基于無(wú)人機(jī)遙感影像及其點(diǎn)云特征的 建筑物震害提取

張雪華 王曉青 杜曉霞 賴俊彥 許建華

摘要：以北川老縣城地震遺址為研究對(duì)象，通過(guò)使用點(diǎn)云CSF濾波算法得到研究區(qū)建筑物高度特征nDSM數(shù)據(jù)，并通過(guò)點(diǎn)云格網(wǎng)化處理以及坡度值計(jì)算得到建筑物坡度特征，再結(jié)合研究區(qū)DOM數(shù)據(jù)進(jìn)行建筑物震害提取，實(shí)驗(yàn)結(jié)果表明該方法能夠較好地提升建筑物震害的提取精度。

關(guān)鍵詞：無(wú)人機(jī);遙感影像;點(diǎn)云三維特征;面向?qū)ο?建筑物震害提取

中圖分類(lèi)號(hào)：P315.941 ??文獻(xiàn)標(biāo)識(shí)碼：A ??文章編號(hào)：1000-0666（2019）02-0230-06

0 引言

地震的發(fā)生往往會(huì)在瞬間導(dǎo)致大量建（構(gòu)）筑物等倒塌、道路中斷，同時(shí)還有可能引起山體崩塌，形成滑坡，造成巨大的生命財(cái)產(chǎn)損失（許建華等，2017）。震后快速、準(zhǔn)確地獲取災(zāi)區(qū)災(zāi)情信息是開(kāi)展有效應(yīng)急救援、最大程度減輕地震災(zāi)害損失的重要保障（王曉青等，2015）。

遙感技術(shù)具有觀測(cè)范圍大、信息量豐富、技術(shù)手段多、更新周期短等優(yōu)勢(shì)，自1966年邢臺(tái)地震后，開(kāi)始被應(yīng)用于地震災(zāi)害調(diào)查，現(xiàn)已成為快速獲取災(zāi)情信息的主要手段之一（柳稼航等，2004）。目前，第一時(shí)間在大范圍內(nèi)進(jìn)行地震災(zāi)害監(jiān)測(cè)與損失評(píng)估使用的數(shù)據(jù)源主要是衛(wèi)星光學(xué)遙感影像。由于衛(wèi)星位于云層之上，而震后災(zāi)區(qū)的天氣狀況往往不佳，使得衛(wèi)星光學(xué)影像的質(zhì)量較差;另外多數(shù)遙感衛(wèi)星只能獲取地物的二維平面信息，在后續(xù)的震害信息提取中無(wú)法使用到地物的三維信息，而地物三維信息的變化直接顯示了震害的嚴(yán)重程度，是進(jìn)行震害信息提取的重要特征（黃樹(shù)松，2016）。

目前獲取地物三維特征的主要手段是機(jī)載激光雷達(dá)（Light Detection and Ranging，簡(jiǎn)稱LiDAR）技術(shù)，依靠發(fā)射紅外和近紅外波段快速獲取高精度、高密度的地形信息。相對(duì)于傳統(tǒng)的航空攝影測(cè)量技術(shù)，機(jī)載LiDAR具有受天氣條件影響較小、可提供三維空間信息等特點(diǎn)（王金霞等，2017）。宿淵源（2015）總結(jié)了震害建筑物在光學(xué)、合成孔經(jīng)雷達(dá)（Synthetic Aperture Radar，簡(jiǎn)稱SAR）、LiDAR數(shù)據(jù)中的不同表現(xiàn)特征，在此基礎(chǔ)上展開(kāi)了多源遙感數(shù)據(jù)建筑物震害信息的聯(lián)合分析，最后利用不同數(shù)據(jù)源組合進(jìn)行面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛⊙芯?，得到較好的建筑物震害信息提取效果。但是，受災(zāi)區(qū)道路條件、雷達(dá)設(shè)備和費(fèi)用限制，在震后第一時(shí)間獲取雷達(dá)數(shù)據(jù)依然存在一定的局限性（張雪華等，2017）。無(wú)人機(jī)傾斜攝影技術(shù)的出現(xiàn)和發(fā)展解決了這一難題，即在同一無(wú)人機(jī)飛行平臺(tái)上搭載多個(gè)不同角度的相機(jī)，同時(shí)從垂直、傾斜等多個(gè)不同角度獲取同一目標(biāo)的影像（陳晉等，2018）。帥向華等（2018）對(duì)傾斜攝影技術(shù)在2014年魯?shù)?.5級(jí)地震現(xiàn)場(chǎng)的應(yīng)用進(jìn)行了研究，發(fā)現(xiàn)使用該技術(shù)不僅可以表現(xiàn)地震建筑物災(zāi)害的布局、破壞程度等具體災(zāi)害特征，還可以對(duì)滑坡、堰塞湖等地震地質(zhì)災(zāi)害進(jìn)行解譯和分析。同時(shí)，由于傾斜影像數(shù)據(jù)具有建筑物的立面信息，經(jīng)過(guò)空三測(cè)量、多視影像密集匹配等流程，可以得到建筑物的三維點(diǎn)云數(shù)據(jù)。已有研究表明該點(diǎn)云數(shù)據(jù)具有較好的精度，如James和Robson（2012）使用無(wú)人機(jī)遙感系統(tǒng)獲取了高分辨率的海岸地形照片數(shù)據(jù)，經(jīng)過(guò)處理得到該區(qū)域的三維點(diǎn)云數(shù)據(jù)，通過(guò)比較其與差分GPS觀測(cè)點(diǎn)之間的誤差，認(rèn)為其水平和垂直誤差不超過(guò)10 cm。

基于前人研究的影像匹配點(diǎn)云可靠性和結(jié)合其他數(shù)據(jù)（如LiDAR數(shù)據(jù)）的三維信息輔助數(shù)字正射影像圖（Digital Orthophoto Map，簡(jiǎn)稱DOM）可提升震害提取精確性的研究成果，本文針對(duì)多源數(shù)據(jù)獲取成本高、耗時(shí)長(zhǎng)，以及不同數(shù)據(jù)源配準(zhǔn)方面的不足，使用無(wú)人機(jī)單一數(shù)據(jù)源，結(jié)合DOM產(chǎn)品及其密集匹配點(diǎn)云的高度、坡度特征，對(duì)北川老縣城地震遺址的建筑物震害進(jìn)行提取。

1 研究方法

1.1 傾斜攝影測(cè)量技術(shù)

傾斜攝影測(cè)量是在同一飛行平臺(tái)上搭載多臺(tái)不同傾斜角度的傳感器，獲取地物全方位的遙感影像，同時(shí)記錄每張影像拍攝時(shí)的位置、航高、飛行姿態(tài)等信息，由此得到的遙感影像不僅能夠真實(shí)、全面地反映地物情況，還具備精確的地理信息。與正射影像相比，在后期數(shù)據(jù)分析中可精確確定影像上每個(gè)點(diǎn)的三維空間坐標(biāo)，對(duì)建筑物高度等進(jìn)行厘米級(jí)精度量測(cè);可挖掘更多的真實(shí)環(huán)境信息;通過(guò)專(zhuān)門(mén)軟件處理可得到較為精細(xì)的三維模型（Gerke，Kerle，2011;王偉等，2011;黃敏兒等，2014）。目前傾斜相機(jī)系統(tǒng)的鏡頭個(gè)數(shù)有2～6個(gè)（Petrie，2009），常用的5鏡頭傾斜攝影原理如圖1所示。

在傾斜影像處理方面，除了對(duì)原始影像數(shù)據(jù)進(jìn)行幾何糾正、影像增強(qiáng)等預(yù)處理工作外，還包括空三測(cè)量、多視影像密集匹配和真正射糾正、三維建模等主要步驟（圖2）。目前已經(jīng)形成了較為成熟的后期影像處理技術(shù)和智能影像處理系統(tǒng)，數(shù)據(jù)后處理軟件不僅整合了傾斜攝影技術(shù)的數(shù)據(jù)處理功能，還具備有空間分析和應(yīng)用功能，在地震應(yīng)急、規(guī)劃建設(shè)、測(cè)繪等行業(yè)發(fā)揮著越來(lái)越重要的作用。

1.2 面向?qū)ο笥跋穹治?/p>

相對(duì)于傳統(tǒng)的基于像元的遙感影像分類(lèi)方法，面向?qū)ο蟮姆椒ㄊ峭ㄟ^(guò)影像分割，將影像分割為由若干個(gè)像元組成的對(duì)象，然后分析影像對(duì)象的光譜、紋理、形狀、幾何等特征，最后進(jìn)行影像 ??分類(lèi)。研究表明，對(duì)于高分辨率影像，使用面向?qū)ο蠓椒ú粌H彌補(bǔ)了像元分類(lèi)使用特征種類(lèi)少、容易產(chǎn)生“椒鹽”現(xiàn)象等不足，同時(shí)減少了計(jì)算量，提升了分類(lèi)精度（蔡銀橋，毛政元，2007;Khoshelham et al，2010）。

影像分割是指將相同或者相近的像元合并成同質(zhì)性高（或異質(zhì)性?。┑幕ゲ幌嘟坏囊幌盗袑?duì)象，常用方法有閾值法、邊緣檢測(cè)法、聚類(lèi)分割法、多尺度分割方法等。影像分類(lèi)時(shí)根據(jù)對(duì)象的光譜、形狀、紋理等特征值，選擇監(jiān)督或者非監(jiān)督分類(lèi)方法。本文使用多尺度分割算法和非監(jiān)督分類(lèi)方法，依據(jù)數(shù)據(jù)源特點(diǎn)選擇合適特征進(jìn)行建筑物震害的提取。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文選取北川老縣城地震遺址為研究區(qū)，使用飛馬F200雙鏡頭傾斜攝影系統(tǒng)獲取研究區(qū)高分辨率遙感影像，影像分辨率為0.08 m，旁向重疊度為70%，航向重疊度為80%，共采集影像852張。通過(guò)對(duì)傾斜影像數(shù)據(jù)的處理得到研究區(qū)高分辨率DOM和密集點(diǎn)云數(shù)據(jù)，輸出DOM分辨率為0.1 m。通過(guò)對(duì)點(diǎn)云數(shù)據(jù)的去噪、布料模擬濾波（Cloth Simulation Filter，簡(jiǎn)稱CSF）（Zhang等，2016）、可見(jiàn)光波段差異植被指數(shù)（VisibleBand Difference vegetation，簡(jiǎn)稱VDVI）去除植被和地面點(diǎn)，得到較為純凈的建筑物點(diǎn)云數(shù)據(jù)。

式中：ρ代表不同波段的分量值。

為了更好使用點(diǎn)云數(shù)據(jù)的高度特征，使用數(shù)字化表面模型（Digital Surface Model，簡(jiǎn)稱DSM）減去數(shù)字高程模型（Digital Elevation Model，簡(jiǎn)稱DEM）得到歸一化DSM（Normal DSM，簡(jiǎn)稱nDSM）（圖3）。本文使用點(diǎn)云魔方V1.1軟件完成點(diǎn)云去噪、CSF濾波和nDSM數(shù)據(jù)的生成。

2.2 點(diǎn)云坡度特征提取

由點(diǎn)云產(chǎn)生原理可知，該數(shù)據(jù)存在密度及誤差分布不均勻的缺點(diǎn)（馮帥，2014），會(huì)對(duì)建筑物坡度計(jì)算精度造成影響，故本文首先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行高程格網(wǎng)化處理，然后計(jì)算坡度特征，實(shí)驗(yàn)流程如圖4所示。

2.2.1 點(diǎn)云格網(wǎng)化

使用二維平面網(wǎng)格對(duì)點(diǎn)云進(jìn)行劃分。由于該點(diǎn)云含有大量建筑物立面點(diǎn)，而計(jì)算坡度只需建筑物頂部點(diǎn)云信息，使用網(wǎng)格均值作為計(jì)算值往往導(dǎo)致計(jì)算點(diǎn)平面位置和高程值不準(zhǔn)確，為了減少此類(lèi)

式中：n為該格網(wǎng)內(nèi)的點(diǎn)數(shù);μ為網(wǎng)格內(nèi)點(diǎn)的平均值。

截取建筑物邊緣點(diǎn)云進(jìn)行實(shí)驗(yàn)，圖5為0.5×0.5 m格網(wǎng)計(jì)算結(jié)果。從圖中可以看出，使用標(biāo)準(zhǔn)差處理后的格網(wǎng)點(diǎn)云計(jì)算出的高程值比使用格網(wǎng)中所有點(diǎn)云平均值的計(jì)算結(jié)果更加準(zhǔn)確。

2.2.2 坡度值計(jì)算

完好建筑物屋頂相鄰點(diǎn)云間的坡度具有規(guī)律性，建筑物倒塌后，物體高度分布不一，點(diǎn)云分布較為散亂，坡度值也會(huì)隨之變化，利用這一特征可以進(jìn)行倒塌和未倒塌建筑物的區(qū)分。

通過(guò)搜索查詢與目標(biāo)點(diǎn)平面距離最近的點(diǎn)進(jìn)行坡度值計(jì)算：

2.2.3 影像分割

本文主要借助影像處理軟件-eCongnition的多尺度分割功能，使用nDSM特征數(shù)據(jù)進(jìn)行分割。設(shè)置光譜異質(zhì)性權(quán)重為0.9，形狀光滑度權(quán)重為0.5。通過(guò)對(duì)比多次不同尺度參數(shù)效果，最終選擇200作為分割尺度，分割效果如圖6所示。從圖中可以看出，建筑物可以較為完整地被分割出，但是屋頂會(huì)有部分細(xì)碎對(duì)象，分析原因是屋頂有部分綠色植物被去除。

2.2.4 建筑物震害提取

前期處理已經(jīng)得到研究區(qū)nDSM影像，根據(jù)研究區(qū)特點(diǎn)，設(shè)置nDSM高度值大于1.5 m時(shí)，可區(qū)分道路、裸露土地等地物，剩下的為倒塌和未倒塌建筑物。再使用對(duì)象的坡度標(biāo)準(zhǔn)差（式4）和形狀密度（式5）參數(shù)對(duì)倒塌、未倒塌建筑進(jìn)行區(qū)分。

式中：n為對(duì)象像元數(shù);Ci為對(duì)象第i個(gè)像元的坡度值;C為該對(duì)象的坡度平均值。

式中：n為對(duì)象像元數(shù);Var（X），Var（Y） 為對(duì)象所有像素x，y坐標(biāo)的方差。

經(jīng)過(guò)多次試驗(yàn)，坡度標(biāo)準(zhǔn)差閾值取3.5，形狀密度參數(shù)取2。對(duì)結(jié)果進(jìn)行相鄰類(lèi)別對(duì)象合并，分類(lèi)結(jié)果如圖7所示。

本文研究以目視解譯結(jié)果為參考（圖7a），不考慮目視解譯誤差。使用研究區(qū)DOM數(shù)據(jù)，結(jié)合建筑物nDSM和坡度影像的特征值，使用面向?qū)ο蠓椒ㄟM(jìn)行建筑物震害提取的結(jié)果如圖7b所示。

2.2.5 結(jié)果分析

由于DOM影像空間分辨率較高，目視解譯精度得到極大提升。本文以目視解譯結(jié)果為參考，對(duì)分類(lèi)提取結(jié)果進(jìn)行分析，具體結(jié)果如表1所示。

通過(guò)計(jì)算得到該分類(lèi)結(jié)果的Kappa系數(shù)為0.67，總體分類(lèi)精度為0.83，與使用單一DOM數(shù)據(jù)進(jìn)行非監(jiān)督分類(lèi)方法相比，該分類(lèi)方法的精度有所提升。

3 結(jié)論與討論

本文通過(guò)對(duì)無(wú)人機(jī)點(diǎn)云數(shù)據(jù)的處理，得到建筑物的高度和屋頂坡度特征，使用該特征輔助研究區(qū)DOM數(shù)據(jù)，采用面向?qū)ο蟮姆椒▽?duì)建筑物震害進(jìn)行提取，得到較好的建筑物震害提取精度。本文所用方法解決了傳統(tǒng)方法只使用單一DOM影像而無(wú)法利用建筑物三維信息進(jìn)行震害提取的不足，同時(shí)在一定程度上解決了LiDAR點(diǎn)云與DOM影像配準(zhǔn)的問(wèn)題。由于本文在數(shù)據(jù)獲取時(shí)缺少控制點(diǎn)測(cè)量，故沒(méi)有對(duì)點(diǎn)云數(shù)據(jù)及高程、坡度計(jì)算值進(jìn)行精度驗(yàn)證。但從實(shí)驗(yàn)結(jié)果來(lái)看，使用無(wú)人機(jī)獲取災(zāi)區(qū)高分辨率遙感影像數(shù)據(jù)和三維信息輔助DOM數(shù)據(jù)進(jìn)行建筑物震害提取的方法，不僅大大提升了災(zāi)情信息獲取的速度，還進(jìn)一步提升了應(yīng)急現(xiàn)場(chǎng)的災(zāi)害評(píng)估精度，可為應(yīng)急救援、決策指揮、災(zāi)害評(píng)估等提供更加快速、可靠的數(shù)據(jù)支撐。

中國(guó)地震局地震預(yù)測(cè)研究所袁小祥為本研究數(shù)據(jù)獲取方面給予了極大幫助，在此表示衷心感謝。

參考文獻(xiàn)：

蔡銀橋，毛政元.2007.基于多特征對(duì)象的高分辨率遙感影像分類(lèi)方法及其應(yīng)用[J].國(guó)土資源遙感，（1）：77-81.

陳晉，習(xí)聰望，陳文凱，等.2018.基于無(wú)人機(jī)、高分衛(wèi)星遙感影像的甘肅省隴南市建筑物空間化研究[J].地震研究，41（2）：192-200.

馮帥.2014.影像匹配點(diǎn)云與機(jī)載激光點(diǎn)云的比較[J].地理空間信息，12（6）：82-83.

黃敏兒，杜志強(qiáng)，朱慶，等.2014.利用像素高度圖的三維建筑物屋頂和立面提取方法[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），39（10）：1221-1224.

黃樹(shù)松.2016.震后機(jī)載LiDAR點(diǎn)云建筑物震害提取因子研究[D].北京：中國(guó)地震局地震預(yù)測(cè)研究所.

柳稼航，楊建峰，魏成階，等.2004.震害信息遙感獲取技術(shù)歷史、現(xiàn)狀和趨勢(shì)[J].自然災(zāi)害學(xué)報(bào)，13（6）：46-52.

帥向華，劉欽，甄盟，等.2018.傾斜攝影技術(shù)在云南魯?shù)榈卣瓞F(xiàn)場(chǎng)的應(yīng)用研究[J].震災(zāi)防御技術(shù)，13（1）：158-167.

宿淵源.2015.多源遙感數(shù)據(jù)建筑物震害信息聯(lián)合分析[D].北京：中國(guó)地震局地殼應(yīng)力研究所.

王金霞，竇愛(ài)霞，王曉青，等.2017.地震后機(jī)載LiDAR點(diǎn)云的地物區(qū)分方法研究[J].震災(zāi)防御技術(shù)，12（3）：677-689.

王偉，黃雯雯，鎮(zhèn)姣.2011.Pictometry傾斜攝影技術(shù)及其在3維城市建模中的應(yīng)用[J].測(cè)繪與空間地理信息，34（3）：181-183.

王曉青，竇愛(ài)霞，王龍，等.2015.2013年四川蘆山7.0級(jí)地震烈度遙感評(píng)估[J].地球物理學(xué)報(bào)，58（1）：163-171.

許建華，張雪華，王曉青，等.2017.無(wú)人機(jī)傾斜攝影技術(shù)在地震烈度評(píng)估中的應(yīng)用——以九寨溝7.0級(jí)地震為例[J].中國(guó)地震，33（4）：655-622.

張雪華，王曉青，王金霞，等.2017.基于SfM方法生成的密集點(diǎn)云數(shù)據(jù)的典型建筑物分類(lèi)研究[J].地震，37（3）：127-137.