面向对象的高分辨率遥感影像建筑物震害信息提取
2016-01-05甘甜,李金平,李小强等
面向对象的高分辨率遥感影像建筑物震害信息提取
甘甜1,2,李金平1,2,李小强1,2,王刘伟1,2(1.云南师范大学旅游与地理科学学院，云南昆明650500；2.西部资源环境地理信息技术教育部工程研究中心，云南昆明650500)
摘要：建筑物的倒损信息是震后灾害评估的一项重要指标。文中应用震后高分辨率遥感影像数据，采用面向对象分类方法，以最优分割参数对影像进行分割，构建多尺度影像对象层次结构。通过影像对象的光谱、形状、纹理等特征及空间拓扑关系建立分类规则库，提取基本完好、受损和完全倒塌三类破坏等级的建筑物震害信息。结果表明，面向对象分类方法能够实现提取三类等级的建筑物震害信息，从而满足地震灾害快速评估要求。
关键词：面向对象；高分辨率遥感；震害信息提取；多尺度分割
中图分类号：P237文献标志码：A
收稿日期：2015-01-23；修回日期：2015-03-28
基金项目：云南省科技计划项目(2011XXL004)
作者简介：甘甜(1989-)，女，硕士研究生.
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
地震发生后快速做好震害调查与评价工作，是迅速实施灾后救援、重建以及最大限度降低经济财产损失的重要途径[1-2]。随着遥感技术的快速发展，不同平台和不同传感器的高空间分辨率遥感为地震灾害信息提取和震害快速评估提供了海量的、可靠的震前和震后遥感数据源，这些遥感数据可以节省人力、物力、财力并较大程度地提供大范围震害信息，在地震灾害损失快速评估中得到广泛应用[3-5]。
震后城镇建筑物震害信息的自动识别与分类是遥感震害调查中的关键技术，震害信息的提取精度直接影响地震灾害损失评估的结果[6]。传统基于像素的分类方法存在着不能充分地挖掘影像的光谱、形状、纹理等特征和上下文信息以及分类精度低、速度慢等局限性，不能满足震害信息快速提取需求[7]，而面向对象的影像分类方法为高空间分辨率遥感影像震害信息提取提供了新的思路[8-13]。本文利用玉树县震后的QuickBird高分辨率遥感影像数据，采用面向对象的遥感影像分类技术，研究实现基本完好、受损和完全倒塌三类破坏等级的建筑物震害信息提取，为灾害损失快速评估提供可靠的基础数据。
1影像对象特征选取
面向对象的影像分类方法处理的最小单元是由多个相邻像素组合且包含多重语义的影像对象。使用eCognition软件进行面向对象的建筑物震害信息提取，先通过波段权重、颜色因子和形状因子、紧致度和光滑度等分割参数的设置，将多尺度分割后对不同的影像对象的特征原则和阈值进行归类，建立多尺度影像对象层次结构，而后影像对象的光谱、形状、纹理及相邻关系等特征的选取并建立判别规则是实现不同的影像对象分类信息提取的关键，本文选取的影像对象特征如表1所示。
表1 对象特征选取与描述
2面向对象的遥感影像建筑物震害信息提取
面向对象的建筑物震害信息提取主要包括两部分工作：影像分割和分类，其中影像分割是分类的基础，确定合理的分割尺度并生成属性信息类似的影像对象层次结构，然后利用分类方法进行震害信息类别归属的划分。
2.1 技术流程
研究中将建筑物震害信息的等级分为基本完好(轻微损害)、受损(中度损害、严重损害)和完全倒塌等三类，面向对象的高分辨率遥感影像建筑物震害提取过程主要包括影像预处理、影像分割、分类和精度评价4项工作，具体技术流程如图1所示。
2.2 多尺度分割
本文选取2010年4月15日玉树县结古镇1092×712像素范围的震后QuickBird高分辨率遥感影像作为实验数据(见图2)。
根据多次实验确定多尺度分割的最优参数对影像进行分割，构建由两个影像对象层组成的影像对象层次结构，其中两个对象层的分割参数见表2，分割的影像对象结果如图3所示。
表2 最优分割尺度的多尺度分割的参数选取
2.3 影像分类与震害信息提取
整个提取流程按“自上而下”分为2层，针对不同的地物类型，依据光谱、形状、纹理、拓扑等特征和上下文关系进行特征组合建立多层次建筑物震害信息提取规则，采用最邻近分类和隶属度函数分类相结合的方式进行分类提取，其分类体系结构及分类规则如表3所示。
图1 面向对象的建筑物震害信息提取技术流程
提取类别层级最邻近分类器隶属度函数分类器完全倒塌(废墟)Level1Length/Width、Density、StdDev、Ratio(B,G,R,INR)ShapeIndex>2.2其他道路和裸地阴影植被暗色屋顶基本完好受损亮色屋顶基本完好受损红色屋顶基本完好受损蓝色屋顶基本完好受损黄色屋顶基本完好受损Level2继承Level1,多尺度层次结构进行不同层之间的信息传递。Length/Width、Ratio(INR)、StdDev、DensityLength/Width>4orShapeIndex>2.1andArea>500Brightness<360,NDVI<0.1NDVI>0.4430
图2 研究区影像
(a) Level1分割尺度为80
(b) Level2分割尺度为45 图3 多尺度分割影像对象层次结构
先从Level1对象层中分离出完全倒塌建筑物和其他地物，完全倒塌建筑物呈现为一片废墟，看不到完整的几何形态和结构，灰度值分布离散性较为明显，造成分割后的对象多边形非常破碎。选用长宽比、密度、光谱标准差和贡献率等特征构成模糊规则参与最邻近分类，用形状指数来限制参与隶属度函数分类的对象的形状特征，Level1对象层的分类结果如图4所示。
图4 Level1层分类结果
在多尺度层次结构中进行不同层之间的信息传递，对于Level2对象层，先将Level1层分类结果继承再进行细分类为道路和裸地、阴影、植被、基本完好(含轻度受损)和受损建筑(含中度、严重)等类。根据建筑物屋顶亮度和颜色的不同又可将基本完好和受损建筑物类分为：暗色屋顶、亮色屋顶、红色屋顶、蓝色屋顶、黄色屋顶等5个类别。道路在分割后多呈长条线性分布，可选用长宽比特征进行提取，裸地多呈不规则的大面积块状，可选用面积和形状指数特征进行提取。不同屋顶类型的建筑物、未完全倒塌建筑物具有基本的几何特征，并与阴影邻接，可分别选用波谱贡献率、矩形拟合度、亮度和GLDV熵限制参与隶属度函数分类的对象。建筑物遭到地震破坏后掉下来的碎屑(废墟)会散落到建筑物间的空地或道路上，成为标志破坏建筑物的一个重要特征，选用波段贡献率、亮度、矩形拟合度、长宽比、灰度差分向量熵值、不同屋顶类型的建筑物与废墟的距离来区分基本完好和受损两种建筑震害类型，Level2对象层分类结果如图5所示。最终，三个等级的建筑物震害信息提取结果如图6所示。
图5 Level2层分类结果
图6 建筑物震害信息提取结果
3结果分析
以生产者精度、用户精度、总体精度和Kappa系数作为分类精度的评价指标，采用混淆矩阵法评价建筑物震害倒损提取精度，其结果见表4。可以看出，分类的总体精度较高。
从模糊分类隶属度的角度，用分类稳定性评价对遥感数据中提取信息的稳定性进行评价，以最优分类结果评价对遥感数据中对象分类结果是否最优进行评价，如图7所示。从红色到绿色表明每类对象的类隶属度值由低到高，可以看出大部分对象的隶属度值都很高。
表4 精度评价
(a)分类稳定性评价
(b)最优分类结果评价 图7 模糊分类隶属度评价结果
4结束语
面向对象的高分辨率遥感影像分类，运用多尺度分割技术构建影像对象的层次结构，可以根据不同地类影像对象的各种特征和拓扑关系组合建立判断规则，以稳定性评价和最优分类结果两方面对建筑物震害提取结果进行评价，实现建筑物震害信息精细提取。对比分析发现，面向对象方法提取的建筑物倒损结果与国家减灾中心公布的房屋倒损评估结果中不同震害等级建筑物的分布范围基本一致，同时与研究区目视解译的结果基本一致。面向对象的高分辨率遥感影像地震建筑物倒损信息按基本完好(轻微损害)、中度损害、严重损害、完全倒塌等4类精细提取是今后研究的重点。
参考文献：
[1]张景发,谢礼立,陶夏新.典型震害遥感图像的模型分析[J].自然灾害学报,2001(2):89-95.
[2]魏成阶,刘亚岚,王世新,等.四川汶川大地震震害遥感调查与评估[J].遥感学报,2008,12(5):673-680.
[3]梅安新,彭望碌.遥感导论[M].北京:高等教育出版社,2001.
[4]陈文凯,何少林,张景发,等.利用遥感技术提取震害信息方法的研究进展[J].西北地震学报,2008(1):88-93.
[5]柳稼航,杨建峰,魏成阶，等.震害信息遥感获取技术历史、现状和趋势[J].自然灾害学报,2004,13(6):47-54.
[6]王岩, 王晓青, 窦爱霞.面向对象遥感分类方法在汶川地震震害提取中的应用[J].地震,2009(3):54-60.
[7]曾涛,杨武年,黎小东,等.面向对象的高空间分辨率遥感影像信息提取——汶川地震城市震害房屋案例研究[J]. 自然灾害学报,2010(5):81-87.
[8]石宁，马慧云，张云生，等.基于位置服务的ADS40 L0级影像最佳扫描行快速搜索算法[J].测绘工程，2015,24(3):11-15.
[9]李莉.面向对象的高分辨率遥感影像信息提取研究[D].成都:成都理工大学,2012.
[10]雷广渊，周辉.基于SBAS技术的金属矿山沉降规律研究[J].测绘工程，2015,24(3):40-46.
[11]赵福军.遥感影像震害信息提取技术研究[D].北京:中国地震局工程力学研究所,2010.
[12]吴剑.基于面向对象技术的遥感震害信息提取与评价方法研究[D].武汉:武汉大学,2010.
[13]关元秀,程晓阳.高分辨率卫星影像处理指南[M].北京:科学出版社,2008:164-186.
[责任编辑：张德福]
