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.     

面向对象遥感分类方法在震害快速提取中的应用

以汶川地震后受灾严重的北川县城为研究区域,应用面向对象的遥感分类方法,对福卫二号卫星多光谱影像进行灾害提取与分析。提取过程中在传统分类运用的光谱信息中加入影像地物的几何结构和纹理信息,运用多尺度分割、多层次交叉的地物分类模式,模拟人类思维,快速准确的提取了灾害区域的宏观受灾范围,为震后快速评估提供依据。     

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.     

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.     

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。     

尼泊尔8.1级地震建筑物震害遥感提取与分析

2015年4月25日尼泊尔发生的8.1级地震,造成重大人员伤亡与经济损失。在地震前、后灾区高分遥感影像分析处理基础上,结合现场实地调查,对灾区房屋建筑及其震害程度进行了遥感解译,编制了地震灾区房屋建筑震害分布图。结果分析表明:尼泊尔地震灾区影像上显示的建筑物震害分布与该区域房屋结构类型、主余震位置和区域活动构造分布密切相关。其中,房屋较为严重倒塌区域主要分布在8.1级主震和7.5级余震震中附近,但这两个区域并没有相连;居民点建筑物个别倒塌的居民地则连成一个区域。影像上显示的建筑物倒塌区域,与多数8级巨大地震比较,总体上极震区震害偏轻,但在南南西(垂直于破裂方向)上展布较宽。这一特征与引发该地震的印度与欧亚大陆板块边缘活动断裂在深部呈近似于平行地表的低角度断层面破裂引起的地震动能量在地表相对较宽而低的分布特征是一致的。     

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.      

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。     

基于主成分分析的遥感震害变化检测方法与应用

本文详细介绍了基于主成分分析的变化检测方法, 根据地震应急工作的实际要求设计合理的变化检测流程, 以阿尔及利亚地震QuickBird震前震后影像为试验数据, 使用该方法对地震引起的建筑物倒塌进行变化检测应用。 结果证明设计的变化检测方法流程具有一定的实用性, 能较为准确地标示出震后损毁区域, 是对变化检测技术应用于地震应急工作的有益尝试。     

MATLAB软件与ALOS遥感影像在震害建筑物自动识别中的应用——以都江堰市区为例

利用遥感技术进行震害建筑物的自动识别可为震害的快速评估与救灾决策提供科学可靠的依据.本文从震害建筑物在高分辨率遥感影像下灰度的特征入手,以5·12汶川特大地震后都江堰市区ALOS遥感影像为数据源,在MATLAB平台下对影像进行灰度增强处理、数学形态学重构以及连接、填充处理,并结合区域统计特性最后自动识别震害房屋.结果表明,利用ALOS影像丰富的纹理特征及空间结构信息与MATLAB在数学形态学处理中的优势能够准确有效地提取震害建筑物信息.     

并行计算在遥感震害提取中的应用

本文概述了地震应急中遥感应用的现状和并行处理技术在遥感分析处理中的应用。 初步探讨了在遥感震害分析中并行计算技术的应用方案, 并采用比值法和相关系数法, 利用福卫二号卫星遥感数据对汶川8.0级地震造成的北川县城震害进行了震前震后变化检测并行处理。 将结果与专业图像分析处理软件的处理结果进行了分析对比, 在处理效果基本一致的情况下, 得到了较高的加速比, 缩短了遥感影像震害分析处理的时间, 为提高地震应急震害遥感分析处理的速度提供了示范。 最后还对方法的应用效果进行了讨论。     

建筑物震害及其抗震设计的初步研究--以姚安6.5级地震震区建筑物破坏为例

对2000年1月15日姚安6．5级地震极震区（Ⅷ度）及姚安、大姚、南华和牟定等县城内的建筑物与结构物的震害做了系统的调研。本作为系列研究之二，分析了各类建筑物的地震破坏现象与相关设计，以及地震的破坏机理，讨论了地震区城镇建设中防震减灾应引起重视的有关问题；提出了在设计与施工中出现的若干问题及在这次地震灾害中获取的经验与教训。对今后多震区的城市规划、建筑物设计有一定的参考价值。     

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。     

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.     

城市建筑物震害三维模拟在GIS中的应用

地震的突发性和破坏性对人民的生命和财产造成巨大的损失,在财产和人口高度集中的城市地区更为严重,地震灾害损失分析作为防震减灾的重要环节具有现实意义.GIS因具有数学应用模型和空间分析功能已经被广泛应用在地震灾害损失分析工作中,但大都是基于二维的GIS,在表达建筑物的震前和震后信息方面存在不足.     

粗集神经网络在建筑物震害预测中的应用

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型.首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入练模型.实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合.该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析.     

类比预测法在城市群体建筑物震害预测中的应用

群体建筑物量大面广,为了简化群体建筑物震害预测的工作,采用类比预测法对群体建筑物震害进行了预测.从城市建筑中选取具有典型破坏特征的建筑物作为样本,通过建筑物结构类型、高度、建设年代、现状质量和用途作为震害影响因子进行震害类比预测.建立规划区内建筑物易损性矩阵.最后以宁德市为例,利用本文方法给出了宁德市建筑物的易损性矩阵...     

基于遥感影像的震后避难空间快速提取模型研究——以2021年云南漾濞MS6.4地震为例

震后避难空间是居民遭遇地震时紧急疏散、避难、临时生活的重要区域。以无人机影像为基础,采用影像面向对象分类与GIS栅格化的分析方法,构建震后避难空间评价指标,建立基于遥感影像的震后避难空间快速提取模型,并以2021年云南漾濞M_S6.4地震为例,将避难空间提取的结果与震后居民实际选取的避难空间进行比较。结果表明：模型共计提取可用避难空间70个,根据目标函数F得到最优避难空间5个,其中每个避难空间在漾濞M_S6.4地震中实际帐篷数量分别为72、55、54、30、44顶,模型计算结果与实际结果匹配。     

基于遥感影像的建筑物空间分布方法在地震灾害损失预评估中的应用

房屋建筑数据是地震重点危险区预评估工作的基础,需基于获取到的房屋建筑信息开展人员伤亡、经济损失、救援物资需求等预评估工作。历年地震重点危险区预评估工作能够通过现场调查得到的房屋建筑信息占比极小,仅能进行抽样调查。因此,为批量完成危险区内全部房屋建筑损失估算,需基于遥感影像获取房屋建筑矢量数据,并建立数据库。为实现全国地震重点危险区预评估工作中大批量建筑物矢量化数据的快速获取,本文采用基于遥感影像的建筑物空间分布数据批量获取方法,得到地震重点危险区内建筑物空间矢量数据,结合现场抽样调查得到的建筑物属性信息,建立地震重点危险区建筑物空间分布数据库,进而为地震重点危险区灾害损失预评估工作提供数据基础。本文采用的方法可广泛应用于地震重点危险区房屋建筑信息获取工作中,可提高工作效率,降低工作成本,提升预评估工作的科学性和准确性。     

可拓分类方法及其在流动单元分类中的应用

可拓学是研究事物拓展的可能性和拓展规律与方法的科学,它可以广泛的应用于各种矛盾和对立问题的解决.可拓分类方法是利用可拓学理论对事物类型归属进行研究的动态分类方法.为了解决储层流动单元分类中现存误判率较高的问题,本文利用可拓分类方法对储层流动单元分类进行了研究,并把利用可拓分类获得的流动单元分类结果与灰关联聚类法判别分析结果进行了比较,发现可拓分类方法具有更强的判别能力,具有实用性强、误判率低的特点,判别准确率可比灰关联聚类法提高15%.这种方法不仅仅适用于流动单元分类,对于油气勘探开发的很多环节都将具有适用性.