不同特征融合震后损毁建筑物识别研究.docVIP

不同特征融合的震后损毁建筑物识别研究 　　摘要： 　　采用玉树地震QuickBird影像，对不同损毁级别的建筑物进行采样分析，提取不同损毁情况表征纹理特征的灰度共生矩阵中区分度较好的特征参数。比较不同特征融合之后损毁建筑物提取精度。结果表明，灰度共生矩阵中纹理特征参数对不同损毁程度的建筑物具有不同的区分度，光谱特征与纹理特征结合，损毁建筑物识别精度最高，不同的特征参数混淆使用会造成信息冗余，从而降低信息提取精度。在实际工作中，要根据遥感震害机理选取合适的特征组合，提高损毁建筑物的提取精度。 　　关键词：遥感影像；多特征融合；纹理特征；损毁建筑物 　　中图分类号：P315-39文献标识码：A文章编号：1000-0666（2016）03-0486-08 　　0引言 　　地震具有突发性强、破坏性大的特点，会对人民的生命财产安全造成不可弥补的损失。地震发生后，进行震区破坏程度快速准确的评估，特别是损毁建筑物的快速提取，对震后紧急救援及灾情评估有重要的意义。遥感具有综合、宏观、快速、动态的特点，是震害灾情信息快速获取的重要数据源（赵福军，张磊，2009）。随着遥感技术及影像分辨率的不断提高，遥感影像能够反映更加丰富的空间结构信息和纹理信息，可有效地提取损毁建筑物信息，使得融合影像的不同特征对遥感影像进行精确识别分类成为研究趋势。 　　损毁建筑物信息的提取方法主要有遥感影像的变化检测和分类技术，包括震前、震后影像对比分析和直接从遥感影像中提取建筑物损毁信息（赵福军，张磊，2009）。国内外学者在此理论基础上展开了一系列的研究，Masashi和Fumio（1998）利用神户地区地震后的TM影像和SPOT影像，采用判别式从遥感影像中提取了损毁建筑物、震后火灾分布及土壤液化等信息；Hajime和Fumio（2000）根??土耳其Kocaeli地震和我国台湾震后影像特征的分布，利用多尺度分割的方法提取震害信息，其参与的特征主要有色调、饱和度、亮度和边缘特征。随着多特征及多源遥感数据的发展，越来越多的研究者将影像的纹理特征、几何形状特征等信息融合进来，提高信息提取的精度；李祖传等（2010）利用高分辨率影像的纹理与形态特征实现对汶川地震倒塌房屋信息的自动提取；吴炜等（2012）将建筑物的光谱特征和形状特征相结合对建筑物进行提取，与单独用光谱特征相比，提取精度较高；徐佳等（2012）综合灰度与纹理特征对高分辨率星载SAR图像进行建筑物提取，提取效果良好；曹代勇等（2001）对遥感影像中建筑物灰度特征和纹理特征进行统计，统计结果表明灰度平均值、灰度标准差和灰度方差3种特征参数是建筑物震害识别和分级的良好指标，同时将震害建筑物遥感评估类型概括为三种； 　　翟永梅等（2011）提出了一种基于区域的遥感影像差值分割提取技术来快速地对震害信息进行评估，应用效果良好。 　　近年来，随着高分辨率遥感技术的快速发展，面向对象的方法由于克服了常规的仅依靠像元的光谱统计特征提取相关信息的不足，从而受到广大研究者的青睐。Hofmaane（2001）利用面向对象的方法，以DEM作为一个专题层参与遥感影像的分割，实现了对IKONOS影像中建筑物与道路的提取；赵福军和张磊（2009）利用面向对象的方法对汶川地震震害信息进行提取，取得了较好的结果；王慧敏和李艳（2011）利用面向对象的方法对海地地震灾害造成的损毁建筑物进行提取；龚丽霞等（2013）利用面向对象变化检测的方法提取玉树地震造成的房屋倒塌，同时与主成分分析、直接变化检测方法相比，提取精度较高；范开红等（2014）利用面向分类技术对应急指挥技术系统信息进行产出与模块化，从而更及时地掌握震情、灾情，使得面向对象思想适用于地震应急。上述的研究取得了一定的成果，将建筑物的光谱特征、形状特征、纹理等特征结合起来，提高了建筑物信息提取精度，同样也存在着不足，建筑物的纹理特征、形状特征、光谱特征的结合主要依靠人为经验进行选取，没有一定的规律可循。建筑物的纹理特征、形状特征包含的特征参数繁多，特征参数的选取依靠人为主观经验，要依靠不断的试验进行选取，耗费大量的时间。 　　如何有效地对损毁建筑物的纹理特征、形状特征、光谱特征等多特征进行融合，快速从繁多特征参数中选取最优参数组合，是震害信息快速准确提取的重点。本文从高分辨率遥感影像中选取不同震害程度的建筑物样本，对其各种特征信息进行统计分析，获取多特征信息的最优组合，快速准确地提取震后损毁建筑物信息。 　　1建筑物震害图像特征 　　11建筑物震害分级 　　不同烈度及破坏强度的地震对建筑物的损毁情况不同。根据《震害调查及地震损失评定工作指南》国家地震局.1993.震害调查及地震损失评定工作指南.和《建（构）筑物地震破坏等级划分》（GB/T24335―2009），