震害预测中建筑物属性信息提取方法研究＊

李铁铮,翟永梅

(1.同济大学土木工程学院,上海 200092,2.同济大学上海防灾救灾研究所,上海 200092)

0 引言

地震灾害是目前人类所面临的最严重的自然灾害之一,给人类造成了极大的灾难和损失。随着中国城市化进程的进一步加快,为了更好地保障地区经济社会持续、健康、快速发展,许多地方都陆续开展了编制城市抗震防灾规划的工作。其中,建筑物的震害预测工作是编制城市抗震防灾规划的基础,所以如何全面而高效地得到规划区建筑物的属性信息,如建筑物的高度、层数、建筑面积等,就成为一个极为重要的课题。

面对规划区海量的建筑物,单靠人工调查的方式进行建筑物普查资料的收集明显是低效和困难的。为了提高规划区建筑物抗震性能评估的效率,有必要利用遥感技术覆盖范围广,受地面状况影响小,图像获取方便等优点进行城市建筑物资料的普查。

在利用遥感手段进行城市建筑资料收集中,如何实现建筑物层数信息的自动化获取是其中非常关键的一环,因为层数信息既是我们实现直接读取目标区内房屋建筑面积的一个不可或缺的因素,也是在城市房屋震害预测工作中从遥感图像上直接对建筑物结构形式进行初步划分的重要依据。

一般来说,基于遥感技术的建筑物层数信息的获得要基于建筑物的高度信息,即通过求出建筑物高度除以层高(一般取3 m)而得到层数。在建筑物高度的识别研究中,遥感图片中的阴影信息扮演了重要角色。国内诸多学者如董玉森、谢军飞、张桂芳、王永刚、刘龙飞、郑渊斌等均对阴影信息的提取进行了相关探索[1-6]。从其研究现状上来看,已有的算法主要分为自动化提取方法[3-4]与手工提取方法[5-6]两类,但这两种算法在实际工作中也都存在着不尽如人意的地方:一是自动化提取方法的模型普适度还有待提高,多数方法只适用于规则矩形的房屋,而且计算过程比较繁琐,所需计算的参数多,速度慢;二是手工提取的方法,虽然计算简单,普适性好,但自动化程度不佳,需要很多的人工干预,也不适用于大范围的城市建筑物层数信息收集工作。

为此,本文尝试对上述两类方法进行优化组合,吸收二者的优点,提出了一种半自动的基于阴影信息的建筑物层数信息识别方法。该方法只需少量的人工干预,普适性较好,计算简便快捷,结果满足精度要求,有较好的发展前景。

1 提取建筑物层数信息的原理和方法

1.1 太阳、房屋与阴影的关系

为了简化,我们首先做出如下两种假设:

(1)假设建筑物位于平原地带,无地形因素的干扰;

(2)建筑物垂直于地球表面。

设建筑物的高度为H,层数为C,在平行于太阳光投射方向上建筑物阴影的实际长度为S,建筑物阴影可见长度为L2,被遮挡的长度为L1。卫星高度角为α,太阳高度角为β。

如图1,当太阳和卫星位于建筑物的同一侧时,建筑物阴影的实际长度为:

S=L1+L2=H/tanβ。

遥感图像上可见的阴影长度为:

可以求得这种情况下建筑物高度H和可见阴影长度L2之间的公式为:

如图2,当太阳和卫星位于建筑物的两侧时,在平行于太阳光投射方向上建筑物阴影的实际长度S和遥感图上建筑物阴影可见长度L2相等,此时L1=0。这种情况下建筑物高度H和可见阴影长度L2之间的公式为:

图2 太阳和卫星位于建筑物异侧

综合以上两种情况的分析可知通过阴影求建筑物层数信息的两种方法:

(1)如果已知遥感卫星图片中卫星的相关参数信息,如太阳高度角,太阳方位角和卫星高度角等,便可结合遥感图像中建筑物阴影的可见长度L2利用公式(1)和公式(2)求出实际建筑物的高度,再将所得结果除以层高(一般取3 m),进而得到建筑物的层数。

(2)如果遥感卫星图片的卫星参数未知,在这种情况下,同一幅遥感图像内的卫星参数信息相同,设K1=tanα＊tanβ/(tanα-tanβ),K2=tanβ无论在哪种情况下,K1和K2都为常数,H=L2＊Ki(i=1,2),即建筑物实际高度和其在遥感图像中在太阳光投射方向上的可见阴影长度L2成正比。进而,建筑物的层数亦与L2成正比。公式如下:

在这种情况下,可以通过获得当地某一建筑物的实际层数来反求Pi,从而计算出其他建筑物的层数信息。

1.2 建筑物阴影可见长度L2的自动化获取

首先通过人工干预,利用ENV I等图像处理软件将未处理的遥感图像进行旋转操作,使得太阳光的投射方向与水平线呈90°。这样做可以使得在之后的扫描操作中直接得到太阳光投射方向上的阴影可见长度,避免大多数阴影长度自动化提取过程中需要对每一栋建筑计算其方位角的困难,减少了计算工作量而且保证了后续计算的精度。遥感图像旋转前后对照如图3到6。其中图3、图5为原始遥感图片,图4、图6为对应的经过旋转处理的遥感图片。

图3 原始遥感图片

在利用相关图像处理软件如ENV I对目标区内的建筑进行阴影区提取后,接下来的工作主要分以下几步进行,流程图见图7。

图4 经旋转处理的遥感图片

(1)对于一幅经过处理后得到的阴影区遥感图像,为了进行较大范围的阴影信息提取,避免计算得出的多个结果相互混淆,首先要对图像中的各个阴影区编号,并赋予阴影图像中不同阴影区(S1,S2,S3……)内所包含的像素点特定的像素值(N1,N2,N3……)。另外为了避免重复,对于满足本文预先设定的判定条件,经计算后已得出结果的阴影区,需要立即进行标记,使得在之后的扫描过程中遇到该阴影区时,选择直接跳过。在本文中,实现标记操作的方法是将计算后的阴影区内所有像素点的像素值清零。

图7 阴影长度自动化获取算法流程图

(2)本文中扫描整幅遥感图像的顺序是从原点开始进行按列的扫描。当扫描到一个未被标记的阴影区Si后,即扫描到特定像素值Ni的像素点Q1(xi,yi)后,为了消除容易造成计算误差的阴影区凸起点的干扰,提高计算精度,本算法立即判定它下面的像素点Q2(xi,yi+d)的像素值是否为Ni,其中d为人工设定的判定限值。在本文后续的算法检验中,d值取2。

(3)如不满足上述判定条件,继续进行按列的扫描;否则,从像素点Q2(xi,yi+d)开始横向扫描其左侧相邻的一个像素点Q3(xi+1,yi+d),若其像素值亦为Ni时继续扫描Q3(xi+1,yi+d)左侧的像素点,直到最后一个满足像素值为Ni的像素点Q4(xi+x0,yi+d)。此时,我们得到了一个关于阴影区Si的“分割线段”,两端点分别为Q2(xi,yi+d)和Q4(xi+x0,yi+d),线段长度为x0。

(4)为了提高结果的精度,对于得到的“分割线段”本算法进行了二次判定:当“分割线段”长度不满足判定条件x0＜t时,继续进行按列的扫描;当“分割线段”长度满足判定条件x0＞t时,即认为横向线段Q2Q4为阴影区Si的“有效分割线段”,可以进行后续计算,见图8。文中t为人工设定的判定限值,在后续的算法检验中,t值取5。记录“有效分割线段”两端点Q2和Q4。

图8 阴影信息提取图示(轮廓内为阴影区)

(5)得到“有效分割线段”后,取其上的5个特征点:M1(xi+x0/4,yi+d)、M2(xi+3x0/8,yi+d)、M3(xi+x0/2,yi+d)、M4(xi+5x0/8,yi+d)、M5(xi+3x0/4,yi+d),中间如果出现分数,则进行最邻近的取整运算。另外,由于从经验上来看阴影区两端的提取不太稳定,容易引起误差,所以特征点均在“有效分割线段”的中间位置选取。对于得到的每一个特征点Mn(xi+xn,yi+d),再分别以它为出发点向上和向下进行竖向的扫描,与步骤3同理可以得到它所对应的阴影区上边缘点Msn(xi+xn,yi+d-ysn)和下边缘点Mxn(xi+xn,yi+d+yxn),见图8。

(6)记录下每个特征点对应的上下边缘点之间线段的长度ysn+yxn+1。则阴影区Si的阴影长度在本算法中取为:

将该结果保存至一个一维数组,并标记该阴影区,在接下来的扫描中遇到该阴影区时,算法选择直接跳过。

在阴影长度自动化提取已有的算法中,均需要求出太阳方位与建筑物方位的夹角(其值等于太阳方位角减去建筑物方位角)。而实际上,由于遥感图片阴影提取技术的局限、建筑物数量的庞大及方位的多样化,该夹角的计算精确度较差且严重影响了计算速度,致使算法的实用性不佳。本文提出的方法利用人工干预有效地将其排除于计算过程之外,解决了这个问题。另外,算法借鉴了已有算法中统计平均的思想,很好地提高了阴影长度提取的计算精度。

2 算法检验与精度分析

2.1 目标区的选取与图像信息

本文选择的是上海市鞍山四村小区及周边建筑物的高分辨率遥感图像,该图像经过精心校正,空间分辨率为1 m,卫星参数未知。通过笔者实地调查得知目标区楼层分布为3～18层之间,地处平原地带,地形平整,楼间距较大,图像上阴影信息明显,适合利用上述方法进行建筑物层数的识别。

2.2 目标区建筑物层数信息自动提取

本文中建筑物阴影区的提取主要是基于ENV I4.5平台,通过FX扩展模块,利用面向对象的分类技术进行。研究区内建筑物阴影可见长度的自动化获取则主要通过Matab的图像处理工具箱进行编程实现。选定目标区内某一特定建筑作为参照物,结合公式(3)求得参数P2=0.54(图像中太阳与卫星位于建筑物异侧),即遥感图像中一个像素的阴影长度对应建筑物层数相当于0.54层。这一数值关系是生成目标区建筑层数信息的基础。所得部分结果如表1所示。

表1 建筑物层数测量结果统计表

从结果看,总体来说建筑物层数的提取比较精确,对外形非矩形的建筑物进行计算时结果也能保证一定的精准度。计算的主要误差出现在高层建筑上。经分析,此误差的出现与阴影区的提取本身有关系,因为在提取高层建筑阴影信息的时候,周边建筑物的遮挡效应即会对结果的精度造成一定的影响,而这也是已有的自动化提取算法中普遍存在的问题。

3 结论与展望

本文提出了一种通过首先旋转高分辨率遥感图像而后搜寻阴影区“有效分割线段”来提取建筑物层数信息的新方法。相对于已有的算法,本算法的优点是计算过程相对简单,易于编程实现,需求解的中间参量少,结果精度相对较好。而且本文计算模型的普适性较强,适用于较复杂外形建筑物,整个过程仅需旋转遥感图片等很少的人工干预,自动化程度较好,有着良好的发展前景。但算法也不可避免地存在一些缺陷,比如对周边建筑物的遮挡效应估计不足,算法精度仍有待提高,未考虑卫星方位角影像等,这些也是接下来的研究方向。另外,为了更好地将遥感技术应用于城市的抗震防灾规划工作乃至地震后的震害快速评估工作中去,有关如何利用ENV I等图像处理软件将建筑物的平面信息与层数信息对应起来,实现大范围的房屋建筑面积提取,也是今后的一个重要课题。

[1] 董玉森,詹云军,杨树文.利用高分辨率遥感图像阴影信息提取建筑物高度[J].咸宁师专学报,2002,22(3):35-39.

[2] 谢军飞,李延明.利用IKONOS卫星图像阴影提取城市建筑物高度信息[J].国土资源遥感,2004(4):4-6.

[3] 张桂芳,单新建,尹京苑,等.单幅高空间分辨率卫星图像提取建筑物三维信息的方法研究[J].地震地质,2007,29(1):180-186.

[4] 王永刚,刘慧平.利用角点最近距离统计平均法计算建筑物阴影长度[J].国土资源遥感,2008(3):32-36.

[5] 刘龙飞,王锐君,董卫平,等.一种快速提取建筑物高度的方法研究[J].遥感技术与应用,2009,24(5):631-634.

[6] 郑渊斌.高分辨率卫星遥感影像在城市震害预测中的应用研究[D].上海:同济大学,2008.