高分辨率遙感影像建筑物震害信息提取方法比較研究

王劉偉，李金平，劉耀輝

（1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，云南 昆明650500；2.西部資源環(huán)境地理信息技術(shù)教育部工程研究中心，云南 昆明650500）

快速獲取強烈的破壞性地震造成建筑物倒損、滑坡等震害信息及空間分布特征是災(zāi)后救援及災(zāi)害損失評估的關(guān)鍵。早期地震災(zāi)害信息的獲取主要依靠現(xiàn)場調(diào)查和勘測，震害信息準(zhǔn)確但效率低、費用高、強度大［1］。隨著遙感技術(shù)的迅猛發(fā)展，高分辨率遙感為震后救援和快速災(zāi)害損失評估提供一種新的手段［2－4］，利用不同平臺和傳感器獲取的不同時相的海量遙感影像數(shù)據(jù)，通過目視解譯方法識別建筑物震害分類信息不能很好滿足地震快速應(yīng)急要求，計算機自動識別建筑物震害的方法成為研究熱點［5］。基于像素的分類方法是根據(jù)影像上像素亮度的接近程度來實現(xiàn)分類信息的提取，主要有基于紋理的監(jiān)督分類和非監(jiān)督分類。面向?qū)ο蠓诸惙椒ㄊ翘幚砗懈嗾Z義信息的多個相鄰像元組成的影像對象，充分利用對象的幾何信息以及影像對象之間的紋理信息和拓?fù)潢P(guān)系進(jìn)行分類［6－9］。本文利用玉樹縣震后的QuickBird高分辨率遙感影像數(shù)據(jù)，采用基于像素和面向?qū)ο蟮挠跋穹诸惙椒?，實現(xiàn)建筑物震害信息分類提取，并對分類結(jié)果和精度進(jìn)行評價。

1 遙感影像預(yù)處理

研究的主要數(shù)據(jù)是2010－04－21青海玉樹縣（北緯33.1°N，東經(jīng)96.7°E）震后的全色（0.61m）和多光譜（2.44m）影像。先利用ENVI軟件對兩幅影像進(jìn)行配準(zhǔn)，再對配準(zhǔn)后的全色和多光譜影像進(jìn)行融合處理，提高多光譜的分辨率，最后從整幅影像中裁剪出如圖1所示區(qū)域進(jìn)行建筑物震害信息分類提取。

圖1 研究區(qū)震后QuickBird影像

2 建筑物震害信息分類提取

本文將建筑物震害等級分為未倒塌（基本完好、輕微倒損、中度倒損）和倒塌（嚴(yán)重倒損、完全倒損）兩類，建筑物震害信息分類提取方法采用基于像素的分類方法和面向?qū)ο蟮姆诸惙椒ā?/p>

2.1 基于像素的建筑物震害信息提取

基于像素的分類方法是通過影像上像素亮度的接近程度來實現(xiàn)分類信息的提取，文章利用ENVI軟件采用監(jiān)督分類中最小距離法、最大似然法和非監(jiān)督分類中K－均值法、迭代式自組織數(shù)據(jù)分析算法（ISODATA）分別實現(xiàn)建筑物震害信息分類提取。

2.2 面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛?/h3>

針對高分辨率遙感影像的特征，Baats等提出面向?qū)ο蟮姆诸惙椒ǎ?0］，以分割后的影像對象為基本處理單元。面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛±胑Cognition軟件，先進(jìn)行影像對象構(gòu)建，再進(jìn)行對象的分類。

1）影像分割。

面向?qū)ο蟮慕ㄖ镎鸷π畔⒎诸愄崛≈?，最?yōu)分割尺度的選取是提高分類精度的關(guān)鍵技術(shù)［11－12］，通過實驗，尺度75分割影像中完好建筑物的輪廓清晰，倒塌建筑物廢墟和裸地可以很好分開，選作最優(yōu)分割尺度，如圖2所示。

圖2 最優(yōu)分割尺度75

2）震害建筑物分類。

利用影像對象的光譜、形狀、紋理等特征和拓?fù)潢P(guān)系建立分類規(guī)則，選取的影像對象特征函數(shù)如表1所示。

表1 分類特征選取與描述

對分割尺度75影像中的對象采用隸屬度函數(shù)法和最鄰近法進(jìn)行震害信息分類提取，完整建筑物的提取采用長寬比、形狀指數(shù)等特征閾值，倒塌建筑物的提取采用均值、亮度、密度等特征閾值。

3 分類結(jié)果與分析

3.1 分類結(jié)果

高分辨率遙感影像建筑物震害信息分類結(jié)果如圖3所示，其中，圖3（a）和圖3（b）為基于像素的分類中兩種較好的結(jié)果，圖3（c）和圖3（d）為面向?qū)ο蟮姆诸惤Y(jié)果。分類結(jié)果比較分析看出，分類提取結(jié)果有明顯的差異，基于像素的分類結(jié)果中存在明顯的“椒鹽現(xiàn)象”，而面向?qū)ο蟮姆诸惤Y(jié)果中則不存在，說明面向?qū)ο蠓诸惙椒▋?yōu)于基于像素的分類方法；面向?qū)ο蟮姆诸惤Y(jié)果中最鄰近法分類結(jié)果優(yōu)于隸屬度函數(shù)法，最鄰近法分類結(jié)果與研究區(qū)震后原始影像具有較好的一致性。

圖3 建筑物震害信息分類結(jié)果

3.2 精度分析

通過目視解譯，將研究區(qū)內(nèi)震后遙感影像中的兩類震害等級的建筑物進(jìn)行矢量化，以矢量圖為基礎(chǔ)生成標(biāo)準(zhǔn)樣本，參考國家公布的青海玉樹地震房屋倒損結(jié)果，采用混淆矩陣選擇生產(chǎn)者精度、用戶精度、總體精度、Kappa系數(shù)等參數(shù)對分類結(jié)果進(jìn)行精度評價，如表2所示?？梢钥闯?，所有的分類結(jié)果中最優(yōu)的是最鄰近分類法。

表2 不同方法提取結(jié)果精度對比

綜上分析，高分辨率遙感建筑物震害提取方法中，面向?qū)ο蟮姆诸惙椒ㄟ\用多尺度分割技術(shù)構(gòu)建影像對象的層次結(jié)構(gòu)，能夠根據(jù)特定影像中地物的光譜、紋理、結(jié)構(gòu)和形狀等特征和拓?fù)潢P(guān)系組合建立判斷規(guī)則，其分類結(jié)果比基于像素的分類效果好；面向?qū)ο蟮姆诸惙椒ㄖ凶钹徑ǚ诸愂峭ㄟ^樣本提取來實現(xiàn)，每次錯分和漏分的地物可通過樣本的反復(fù)修改來實現(xiàn)分類結(jié)果的更新，分類結(jié)果比隸屬度函數(shù)分類更優(yōu)，且更符合實際情況。

4 結(jié)束語

面向?qū)ο蟮姆诸惙椒梢暂^好地利用高分辨率遙感影像分類提取震后建筑物倒損信息，為震后救援和災(zāi)害損失快速評估提供決策支持?；谙袼氐姆诸惙椒ㄖ焕脝蝹€像素的光譜特征，缺乏對多個像素均值的考慮，未能整合臨近像素的光譜信息，導(dǎo)致進(jìn)行高分辨率遙感影像分類時出現(xiàn)很多碎斑塊，從而不可避免地出現(xiàn)“椒鹽現(xiàn)象”；面向?qū)ο蟮姆诸惙椒梢愿鶕?jù)分類需求選擇最優(yōu)分割尺度，利用分類的影像對象比像素具有更豐富的信息，很好地抑制 “椒鹽現(xiàn)象”，但需要反復(fù)實驗來確定最合適的參數(shù)，比基于像素的分類耗時且工作量大。

［1］ 吳劍，陳鵬，劉耀林.震害損毀建筑物高分辨率遙感影像信息提取方法［J］.地理與地理信息科學(xué)，2013，29（3）：35－38.

［2］ 陳文凱，何少林，張學(xué)發(fā).利用遙感技術(shù)提取震害信息方法的研究進(jìn)展［J］.西北地震學(xué)報，2008，30（1）：88－93.

［3］ 柳佳航，楊建峰.震害信息遙感獲取技術(shù)歷史現(xiàn)狀和趨勢［J］.自然災(zāi)害學(xué)報，2004，13（6）：46－52.

［4］ 魏成階，劉亞嵐，王世新，等.四川汶川大地震震害遙感調(diào)查與評估［J］.遙感學(xué)報，2008，12（5）：673－68.

［5］ 董燕生，潘耀忠，方偉華，等.基于面向?qū)ο蠹夹g(shù)的建筑物震害識別方法研究［J］.地震研究，2011，34（3）：372－377.

［6］ 梁艷.面向?qū)ο笈c基于像素的高分辨率遙感影像分類在土地利用分類中的應(yīng)用比較［D］.山西：太原理工大學(xué)，2012.

［7］ 甘甜，李金平，李小強，等.面向?qū)ο蟮母叻直媛蔬b感影像建筑物震害信息提取［J］.測繪工程，2015，24（4）：11－15.

［8］ 譚衢霖，高姣姣.面向?qū)ο蠓诸愄崛「叻直媛识喙庾V影像建筑物［J］.測繪工程，2010，19（4）：30－33.

［9］ 李小強，李金平，甘甜.面向?qū)ο蟮母叻直媛蔬b感影像城市地物信息提取研究［J］.河南城建學(xué)院學(xué)報，2014，23（2）：63－68.

［10］BAATZ M，SCHAPE A.Multi－resolution Segmentation：an optimization approach for high quality multiscale image Segmentation［C］.Angewandte Geographische Informationsverarbeitung，2000，12－23.

［11］陳云浩，馮通，史培軍，等.基于面向?qū)ο蠛鸵?guī)則的遙感影像分類研究［J］.武漢大學(xué)學(xué)報：信息科學(xué)版，2006，31（4）：316－320.

［12］劉兆祎，李鑫慧，沈潤平，等.高分辨率遙感圖像分割的最優(yōu)尺度選擇［J］.計算機工程與應(yīng)用，2014，50（6）：144－146.