基于單時(shí)相全極化SAR影像的建筑物震害信息提取

翟　瑋

(1.甘肅省地震局，甘肅　蘭州　730000；2.中科院寒旱所，甘肅　蘭州　730000)

?

基于單時(shí)相全極化SAR影像的建筑物震害信息提取

翟瑋1，2

(1.甘肅省地震局，甘肅蘭州730000；2.中科院寒旱所，甘肅蘭州730000)

摘要：建筑物震害信息提取不僅是震害評(píng)估的主要工作，同時(shí)對(duì)應(yīng)急救援的快速有效實(shí)施也有一定的指導(dǎo)意義。利用震后一景全極化SAR影像提取建筑物震害信息，既可提高信息提取的速度，也可保證提取的精度。文章利用H/α/A-Wishart非監(jiān)督極化分類方法，結(jié)合基于最小異質(zhì)性準(zhǔn)則聚合的層次聚類算法，對(duì)建筑物震害信息進(jìn)行提取。以2010年4月14日青海玉樹地震震后一景全極化SAR影像為例進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該文研究的方法在建筑物震害信息提取應(yīng)用中是有效可行的。

關(guān)鍵詞：全極化SAR；建筑物震害信息；極化分解；非監(jiān)督分類

0引言

地震對(duì)人類的生命財(cái)產(chǎn)安全造成極大的破壞，研究表明，地震中95%的人員傷亡是由建筑物倒塌引起的，因此，建筑物震害信息調(diào)查是震后災(zāi)害信息調(diào)查的主要工作[1]。目前，遙感技術(shù)已被廣泛應(yīng)用到震害信息調(diào)查中[2]，從遙感影像獲取災(zāi)情信息不僅宏觀、快速，而且能夠覆蓋人員無(wú)法到達(dá)的區(qū)域。地震發(fā)生后，及時(shí)獲取的建筑物倒塌信息，能夠指導(dǎo)應(yīng)急救援行動(dòng)的有效實(shí)施，對(duì)減少人員傷亡至關(guān)重要[3]。光學(xué)遙感雖然直觀易懂，但是直接受太陽(yáng)光照的限制，在云霧雨雪等惡劣天氣下無(wú)法成像[4]。而雷達(dá)的穿透力強(qiáng)，可以不受天時(shí)、天候的影響，在夜晚或天氣不佳時(shí)，都能夠?qū)Φ爻上?，從而成為震后可靠的遙感數(shù)據(jù)源保障[5]。相比傳統(tǒng)的單極化合成孔徑雷達(dá)(synthetic aperture radar，SAR)，全極化合成孔徑雷達(dá)(PolSAR)能夠記錄4種不同極化組合方式下的后向散射信息，包含更豐富的對(duì)地觀測(cè)內(nèi)容，有助于人們更好地理解地物特征[4]。

2011年?yáng)|日本大地震發(fā)生后，諸多日本學(xué)者使用相控陣型L波段合成孔徑雷達(dá)(phased arraytype L-band synthetic aperture radar，PALSAR)和日本機(jī)載Pi-SAR極化數(shù)據(jù)，對(duì)震害特征及震害信息調(diào)查進(jìn)行大量的分析研究，這些研究主要基于震前震后極化特征的變化而開展[6-13]。但由于存在與震后相匹配的震前存檔影像難以獲取，或震前震后影像配準(zhǔn)費(fèi)時(shí)費(fèi)力等問(wèn)題，基于震后單時(shí)相PolSAR數(shù)據(jù)的震害評(píng)估研究逐漸得到人們的重視。

為快速方便地提取建筑物震害信息，并保證一定的提取精度，本文基于PolSAR影像，利用H/α/A-Wishart非監(jiān)督極化分類方法對(duì)建筑物震害信息進(jìn)行提取。該方法是在提取PolSAR影像中地物的H、α、A三種極化特征后，進(jìn)行初始分類，然后利用Wishart分類器聚類，再將聚類結(jié)果合并到所需要的類別，并從分類結(jié)果中提取出未倒塌建筑物和倒塌建筑，從而獲得建筑物的倒塌信息。

1極化特征提取與分類

1.1H、α、A極化特征提取

Cloude-Pottier目標(biāo)分解方法是基于相干矩陣[T3]的特征值與特征向量分解的極化分解方法，經(jīng)過(guò)Cloude-Pottier極化分解得到極化熵H，平均散射角α和極化各項(xiàng)異性度A三個(gè)極化特征參數(shù)[14-15]，其表達(dá)式如下：

(1)

(2)

(3)

(4)

式中：λi是相干矩陣[T3]的特征值。

極化熵H表示極化散射過(guò)程的隨機(jī)性，熵值越大表示隨機(jī)性越強(qiáng)，極化熵H的取值范圍為[0，1]。當(dāng)H=0時(shí)，目標(biāo)散射只有一種確定性的散射機(jī)制；當(dāng)H=1時(shí)，目標(biāo)散射退化為一個(gè)隨機(jī)噪聲過(guò)程[16]。平均散射角α的取值范圍在[0°，90°]，表示目標(biāo)散射的平均散射機(jī)制。當(dāng)α=0°時(shí)，散射機(jī)制類型為各向同性的表面散射；當(dāng)α=45°時(shí)，散射機(jī)制類型為偶極子散射；當(dāng)α=90°時(shí)，散射機(jī)制類型為各向同性的二面角散射[17]。極化熵H和散射角α組成的H-α二維特征平面分為9個(gè)區(qū)域，其中8個(gè)有效區(qū)域都對(duì)應(yīng)某種類型的散射機(jī)制，根據(jù)這8個(gè)有效區(qū)域可以將極化SAR數(shù)據(jù)劃分為8個(gè)類別。

極化各項(xiàng)異性度A是Pottier在1998年對(duì)H-α平面補(bǔ)償?shù)囊粋€(gè)新參數(shù)[17]，它表征目標(biāo)散射的各向異性程度，當(dāng)極化熵H>0.7時(shí)，表征兩種不占主要地位的散射機(jī)制對(duì)散射結(jié)果的影響程度，較大的A值表示僅第二種散射機(jī)制對(duì)散射結(jié)果有較明顯的影響，較小的A值表示第三種散射機(jī)制的影響也需考慮[18]。利用極化各項(xiàng)異性度A可以將由H-α劃分的8個(gè)類別進(jìn)一步細(xì)分為16個(gè)類別。

1.2Wishart監(jiān)督分類

由H、α、A劃分的16種類別，是由三種極化特征參數(shù)閾值確定的初始分類結(jié)果，還需利用Wishart分類器對(duì)初始分類結(jié)果進(jìn)行聚類處理，以使分類結(jié)果更精確。Lee等[19-22]提出的復(fù)Wishart監(jiān)督分類方法，是假設(shè)極化協(xié)方差矩陣的概率密度分布函數(shù)服從自由度為n的復(fù)Wishart分布WC(n，[C])[23-24]，利用基于統(tǒng)計(jì)特性的最大似然分類器進(jìn)行監(jiān)督分類的方法。在PolSAR影像監(jiān)督分類應(yīng)用中，Wishart分類器是應(yīng)用最廣、最適用的分類器之一，它能夠充分利用PolSAR數(shù)據(jù)的強(qiáng)度信息和相位信息。在Wishart監(jiān)督分類過(guò)程中，像元[C]到第i類的Wishart距離為：

d([C]|[∑i])=ln|[∑i]|+Tr([∑i]-1[C])，

(5)

式中：[∑i]是第i類的類中心協(xié)方差矩陣；Tr([∑i]-1[C])表示[∑i]-1[C]的跡，上角標(biāo)“-1”表示矩陣的逆。

在每次迭代過(guò)程中，對(duì)每個(gè)像元計(jì)算其與每個(gè)類別的Wishart距離d([C]|[∑i])，然后將該像元?dú)w入與之具有最小Wishart距離的類別中。經(jīng)過(guò)Wishart迭代聚類后，由H-α-A估計(jì)出的初始類中心將會(huì)得到更新，使得分類結(jié)果更精確。

1.3類別合并

上述H、α、A-Wishart極化非監(jiān)督分類[25-26]方法產(chǎn)生了16個(gè)類別，但我們所要分的地物類別數(shù)遠(yuǎn)小于16類，因此要將這16類合并為我們的目標(biāo)類別。本文采用聚合的層次聚類算法[27]進(jìn)行類別合并，但與文獻(xiàn)[27]不同的是，本文采用的類別合并準(zhǔn)則不是兩個(gè)

類的類中心距離最小，而是兩個(gè)類別之間的異質(zhì)性最小，即在合并類別的過(guò)程中，將具有最小異質(zhì)性的兩個(gè)類別進(jìn)行合并。

聚合的層次聚類算法是一個(gè)循環(huán)遞減分類類別數(shù)的聚類算法。在每一次迭代過(guò)程中，計(jì)算出每?jī)蓚€(gè)類別間的異質(zhì)性，如果某兩個(gè)類之間的異質(zhì)性最小，就將這兩個(gè)類合并為一個(gè)新類，再將這個(gè)新類連同其他類代入下一次迭代。每一次迭代合并兩個(gè)類形成一個(gè)新類，總類別數(shù)減少一類。為有效地計(jì)算各個(gè)類別之間的異質(zhì)性，下面給出計(jì)算類別間異質(zhì)性的表達(dá)式。

DS(Si,Sj)=(Ni+Nj)ln|∑|-

(Niln|∑i|+Njln|∑j|)，

(6)

式中：Si和Sj分別代表第i類與第j類；Ni和Nj分別是第i類與第j類的像元數(shù)目；∑i和∑j分別是第i類與第j類的類中心協(xié)方差矩陣；∑是合并后的類中心協(xié)方差矩陣。在第m次迭代過(guò)程中，計(jì)算所有滿足i≠j條件下的DS(Si,Sj)，找到最小的DS(Si,Sj)，若最小的DS(Si,Sj)對(duì)應(yīng)的兩個(gè)類別是a類和b類，即：

DS(Sa，Sb)=min(DS(Si,Sj))。

(7)

則將a類和b類合并成一個(gè)新類c，c類與剩下的類別組成新的序列進(jìn)行第m+1次迭代。

2倒塌建筑物提取流程

提取建筑物震害信息的流程如圖1所示。首先，提取極化SAR影像中的H、α、A三種極化特征；其次，對(duì)H、α、A形成的初始分類結(jié)果進(jìn)行Wishart聚類；最后，根據(jù)最小異質(zhì)性準(zhǔn)則，利用聚合的層次聚類算法對(duì)H、α、A-Wishart分類結(jié)果進(jìn)行合并，合并到所需的類別。根據(jù)本文所采用的實(shí)驗(yàn)數(shù)據(jù)，將地物分為裸地、倒塌建筑物和未倒塌建筑物三種類別，因此將H、α、A-Wishart產(chǎn)生的16種類別合并到三類，再?gòu)倪@三種類別中提取出倒塌建筑物，將其余部分歸為未倒塌建筑物。

圖1　建筑物震害信息提取流程Fig.1　Acquisition process of building seismic disaster information

3實(shí)驗(yàn)與分析

3.1實(shí)驗(yàn)數(shù)據(jù)

選擇2010年4月14日青海玉樹7.1級(jí)地震發(fā)生后一天獲取的P波段極化SAR影像作為實(shí)驗(yàn)數(shù)據(jù)，數(shù)據(jù)大小為208×182像素。實(shí)驗(yàn)數(shù)據(jù)由中國(guó)測(cè)繪科學(xué)研究院使用我國(guó)SARMapper系統(tǒng)獲取，距離向和方位向分辨率都接近1 m，沿東西向水平飛行。實(shí)驗(yàn)數(shù)據(jù)所示區(qū)域位于玉樹縣城，幾乎沒(méi)有植被，可以忽略，建筑物主要是低矮的農(nóng)居住宅。其Pauli RGB彩色合成圖(由|HH-VV|、|HH+VV|、2|HV|合成)如圖2所示，光學(xué)地面參考影像如圖3所示。

圖2　實(shí)驗(yàn)區(qū)PauliRGB彩色合成圖像Fig.2　PauliRGB color synthesis images in experimental area

圖3　Google Earth光學(xué)參考影像Fig.3　Optical reference images by Google Earth

3.2實(shí)驗(yàn)結(jié)果

根據(jù)圖1所示的流程提取實(shí)驗(yàn)數(shù)據(jù)中的倒塌建筑物，結(jié)果如圖4所示。在參考影像中選擇2 026個(gè)倒塌建筑物樣本和3 467個(gè)非倒塌建筑物樣本作為驗(yàn)證樣本，進(jìn)行精度評(píng)價(jià)。在圖3(b)中，2 026個(gè)倒塌建筑物樣本中有1 747個(gè)樣本被正確分類，279個(gè)樣本被誤分成非倒塌建筑物；3 467個(gè)非倒塌建筑物樣本中有2 230個(gè)樣本被正確分類，1 237個(gè)樣本被誤分成倒塌建筑物，評(píng)價(jià)結(jié)果如表1所示。從表1看出，總體分類精度(即所有樣本正確提取的精度)為72.4%；倒塌建筑物正確提取精度為86.2%，誤分率為13.8%；非倒塌建筑正確提取精度是64.3%，誤分率為35.7%。

圖4　倒塌建筑物提取結(jié)果Fig.4　Acquisition results of collapsed buildings

正確分類錯(cuò)誤分類倒塌建筑物非倒塌建筑物倒塌建筑物非倒塌建筑物86.2%64.3%13.8%35.7%總體分類精度:72.4%

4結(jié)論

由于極化SAR影像的信息量豐富，僅使用震后一景極化SAR影像提取建筑物震害信息不僅對(duì)數(shù)據(jù)的要求較低，方便快速，而且能夠保證震害信息提取精度。研究選擇4月14日玉樹地震震后一景極化SAR影像，利用H、α、A-Wishart非監(jiān)督極化分類方法和基于最小異質(zhì)性聚合層次聚類的類別合并算法，對(duì)實(shí)驗(yàn)數(shù)據(jù)中的建筑物震害信息進(jìn)行提取。實(shí)驗(yàn)結(jié)果表明，本研究所用的方法能夠保證震害信息提取精度，而且速度較快，對(duì)震后提取建筑物倒塌信息是有效可行的，但仍需進(jìn)一步深入研究對(duì)倒塌建筑物敏感的極化特征及其適用的分類方法，改進(jìn)現(xiàn)有的倒塌建筑物提取方法。

研究所用數(shù)據(jù)由國(guó)家863主題項(xiàng)目“面向?qū)ο蟮母呖尚臩AR處理系統(tǒng)”和國(guó)家重大測(cè)繪科技專項(xiàng)“機(jī)載多波段多極化干涉SAR測(cè)圖系統(tǒng)”提供支持，在此深表感謝。

參考文獻(xiàn)：

[1]翟瑋，黃春林，裴萬(wàn)勝，等.PolSAR影像中應(yīng)用One-Class分類器提取倒塌建筑物的研究[C].北京:中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)，2015:2634-2635.

[2]王曉青，王龍，章熙海，等.汶川8.0級(jí)地震震害遙感定量化初步研究——以都江堰城區(qū)破壞為例[J].地震,2009,29(1):174-181.

[3]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),2001,10(2):89-95.

[4]Zhai Wei,Shen Huanfeng,Huang Chunlin,et al.Fusion of polarimetric and texture information for urban building extraction from fully polarimetric SAR imagery[J].Remote Sensing Letters,2016,7(1):31-40.

[5]翟瑋，裴萬(wàn)勝，趙斐，等.PolSAR影像紋理特征在倒塌建筑物提取中的應(yīng)用分析[J].國(guó)際地震動(dòng)態(tài),2015(9):127-127.

[6]Chen S W,Li Y Z,Wang X S,et al.Natural disaster damage evaluation using fully polarimetric techniques with spaceborne SAR data[C]//General Assembly and Scientific Symposium (URSI GASS),2014 XXXIth URSI.IEEE,2014:1-4.

[7]Chen S W,Li Y Z,Xing S Q,et al.Urban damage evaluation using polarimetric SAR data[C]//Geoscience and Remote Sensing Symposium (IGARSS),2014 IEEE International.IEEE,2014:2754-2757.

[8]Chen S W,Sato M.Tsunami damage investigation of built-up areas using multitemporalspaceborne full polarimetric SAR images[J].Geoscience and Remote Sensing,IEEE Transactions on,2013,51(4):1985-1997.

[9]Park S E,Yamaguchi Y,Singh G,et al.Polarimetric SAR remote sensing of earthquake/tsunami disaster[C]//Geoscience and Remote Sensing Symposium (IGARSS),2012 IEEE International.IEEE,2012:1170-1173.

[10]Park S E,Yamaguchi Y,Kim D.Polarimetric SAR remote sensing of the 2011 Tohoku earthquake using ALOS/PALSAR[J].Remote Sensing of Environment,2013,132:212-220.

[11]Sato M,Chen S W,Satake M.Polarimetric SAR analysis of tsunami damage following the March 11, 2011 East Japan earthquake[J].Proceedings of the IEEE,2012,100(10):2861-2875.

[12]Watanabe M,Motohka T,Miyagi Y,et al.Analysis of urban areas affected by the 2011 off the Pacific Coast of Tohoku earthquake and tsunami with L-band SAR full-polarimetric mode[J].Geoscience and Remote Sensing Letters,IEEE,2012,9(3):472-476.

[13]Yamaguchi Y.Disaster monitoring by fully polarimetric SAR data acquired with ALOS-PALSAR[J].Proceedings of the IEEE,2012,100(10):2851-2860.

[14]Cloude S R,Pottier E.A review of target decomposition theorems in radar polarimetry[J].Geoscience and Remote Sensing,IEEE Transactions on,1996,34(2):498-518.

[15]Cloude S R,Pottier E.An entropy based classification scheme for land applications of polarimetricSAR[J].Geoscience and Remote Sensing,IEEE Transactions on,1997,35(1):68-78.

[16]吳學(xué)睿.關(guān)于極化雷達(dá)溢油監(jiān)測(cè)研究發(fā)展的現(xiàn)狀分析[J].赤峰學(xué)院學(xué)報(bào):自然科學(xué)版,2011(3):176-178.

[17]Pottier E.TheH/A/αpolarimetric decomposition approach applied to PolSAR data processing[C]//Proceedings of the PIERS Workshop on Advances in Radar Methods,Baveno,Italy，1998:120-122.

[18]曹芳.基于Cloude-Pottier分解的全極化SAR數(shù)據(jù)非監(jiān)督分類的算法和實(shí)驗(yàn)研究[D].北京:中國(guó)科學(xué)院研究生院(電子學(xué)研究所),2007:39.

[19]Lee J S,Grunes M R,Ainsworth T L,et al.Unsupervised classification using polarimetric decomposition and complex Wishart classifier[C]//Geoscience and Remote Sensing Symposium Proceedings,1998.IGARSS'98.1998 IEEE International.IEEE,1998,4:2178-2180.

[20]Lee J S,Grunes M R,Ainsworth T L,et al.Unsupervised classification using polarimetric decomposition and the complex Wishart classifier[J].Geoscience and Remote Sensing,IEEE Transactions on,1999,37(5):2249-2258.

[21]Lee J S,Grunes M R.Classification of multi-look polarimetric SAR data based on complex Wishart distribution[C]//Telesystems Conference,1992.NTC-92,National.IEEE,1992:7/21-7/24.

[22]Lee J S,Grunes M R,Kwok R.Classification of multi-look polarimetric SAR imagery based on complex Wishart distribution[J].International Journal of Remote Sensing,1994,15(11):2299-2311.

[23]王超，張紅，陳曦，等.全極化合成孔徑雷達(dá)圖像處理[M].北京：科學(xué)出版社,2008:98-111.

[24]王文光，王俊，毛士藝.一種基于差異度的極化SAR圖像迭代分類方法[J].電子與信息學(xué)報(bào),2006,28(11):2007-2010.

[25]Pottier E.Unsupervised Classification Scheme and Topography Derivation of PolSAR Data Based on theH/A/αPolarimetric Decomposition Theorem.In:Proc. of the 4th International Workshop on Radar Polarimetry,Nantes,France，1998.

[26]Pottier E,Lee J S.Application of the H/A/alpha Polarimetric Decomposition Theorem for Unsupervised Classification of Fully Polarimetric SAR Data Based on the WishartDistribution.In:Proc.Committee on Earth Observing Satellites SAR Workshop,Toulouse,France，1999.

[27]Cao F,Hong W,Wu Y.An Unsupervised Classification for Fully Polarimetric SAR Data Using Cloude-Pottier Decomposition and Agglomerative Hierarchical Clustering Algorithm[J].Acta Electronica Sinica,2008,36(3):543-546.

(英文摘要

Acquisition of Building Seismic Disaster Information based on Single Phase Full Polarization SAR Image

ZHAI Wei1,2

(1.Earthquake Administration of Gansu Province, Lanzhou, Gansu 730000, China;2.Cold and Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Sciences, Lanzhou, Gansu 730000, China)

Abstract:Acquisition of Building seismic disaster information is not only a major work of earthquake disaster assessment, but it also has certain guiding significance for effective implementation of emergency rescue. Building seismic disaster information extracted from a view of full polarization SAR images not only can improve the speed but also can ensure the accuracy. By using H/α/A-Wishart unsupervised polarization classification method, building seismic disaster information is extracted combining the hierarchical clustering algorithm based on minimum heterogeneity rule. Taking a view of full polarization SAR images after the Yushu earthquake on April 14, 2010 in Qinghai as an example, the experimental results show that the methods in this paper is feasible and effective in application in acquisition of building seismic disaster information.

Key words:Full polarization SAR; Building seismic disaster information; Polarization decomposition; Unsupervised classification

中圖分類號(hào)：P315.99

文獻(xiàn)標(biāo)志碼：A

作者簡(jiǎn)介：第一翟瑋(1981—)，女，甘肅省蘭州市人。北京科技大學(xué)碩士畢業(yè)，中科院寒旱所在讀博士，助理研究員。

基金項(xiàng)目：甘肅省地震局、中國(guó)地震局蘭州地震研究所地震科技發(fā)展基金項(xiàng)目(2015M02)。

收稿日期：2015-12-13

文章編號(hào)：1000-6265(2016)01-0019-04