共查询到19条相似文献，搜索用时 953 毫秒
1.
灾后建筑物损毁检测有助于灾后的迅速救助,因此,开展对高分辨率遥感影像灾后建筑物损毁检测的研究具有重要意义。本文提出了一种基于局部拉普拉斯算子的高分辨率遥感影像灾后建筑物损毁检测的方法。首先,利用局部拉普拉斯算子将灾后高分辨率遥感影像分为平滑表面类和粗糙表面类,然后,根据灾害前建筑物数字线划图提取灾害后未损毁建筑物得到检测结果。为验证本文方法的有效性,采用两组纽约市2012年飓风后的高分辨率遥感影像进行实验。结果表明,本文提出的方法能取得超过92%的总体精度。 相似文献
2.
高分辨率遥感影像中震后灾损建筑物提取是震害预估中极具重要的参考指标，研究遥感影像的震后灾损建筑物提取方法具有重要的科学意义。本文以青海玉树震后典型的灾损建筑物数据为研究对象，针对卷积神经网络对于城市建筑物纹理特征信息利用的不足，将局部二值模式(LBP)纹理特征与SegNet深度卷积神经网络相结合，采用有监督学习分类的方式训练卷积神经网络，实现震后灾损建筑物自动分类提取，并与传统面向对象提取方法进行对比。实验结果表明，LBP纹理特征与SegNet卷积神经网络模型相结合，对于震后灾损建筑物的提取能提高预测精度，用户精度与生产者精度分别有2%～7%,2%～9%的提升。 相似文献
3.
建筑物损毁信息提取作为震后损失评估的重要内容,对于及时了解灾情、开展灾害应急响应及灾后恢复重建等具有重要意义。近年来,多平台遥感技术和高分辨率遥感技术的飞速发展为建筑物损毁信息的精确提取带来新的发展机遇。在介绍建筑物损毁基本特征和分级标准的基础上,总结了目前国内外遥感技术在建筑物损毁检测方面的常见方法,包括基于震后单时相的提取方法、灾前灾后的变化检测方法以及融合多源数据的建筑物损毁信息检测方法,并分析了各种方法本身的局限性与不足。结合目前遥感领域的前沿技术,探讨了如何基于高分辨率遥感技术、合成孔径雷达技术、机载激光雷达技术以及倾斜摄影技术实现震后建筑物损毁信息的提取。 相似文献
4.
准确地获知灾区的建筑物损毁程度能为抗震救灾和灾后重建提供决策依据。利用震后极化合成孔径雷达(SAR)数据,该文提出了一种综合利用极化分解后多纹理特征的震后建筑物损毁评估方法。首先,用Pauli分解的π/4偶次散射分量剔除非建筑区;其次,用Pauli分解的π/4偶次散射分量的方差特征、对比度特征和Pauli分解的奇次散射分量的对比度特征识别倒塌建筑物,并分别基于区块计算建筑物损毁指数;最后,综合3个纹理特征完成建筑物的损毁评估。采用玉树震后RADARSAT-2数据和东日本大地震后ALOS-1数据的实验验证了所提方法对建筑物损毁评估的有效性,该方法对玉树城区和日本石卷城区的重度、中度和轻度损毁建筑评估的总体精度分别为74.39%和80.26%。与其他方法的对比实验表明,该方法能减少取向角的影响,对存留有少数与方位向平行的完好建筑物的倒塌区、大取向角的完好建筑区的评估更为准确。 相似文献
5.
地震发生后,利用高分辨率遥感图像进行建筑物损毁检测,有利于快速评估灾害损失。在分析损毁建筑物梯度分布的基础上,提出了一种利用梯度局部空间统计检测震害损毁建筑物的方法。首先用Prewitt算子提取图像梯度信息;然后对梯度图像进行局部空间统计,统计各建筑物屋顶内部梯度的空间相关性,得到初步损毁检测结果;最后,在先验知识的指导下进行极小值分析和阴影检测,进一步修正建筑物损毁检测结果。分别以玉树地震后的Quickbird卫星遥感图像和盈江地震后的光学航空图像为例进行实验,结果表明,利用梯度局部空间统计检测震害损毁建筑物的方法效果优于传统损毁检测方法,总体精度达到80%以上,能够有效检测损毁建筑物。 相似文献
6.
针对震后复杂场景下LiDAR点云建筑物破坏类型自动识别问题，为满足应急救援时效性、准确性需求，告别传统人工震害特征提取，充分挖掘点云数据中灾区建筑物震害信息，进一步实现建筑物自动化智能化识别。本文将3D点云深度学习方法应用于建筑物震害识别，构建了包含倒塌、局部倒塌、未倒塌3种建筑物破坏类型的点云数据集。基于PointNet++网络探究了各类别样本量及其均衡性对识别精度的影响，并提出破坏建筑物样本增强方法，丰富了各类别样本点云形态。利用2010年海地7.0级地震后机载LiDAR数据，在PointNet++网络中进行了样本增强前后分类精度比较、样本量以及均衡性分析实验，样本增强后倒塌和局部倒塌的分类精度分别提高近27%和17%，模型整体平均分类精度、Kappa系数均有近15%的提升。实验结果表明三维建筑物震害深度学习模型在各类别样本量足够且均衡时，才能取得较好的分类识别效果。 相似文献
7.
基于U型卷积神经网络的航空影像建筑物检测 总被引：3，自引：2，他引：1
经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30 km2、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。 相似文献
8.
建筑物群组模式的识别是建筑物综合的重要步骤,高效的建筑物群组模式识别方法能有效提升地图自动综合的质量。建筑物群组模式的识别目前主要包括几何方法和传统的机器学习方法两种,存在规则定义复杂、特征工程庞大等缺点。图卷积神经网络方法克服了传统方法的局限性,已成功地应用于建筑物的模式分析。然而,目前使用图卷积进行建筑物群组多模式识别的相关研究较少,且已有的图卷积大多基于谱域图卷积,对空间局部信息考虑不足。引入空间图卷积模型DGCNN(deep graph convolutional neural network)进行建筑物群组的多模式识别,首先聚类建筑物数据形成群组,并构建建筑物群组的几何模型;然后定义建筑物的特征向量,建立建筑物群组的图结构;最后将图结构输入DGCNN模型训练,得到建筑物群组模式。结果发现,该模型在训练集的精度达到97.60%,测试集的精度达到95%,优于谱域图卷积方法,能有效用于建筑物群组模式分类。 相似文献
9.
针对航空影像中已分割出的建筑物顶面,提出了一种利用视觉词袋模型检测建筑物顶面损毁区域的方法。该方法首先利用简单线性迭代聚类方法对建筑物顶面进行超像素分割,然后对超像素区域利用颜色和梯度方向直方图特征构建视觉词袋模型,最后使用支持向量机（support vector machine,SVM）对超像素区域中的损毁区域进行检测。实验结果表明,该方法能有效判定建筑物顶面损毁区域,对提高建筑物整体损毁检测精度具有重要意义。 相似文献
10.
CityGML数据因建模方法、模型优化及数据转换等原因所导致的模型几何、拓扑、语义不一致性广泛存在,影响了对其的进一步应用.本文提出并构建了顾及语义约束的CityGML建筑物模型拓扑一致性规则集,设计了对CityGML LOD2/LOD3/LOD4多细节层次建筑物模型数据进行自动检测与修复的算法,并采用OGC官网公开数据对算法进行了验证试验.试验结果表明,所构建一致性规则集具有较好的完备性,算法能够检测出CityGML建筑物模型数据存在的绝大多数拓扑不一致问题,并能对其中部分的拓扑错误和几何错误进行自动修复. 相似文献
11.
为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。 相似文献
12.
从灾后机载激光点云自动检测损毁房屋的等高线簇分析方法 总被引：1，自引：0，他引：1
利用灾后机载激光扫描点云的地震损毁房屋检测方法主要针对平面屋顶房屋,从局部分析屋顶的平面特征,导致只能有效检测屋顶严重破碎的损毁房屋。为此本文提出了一种等高线簇相似分析的地震损毁房屋检测方法,充分挖掘房屋等高线簇蕴含的房屋表面形状丰富的二维和三维信息,利用等高线簇形状相似度的归一化信息熵从整体上综合描述损毁房屋的损毁特征,并利用最大熵模型自动检测损毁房屋。采用2010年4月El Mayor-Cucapah地震断裂带激光点云数据进行了试验,证明本文提出的方法能快速、准确、可靠地检测损毁房屋。 相似文献
13.
高分辨率遥感影像建筑物分级提取 总被引：1，自引：1，他引：0
高分辨率遥感影像建筑物信息自动提取是遥感应用研究中的一个热点问题,但由于受到成像条件不同、背景地物复杂、建筑物类型多样等多个因素的影响使得建筑物的自动提取仍然十分困难。为此,在综合考虑影像光谱、几何与上下文特征的基础上,提出了一种基于面向对象与形态学相结合的高分辨率遥感影像建筑物信息分级提取方法。该方法首先利用影像的多尺度及多方向Gabor小波变换结果提取建筑物特征点;然后采用面向对象的思想构建空间投票矩阵来度量每一个像素点属于建筑物区域的概率,从而提取出建筑物区域边界;最后在提取的建筑物区域内应用形态学建筑物指数实现建筑物信息的自动提取。实验结果表明,本文方法能够高效、高精度地完成复杂场景下的建筑物信息提取,且提取结果的正确性和完整性都优于效果较好的PanTex算法。 相似文献
14.
特征提取对建筑物精细建模的品质和精度起着重要作用。为清晰准确地提取建筑物的特征信息,本文针对采用传统的法矢估计方法受噪声影响大、存在误判的问题,提出了一种基于移动最小二乘法矢估计的建筑物点云特征提取方法。该方法首先采用移动最小二乘法进行法矢估计,然后将K邻域法矢夹角的均值作为点的显著性指标进行特征点判别,最后对提取出的特征点集进行下采样,进一步消除冗余信息。试验结果表明,采用移动最小二乘法进行点云法矢估计,其结果更加准确和稳健,从而有效提升了建筑物点云特征提取的精确性和可靠性,对特征点集的下采样能够删除大量冗余特征点,使提取的特征线更加简洁、清晰、完整。 相似文献
15.
16.
提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。 相似文献
17.
一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法 总被引：1，自引：0，他引：1
从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。 相似文献
18.
利用机载LiDAR点云数据进行建筑物重建是当今摄影测量与遥感领域的一个热点问题,特别是复杂形状建筑物模型的精确自动构建一直是一个难题。本文提出一种基于关键点检测的复杂建筑物模型自动重建方法,采用RANSAC法与距离法相结合的分割方法自动提取建筑物屋顶各个平面的点云,并利用Alpha Shape算法提取出各个平面的精确轮廓,根据屋顶平面之间的空间拓扑关系分析建筑物的公共交线特征,在此特征约束下对提取的初始关键点进行修正,最终重建出精确的建筑物3维模型。选取不同类型复杂建筑物与包含复杂建筑物的城市区域点云进行实验,结果表明该算法具有较强实用价值。 相似文献
19.
Milad Janalipour 《International Journal of Digital Earth》2018,11(12):1241-1268
Building damage maps after disasters can help us to better manage the rescue operations. Researchers have used Light Detection and Ranging (LiDAR) data for extracting the building damage maps. For producing building damage maps from LiDAR data in a rapid manner, it is necessary to understand the effectiveness of features and classifiers. However, there is no comprehensive study on the performance of features and classifiers in identifying damaged areas. In this study, the effectiveness of three texture extraction methods and three fuzzy systems for producing the building damage maps was investigated. In the proposed method, at first, a pre-processing stage was utilized to apply essential processes on post-event LiDAR data. Second, textural features were extracted from the pre-processed LiDAR data. Third, fuzzy inference systems were generated to make a relation between the extracted textural features of buildings and their damage extents. The proposed method was tested across three areas over the 2010 Haiti earthquake. Three building damage maps with overall accuracies of 75.0%, 78.1% and 61.4% were achieved. Based on outcomes, the fuzzy inference systems were stronger than random forest, bagging, boosting and support vector machine classifiers for detecting damaged buildings. 相似文献