预测该区的砂体及储层孔隙度的分布,获得了较好的地质效果。     

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SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类

在地震这种重大自然灾害面前,快速有效地从遥感影像中提取震区土地利用信息,在灾情评估及灾后重建中发挥着重要作用。选取四川省芦山地震灾区无人机影像为数据源,运用面向对象的影像分析方法,首先研究了多尺度分割中参数的选择,获取了研究区最优分割参数;然后考虑了各个"影像对象"的数字化特征值,利用改进的SEaTH算法进行特征值优化处理;最后采用了隶属度信息提取方法,获得了芦山地震灾区无人机低空遥感影像分类图,并进行了分类精度评估,结果表明:研究区影像的分类总精度为87.5%,kappa系数为0.835。     

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。     

大数据量遥感图像目标地物检索方法研究

在海量遥感数据中,检索某些特定目标,对于遥感应用和分类具有重要的意义.针对TM数据,研究了基于内容的大数据量遥感图像中目标地物的检索方法.根据数据的特点和研究的目的,采用支持向量机作为特征提取和相似性比较的方法,从而避免了特征提取中的信息损失,提高了检索速度.在基于内容的大数据量遥感图像目标地物检索技术上做出了尝试和探索.     

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。     

基于无人机、高分卫星遥感影像的甘肃省陇南市建筑物空间化研究

基于无人机、高分卫星影像资料,通过实地调研与遥感影像对比分析,建立基于无人机、高分卫星遥感影像获取建筑物的技术路线,并以甘肃省陇南市为研究区进行实例验证。研究结果表明:利用无人机航拍进行建筑物识别时,采用倾斜摄影和正射影像相结合的方式,建筑物识别效果较好,尤其是对屋顶相同或类似的不同结构建筑物的识别;基于遥感技术获取建筑物时不仅要建立区域建筑物遥感影像解译标志,还需要借助区域地理环境特征、建筑物排列、占地面积、建筑物阴影等因素进行辅助识别,才能获取较为可靠的结果;陇南市建筑物类型主要有土木(含木构架)结构、砖木结构、砖混结构、框架结构4类,占比分别为19.25%、44.29%、31.32%、5.14%,建筑物遥感解译结果精度在-23.92%~25.28%;基于无人机和卫星遥感影像获取居民地建筑物数据可以用于更新地震应急基础数据库,但存在一定的误差。     

无人机技术在新疆塔县地震的应用及实现

目前,地震灾情信息的获取主要依靠地震现场调查,费时费力,为第一时间快速了解灾区灾情,以便尽快做出救灾决策,指挥调度救援力量,引进新的技术手段辅助获取灾情信息十分必要。进行了无人机技术在新疆塔什库尔干县地震的应用研究,利用无人机技术,获取了地震极灾区库孜滚村高分辨率影像数据,结合震前GF-1遥感影像数据及地震现场震害调查数据,获取极灾区灾情信息。结果表明:无人机遥感技术可快速采集极灾区遥感影像,有利于对灾情做出正确判断和评估。根据无人机遥感影像结合震前遥感影像和地震现场调查数据,进行区域建筑物结构类型和损毁程度遥感解译,可快速获取灾情,无人机技术在地震应急方面应用效果显著,为灾情评估、救援和灾后重建工作提供了科学决策依据。     

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。     

基于无人机影像的九寨沟地震建筑物震害定量评估

利用2017年8月8日九寨沟7.0级地震震后获取的无人机影像,结合地面震害调查资料,分析各类建筑物震害特征,建立建筑物震害无人机遥感解译标志;选取地震灾区漳扎镇(部分区域)和荷叶寨2个区域作为研究区,进行了无人机遥感建筑物震害提取,基于遥感震害指数进行了震害定量评估,并与现场建筑物震害调查统计结果进行了比较验证。结果显示,遥感解译建筑物震害与实际震害程度相吻合,表明利用震后快速获取的高分辨率无人机影像,可以较为准确地识别建筑物震害,进而为地震灾害定量评估和应急救援辅助决策提供重要参考。     

无人机高分辨率遥感影像地震滑坡信息提取方法

选取四川"4·20"芦山地震震区发生的地震滑坡为研究对象,首先构建区域地质特色的无人机影像地震滑坡样本库;然后引入迁移学习机制完成了无人机高分辨率遥感影像地震滑坡信息提取。研究结果表明地震滑坡提取总体精度达87.2%,能满足地震滑破灾害环境宏观调查,滑坡灾害体监测等应急需求。     

面向对象遥感分类方法在震害快速提取中的应用

破坏性地震发生后,迫切需要对灾害进行准确、快速的评估,为应急指挥、救援决策提供依据.高空间分辨率影像中地物的几何结构和纹理信息丰富,传统方法难以满足需求.面向对象的遥感图像处理方法,运用多尺度分割方法,实现图像信息多维的分离,并加入纹理、形状和相互关系特征的综合分析及模糊逻辑分类方法,从而最大程度模拟人类目视解译遥感影像的思维模式,提高有效信息的提取精度.     

基于支持向量机的地震序列分类

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法,建立了地震序列分类模型。通过试算和分析比较得到了地震序列最佳分类模型,最佳模型的分类结果与实际地震序列分类基本一致。综合分析认为支持向量机算法无论在学习或者预测精度方面都具有很大的优越性,其获得的地震序列分类知识库可以较为准确地实现地震序列类型的分类,因此基于支持向量机理论建立的地震序列分类模型应该是可行的。     

基于无人机影像的漾濞地震房屋震害定量评估

2021年5月21日,云南漾濞县发生MS6.4地震,震源深度8 km.文中将无人机遥感技术引入云南漾濞县6.4级地震房屋震害评估工作中,结合无人机影像数据和现场地面调查数据,建立房屋震害遥感解译标志,提取漾濞县城部分区域的房屋震害信息,进行遥感定量评估.通过与房屋震害现场调查统计结果的对比分析,房屋震害遥感定量评估结果与现场实地调查结果吻合,表明对震后快速获取的无人机遥感影像进行解译并结合现场抽样调查,可以对灾区的地震烈度做出宏观判断,对地震现场指挥和应急救援提供有效的决策支持.     

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。     

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。