遥感影像震害信息提取技术研究

近年来,随着遥感影像分辨率的提高和遥感信息提取技术的发展,遥感技术逐渐成为快速获取地震灾情信息、震后应急和震害快速评估的有效手段。但以往的遥感震害信息提取结果精度较低、震害识别对象单一     

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.      

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.     

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。      

高分辨率遥感影像道路震害的快速提取

震后及时获取道路受灾信息, 进行交通通行能力分析, 是抗震救灾的关键之一。 传统的利用遥感技术提取震害信息的方法普遍存在效率低的问题, 影响地震应急的时效性。 本文提出针对特定传感器影像的经验训练参数, 结合面向对象分类, 按照预处理、 影像分类、 震害识别这一流程实现道路震害的快速提取。 实验结果表明, 保障提取效果在一定精度范围内的情况下, 提取速度有明显提高, 有较高的实用意义。     

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。      

基于遥感图像的快速震害预测

通过一个研究实例,介绍了利用IKONOS遥感图像后处理结合实地调查获取研究区域内建筑物结构形式、楼层数、占地面积等信息,并应用震害矩阵进行快速震害预测的方法。     

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.      

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。     

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。     

基于遥感影像纹理信息的湖泊围网养殖区提取

中国东部许多湖泊被人为围网养殖开发,高密度的围网养殖区较容易导致湖泊富营养化和水质恶化,因此人们利用遥感数据开展了湖泊围网养殖区的调查研究．对于湖泊围网养殖区的提取大多采用多光谱分类或目视解译手工数字化,多光谱分类围网养殖区和自然水体易于混淆,而手工数字化对于大区域提取工作量比较大.论文提出了基于遥感影像纹理信息的湖泊围网养殖区提取方法,事实证明此方法易于实现且提取精度高．该文选用中巴资源卫星02星多光谱数据,以白马湖为试验区,首先采用归一化差值植被指数提取水体及少部分光谱特征与之相似的人工建筑物和裸土,再采用主成份分析对研究区影像进行数据压缩和几何信息增强,利用灰度共生矩阵对影像纹理信息进行分析,以均值为量化指标,确定其最佳阈值,最后以决策树分类方法提取湖泊围网养殖区．     

小波分析在遥感图像融合中的应用

利用小波分析的方法对多分辨率、多波段的遥感图像信息进行融合，原始图像经小波变换，分解成多个子图像，选择适宜的小波基，进行分块处理，再做逆变换，进行图像融合重构，使得融合后的图像最大限度地保留多波段光谱信息的同时，提高了图像的空间分辨率及局部目标的清晰度，与传统方法相比，小波分析方法具有明显的优越性。     

多参量联合分析的地震空间探测异常研究进展

卫星对地观测技术是全球范围内实时监测孕震区地震活动和震后应急救援的有力工具。过去的几十年里,不同种类的卫星观测数据被应用于地震遥感异常探测领域中,并逐渐开展了从单个震例分析,到普遍规律探索,再到内部机理研究的多方面探讨。但由于地球系统的复杂性和孕震过程的不确定性,地震遥感异常研究仍充满困难和挑战。本文利用文献计量分析方法,探究了现今国内外地震遥感异常研究的关注热点和趋势方向,认为目前对于地震遥感异常的研究已由单一参量发展为多参量联合分析阶段;通过3个前沿研究案例分析了常用的综合分析参量与异常分析方法,以及多参量之间的时空同步性关系,表明多参量遥感异常的结合研究和交叉验证是地震遥感异常研究中的重要手段,可以在未来地震前兆研究中发挥重要作用。      

一种基于指数函数的遥感水体信息提取方法

MODIS数据具有高时相分辨率、高光谱分辨率和中等地面分辨率的特征,利用MODIS数据来监测和提取旱情严重地区的水体信息已经成为一个重要的研究方向.本文利用各类地物在MODIS各个波段上的波谱特征差异性进行水体提取,但与以往水体信息提取方法有创新之处在于:本文借助于非线性的指数函数对低反射的水体的反射率进行了拉伸而对高...     

运用机器学习方法提取Sentinel-2影像烃微渗漏异常——以Marsel探区为例

油气藏的烃微渗漏是一种普遍存在的现象, 遥感技术为油气藏的烃微渗漏地表检测提供了高效快捷的方法.传统的基于烃微渗漏机理的方法通过检测烃微渗漏引起的地表异常(植被、蚀变矿物等)响应以提取烃微渗漏位置, 方法简单, 但多解性强.本文以哈萨克斯坦Marsel探区为研究对象, 提出了一种基于机器学习的遥感影像烃微渗漏异常提取方法.首先以研究区地表微生物检测结果为基础制作训练样本, 为了对比不同样本学习结果, 分别制作了斑块样本(patch sample)数据集和像元样本(pixel sample)数据集, 在此基础上采用逻辑回归、支持向量机、随机森林、LeNet、AlexNet、GoogLeNet、ResNet算法构建两类数据集的学习模型.结果表明, 对于经典机器学习算法, 斑块样本最高准确率达0.833, 像元样本最高达0.771;对于深度学习算法, 斑块样本最高达0.782, 像元样本最高达0.914.最后把这准确率最高的四种算法模型应用于哈萨克斯坦Marsel探区, 并与地质地震资料进行对比, 发现ResNet-18-1D对像元样本的预测结果与地震地质分析资料的对应性最佳, 且准确率达0.914, Kappa系数达0.892.