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.     

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.     

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。      

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...     

高分遥感影像震害提取的变化检测算法改进

本文针对遥感多时相变化检测应用于地震灾害信息提取中存在的问题, 提出一种改进算法, 通过搜索震后影像上建筑物在震前影像上对应区域周边一定范围内的影像相关性最大值(区域寻优)来代替传统上严格对应像元的相关系数值, 以减少因配准精度、 摄影方位、 地表高程、 建筑物高度等造成的同名地物变形对变化检测结果的影响, 提高基于相关系数变化检测的精度。 以都江堰市城区在2008年汶川地震震前的QuickBird影像和震后的航空遥感影像为实验对象, 采用本文方法进行了震害变化检测实验, 并与传统方法进行了比较, 表明改进的算法能够提高震害信息提取的精度且具有一定的稳定性。     

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。     

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。     

面向对象的房屋震害变化检测方法

遥感图像变化检测是震害评估较为有效的方法,随着卫星影像分辨率不断提高,地物对象正逐渐取代单个像元,成为变化检测的基本单元.本文阐述了面向对象的变化检测方法的原理和数据处理流程,以玉树地震前后的高分辨率遥感影像为例,展示了这一方法提取房屋震害的能力.与直接基于像元的变化检测方法、基于主成分分析的变化检测方法相比较,结果显示面向对象的变化检测方法精度最高,提取房屋变化信息精度达到86％,而后面两种方法的精度分别为59％和68％.     

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。     

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。     

基于最优特征空间的震后损毁建筑物信息提取研究

基于传统面向对象方法, 提出了一种基于最优特征空间的损毁建筑物信息提取方法。 采用ESP(Estimate of Scale Parameter)工具对图像进行最优尺度分割, 之后通过选取样本, 计算各类地物距离矩阵和最小分离距离寻求最优特征空间, 最后运用最优特征空间对震后损毁建筑物影像进行提取实验, 在QuickBird影像中提取总体精度达到了83.1％, Kappa系数达到了0.813, 在无人机影像中提取总体精度为92.9％, Kappa系数达到了0.940。 本文建立的提取方法与传统分类决策树方法相比, 其提取精度和效率都有较大提高, 在损毁建筑物信息提取方面具有较好的推广价值。     

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.      

面向对象遥感图像处理方法在建筑物震害评估中的应用研究

以汶川地震中的都江堰地区震后遥感图像为例,研究分析了图像分割技术及模糊分类技术,在此基础上,用分类精度更高的单尺度、多特征的面向对象图像处理方法进行建筑物震害评估。重点探索了混淆矩阵在震害评估中的应用,通过Kappa统计值进行震害分类结果的比对与精度评价,并验证该分类方法的稳定性。研究结果表明：改进后的面向对象图像处理方法简单、快速且精度较高,具有良好的适用性和稳定性。