基于面向?qū)ο蟮母叻直媛蔬b感建筑物震害信息提取與評(píng)估*

趙 妍 張景發(fā) 姚磊華

1) 中國(guó)北京100083中國(guó)地質(zhì)大學(xué)(北京)工程技術(shù)學(xué)院2) 中國(guó)北京100085中國(guó)地震局地殼應(yīng)力研究所

?

基于面向?qū)ο蟮母叻直媛蔬b感建筑物震害信息提取與評(píng)估*

趙 妍1,2)張景發(fā)2),*姚磊華1)

1) 中國(guó)北京100083中國(guó)地質(zhì)大學(xué)(北京)工程技術(shù)學(xué)院2) 中國(guó)北京100085中國(guó)地震局地殼應(yīng)力研究所

為了快速地確定地震等自然災(zāi)害引起的受災(zāi)區(qū)域范圍， 并對(duì)其受災(zāi)程度進(jìn)行及時(shí)評(píng)估， 本文采用面向?qū)ο蟮慕ㄖ餀z測(cè)方法， 基于高分辨率遙感影像所包含的地物幾何結(jié)構(gòu)和紋理特征信息， 提出了一種建筑物震害信息提取與評(píng)估的方法和技術(shù)流程． 在此基礎(chǔ)上， 以2010年玉樹(shù)MS7.1地震部分地區(qū)地震前后的QuickBird影像為例， 對(duì)受災(zāi)區(qū)域震前、 震后建筑物的形狀、 面積等信息進(jìn)行提取， 提取精度分別為88.53%和90.21%， 對(duì)該區(qū)域建筑物變化信息進(jìn)行提取所獲取的建筑物變化信息精度為79.68%， 統(tǒng)計(jì)變化區(qū)域像素個(gè)數(shù)， 確定變化面積為15923.52 m2， 占研究區(qū)域總面積的68.16%， 因此評(píng)估其為中重度受災(zāi)區(qū)域． 本文結(jié)果與實(shí)地考察結(jié)果一致， 證實(shí)了這種快速的震害信息提取與評(píng)估流程切實(shí)有效， 能夠快速評(píng)估受災(zāi)區(qū)， 為災(zāi)后第一時(shí)間搶險(xiǎn)及救援提供重要參考．

高分辨率遙感 震害信息提取與評(píng)估 面向?qū)ο笞兓瘷z測(cè)

引言

衛(wèi)星遙感技術(shù)以其數(shù)據(jù)覆蓋范圍廣、 數(shù)據(jù)處理速度快、 數(shù)據(jù)檢測(cè)動(dòng)態(tài)性好和輸出結(jié)果精度高等技術(shù)優(yōu)勢(shì)在地震災(zāi)害調(diào)查和評(píng)估中發(fā)揮著越來(lái)越重要的作用(張景發(fā)等， 2001)． 隨著傳感器技術(shù)的發(fā)展， 遙感影像空間分辨率也在不斷提高， 影像信息更加豐富， 且能更好地反映地物的紋理信息與幾何結(jié)構(gòu)， 更易于識(shí)別地物類型的屬性特征， 如形狀、 紋理、 層次和拓?fù)潢P(guān)系等(杜鳳蘭等， 2004； 聞春晶等， 2010; 顏潔等， 2010)． 對(duì)于影像的操作， 不再單純地依靠像素， 而是利用地物對(duì)象， 這樣能更好地保留地物的連續(xù)性， 也可以更加凸顯地物間的差異性． 黎小東(2009)研究了遙感影像面向?qū)ο蠓诸惙椒ㄔ诔鞘薪ㄖ镎鸷π畔⑻崛≈械膽?yīng)用． 龔麗霞等(2013)闡述了面向?qū)ο蟮淖兓瘷z測(cè)方法的原理和數(shù)據(jù)處理流程， 并以2010年玉樹(shù)MS7.1地震前后的高分辨率遙感影像為例， 提取房屋變化信息精度可達(dá)86%． 李小強(qiáng)(2014)使用QuickBird遙感影像對(duì)玉樹(shù)地區(qū)結(jié)古鎮(zhèn)震后典型建筑區(qū)進(jìn)行了建筑物震害信息提取試驗(yàn)， 采用面向?qū)ο蟮姆椒ㄌ崛×瞬煌鸷Φ燃?jí)的建筑物信息， 并從模糊概念的隸屬度角度進(jìn)行了分類穩(wěn)定性和最優(yōu)分類結(jié)果的評(píng)估與分析． Turker和San(2004)采用高斯(Gaussian)算子和普魯伊特(Priwitt)算子對(duì)1999年土耳其地震的航片影像進(jìn)行濾波處理并提取建筑物邊界信息， 通過(guò)對(duì)建筑物陰影特征值的統(tǒng)計(jì)， 設(shè)定一定的圖像分割閾值提取建筑物陰影信息， 然后根據(jù)地震前后遙感影像中陰影的變化提取建筑物破壞信息． Huyck等(2005)利用2003年伊朗巴姆地區(qū)地震前后的QuickBird衛(wèi)星影像， 根據(jù)地震前后建筑物的鄰域變化， 用拉普拉斯(Laplacian)算子進(jìn)行圖像濾波處理并提取鄰域邊界地震前后建筑物變化情況的信息． Liu等(2015)利用變化向量分析(change vector analysis， 簡(jiǎn)寫(xiě)為CVA)法對(duì)多時(shí)相高分辨率影像進(jìn)行變化信息提取． 對(duì)比以上國(guó)內(nèi)外研究人員所使用的面向?qū)ο蟮茸兓瘷z測(cè)方法可見(jiàn)， 這些方法均需前期地面數(shù)據(jù)的支持， 且未對(duì)受災(zāi)區(qū)域震害程度進(jìn)行評(píng)估， 無(wú)法在災(zāi)害突發(fā)后快速地確定受災(zāi)地區(qū)以及把控重災(zāi)區(qū)．

鑒于此， 本文擬采用面向?qū)ο蟮姆椒ǎ?對(duì)玉樹(shù)縣部分受災(zāi)區(qū)域進(jìn)行建筑物信息提取， 以控制變量的方式， 確定最佳分割尺度， 從而滿足建筑物信息提取的精度， 并由此提出一種切實(shí)有效的快速提取變化區(qū)域并對(duì)建筑物破壞程度進(jìn)行初步評(píng)估的方法．

1 研究區(qū)域概況與技術(shù)流程

1.1 研究區(qū)域概況

據(jù)中國(guó)地震臺(tái)網(wǎng)測(cè)定， 北京時(shí)間2010年4月14日7時(shí)49分青海省玉樹(shù)州玉樹(shù)縣(33.2°N， 96.6°E)發(fā)生MS7.1地震， 震源深度為33 km． 該地震主要具有如下特點(diǎn)： ① 災(zāi)區(qū)設(shè)防薄弱， 土木結(jié)構(gòu)房屋破壞嚴(yán)重； ② 地形效應(yīng)和地震構(gòu)造效應(yīng)明顯， 造成的破壞較大； ③ 災(zāi)區(qū)環(huán)境惡劣， 救災(zāi)難度較大．

玉樹(shù)地區(qū)經(jīng)濟(jì)不發(fā)達(dá)， 災(zāi)區(qū)房屋結(jié)構(gòu)類型復(fù)雜． 王曉青等(2013)對(duì)玉樹(shù)地震進(jìn)行實(shí)地調(diào)查的結(jié)果顯示， 該地區(qū)建筑結(jié)構(gòu)大體可分為土木結(jié)構(gòu)、 磚混結(jié)構(gòu)和鋼筋混凝土框架結(jié)構(gòu)等3類， 其中， 70%以上的城鎮(zhèn)房屋為土木結(jié)構(gòu)， 20%左右為磚木結(jié)構(gòu)和磚混結(jié)構(gòu)， 僅有約10%為鋼筋混凝土框架結(jié)構(gòu)． 由于大部分房屋為土木結(jié)構(gòu)， 該地區(qū)抗震強(qiáng)度低， 建筑物損毀狀況嚴(yán)重． 結(jié)合玉樹(shù)地區(qū)建筑物的特點(diǎn)， 對(duì)建筑物抗震等級(jí)較低且建筑物分布較密集的地區(qū)， 應(yīng)用基于面向?qū)ο蠼ㄖ镒兓畔⑻崛〉姆椒ㄟM(jìn)行變化檢測(cè)和震害評(píng)估， 具有較高的可行性和普適性．

1.2 技術(shù)流程

為了在最短時(shí)間內(nèi)確定受災(zāi)區(qū)域， 并作出初步震害評(píng)估， 為災(zāi)后搶險(xiǎn)、 救援提供依據(jù)， 本文提出一套快速應(yīng)對(duì)地震受災(zāi)區(qū)域進(jìn)行提取及評(píng)估的技術(shù)流程， 主要分為3個(gè)階段， 如圖1所示．

圖1 震害信息提取技術(shù)流程圖

第一階段為數(shù)據(jù)預(yù)處理階段， 主要是對(duì)震前、 震后影像進(jìn)行幾何校正、 輻射增強(qiáng)和波段選?。?幾何校正是影像預(yù)處理階段的重要環(huán)節(jié), 其精度的高低直接影響著變化檢測(cè)的結(jié)果， 影像的變化檢測(cè)本質(zhì)上還是一種代數(shù)運(yùn)算過(guò)程． 影像的輻射增強(qiáng)和波段選擇， 不僅可以使影像的顏色更好地反映地物信息， 而且可以避免影像波段冗余， 減少計(jì)算量， 提高工作效率．

第二階段為建筑物信息提取階段， 該階段是本研究的核心． 首先， 通過(guò)控制變量的方法確定最佳的影像分割尺度， 運(yùn)用選取邊緣檢測(cè)方法對(duì)影像進(jìn)行分割； 然后， 利用面向?qū)ο蟮姆椒▽?duì)研究區(qū)域建筑物信息進(jìn)行提?。?最后， 通過(guò)真實(shí)訓(xùn)練樣本建立混淆矩陣并計(jì)算卡帕(Kappa)系數(shù)對(duì)建筑物變化信息的提取精度進(jìn)行檢驗(yàn)．

第三階段為變化檢測(cè)與評(píng)估階段． 該階段先對(duì)震前、 震后所提取出的建筑物信息進(jìn)行變化檢測(cè)， 并確定其變化區(qū)域； 再根據(jù)變化區(qū)域所占影像的百分比， 對(duì)該區(qū)域的受災(zāi)情況進(jìn)行快速評(píng)估．

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)資料

研究區(qū)內(nèi)建筑物分布廣泛、 密集， 對(duì)建筑物震害信息的提取不僅要考慮建筑物本身的光譜信息， 還要考慮建筑物的形狀、 幾何結(jié)構(gòu)等紋理信息． 為了充分利用這兩種信息， 本研究選取2010年玉樹(shù)MS7.1地震發(fā)生前后的QuickBird遙感影像作為研究數(shù)據(jù)對(duì)建筑物密集區(qū)域的震害信息進(jìn)行提取， 地震發(fā)生前后的數(shù)據(jù)獲取時(shí)間分別為2010年3月和2010年10月． 為了加快運(yùn)算速度， 提高工作效率， 在影像中選取了一個(gè)550像素×450像素的區(qū)域作為研究區(qū)域， 如圖2所示．

圖2 玉樹(shù)震前(a)和震后(b)研究區(qū)的QuickBird影像

2.2 數(shù)據(jù)預(yù)處理

由于震前、 震后影像的采集時(shí)間不同， 影像存在不同程度的幾何畸變． 為了確保地物在地理位置上的一一對(duì)應(yīng)， 對(duì)影像數(shù)據(jù)進(jìn)行幾何校正． 在幾何校正過(guò)程中， 手動(dòng)選取地面控制點(diǎn)， 使其均勻地分布在影像上， 控制點(diǎn)為12個(gè)， 并確保影像精度誤差為0.89像素， 以避免影像地物偏移對(duì)變化檢測(cè)產(chǎn)生影響．

為了突出專題信息的視覺(jué)效果， 分類之前對(duì)影像作適當(dāng)增強(qiáng)， 即通過(guò)把目標(biāo)地物的光譜特征在額定范圍內(nèi)放大而使之更加突出． 圖3給出了研究區(qū)域震后的原始影像和增強(qiáng)影像， 可以看出： 未經(jīng)過(guò)增強(qiáng)的遙感影像， 影像信息模糊， 對(duì)比度低， 色彩昏暗， 建筑物信息與背景地物之間色差不明顯； 而經(jīng)過(guò)增強(qiáng)的影像， 圖像顏色表現(xiàn)豐富、 清晰， 能很好地反映地物間的差異, 特別是損毀建筑物與完好建筑物間色彩差異明顯， 從而達(dá)到區(qū)分二者的目的．

圖3 玉樹(shù)震后研究區(qū)的原始影像(a)和增強(qiáng)影像(b)

為了避免影像信息冗余， 減少運(yùn)算時(shí)間， 提高工作效率， 選取對(duì)建筑物信息敏感的波段參與影像分割． 波段數(shù)據(jù)的標(biāo)準(zhǔn)差越大， 所包含的信息量也越大； 波段間的相關(guān)系數(shù)越小， 則表明各波段數(shù)據(jù)的獨(dú)立性越高， 信息的冗余度越?。?研究區(qū)域遙感影像各波段光譜值的均值和標(biāo)準(zhǔn)差以及相關(guān)性列于表1和表2． 可以看出， 影像1波段包含的信息量最小， 2波段包含的信息量最大， 4波段的獨(dú)立性最高．

表1 遙感影像各波段光譜值的均值和標(biāo)準(zhǔn)差

表2 遙感影像各波段光譜值相關(guān)性

根據(jù)影像各波段的標(biāo)準(zhǔn)差及相關(guān)性， 利用波段最佳指數(shù)(optimum index factor， 簡(jiǎn)寫(xiě)為OIF)法對(duì)研究區(qū)域遙感影像各波段的標(biāo)準(zhǔn)差和波段間的相關(guān)系數(shù)進(jìn)行計(jì)算． OIF法是由美國(guó)查維茨提出， 該方法將標(biāo)準(zhǔn)差和相關(guān)系數(shù)有效地統(tǒng)一起來(lái)， 使各波段間灰度值相關(guān)性最小的同時(shí)又包含了最多的信息， 其表達(dá)式為

表3 遙感影像各波段組合OIF指數(shù)值

(1)

式中，Si為第i個(gè)波段灰度值的標(biāo)準(zhǔn)差，Rij為兩個(gè)波段灰度值的相關(guān)系數(shù)． OIF指數(shù)越大， 說(shuō)明3個(gè)波段所包含的信息量越大， 且波段間的相關(guān)性越?。?研究區(qū)域影像各波段組合的OIF值結(jié)果列于表3， 可以看出， 當(dāng)影像波段為2-3-4組合時(shí)， 其包含的信息量最大， 地物間差異最明顯．

2.3 影像分割

面向?qū)ο筇崛∽兓畔⒌姆椒ㄒ詫?duì)象為基本單位， 影像對(duì)象的獲取是面向?qū)ο筇崛∽兓畔⒌幕A(chǔ)． 因此， 合理的影像分割可以獲得有利于變化信息提取的對(duì)象， 這是提高變化信息提取精度的關(guān)鍵．

遙感影像分割是指根據(jù)影像的灰度、 顏色和幾何性質(zhì)等， 將一幅影像劃分為互不重疊且具有不同意義的一組區(qū)域的過(guò)程， 劃分所得到的每個(gè)區(qū)域內(nèi)部均具有某種一致性或相似性， 而任意兩個(gè)相鄰的區(qū)域則不具有此種相似性(章毓晉， 2000)． 由于基于邊緣檢測(cè)的分割方法符合認(rèn)知習(xí)慣， 當(dāng)圖像各區(qū)域之間的差異明顯時(shí)， 該方法經(jīng)常能取得較好的效果， 且運(yùn)算速度較快． 因此， 本文采用該方法進(jìn)行影像分割， 利用不同區(qū)域間邊界像素灰度不連續(xù)的特點(diǎn)檢測(cè)出區(qū)域間的邊緣， 從而達(dá)到影像分割的目的． 分割時(shí)， 首先檢測(cè)圖像中的邊緣像素， 再利用微分算子、 邊緣擬合和Hough變換等邊緣檢測(cè)方法將邊緣點(diǎn)組成目標(biāo)邊界．

為了確定合適的分割尺度， 本研究選取控制變量的方法， 分別確定分割窗口大小和分割尺度． 首先， 將分割尺度設(shè)為50， 分別采用3像素×3像素、 5像素×5像素、 7像素×7像素和9像素×9像素作為窗口大小對(duì)影像進(jìn)行分割， 結(jié)果如圖4所示． 可以看出： 分割窗口越小， 影像的分割越細(xì)， 各對(duì)象間差異性越顯著， 但影像的延續(xù)性遭到破壞， 地物的完整性也得不到很好的表現(xiàn)； 由于建筑物密集， 受損房屋與完好房屋間邊界不明顯， 且理紋結(jié)構(gòu)信息、 顏色相似， 僅能從陰影大小加以區(qū)別， 當(dāng)分割窗口過(guò)大時(shí)， 影像分割模糊， 易將一部分倒塌房屋錯(cuò)分為完好房屋； 當(dāng)分割窗口為5像素×5像素時(shí)(圖4b)， 分割結(jié)果可以將建筑物信息與道路、 河流和空地等非建筑物信息進(jìn)行有效的區(qū)分， 并且建筑物之間的空間結(jié)構(gòu)信息， 如建筑物形狀、 大小等信息也得到了很好的展現(xiàn)， 從而達(dá)到區(qū)分受損建筑物與完好建筑物的目的．

圖4 分割尺度為50時(shí)不同窗口的影像分割結(jié)果

在確定分割窗口為5像素×5像素后， 對(duì)分割尺度進(jìn)行試驗(yàn)， 分別選取尺度為10， 20， 30， 40， 50， 60， 70， 80和90等9個(gè)尺度對(duì)影像進(jìn)行分割， 結(jié)果如圖5所示． 可以看出： 當(dāng)影像分割尺度為10， 20和30時(shí)(圖5a--c)， 影像分割十分零散， 地物的整體性遭到嚴(yán)重破壞， 且分割尺度越小， 影像越零散； 當(dāng)影像分割尺度為70， 80和90時(shí)(圖5g--j)， 影像分割十分模糊， 不同地物間的差異無(wú)法表達(dá)， 且分割尺度越大， 錯(cuò)分現(xiàn)象越明顯； 當(dāng)影像分割尺度為50和60時(shí)(圖5e, f)， 盡管可以將部分建筑物信息有效地提取出來(lái)， 但并不能將倒塌建筑物與河流、 道路等背景信息很好地區(qū)分開(kāi)來(lái)； 當(dāng)影像分割尺度為40時(shí)(圖5d)， 既保持了地物的整體性， 又能很好地反映出地物間的差異， 可以準(zhǔn)確地區(qū)分建筑物與非建筑物， 所以本研究選取分割尺度為40進(jìn)行影像分割．

圖5 5像素×5像素窗口下不同分割尺度Ω的分割影像結(jié)果

3 結(jié)果分析

3.1 面向?qū)ο蟮慕ㄖ镄畔⑻崛?/p>

建筑物信息提取之前， 在研究區(qū)內(nèi)隨機(jī)選取建筑物和非建筑物區(qū)域各50處， 從中各抽取15處作為訓(xùn)練樣本， 其余則作為檢驗(yàn)樣本建立混淆矩陣， 并計(jì)算卡帕(Kappa)系數(shù)對(duì)建筑物信息的提取精度進(jìn)行驗(yàn)證． 然后， 選取分割窗口為5像素×5像素以及分割尺度為40對(duì)影像分類， 進(jìn)而采用K鄰近法對(duì)影像進(jìn)行建筑物信息提取， 得到震前、 震后的建筑物信息結(jié)果如圖6所示． 從圖6a可以看出， 有少數(shù)非建筑物地物(如河堤、 街道等)被錯(cuò)分為建筑物， 造成該錯(cuò)分現(xiàn)象主要是由于研究區(qū)內(nèi)大部分房屋為土木結(jié)構(gòu)的平房， 在房屋周圍的院落與房屋間影像光譜值相近且紋理形狀間隔模糊． 震前建筑物信息提取的總體精度可達(dá)88.53%， 卡帕系數(shù)為0.707， 可以滿足快速提取建筑物的整體要求． 從圖6b可以看出， 震后建筑物信息提取精度較高， 但也出現(xiàn)少數(shù)錯(cuò)分現(xiàn)象， 主要是由于局部地區(qū)房屋受損嚴(yán)重， 多數(shù)房屋倒塌， 個(gè)別未損毀建筑物的光譜信息與周圍地物相似， 且地物邊緣不明顯所致， 盡管該房屋未倒塌， 也無(wú)法正常使用， 對(duì)變化檢測(cè)的結(jié)果影響并不大． 震后建筑物信息提取的精度為90.21%， 卡帕系數(shù)為0.779．

圖6 玉樹(shù)震前(a)和震后(b)建筑物面向?qū)ο笮畔⑻崛〗Y(jié)果圖

3.2 變化檢測(cè)與評(píng)估

通過(guò)對(duì)比玉樹(shù)地震前后影像的建筑物信息， 將兩期數(shù)據(jù)進(jìn)行絕對(duì)差值處理得到的變化區(qū)域即為地震前后建筑物的變化區(qū)域． 由于幾何校正仍存在微小誤差， 本研究提取的變化信息出現(xiàn)了個(gè)別的“孤島”現(xiàn)象， 但并不影響建筑物的識(shí)別， 最終共提取建筑物變化信息51處， 包括地震損毀建筑物信息以及災(zāi)后增建的建筑物信息， 如圖7a所示； 通過(guò)目視解譯震前、 震后影像變化區(qū)域建筑物變化信息64處， 如圖7b所示； 該變化檢測(cè)方法的精度為79.68%．

由于本研究提出的評(píng)估方法是一種區(qū)域性震害評(píng)估方法， 并未對(duì)房屋的受損程度進(jìn)行評(píng)估分析， 震前為建筑物而震后為非建筑物區(qū)域則認(rèn)為該建筑物損毀． 本研究根據(jù)影像變化信息在影像中所占的百分比， 將研究區(qū)域的受災(zāi)程度分成未受損或輕度受損、 輕中度受損、 中度受損、 中重度受損和重度受損或損毀等5個(gè)等級(jí)， 其具體劃分標(biāo)準(zhǔn)列于表4．

圖7 玉樹(shù)地震前后建筑物變化區(qū)域(a)及目視解譯研究區(qū)域建筑物實(shí)際變化區(qū)域(b)

面積變化受災(zāi)等級(jí)<20%未受損或輕度受損20%—40%輕中度受損40%—60%中度受損60%—80%中重度受損>80%重度受損或損毀

表5 震前、 震后建筑物變化量統(tǒng)計(jì)表

地震前后建筑物的變化量列于表5． 可以看出： 該研究區(qū)域地震前后建筑物的變化量為-57.286%， 表示建筑物數(shù)目減少； 非建筑物區(qū)域的變化量為10.874%， 表示非建筑物地區(qū)增加； 總變化量為68.16%． 根據(jù)整個(gè)區(qū)域建筑物的變化百分比， 將該研究區(qū)域受損等級(jí)確定為中重度受損．

4 討論與結(jié)論

通過(guò)對(duì)玉樹(shù)地震部分地區(qū)前后的QuickBird影像進(jìn)行不同分割窗口以及不同分割尺度的對(duì)比分析， 確定在分割窗口為5像素×5像素、 分割尺度為40時(shí)， 影像的分割效果最好， 該分割尺度既體現(xiàn)了同種地物間的同質(zhì)性， 又能很好地反映出不同地物間的異質(zhì)性， 對(duì)震后建筑物信息的提取精度更是高達(dá)90.21%， 為建筑物變化信息的提取提供了有效的數(shù)據(jù)支持． 同時(shí)， 本文所提出的變化檢測(cè)方法， 在災(zāi)害發(fā)生后災(zāi)區(qū)地面調(diào)查數(shù)據(jù)不完善或缺失的條件下， 通過(guò)該方法的整個(gè)技術(shù)流程能夠快速提取地震造成的變化信息即震害信息， 且其精度可達(dá)79.68%． 根據(jù)影像面積的變化及其所占百分比， 對(duì)受災(zāi)區(qū)域迅速進(jìn)行圈定及評(píng)估， 具有較強(qiáng)的實(shí)際意義．

需要說(shuō)明的是， 本文所采用的是分類后比較的變化檢測(cè)方法， 在對(duì)影像進(jìn)行面向?qū)ο蟮姆诸愡^(guò)程中， 僅考慮了影像的光譜特征、 形狀特征及紋理特征， 并未對(duì)全部的特征信息進(jìn)行有效的選擇， 所以一些特征信息甚至限制了影像分割的效果， 影響了影像特征提取的精度， 對(duì)特征信息的選擇尚待進(jìn)一步研究． 另外， 本研究提出的震害快速評(píng)估方法， 是根據(jù)影像變化面積所占的百分比進(jìn)行評(píng)估的， 而影像的變化面積不僅包含了建筑物的變化信息， 也包含了其它地物信息(背景地物信息)的變化信息， 導(dǎo)致該方法在進(jìn)行震害評(píng)估時(shí)精度不足， 但其為第一時(shí)間地震救援提供了有效的數(shù)據(jù)支持， 值得推廣應(yīng)用．

杜鳳蘭， 田慶久， 夏學(xué)齊， 惠鳳鳴. 2004. 面向?qū)ο蟮牡匚锓诸惙ǚ治雠c評(píng)價(jià)[J]. 遙感技術(shù)與應(yīng)用， 19(1): 20--23.

Du F L， Tian Q J， Xia X Q， Hui F M. 2004. Object-oriented image classification analysis and evaluation[J].RemoteSensingTechnologyandApplication， 19(1): 20--23 (in Chinese).

龔麗霞， 李強(qiáng)， 張景發(fā)， 曾琪明， 劉明眾， 李成龍. 2013. 面向?qū)ο蟮姆课菡鸷ψ兓瘷z測(cè)方法[J]. 地震， 33(2): 109--114.

Gong L X， Li Q， Zhang J F， Zeng Q M， Liu M Z， Li C L. 2013. Object-oriented detection of earthquake building damages[J].Earthquake， 33(2): 109--114 (in Chinese).

黎小東. 2009. 面向?qū)ο蟮母呖臻g分辨率遙感影像城市建筑物震害信息提?。?以汶川縣城為例[D]. 成都: 成都理工大學(xué)地球科學(xué)學(xué)院： 36--43.

Li X D. 2009.InformationExtractionofDamagedTownBuildingsCausedbyEarthquakeWiththeObject-OrientedMethodFromHighSpatialResolutionImage:ACaseStudyinWenchuanEarthquake[D]. Chengdu： College of Earth Sciences， Chengdu University of Technology： 36--43 (in Chinese).

李小強(qiáng). 2014. 面向?qū)ο蟮母叻直媛蔬b感影像建筑物震害信息提取研究[D]. 昆明: 云南師范大學(xué)旅游與地理科學(xué)學(xué)院： 10--24.

Li X Q. 2014.Object-OrientedMethodofBuildingDamageExtractionFromHigh-ResolutionImages[D]. Kunming: School of Tourism and Geographical Sciences， Yunnan Normal University： 10--24 (in Chinese).

王曉青， 竇愛(ài)霞， 孫國(guó)清， 丁香， 王龍， 袁小祥. 2013. 基于綜合震害指數(shù)的玉樹(shù)地震烈度遙感評(píng)估研究[J]. 地震， 33(2): 1--10.

Wang X Q， Dou A X， Sun G Q， Ding X， Wang L， Yuan X X. 2013. Intensity assessment of the 2010 YushuMS7.1 earthquake based on synthetic seismic damage index[J].Earthquake， 33(2): 1--10 (in Chinese).

聞春晶， 趙書(shū)河， 李暉. 2010. 面向?qū)ο蟮母叻直媛蔬b感影像變化檢測(cè)方法[J]. 山東師范大學(xué)學(xué)報(bào): 自然科學(xué)版， 25(1): 126--129.

Wen C J， Zhao S H， Li H. 2010. Object-oriented change detection method using very high spatial resolution imagery[J].JournalofShandongNormalUniversity:NaturalScience， 25(1): 126--129 (in Chinese).

顏潔， 劉建坡， 唐偉廣. 2010. 基于遙感圖像變化檢測(cè)的毀傷效果分析[J]. 信號(hào)與信息處理， 40(4): 30--31.

Yan J， Liu J P， Tang W G. 2010. The damage assessment based on remote sensing image change detection[J].JournalofSignalandInformationProcessing， 40(4): 30--31 (in Chinese).

張景發(fā)， 謝禮立， 陶夏新. 2001. 典型震害遙感圖像的模型分析[J]. 自然災(zāi)害學(xué)報(bào)， 10(2): 89--95.

Zhang J F， Xie L L， Tao X X. 2001. Pattern analysis of remote sensing imagery for some typical earthquake damages[J].JournalofNaturalDisasters， 10(2): 89--95 (in Chinese).

章毓晉. 2000. 圖像分割[M]. 北京: 科學(xué)出版社： 55--70.

Zhang Y J. 2000.ImageSegmentation[M]. Beijing: Science Press： 55--70 (in Chinese).

Huyck C K， Adams B J， Cho S， Chung H C， Eguchi R T. 2005. Towards rapid citywide damage mapping using neighborhood edge dissimilarities in very high-resolution optical satellite imagery： Application to the 2003 Bam， Iran， earthquake[J].EarthqSpectra， 21(S1): 255--266.

Liu S C， Bruzzone L， Bovolo F， Du P J. 2015. Hierarchical unsupervised change detection in multitemporal hyperspectral images[J].IEEETransGeosciRemoteSensing， 53(1): 244--260.

Turker M， San B T. 2004. Detection of collapsed buildings caused by the 1999 Izmit， Turkey earthquake through digital analysis of post-event aerial photographs[J].IntJRemoteSensing， 25(21): 4701--4714.

Seismic damage information extraction and evaluation of buildings with high resolution remote sensing based on object-oriented method

Zhao Yan1,2)Zhang Jingfa2),*Yao Leihua1)

1)CollegeofEngineeringandTechnology，ChinaUniversityofGeosciences(Beijing)，Beijing100083，China2)InstituteofCrustalDynamics，ChinaEarthquakeAdministration，Beijing100085，China

In order to rapidly determine the scope of stricken area and timely assess the extent of damages after an earthquake， this paper proposes a technical process of rapid extracting and evaluating building damage information by using the geometric structure and texture feature information of high resolution remote sensing images based on the object-oriented building detection method. The process can rapidly locate the disaster areas， which is of great significance to the post-disaster first opportunity rescue. Taking the Yushu area as an example， buildings of disaster area are extracted based on the QuickBird images before and after the Yushu earthquake， and the extraction precisions of buildings is 88.53% and 90.21%， respectively. The extraction accuracy of building changing information is 79.68%， and changing area reaches 15923.52 m2， which accounts for 68.16% of the entire studied area， therefore the area is evaluated as moderately-severe disaster area. The results of this paper are consistent with those of the field investigations， proving that the rapid seismic damage information extraction and evaluation process is effective. The presented method can quickly estimate the disaster areas, and provide an important reference for the first time rescue.

high resolution remote sensing； building damage extraction and evaluation； object-oriented change detection

國(guó)家自然科學(xué)基金(41374050)和高分遙感地震監(jiān)測(cè)與應(yīng)急應(yīng)用示范系統(tǒng)(一期)項(xiàng)目(31-Y30B09-9001-13/15)共同資助.

2016-01-13收到初稿， 2016-05-24決定采用修改稿.

10.11939/jass.2016.06.014

P315.9

A

趙妍, 張景發(fā), 姚磊華. 2016. 基于面向?qū)ο蟮母叻直媛蔬b感建筑物震害信息提取與評(píng)估. 地震學(xué)報(bào), 38(6): 942--951. doi:10.11939/jass.2016.06.014.

Zhao Y, Zhang J F, Yao L H. 2016. Seismic damage information extraction and evaluation of buildings with high resolution remote sensing based on object-oriented method.ActaSeismologicaSinica, 38(6): 942--951. doi:10.11939/jass.2016.06.014.

*通訊作者 e-mail: zhangjingfa@hotmail.com