面向對象的高分辨率遙感影像建筑物震害信息提取

面向對象的高分辨率遙感影像建筑物震害信息提取

甘甜1,2,李金平1,2,李小強1,2,王劉偉1,2(1.云南師范大學旅游與地理科學學院，云南昆明650500；2.西部資源環境地理信息技術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害評估的一項重要指標。文中應用震后高分辨率遙感影像數據，采用面向對象分類方法，以最優分割參數對影像進行分割，構建多尺度影像對象層次結構。通過影像對象的光譜、形狀、紋理等特征及空間拓撲關系建立分類規則庫，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。結果表明，面向對象分類方法能夠實現提取三類等級的建筑物震害信息，從而滿足地震災害快速評估要求。

關鍵詞：面向對象；高分辨率遙感；震害信息提??；多尺度分割

中圖分類號：P237文獻標志碼：A

收稿日期：2015-01-23；修回日期：2015-03-28

基金項目：云南省科技計劃項目(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

地震發生后快速做好震害調查與評價工作，是迅速實施災后救援、重建以及最大限度降低經濟財產損失的重要途徑[1-2]。隨著遙感技術的快速發展，不同平臺和不同傳感器的高空間分辨率遙感為地震災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據源，這些遙感數據可以節省人力、物力、財力并較大程度地提供大范圍震害信息，在地震災害損失快速評估中得到廣泛應用[3-5]。

震后城鎮建筑物震害信息的自動識別與分類是遙感震害調查中的關鍵技術，震害信息的提取精度直接影響地震災害損失評估的結果[6]。傳統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]，而面向對象的影像分類方法為高空間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據，采用面向對象的遙感影像分類技術，研究實現基本完好、受損和完全倒塌三類破壞等級的建筑物震害信息提取，為災害損失快速評估提供可靠的基礎數據。

1影像對象特征選取

面向對象的影像分類方法處理的最小單元是由多個相鄰像素組合且包含多重語義的影像對象。使用eCognition軟件進行面向對象的建筑物震害信息提取，先通過波段權重、顏色因子和形狀因子、緊致度和光滑度等分割參數的設置，將多尺度分割后對不同的影像對象的特征原則和閾值進行歸類，建立多尺度影像對象層次結構，而后影像對象的光譜、形狀、紋理及相鄰關系等特征的選取并建立判別規則是實現不同的影像對象分類信息提取的關鍵，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面向對象的遙感影像建筑物震害信息提取

面向對象的建筑物震害信息提取主要包括兩部分工作：影像分割和分類，其中影像分割是分類的基礎，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構，然后利用分類方法進行震害信息類別歸屬的劃分。

2.1　技術流程

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、嚴重損害)和完全倒塌等三類，面向對象的高分辨率遙感影像建筑物震害提取過程主要包括影像預處理、影像分割、分類和精度評價4項工作，具體技術流程如圖1所示。

2.2　多尺度分割

本文選取2010年4月15日玉樹縣結古鎮1092×712像素范圍的震后QuickBird高分辨率遙感影像作為實驗數據(見圖2)。

根據多次實驗確定多尺度分割的最優參數對影像進行分割，構建由兩個影像對象層組成的影像對象層次結構，其中兩個對象層的分割參數見表2，分割的影像對象結果如圖3所示。

表2　最優分割尺度的多尺度分割的參數選取

2.3　影像分類與震害信息提取

整個提取流程按“自上而下”分為2層，針對不同的地物類型，依據光譜、形狀、紋理、拓撲等特征和上下文關系進行特征組合建立多層次建筑物震害信息提取規則，采用最鄰近分類和隸屬度函數分類相結合的方式進行分類提取，其分類體系結構及分類規則如表3所示。

圖1　面向對象的建筑物震害信息提取技術流程

提取類別層級最鄰近分類器隸屬度函數分類器完全倒塌(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,多尺度層次結構進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構

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為一片廢墟，看不到完整的幾何形態和結構，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、光譜標準差和貢獻率等特征構成模糊規則參與最鄰近分類，用形狀指數來限制參與隸屬度函數分類的對象的形狀特征，Level1對象層的分類結果如圖4所示。

圖4　Level1層分類結果

在多尺度層次結構中進行不同層之間的信息傳遞，對于Level2對象層，先將Level1層分類結果繼承再進行細分類為道路和裸地、陰影、植被、基本完好(含輕度受損)和受損建筑(含中度、嚴重)等類。根據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、藍色屋頂、黃色屋頂等5個類別。道路在分割后多呈長條線性分布，可選用長寬比特征進行提取，裸地多呈不規則的大面積塊狀，可選用面積和形狀指數特征進行提取。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率、矩形擬合度、亮度和GLDV熵限制參與隸屬度函數分類的對象。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，成為標志破壞建筑物的一個重要特征，選用波段貢獻率、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分基本完好和受損兩種建筑震害類型，Level2對象層分類結果如圖5所示。最終，三個等級的建筑物震害信息提取結果如圖6所示。

圖5　Level2層分類結果

圖6　建筑物震害信息提取結果

3結果分析

以生產者精度、用戶精度、總體精度和Kappa系數作為分類精度的評價指標，采用混淆矩陣法評價建筑物震害倒損提取精度，其結果見表4?？梢钥闯觯诸惖目傮w精度較高。

從模糊分類隸屬度的角度，用分類穩定性評價對遙感數據中提取信息的穩定性進行評價，以最優分類結果評價對遙感數據中對象分類結果是否最優進行評價，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

(a)分類穩定性評價

(b)最優分類結果評價 圖7　模糊分類隸屬度評價結果

4結束語

面向對象的高分辨率遙感影像分類，運用多尺度分割技術構建影像對象的層次結構，可以根據不同地類影像對象的各種特征和拓撲關系組合建立判斷規則，以穩定性評價和最優分類結果兩方面對建筑物震害提取結果進行評價，實現建筑物震害信息精細提取。對比分析發現，面向對象方法提取的建筑物倒損結果與國家減災中心公布的房屋倒損評估結果中不同震害等級建筑物的分布范圍基本一致，同時與研究區目視解譯的結果基本一致。面向對象的高分辨率遙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、嚴重損害、完全倒塌等4類精細提取是今后研究的重點。

參考文獻：

[1]張景發,謝禮立,陶夏新.典型震害遙感圖像的模型分析[J].自然災害學報,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查與評估[J].遙感學報,2008,12(5):673-680.

[3]梅安新,彭望碌.遙感導論[M].北京:高等教育出版社,2001.

[4]陳文凱,何少林,張景發,等.利用遙感技術提取震害信息方法的研究進展[J].西北地震學報,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歷史、現狀和趨勢[J].自然災害學報,2004,13(6):47-54.

[6]王巖, 王曉青, 竇愛霞.面向對象遙感分類方法在汶川地震震害提取中的應用[J].地震,2009(3):54-60.

[7]曾濤,楊武年,黎小東,等.面向對象的高空間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]. 自然災害學報,2010(5):81-87.

[8]石寧，馬慧云，張云生，等.基于位置服務的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.面向對象的高分辨率遙感影像信息提取研究[D].成都:成都理工大學,2012.

[10]雷廣淵，周輝.基于SBAS技術的金屬礦山沉降規律研究[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研究[D].北京:中國地震局工程力學研究所,2010.

[12]吳劍.基于面向對象技術的遙感震害信息提取與評價方法研究[D].武漢:武漢大學,2010.

[13]關元秀,程曉陽.高分辨率衛星影像處理指南[M].北京:科學出版社,2008:164-186.

[責任編輯：張德福]