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。     

基于面向对象的无监督分类的遥感影像自动分类方法

为了实现无任何先验知识的高分辨率遥感数据的自动分类,并进一步提高自动分类精度和效率,提出了一种基于面向对象的无监督分类方法(Object Oriented Unsupervised Classification).具体步骤如下:首先对遥感影像进行分割,得到一系列空间上相邻、同质性较好的分割单元,然后对分割单元进行特征提取,得到分割单元的对象特征(光谱特征、纹理特征等多特征信息),进而对分割单元进行基于对象特征马氏距离聚类.最后,通过分类后处理(类别合并、错分类别调整等)得到最终的分类结果.通过实验表明:本文提出的方法不仅能够利用影像中更多的特征信息进行聚类而且还可以有效地减少聚类对象的个数,从而使自动分类的精度和效率都得到较大的提升.     

基于Vague集的建筑物地震倒塌率研究

介绍了相似度量及地震事件的建筑物破坏相似因素分析,并在此基础上建立了基于相似度量的建筑物地震倒塌率的预测函数.最后,以历史地震事件统计数据为基础,根据假设检验理论得出了预测误差与相似度量的关系.     

玉树地震高倒塌率建筑物及诱因:遥感认识

2010年4月14日7时49分,我国青海省玉树藏族自治州玉树县发生里氏7.1级大地震,给人们的生命财产带来极大损失,迄今已造成2200多人死亡或失踪,12000多人受伤.地震造成人员重大伤亡的最     

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...     

基于高分卫星遥感影像的城市建筑物提取研究

以安庆市区的高分一号影像为信息源,结合地震应急基础统计数据资料,重点研究基于CART决策树的面向对象分类对研究区的建筑物进行分类提取,分类的总体精度和Kappa系数分别为83.9%和0.821。结果表明:基于CART决策树面向对象分类方法对研究区高分一号影像进行建筑物提取,分类精度较好,可作为地震应急基础数据库更新辅助手段之一。     

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。      

高分辨率遥感影像建筑物提取方法探析

目前,我国高分辨率的遥感影像技术已经被广泛应用于很多行业当中。作为地物类别当中的主要成图元素之一,建筑物提取将会直接影响到整体地物提取的水平。基于此,本文将针对髙分辨率遥感影像建筑物提取方法进行相应的分析,以便为同行提供一定的参考。     

Classification of Collapsed Buildings for Fast Damage and Loss Assessment

Fast and reliable identification of collapsed buildings is essential in case of earthquake disasters in urban areas. Airborne laserscanning offers the possibility to fulfil this task. Based on height measurements, geometrical surface models of buildings can be generated with this technology. Comparing the undamaged pre-event models with those recorded after an earthquake, the location of collapsed buildings and the dimension and characteristic of their damage can be obtained. The knowledge about typical damage types of collapsed buildings is necessary to interpret the changes found between the pre- and post-event building models. As existing building damage classifications don’t meet the requirements of this novel technique, observations and reports of building collapses were analysed. This leads to a new classification system of collapsed buildings and the definition of the so-called “damage catalogue”.The damage catalogue is a composition of different damage types of entire buildings typically occurring after earthquakes and it contains the observed dimensions of the geometrical features such as volume reduction or inclination change for each damage type. Besides the detectability of these geometrical features in airborne laserscanning data, the differentiation of the damage types takes effects on casualty numbers and on different search and rescue needs into account. The damage catalogue was developed by evaluating the associated database, which contains the characterisation of real damaged buildings by the defined geometrical features.The paper includes the conception of the damage catalogue and of the associated database, their use for the described reconnaissance technique and their further application possibilities.     

基于SVM多源遥感影像的面向对象倒塌建筑物提取研究

快速准确地获取倒塌建筑物信息能为震后救灾工作提供支持。采用玉树灾区LiDAR数据和高分辨率Quickbird遥感数据,通过对研究区内LiDAR数据进行预处理,使用面向对象分类与SVM技术相结合的方法对震后倒塌建筑物信息进行提取,提取总精度达到82.21%。     

地震现场倒塌建筑物的搜救策略研究

与一般倒塌建筑物的搜救不同,地震灾害现场的搜救将可能面对大量的、类型复杂、倒塌情况复杂的建筑物,制定科学的搜救策略对于快速有效的营救被困人员十分重要。本文对近几年有关地震现场搜救策略的研究进展进行了综述和现状分析,并在此基础上,从搜救分区、搜救目标的优选、具体营救方案制定几个方面,对如何根据现场情况进行科学的搜救策略制定进行了系统的阐述。     

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。     

基于建筑物与POI数据的人口空间化研究

人口数据是地震灾害人员伤亡评估的基础,准确的人口空间分布信息对提高应急灾情评估的准确度和开展高效的应急决策具有重要意义。本文结合建筑物空间分布、POI(兴趣点)、路网与人口统计等数据,基于Spearman相关分析以及多元线性回归分析方法,构建人口空间化模型,实现了人口统计数据基于规则格网的更为精确的可视化表达。结果表明:(1)建筑物空间分布能较好地反映人口的宏观分布特征,但是对于人口分布细节特征的刻画,则是以POI数据来反映人口的微观分布特征效果更为理想;(2)受区域经济发展影响,人口分布具有明显的空间差异,由城镇向乡村区域递减的趋势明显,中心城区、周边城镇、偏远乡镇之间的人口密度差异巨大。基于建筑物与POI数据的人口模拟值与实际值的偏差较小,数据精度符合实际情况,可为灾情研判提供可靠的基础数据。     

高层建筑坍塌墙体修复施工安全管理定量化控制模型研究

为了确保震后高层建筑坍塌墙体修复工程的安全性,提出一种高层建筑震后坍塌墙体修复施工安全管理方法。结合主成分分析法与信息熵法对震后高层建筑坍塌墙体修复施工管理的控制特征量进行提取,确定模型评价指标权重;根据加权学习法对坍塌墙体修复的施工进行量化控制;通过灰阶量化评估进行约束参量分析,构建安全管理控制模型;采用管理因素模糊调度算法实现施工安全管理控制,并完成优化决策。通过仿真实验验证坍塌墙体修复施工管理控制的管理效益与累积评价百分率。分析结果表明,采用该方法进行震后高层建筑坍塌墙体修复施工管理控制的管理效益最高可达83.32%,累积管理效果回报率较高,累积评价百分率平均约为75%,能够有效提高施工过程的安全管理效能,确保施工安全。     

基于加卸载响应比理论的降雨型滑坡预警研究

在建立边坡远程实时监测系统并获得变形与降雨量连续监测数据的基础上,运用加卸载响应比理论的基本原理,提出以一用为加卸载周期、将日降雨量及其变化作为边坡的加卸载参数、相应的日平均变形速率及其变化值为加卸载响应参数,建立了基于加卸栽响应比的降雨型滑坡短周期预警模型。以某公路边坡为例,运用加卸载响应比预测模型对边坡的2个监测点进行了加卸载响应比计算,发现2个点的加卸载响应比时序曲线与其稳定性动态演化规律相吻合。研究结果表明,可以运用该模型进行降雨型滑坡短周期预测预警。     

基于能量比的天然地震与人工爆破自动识别算法研究

研究了从天然地震和人工爆破事件的波形记录中提取出来的能量比特征在天然地震和人工爆破事件的自动识别中的有效性及适用性。对波形记录进行了4层小波变换,然后对变换得到的小波系数提取能量比特征,最后利用支持向量分类机ν-SVC进行识别效果检验。实验证明,由bior2.2小波包分解后提取出来的能量比特征对天然地震和人工爆破事件的识别效果很好,可用于实际的自动识别系统作为识别判据之一。     

基于BP-Adaboost方法的天然地震和人工爆炸事件波形信号分类识别研究

BP神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但BP神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机(SVM)方法则缺乏有效手段来选取合适的核函数,从中不能很好地扩展到多分类。针对天然地震和人工爆炸事件波形信号的分类识别问题,文中将上述两种方法和集成学习——BP-Adaboost方法进行了对比实验研究。据对所选用的地震、爆炸事件波形信号数据集的分类识别结果表明,BP-Adaboost方法得到了98%以上的正确识别率,并且具有较好的泛化能力。相较于BP神经网络和PCA-SVM方法,BP-Adaboost方法对于数据集的划分和识别结果具有更好的鲁棒性,应用于天然地震和人工爆炸事件波形信号分类识别时,可取得更好的识别效果。同时,结合Adaboost方法的原理,阐述了BP-Adaboost方法拥有更好分类结果和泛化能力的原因。