面向?qū)ο蟮母叻直媛蔬b感影像建筑物震害信息提取

面向?qū)ο蟮母叻直媛蔬b感影像建筑物震害信息提取

甘甜1,2,李金平1,2,李小強(qiáng)1,2,王劉偉1,2(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)

摘要：建筑物的倒損信息是震后災(zāi)害評估的一項(xiàng)重要指標(biāo)。文中應(yīng)用震后高分辨率遙感影像數(shù)據(jù)，采用面向?qū)ο蠓诸惙椒?，以最?yōu)分割參數(shù)對影像進(jìn)行分割，構(gòu)建多尺度影像對象層次結(jié)構(gòu)。通過影像對象的光譜、形狀、紋理等特征及空間拓?fù)潢P(guān)系建立分類規(guī)則庫，提取基本完好、受損和完全倒塌三類破壞等級的建筑物震害信息。結(jié)果表明，面向?qū)ο蠓诸惙椒軌驅(qū)崿F(xiàn)提取三類等級的建筑物震害信息，從而滿足地震災(zāi)害快速評估要求。

關(guān)鍵詞：面向?qū)ο?；高分辨率遙感；震害信息提?。欢喑叨确指?/p>

中圖分類號：P237文獻(xiàn)標(biāo)志碼：A

收稿日期：2015-01-23；修回日期：2015-03-28

基金項(xiàng)目：云南省科技計(jì)劃項(xiàng)目(2011XXL004)

作者簡介：甘甜(1989-)，女，碩士研究生.

Object-oriented method of building damage extraction from high-resolution images

GAN Tian1,2, LI Jin-ping1,2, LI Xiao-qiang1,2, WANG Liu-wei1,2(1.School of Tourism and Geographic Science, Yunnan Normal University, Kunming 650500, China; 2.GIS Technology Research Center of Resource and Environment in Western China of Ministry of Education, Kunming 650500, China)

Abstract：Building of damage information is an important index for earthquake disaster assessment.In this paper, the object-oriented classification method is used, based on the optimal parameters for segmentation of the image segmentation, by establishing image objects of multi-scale hierarchical structure, according to the spectrum feature, shape feature, texture feature and spatial topological relations to establish the rule database, negligible to slight damage, damage and collapsed completely of building damage information being extracted from high resolution remote sensing image data after the earthquake. The results show that object-oriented classification method can extract three-level building damage information, and to meet the requirements of rapid earthquake disaster assessment.

Key words：object-oriented; high-resolution remote sensing; earthquake damage extraction; multi-resolution segmentation

地震發(fā)生后快速做好震害調(diào)查與評價(jià)工作，是迅速實(shí)施災(zāi)后救援、重建以及最大限度降低經(jīng)濟(jì)財(cái)產(chǎn)損失的重要途徑[1-2]。隨著遙感技術(shù)的快速發(fā)展，不同平臺和不同傳感器的高空間分辨率遙感為地震災(zāi)害信息提取和震害快速評估提供了海量的、可靠的震前和震后遙感數(shù)據(jù)源，這些遙感數(shù)據(jù)可以節(jié)省人力、物力、財(cái)力并較大程度地提供大范圍震害信息，在地震災(zāi)害損失快速評估中得到廣泛應(yīng)用[3-5]。

震后城鎮(zhèn)建筑物震害信息的自動識別與分類是遙感震害調(diào)查中的關(guān)鍵技術(shù)，震害信息的提取精度直接影響地震災(zāi)害損失評估的結(jié)果[6]。傳統(tǒng)基于像素的分類方法存在著不能充分地挖掘影像的光譜、形狀、紋理等特征和上下文信息以及分類精度低、速度慢等局限性，不能滿足震害信息快速提取需求[7]，而面向?qū)ο蟮挠跋穹诸惙椒楦呖臻g分辨率遙感影像震害信息提取提供了新的思路[8-13]。本文利用玉樹縣震后的QuickBird高分辨率遙感影像數(shù)據(jù)，采用面向?qū)ο蟮倪b感影像分類技術(shù)，研究實(shí)現(xiàn)基本完好、受損和完全倒塌三類破壞等級的建筑物震害信息提取，為災(zāi)害損失快速評估提供可靠的基礎(chǔ)數(shù)據(jù)。

1影像對象特征選取

面向?qū)ο蟮挠跋穹诸惙椒ㄌ幚淼淖钚卧怯啥鄠€(gè)相鄰像素組合且包含多重語義的影像對象。使用eCognition軟件進(jìn)行面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛?，先通過波段權(quán)重、顏色因子和形狀因子、緊致度和光滑度等分割參數(shù)的設(shè)置，將多尺度分割后對不同的影像對象的特征原則和閾值進(jìn)行歸類，建立多尺度影像對象層次結(jié)構(gòu)，而后影像對象的光譜、形狀、紋理及相鄰關(guān)系等特征的選取并建立判別規(guī)則是實(shí)現(xiàn)不同的影像對象分類信息提取的關(guān)鍵，本文選取的影像對象特征如表1所示。

表1　對象特征選取與描述

2面向?qū)ο蟮倪b感影像建筑物震害信息提取

面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛≈饕▋刹糠止ぷ鳎河跋穹指詈头诸?，其中影像分割是分類的基礎(chǔ)，確定合理的分割尺度并生成屬性信息類似的影像對象層次結(jié)構(gòu)，然后利用分類方法進(jìn)行震害信息類別歸屬的劃分。

2.1　技術(shù)流程

研究中將建筑物震害信息的等級分為基本完好(輕微損害)、受損(中度損害、嚴(yán)重?fù)p害)和完全倒塌等三類，面向?qū)ο蟮母叻直媛蔬b感影像建筑物震害提取過程主要包括影像預(yù)處理、影像分割、分類和精度評價(jià)4項(xiàng)工作，具體技術(shù)流程如圖1所示。

2.2　多尺度分割

本文選取2010年4月15日玉樹縣結(jié)古鎮(zhèn)1092×712像素范圍的震后QuickBird高分辨率遙感影像作為實(shí)驗(yàn)數(shù)據(jù)(見圖2)。

根據(jù)多次實(shí)驗(yàn)確定多尺度分割的最優(yōu)參數(shù)對影像進(jìn)行分割，構(gòu)建由兩個(gè)影像對象層組成的影像對象層次結(jié)構(gòu)，其中兩個(gè)對象層的分割參數(shù)見表2，分割的影像對象結(jié)果如圖3所示。

表2　最優(yōu)分割尺度的多尺度分割的參數(shù)選取

2.3　影像分類與震害信息提取

整個(gè)提取流程按“自上而下”分為2層，針對不同的地物類型，依據(jù)光譜、形狀、紋理、拓?fù)涞忍卣骱蜕舷挛年P(guān)系進(jìn)行特征組合建立多層次建筑物震害信息提取規(guī)則，采用最鄰近分類和隸屬度函數(shù)分類相結(jié)合的方式進(jìn)行分類提取，其分類體系結(jié)構(gòu)及分類規(guī)則如表3所示。

圖1　面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛〖夹g(shù)流程

提取類別層級最鄰近分類器隸屬度函數(shù)分類器完全倒塌(廢墟)Level1Length/Width、Density、StdDev、Ratio(B,G,R,INR)ShapeIndex>2.2其他道路和裸地陰影植被暗色屋頂基本完好受損亮色屋頂基本完好受損紅色屋頂基本完好受損藍(lán)色屋頂基本完好受損黃色屋頂基本完好受損Level2繼承Level1,多尺度層次結(jié)構(gòu)進(jìn)行不同層之間的信息傳遞。Length/Width、Ratio(INR)、StdDev、DensityLength/Width>4orShapeIndex>2.1andArea>500Brightness<360,NDVI<0.1NDVI>0.44300.7,與陰影鄰接Classifiedas(受損)=0Distanceto(廢墟)<20Brightness>600,Rectangular>0.7,與陰影鄰接Classifiedas(受損)=0Distanceto(廢墟)<20Ratio(R)>0.26,Rectangular>0.7,與陰影鄰接Classifiedas(受損)=0Distanceto(廢墟)<20Ratio(B)>0.22,Rectangular>0.7,與陰影鄰接Classifiedas(受損)=0Distanceto(廢墟)<20Ratio(G)<0.29,Ratio(R)<0.26,Rectangular>0.7,與陰影鄰接Classifiedas(受損)=0Distanceto(廢墟)<20

圖2　研究區(qū)影像

(a) Level1分割尺度為80

(b) Level2分割尺度為45 圖3　多尺度分割影像對象層次結(jié)構(gòu)

先從Level1對象層中分離出完全倒塌建筑物和其他地物，完全倒塌建筑物呈現(xiàn)為一片廢墟，看不到完整的幾何形態(tài)和結(jié)構(gòu)，灰度值分布離散性較為明顯，造成分割后的對象多邊形非常破碎。選用長寬比、密度、光譜標(biāo)準(zhǔn)差和貢獻(xiàn)率等特征構(gòu)成模糊規(guī)則參與最鄰近分類，用形狀指數(shù)來限制參與隸屬度函數(shù)分類的對象的形狀特征，Level1對象層的分類結(jié)果如圖4所示。

圖4　Level1層分類結(jié)果

在多尺度層次結(jié)構(gòu)中進(jìn)行不同層之間的信息傳遞，對于Level2對象層，先將Level1層分類結(jié)果繼承再進(jìn)行細(xì)分類為道路和裸地、陰影、植被、基本完好(含輕度受損)和受損建筑(含中度、嚴(yán)重)等類。根據(jù)建筑物屋頂亮度和顏色的不同又可將基本完好和受損建筑物類分為：暗色屋頂、亮色屋頂、紅色屋頂、藍(lán)色屋頂、黃色屋頂?shù)?個(gè)類別。道路在分割后多呈長條線性分布，可選用長寬比特征進(jìn)行提取，裸地多呈不規(guī)則的大面積塊狀，可選用面積和形狀指數(shù)特征進(jìn)行提取。不同屋頂類型的建筑物、未完全倒塌建筑物具有基本的幾何特征，并與陰影鄰接，可分別選用波譜貢獻(xiàn)率、矩形擬合度、亮度和GLDV熵限制參與隸屬度函數(shù)分類的對象。建筑物遭到地震破壞后掉下來的碎屑(廢墟)會散落到建筑物間的空地或道路上，成為標(biāo)志破壞建筑物的一個(gè)重要特征，選用波段貢獻(xiàn)率、亮度、矩形擬合度、長寬比、灰度差分向量熵值、不同屋頂類型的建筑物與廢墟的距離來區(qū)分基本完好和受損兩種建筑震害類型，Level2對象層分類結(jié)果如圖5所示。最終，三個(gè)等級的建筑物震害信息提取結(jié)果如圖6所示。

圖5　Level2層分類結(jié)果

圖6　建筑物震害信息提取結(jié)果

3結(jié)果分析

以生產(chǎn)者精度、用戶精度、總體精度和Kappa系數(shù)作為分類精度的評價(jià)指標(biāo)，采用混淆矩陣法評價(jià)建筑物震害倒損提取精度，其結(jié)果見表4。可以看出，分類的總體精度較高。

從模糊分類隸屬度的角度，用分類穩(wěn)定性評價(jià)對遙感數(shù)據(jù)中提取信息的穩(wěn)定性進(jìn)行評價(jià)，以最優(yōu)分類結(jié)果評價(jià)對遙感數(shù)據(jù)中對象分類結(jié)果是否最優(yōu)進(jìn)行評價(jià)，如圖7所示。從紅色到綠色表明每類對象的類隸屬度值由低到高，可以看出大部分對象的隸屬度值都很高。

表4　精度評價(jià)

(a)分類穩(wěn)定性評價(jià)

(b)最優(yōu)分類結(jié)果評價(jià) 圖7　模糊分類隸屬度評價(jià)結(jié)果

4結(jié)束語

面向?qū)ο蟮母叻直媛蔬b感影像分類，運(yùn)用多尺度分割技術(shù)構(gòu)建影像對象的層次結(jié)構(gòu)，可以根據(jù)不同地類影像對象的各種特征和拓?fù)潢P(guān)系組合建立判斷規(guī)則，以穩(wěn)定性評價(jià)和最優(yōu)分類結(jié)果兩方面對建筑物震害提取結(jié)果進(jìn)行評價(jià)，實(shí)現(xiàn)建筑物震害信息精細(xì)提取。對比分析發(fā)現(xiàn)，面向?qū)ο蠓椒ㄌ崛〉慕ㄖ锏箵p結(jié)果與國家減災(zāi)中心公布的房屋倒損評估結(jié)果中不同震害等級建筑物的分布范圍基本一致，同時(shí)與研究區(qū)目視解譯的結(jié)果基本一致。面向?qū)ο蟮母叻直媛蔬b感影像地震建筑物倒損信息按基本完好(輕微損害)、中度損害、嚴(yán)重?fù)p害、完全倒塌等4類精細(xì)提取是今后研究的重點(diǎn)。

參考文獻(xiàn)：

[1]張景發(fā),謝禮立,陶夏新.典型震害遙感圖像的模型分析[J].自然災(zāi)害學(xué)報(bào),2001(2):89-95.

[2]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(bào),2008,12(5):673-680.

[3]梅安新,彭望碌.遙感導(dǎo)論[M].北京:高等教育出版社,2001.

[4]陳文凱,何少林,張景發(fā),等.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(bào),2008(1):88-93.

[5]柳稼航,楊建峰,魏成階，等.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(bào),2004,13(6):47-54.

[6]王巖, 王曉青, 竇愛霞.面向?qū)ο筮b感分類方法在汶川地震震害提取中的應(yīng)用[J].地震,2009(3):54-60.

[7]曾濤,楊武年,黎小東,等.面向?qū)ο蟮母呖臻g分辨率遙感影像信息提取——汶川地震城市震害房屋案例研究[J]. 自然災(zāi)害學(xué)報(bào),2010(5):81-87.

[8]石寧，馬慧云，張?jiān)粕?，?基于位置服務(wù)的ADS40 L0級影像最佳掃描行快速搜索算法[J].測繪工程，2015,24(3):11-15.

[9]李莉.面向?qū)ο蟮母叻直媛蔬b感影像信息提取研究[D].成都:成都理工大學(xué),2012.

[10]雷廣淵，周輝.基于SBAS技術(shù)的金屬礦山沉降規(guī)律研究[J].測繪工程，2015,24(3):40-46.

[11]趙福軍.遙感影像震害信息提取技術(shù)研究[D].北京:中國地震局工程力學(xué)研究所,2010.

[12]吳劍.基于面向?qū)ο蠹夹g(shù)的遙感震害信息提取與評價(jià)方法研究[D].武漢:武漢大學(xué),2010.

[13]關(guān)元秀,程曉陽.高分辨率衛(wèi)星影像處理指南[M].北京:科學(xué)出版社,2008:164-186.

[責(zé)任編輯：張德福]