共查询到16条相似文献，搜索用时 109 毫秒
1.
遥感图像面向对象分类作为空间信息提取的关键技术, 在震害信息提取方面发挥着非常重要的作用, 然而由于光学遥感影像是正射图像, 只能提取建筑物屋顶信息, 这使得单一利用震后光学影像进行震害信息提取存在一定的局限性. 针对该问题, 本文提出了一种基于合成孔径雷达(SAR)相关变化检测的光学影像震害建筑物面向对象提取方法, 即在光学影像面向对象提取的数据中融合SAR相关性, 对光学影像进行面向对象提取震害建筑物时不仅考虑建筑物的几何、 光谱等特征, 还加入震前震后变化信息即SAR相关性进行分类. 在此基础上, 选取2008年汶川MS8.0地震震区都江堰地区作为研究区进行试验. 结果表明, 本文提出的方法相对于单一使用光学影像进行震害建筑物提取, 其准确度有较明显的提高. 相似文献
2.
针对中分辨率遥感影像建筑物震害信息弱以及变化检测法受非震害信息影响大等弱点, 本文建立了一种基于变化检测的居民区震害信息快速提取方法. 该方法利用主成分变换增强震害信息, 采用监督分类法提取似居民区, 并用灯光影像数据进一步对似居民区提取结果进行优化, 从而很好地消除了变化检测方法中非震害因素的影响. 在此基础上, 以2001年印度MW7.6地震的极重灾区为研究区域, 利用震前、 震后Landsat卫星TM图像和震区灯光影像数据, 对本文算法进行了验证和分析. 结果表明, 在30—50 m中分辨率遥感影像上, 以建筑物为主的居民区震后图像变化最为显著的震害特征是反射率变大, 本文所建立的居民区震害信息提取方法在解决中分辨率遥感影像震害目标信息弱、 背景复杂等方面效果明显. 相似文献
3.
利用遥感技术进行震害建筑物的自动识别可为震害的快速评估与救灾决策提供科学可靠的依据.本文从震害建筑物在高分辨率遥感影像下灰度的特征入手,以5·12汶川特大地震后都江堰市区ALOS遥感影像为数据源,在MATLAB平台下对影像进行灰度增强处理、数学形态学重构以及连接、填充处理,并结合区域统计特性最后自动识别震害房屋.结果表明,利用ALOS影像丰富的纹理特征及空间结构信息与MATLAB在数学形态学处理中的优势能够准确有效地提取震害建筑物信息. 相似文献
4.
面向对象遥感分类方法在汶川地震震害提取中的应用 总被引：7，自引：0，他引：7
震后城市建筑物震害的自动识别与分类, 是遥感震害调查中的关键步骤, 其精度直接影响损失评估的结果. 而随着高分辨率遥感影像的发展, 传统基于像元的分类技术已不能满足需求, 引入面向对象的信息提取技术, 充分挖掘影像对象的纹理、形状和相互关系等信息, 能够有效的提高震害的分类精度. 该文阐述了面向对象的遥感震害提取思路和方法, 并应用汶川地震震后高分辨率航空遥感数据, 针对建筑物震害进行面向对象的快速提取与自动分类. 结果表明, 与基于像元分类比较, 面向对象的建筑物震害分类能够显著改善分类效果. 相似文献
5.
《国际地震动态》2016,(3)
激光雷达技术(light detection and ranging,LiDAR)是近年来在摄影测量与遥感领域发展起来的新型技术,在地震灾后评估工作中的应用仍处于探索及起步阶段,但已经展现出巨大的应用潜力。本文从震害评估的需求出发,基于地面LiDAR技术,深入研究了地震灾区建筑物点云数据采集及处理的方法,在此基础上进行震害信息提取及联合分析。主要研究内容总结如下:(1)传统方法的适应性改进与提高。研究了利用地面LiDAR设备开展测量工作的框架和关键方法,针对震害建筑物点云形状不规则、数据冗余度较高及噪声较多的特点,本文通过改进传统点云数据处理算法的关键参数,给出了合理的兼顾数据处理效率及效果的算法阈值,通过实验检验算法组合的有效性,实现了震害建筑物点云数据的高效处理。(2)首次提出实验性点云震害定量分析模型。提出了基于地面LiDAR的建筑物形状分析模型(terrestrial laser scanning-based building shape analysis model,TLS-BSAM),用于完成建筑物震害程度识别和分析。该模型融合了边缘提取、形状聚类及判别分析方法,有效解决了建筑物等高多边形序列提取、形状离散参数提取、不规则建筑物区块分割和震害分析等问题。模型给出了建筑物等高多边形序列最优采样间隔0.5~1m,最大限度保存建筑物震害特征以实现基于离散点云的形状分析。提出了等高多边形的长宽比r、倾斜方向θ、矩形度R、紧致度C和中心点位置x,y等特征参数,并通过K-means聚类方法,实现不规则建筑物区块准确分割,通过对各参数进行加权平均提取形状离散参数,可有效表达建筑物单体破坏状况的特征。其中倾斜方向、矩形度、紧致度和中心点能较好地反映建筑物的破坏情况,该模型通过建立判别函数对现有建筑物样本震害程度识别效果较理想。(3)拓展点云应用,提高精度。利用面向对象方法,将点云高程、回波次数及回波强度信息等作为特征参数,丰富了传统建筑物特征描述因子,并结合点云的光谱特征构建了建筑物信息提取规则集,阐述了基于点云数据的面向对象方法提取建筑物的关键流程,实现了高精度的建筑物信息提取,与实地调查结果相比,提取精度可达90%以上。(4)建立理论基础,提供新思路与方法。基于LiDAR数据与SAR图像,通过距离-多普勒模型(R-D)及射线追踪法的SAR图像模拟方法,选择典型震害建筑物开展SAR后向散射及三维几何剖面联合分析,阐述了各类震害的表达形式,为震害遥感的定量分析和自动判读建立了良好的理论基础,实现震害建筑物特征的高可信分析及解译,为震后SAR图像解译和建筑物震害分析提供了一种新思路与方法。 相似文献
6.
为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县MS5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。 相似文献
7.
为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地MS7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。 相似文献
8.
对北川县城851栋建筑物的震害资料进行了现场调查,建立了建筑物震害数据库。提取了建筑物不同部位的纹理特征,建立了纹理特征数据库,编写了建筑物三维建模的流程和规则。基于CityEngine平台快速批量地建立了北川县城851栋建筑物的三维模型。采用遥感影像和DEM数据建立了北川县城区域的三维地形,结合建筑物三维模型构建了汶川地震前北川县城的场景。采用建筑物单体震害预测方法,计算分析了不同结构类型建筑物在不同地震烈度(Ⅵ~Ⅺ)下的震害指数和破坏等级。在CityEngine平台中用不同颜色渲染建筑物描述其破坏等级,建立了北川县建筑群三维震害场景。结果表明CityEngine三维快速建模技术比传统3ds Max三维建模技术效率更高,结合单体震害预测方法,可以快速模拟大规模建筑群三维震害场景。 相似文献
9.
SAR影像建筑物震害检测方法研究综述 总被引：1，自引：1，他引：0
合成孔径雷达(SAR)凭借其全天候、全天时的优势,在震后灾情信息的快速获取以及灾情评估上发挥着越来越重要的作用。本文分析了建筑物在SAR影像上的成像特征及不同震害等级的建筑物在SAR影像上的特点,总结了利用SAR技术进行建筑物震害检测的方法,并将其归纳为目视解译、震前震后变化检测、震后单幅影像的震害检测方法。同时分析了这些方法的特点,并对SAR建筑物震害检测方法进行了展望。 相似文献
10.
无人机倾斜摄影技术建模生成的三维影像较好地展现了建筑物侧面和顶面的震害细节信息,然而影像的高维度特性难以直接基于三维影像提取震害信息,经过降低维度转换的二维纹理影像往往会导致建筑物震害信息的不完整性和破碎性。针对这些问题,本文以2017年九寨沟MS7.0地震为例,提出了一种直接从九寨沟震后三维影像获取侧面纹理信息的方法,即将三维模型打散,实现纹理与不规则三角网分离,从而获取完整的纹理影像,然后利用金字塔模型的瓦片坐标范围、瓦片命名规则和建筑物单体的空间位置选取最优纹理影像,再使用加权均值方差法确定纹理影像中建筑物的外墙最佳分割尺度后,采用面向对象方法提取建筑物外墙和墙皮脱落信息,最后通过对这些建筑物震害特征的分析,判定单体建筑物的破坏等级。结果显示,该方法成功获取了建筑物完整的侧面震害纹理影像,并基于纹理影像提取了外墙、裂缝和墙皮脱落区域信息判定建筑物单体为中等、严重两个破坏等级。 相似文献
11.
The synthetic aperture radar (SAR) plays an important role in earthquake emergency response because of its all-time and all-weather imaging capabilities. On April 14, 2010, an MS7.1 earthquake occurred in Yushu county, Qinghai province of China, causing a lot of buildings collapsed. In this paper, the building damage in Yushu city due to the earthquake was assessed quantitatively using high-resolution X-band airborne SAR image. The features of the buildings with different damage levels (collapsed, partial collapsed, non-collapsed) in the SAR image were analyzed first. Based on these building features, we interpreted the individual building damage in Yushu city block by block and got the numbers of the collapsed, partial collapsed and non-collapsed buildings separately for each block, referring to pre-earthquake QuickBird image when necessary. Let the damage index of individual collapsed, partial collapsed, non-collapsed building be 1, 0.5, 0 respectively, the remote sensing damage index of each block was then calculated through remote sensing damage index equation. Finally, the preliminary quantitative relationship between the remote sensing damage index interpreted from the SAR image and that interpreted from the optical image was built up. It can be concluded that a desirable damage assessment result can be derived from high-resolution airborne SAR imagery. 相似文献
12.
基于无人机影像的九寨沟地震建筑物震害定量评估 总被引：1，自引：0，他引：1
利用2017年8月8日九寨沟7.0级地震震后获取的无人机影像,结合地面震害调查资料,分析各类建筑物震害特征,建立建筑物震害无人机遥感解译标志;选取地震灾区漳扎镇(部分区域)和荷叶寨2个区域作为研究区,进行了无人机遥感建筑物震害提取,基于遥感震害指数进行了震害定量评估,并与现场建筑物震害调查统计结果进行了比较验证。结果显示,遥感解译建筑物震害与实际震害程度相吻合,表明利用震后快速获取的高分辨率无人机影像,可以较为准确地识别建筑物震害,进而为地震灾害定量评估和应急救援辅助决策提供重要参考。 相似文献
13.
采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟MS7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕（Kappa）系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。 相似文献
14.
A PRELIMINARY STUDY ON THE METHOD OF SEISMIC INTENSITY ASSESSMENT BASED ON RESIDENTIAL BUILDING DATA AND HIGH RESOLUTION REMOTE SENSING IMAGES 
下载免费PDF全文
下载免费PDF全文 After destructive earthquakes, the assessment result of seismic intensity is an important decision-making basis for emergency rescue, recovery and reconstruction. This job requires higher timeliness by government and society. Because remote sensing technology is not affected by the terrible traffic conditions on the ground after the earthquake, large-scale seismic damage information in the earthquake area can be collected in a short time by the remote sensing image. The remote sensing technique plays a more and more important role in rapid acquisition of seismic damage information, emergency rescue decision-making, seismic intensity assessment and other work. On the basis of previous studies, this paper proposes a new method to assess seismic intensity by using remote sensing image, i.e. to interpret the building collapse rate of a residential quarter after an earthquake by high-resolution remote sensing images. If there already are detailed building data and building structure vulnerability matrix data of a residential area, we can calculate the building collapse rate under any intensity values in this residential area by using the theory of earthquake damage prediction. Assuming that the building collapse rate interpreted by remote sensing is equal to the building collapse rate predicted by using the existing data, it will be easy to calculate the actual seismic intensity of the residential area in this earthquake event. Based on this idea, according to the relevant standard specifications issued by China Earthquake Administration, this paper puts forward some functional models, such as the calculation model of building collapse rate based on remote sensing, the data matrix model of residential building structure, the prediction function matrix model of residential building collapse rate and the prediction model of residential building collapse rate. A formula for calculating seismic intensity by using remote sensing interpretation of collapse rate is also proposed. To test and verify the proposed method, this paper takes two neighboring blocks of Jiegu Town after the Yushu M7.1 earthquake in Qinghai Province as an example. The building structure matrix of the study block was constructed by using pre-earthquake 0.6m resolution satellite remote sensing image(QuickBird, acquired on November 6, 2004), post-earthquake 0.2m aerial remote sensing image(acquired by National Bureau of Surveying and Mapping, April 15, 2010) and some field investigation data. The building collapse rate in the two blocks was calculated by using the interpretation results of seismic damage from the Remote Sensing Technology Coordinating Group of China Seismological Bureau. The seismic damage matrix of building structures in Yushu area is constructed by using the abundant scientific data of the scientific investigation team of the project “Comprehensive Scientific Investigation of the Yushu M7.1 Earthquake in Qinghai Province” of China Seismological Bureau. On this basis, the collapse rate prediction function of different structures in Yushu area is constructed. According to the prediction function of collapse rate and the building structure matrix of the two blocks, the building collapse rate under different intensity values is predicted, and the curve of intensity-collapse rate function is drawn. By comparing the building collapse rate interpreted by remote sensing and the intensity-collapse rate function curve of this two blocks, the seismic intensity of both blocks are calculated to be the same value: Ⅸ degree, which is consistent with the results of the field scientific investigation of the earthquake. The validation shows that the method proposed in this paper can effectively avoid the influence caused by the difference of seismic performance of buildings and accurately evaluate seismic intensity when using remote sensing technique. The method has certain application value for earthquake emergency work. 相似文献
15.
2013年4月20日四川芦山MS7.0级地震发生后,在灾区应急获取了多种高分辨率航空和无人机遥感影像,并快速解译提取了灾区建筑物震害信息.采用地震烈度遥感定量评估方法,利用2008年汶川8.0级地震等震后震害遥感解译和现场调查研究确定的经验震害遥感定量评估模型,获得了芦山地震灾区126个主要居民点的地震烈度遥感评估结果,并据此圈画了地震烈度分布遥感评估图.结果显示,本次地震Ⅸ度区面积约150km2,Ⅷ度区面积约900km2.该结果在第一时间(4月21日晚)提供给了中国地震局地震现场应急指挥部.对比分析显示,地震烈度遥感快速评估结果与中国地震局4月25日公布的地震烈度图,以及与笔者在现场实地进行的建筑物震害详细调查结果基础上评定的地震烈度具有较高的一致性.表明强烈地震发生后,借助于快速获取的灾区高分辨率遥感影像,可以快速估计地震烈度分布,对地震灾区灾情估计和抗震救灾工作具有十分重要的参考意义. 相似文献
16.
快速评估建筑物地震灾害信息对地震应急救援工作有着指导意义,而极化SAR具有全天候、全天时的特点,因此利用极化SAR图像提取震害信息已逐渐成为研究热点。虽然极化SAR具有丰富的极化信息,但其纹理信息不可忽略,尤其是完好的人工建筑物在图像上呈现规则的纹理特征,而倒塌建筑区域纹理分布杂乱,因此结合纹理信息也可以很好地提取建筑物信息。以2010年玉树地区的全极化SAR数据为研究对象,首先,利用Yamaguchi分解的体散射分量PV提取了SAR图像中的建筑物区域以及道路、水系等非建筑物信息,在此基础上,对相干散射矩阵T11分量中倒塌建筑物、完好建筑区域进行变差计算,根据变差曲线确定变程a后,再对建筑物区域采取窗口m*m(m=3*a)进行变差计算得到变差纹理信息,最后利用FCM算法对变差纹理信息分别提取完好建筑物和倒塌建筑物区域,为了对比分析,文章利用Yamaguchi分解的二次散射分量PD提取完好建筑物区域,与震后光学遥感图像对应样本点进行人工验证,得到完好建筑物的提取精度为80.18%,倒塌建筑物的提取精度为84.54%,道路水系的提取精度为77.58%。 相似文献