震害預測中建筑物屬性信息提取方法研究＊

李鐵錚,翟永梅

(1.同濟大學土木工程學院,上海 200092,2.同濟大學上海防災救災研究所,上海 200092)

0 引言

地震災害是目前人類所面臨的最嚴重的自然災害之一,給人類造成了極大的災難和損失。隨著中國城市化進程的進一步加快,為了更好地保障地區(qū)經(jīng)濟社會持續(xù)、健康、快速發(fā)展,許多地方都陸續(xù)開展了編制城市抗震防災規(guī)劃的工作。其中,建筑物的震害預測工作是編制城市抗震防災規(guī)劃的基礎,所以如何全面而高效地得到規(guī)劃區(qū)建筑物的屬性信息,如建筑物的高度、層數(shù)、建筑面積等,就成為一個極為重要的課題。

面對規(guī)劃區(qū)海量的建筑物,單靠人工調查的方式進行建筑物普查資料的收集明顯是低效和困難的。為了提高規(guī)劃區(qū)建筑物抗震性能評估的效率,有必要利用遙感技術覆蓋范圍廣,受地面狀況影響小,圖像獲取方便等優(yōu)點進行城市建筑物資料的普查。

在利用遙感手段進行城市建筑資料收集中,如何實現(xiàn)建筑物層數(shù)信息的自動化獲取是其中非常關鍵的一環(huán),因為層數(shù)信息既是我們實現(xiàn)直接讀取目標區(qū)內(nèi)房屋建筑面積的一個不可或缺的因素,也是在城市房屋震害預測工作中從遙感圖像上直接對建筑物結構形式進行初步劃分的重要依據(jù)。

一般來說,基于遙感技術的建筑物層數(shù)信息的獲得要基于建筑物的高度信息,即通過求出建筑物高度除以層高(一般取3 m)而得到層數(shù)。在建筑物高度的識別研究中,遙感圖片中的陰影信息扮演了重要角色。國內(nèi)諸多學者如董玉森、謝軍飛、張桂芳、王永剛、劉龍飛、鄭淵斌等均對陰影信息的提取進行了相關探索[1-6]。從其研究現(xiàn)狀上來看,已有的算法主要分為自動化提取方法[3-4]與手工提取方法[5-6]兩類,但這兩種算法在實際工作中也都存在著不盡如人意的地方:一是自動化提取方法的模型普適度還有待提高,多數(shù)方法只適用于規(guī)則矩形的房屋,而且計算過程比較繁瑣,所需計算的參數(shù)多,速度慢;二是手工提取的方法,雖然計算簡單,普適性好,但自動化程度不佳,需要很多的人工干預,也不適用于大范圍的城市建筑物層數(shù)信息收集工作。

為此,本文嘗試對上述兩類方法進行優(yōu)化組合,吸收二者的優(yōu)點,提出了一種半自動的基于陰影信息的建筑物層數(shù)信息識別方法。該方法只需少量的人工干預,普適性較好,計算簡便快捷,結果滿足精度要求,有較好的發(fā)展前景。

1 提取建筑物層數(shù)信息的原理和方法

1.1 太陽、房屋與陰影的關系

為了簡化,我們首先做出如下兩種假設:

(1)假設建筑物位于平原地帶,無地形因素的干擾;

(2)建筑物垂直于地球表面。

設建筑物的高度為H,層數(shù)為C,在平行于太陽光投射方向上建筑物陰影的實際長度為S,建筑物陰影可見長度為L2,被遮擋的長度為L1。衛(wèi)星高度角為α,太陽高度角為β。

如圖1,當太陽和衛(wèi)星位于建筑物的同一側時,建筑物陰影的實際長度為:

S=L1+L2=H/tanβ。

遙感圖像上可見的陰影長度為:

可以求得這種情況下建筑物高度H和可見陰影長度L2之間的公式為:

如圖2,當太陽和衛(wèi)星位于建筑物的兩側時,在平行于太陽光投射方向上建筑物陰影的實際長度S和遙感圖上建筑物陰影可見長度L2相等,此時L1=0。這種情況下建筑物高度H和可見陰影長度L2之間的公式為:

圖2 太陽和衛(wèi)星位于建筑物異側

綜合以上兩種情況的分析可知通過陰影求建筑物層數(shù)信息的兩種方法:

(1)如果已知遙感衛(wèi)星圖片中衛(wèi)星的相關參數(shù)信息,如太陽高度角,太陽方位角和衛(wèi)星高度角等,便可結合遙感圖像中建筑物陰影的可見長度L2利用公式(1)和公式(2)求出實際建筑物的高度,再將所得結果除以層高(一般取3 m),進而得到建筑物的層數(shù)。

(2)如果遙感衛(wèi)星圖片的衛(wèi)星參數(shù)未知,在這種情況下,同一幅遙感圖像內(nèi)的衛(wèi)星參數(shù)信息相同,設K1=tanα＊tanβ/(tanα-tanβ),K2=tanβ無論在哪種情況下,K1和K2都為常數(shù),H=L2＊Ki(i=1,2),即建筑物實際高度和其在遙感圖像中在太陽光投射方向上的可見陰影長度L2成正比。進而,建筑物的層數(shù)亦與L2成正比。公式如下:

在這種情況下,可以通過獲得當?shù)啬骋唤ㄖ锏膶嶋H層數(shù)來反求Pi,從而計算出其他建筑物的層數(shù)信息。

1.2 建筑物陰影可見長度L2的自動化獲取

首先通過人工干預,利用ENV I等圖像處理軟件將未處理的遙感圖像進行旋轉操作,使得太陽光的投射方向與水平線呈90°。這樣做可以使得在之后的掃描操作中直接得到太陽光投射方向上的陰影可見長度,避免大多數(shù)陰影長度自動化提取過程中需要對每一棟建筑計算其方位角的困難,減少了計算工作量而且保證了后續(xù)計算的精度。遙感圖像旋轉前后對照如圖3到6。其中圖3、圖5為原始遙感圖片,圖4、圖6為對應的經(jīng)過旋轉處理的遙感圖片。

圖3 原始遙感圖片

在利用相關圖像處理軟件如ENV I對目標區(qū)內(nèi)的建筑進行陰影區(qū)提取后,接下來的工作主要分以下幾步進行,流程圖見圖7。

圖4 經(jīng)旋轉處理的遙感圖片

(1)對于一幅經(jīng)過處理后得到的陰影區(qū)遙感圖像,為了進行較大范圍的陰影信息提取,避免計算得出的多個結果相互混淆,首先要對圖像中的各個陰影區(qū)編號,并賦予陰影圖像中不同陰影區(qū)(S1,S2,S3……)內(nèi)所包含的像素點特定的像素值(N1,N2,N3……)。另外為了避免重復,對于滿足本文預先設定的判定條件,經(jīng)計算后已得出結果的陰影區(qū),需要立即進行標記,使得在之后的掃描過程中遇到該陰影區(qū)時,選擇直接跳過。在本文中,實現(xiàn)標記操作的方法是將計算后的陰影區(qū)內(nèi)所有像素點的像素值清零。

圖7 陰影長度自動化獲取算法流程圖

(2)本文中掃描整幅遙感圖像的順序是從原點開始進行按列的掃描。當掃描到一個未被標記的陰影區(qū)Si后,即掃描到特定像素值Ni的像素點Q1(xi,yi)后,為了消除容易造成計算誤差的陰影區(qū)凸起點的干擾,提高計算精度,本算法立即判定它下面的像素點Q2(xi,yi+d)的像素值是否為Ni,其中d為人工設定的判定限值。在本文后續(xù)的算法檢驗中,d值取2。

(3)如不滿足上述判定條件,繼續(xù)進行按列的掃描;否則,從像素點Q2(xi,yi+d)開始橫向掃描其左側相鄰的一個像素點Q3(xi+1,yi+d),若其像素值亦為Ni時繼續(xù)掃描Q3(xi+1,yi+d)左側的像素點,直到最后一個滿足像素值為Ni的像素點Q4(xi+x0,yi+d)。此時,我們得到了一個關于陰影區(qū)Si的“分割線段”,兩端點分別為Q2(xi,yi+d)和Q4(xi+x0,yi+d),線段長度為x0。

(4)為了提高結果的精度,對于得到的“分割線段”本算法進行了二次判定:當“分割線段”長度不滿足判定條件x0＜t時,繼續(xù)進行按列的掃描;當“分割線段”長度滿足判定條件x0＞t時,即認為橫向線段Q2Q4為陰影區(qū)Si的“有效分割線段”,可以進行后續(xù)計算,見圖8。文中t為人工設定的判定限值,在后續(xù)的算法檢驗中,t值取5。記錄“有效分割線段”兩端點Q2和Q4。

圖8 陰影信息提取圖示(輪廓內(nèi)為陰影區(qū))

(5)得到“有效分割線段”后,取其上的5個特征點:M1(xi+x0/4,yi+d)、M2(xi+3x0/8,yi+d)、M3(xi+x0/2,yi+d)、M4(xi+5x0/8,yi+d)、M5(xi+3x0/4,yi+d),中間如果出現(xiàn)分數(shù),則進行最鄰近的取整運算。另外,由于從經(jīng)驗上來看陰影區(qū)兩端的提取不太穩(wěn)定,容易引起誤差,所以特征點均在“有效分割線段”的中間位置選取。對于得到的每一個特征點Mn(xi+xn,yi+d),再分別以它為出發(fā)點向上和向下進行豎向的掃描,與步驟3同理可以得到它所對應的陰影區(qū)上邊緣點Msn(xi+xn,yi+d-ysn)和下邊緣點Mxn(xi+xn,yi+d+yxn),見圖8。

(6)記錄下每個特征點對應的上下邊緣點之間線段的長度ysn+yxn+1。則陰影區(qū)Si的陰影長度在本算法中取為:

將該結果保存至一個一維數(shù)組,并標記該陰影區(qū),在接下來的掃描中遇到該陰影區(qū)時,算法選擇直接跳過。

在陰影長度自動化提取已有的算法中,均需要求出太陽方位與建筑物方位的夾角(其值等于太陽方位角減去建筑物方位角)。而實際上,由于遙感圖片陰影提取技術的局限、建筑物數(shù)量的龐大及方位的多樣化,該夾角的計算精確度較差且嚴重影響了計算速度,致使算法的實用性不佳。本文提出的方法利用人工干預有效地將其排除于計算過程之外,解決了這個問題。另外,算法借鑒了已有算法中統(tǒng)計平均的思想,很好地提高了陰影長度提取的計算精度。

2 算法檢驗與精度分析

2.1 目標區(qū)的選取與圖像信息

本文選擇的是上海市鞍山四村小區(qū)及周邊建筑物的高分辨率遙感圖像,該圖像經(jīng)過精心校正,空間分辨率為1 m,衛(wèi)星參數(shù)未知。通過筆者實地調查得知目標區(qū)樓層分布為3～18層之間,地處平原地帶,地形平整,樓間距較大,圖像上陰影信息明顯,適合利用上述方法進行建筑物層數(shù)的識別。

2.2 目標區(qū)建筑物層數(shù)信息自動提取

本文中建筑物陰影區(qū)的提取主要是基于ENV I4.5平臺,通過FX擴展模塊,利用面向對象的分類技術進行。研究區(qū)內(nèi)建筑物陰影可見長度的自動化獲取則主要通過Matab的圖像處理工具箱進行編程實現(xiàn)。選定目標區(qū)內(nèi)某一特定建筑作為參照物,結合公式(3)求得參數(shù)P2=0.54(圖像中太陽與衛(wèi)星位于建筑物異側),即遙感圖像中一個像素的陰影長度對應建筑物層數(shù)相當于0.54層。這一數(shù)值關系是生成目標區(qū)建筑層數(shù)信息的基礎。所得部分結果如表1所示。

表1 建筑物層數(shù)測量結果統(tǒng)計表

從結果看,總體來說建筑物層數(shù)的提取比較精確,對外形非矩形的建筑物進行計算時結果也能保證一定的精準度。計算的主要誤差出現(xiàn)在高層建筑上。經(jīng)分析,此誤差的出現(xiàn)與陰影區(qū)的提取本身有關系,因為在提取高層建筑陰影信息的時候,周邊建筑物的遮擋效應即會對結果的精度造成一定的影響,而這也是已有的自動化提取算法中普遍存在的問題。

3 結論與展望

本文提出了一種通過首先旋轉高分辨率遙感圖像而后搜尋陰影區(qū)“有效分割線段”來提取建筑物層數(shù)信息的新方法。相對于已有的算法,本算法的優(yōu)點是計算過程相對簡單,易于編程實現(xiàn),需求解的中間參量少,結果精度相對較好。而且本文計算模型的普適性較強,適用于較復雜外形建筑物,整個過程僅需旋轉遙感圖片等很少的人工干預,自動化程度較好,有著良好的發(fā)展前景。但算法也不可避免地存在一些缺陷,比如對周邊建筑物的遮擋效應估計不足,算法精度仍有待提高,未考慮衛(wèi)星方位角影像等,這些也是接下來的研究方向。另外,為了更好地將遙感技術應用于城市的抗震防災規(guī)劃工作乃至地震后的震害快速評估工作中去,有關如何利用ENV I等圖像處理軟件將建筑物的平面信息與層數(shù)信息對應起來,實現(xiàn)大范圍的房屋建筑面積提取,也是今后的一個重要課題。

[1] 董玉森,詹云軍,楊樹文.利用高分辨率遙感圖像陰影信息提取建筑物高度[J].咸寧師專學報,2002,22(3):35-39.

[2] 謝軍飛,李延明.利用IKONOS衛(wèi)星圖像陰影提取城市建筑物高度信息[J].國土資源遙感,2004(4):4-6.

[3] 張桂芳,單新建,尹京苑,等.單幅高空間分辨率衛(wèi)星圖像提取建筑物三維信息的方法研究[J].地震地質,2007,29(1):180-186.

[4] 王永剛,劉慧平.利用角點最近距離統(tǒng)計平均法計算建筑物陰影長度[J].國土資源遙感,2008(3):32-36.

[5] 劉龍飛,王銳君,董衛(wèi)平,等.一種快速提取建筑物高度的方法研究[J].遙感技術與應用,2009,24(5):631-634.

[6] 鄭淵斌.高分辨率衛(wèi)星遙感影像在城市震害預測中的應用研究[D].上海:同濟大學,2008.