基于DInSAR技术监测地震形变及深度学习提取损毁建筑物 ——以厄瓜多尔为例

针对地震导致的地表变形、建筑物损坏等问题,利用合成孔径雷达差分干涉测量技术检测受灾区,并利用深度卷积网络提取损坏建筑物.以2016年4月16日厄瓜多尔地震为例,利用Sentinel-1A雷达数据获取地震形变.结果表明:厄瓜多尔地区整体地震形变在0～0.226 m,可检测形变变化为0.028 m;结合光学遥感影像进行分析,结果表明:80％损坏严重的建筑物存在于形变变化区域,形变较大区域道路受阻更为严重.基于高分辨率Worldview2光学卫星数据,利用ENVINet5深度卷积网络提取损坏建筑物,分类精度为74％,验证其在震后建筑物提取应用的可行性.     

感知编组下的高分辨率影像建筑轮廓正则化方法

针对经典的建筑物边界正则化方法(如最小外接矩形法和角点拟合法)无法适用于高分辨率遥感影像中形状复杂的建筑区域,该文提出了一种基于感知编组的建筑物轮廓正则化处理方法。基于道格拉斯-普克算法对粗提取的建筑物进行多边形简化,利用关键点信息进行分组最小二乘直线拟合,在建筑物主导方向约束下利用感知编组算法进行各个线段的连接与重构。实验结果表明,该文正则化处理方法在建筑物轮廓的准确性、规整程度及最终精度均得到提高,能真实、准确地反映建筑物的真实形状。