共查询到16条相似文献，搜索用时 187 毫秒
1.
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
2.
面向对象的遥感震害信息提取方法——以汶川地震为例 总被引：1，自引：0，他引：1
本文总结了近年来利用遥感影像进行震害信息提取的方法和研究趋势,随着遥感影像分辨率的提高,震害信息提取逐渐从传统的基于像元方法向基于对象的方法转变.文中以汶川地震为例,利用面向对象的分类方法提取了典型震害信息,并提出了面向对象的变化检测方法的工作流程.对震害建筑物破坏情况,分别用最小距离分类、马氏距离分类、支撑向量机分类和面向对象分类进行了实验研究,并对这几种不同分类方法的实验结果进行了对比分析.实验结果表明,面向对象的震害信息提取方法克服了传统的基于像元的分类方法的缺点,提高了建筑物识别的精度,在建筑物震害和地震次生灾害的信息提取中取得了较好的效果. 相似文献
3.
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
4.
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
5.
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
6.
传统的仅依赖于光谱信息的遥感影像信息提取方法难以满足精度要求, 基于CART算法构建规则集, 利用决策树技术对玉树地区高分辨率影像进行建筑物信息提取, 除了光谱信息外还结合建筑物的纹理特征信息。 结果表明, 提取精度较传统的最大似然法有了较明显的提高, 说明此方法对于高分辨率影像建筑物提取具有一定的可行性。 相似文献
7.
遥感分类方法在建筑物震害提取中的应用（以玉树地震为例） 总被引：1，自引：0，他引：1
建筑物损毁情况是地震灾害评估的一项重要指标,利用遥感技术快速提取震后建筑物震害信息,对科学指导地震应急救援工作具有重要意义.利用2010年4月14日青海玉树7.1级地震前后玉树县结古镇团结村高分辨率遥感影像,结合像素光谱和空间特性的纹理、结构等多源信息,基于支持向量机（SVM）方法,对地震前后建筑物信息进行分类提取,变化检测出建筑物损毁情况,并与面向对象多源信息复合的模糊分类法的分类精度、提取效率进行对比分析.研究结果表明,多源数据复合的SVM影像分类方法能够有效解决模糊分类影像破碎问题,地震前后两实相影像分类总精度达到77.53％和73.56％,提高了建筑物震害信息提取精度. 相似文献
8.
为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明:建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。 相似文献
9.
地震是破坏力极强的自然灾害之一,随着城市的人口和建筑物的逐年增多,一旦发生严重的地震灾害,后果不堪设想。因此,在对城市地震预测的研究中,需要采用高分辨率的遥感影像来提取建筑物的三维信息。本文对高分辨率遥感影像的建筑物三维信息提取的方法进行了研究,并判断了其准确性和适应性,对地震区的防震减灾工作有一定的参考价值和意义。 相似文献
10.
建筑物倒塌是造成地震人员伤亡的主要原因,对地震应急救援与决策具有重要的指导意义.遥感以其综合、宏观、快速、动态的特点,为地震灾害信息调查和震害快速评估提供了一种可靠的信息源.面向对象的分类方法是针对高分辨率影像的一种新的分类方法.本文在总结遥感影像建筑物震害信息提取方法进展的基础上,将建筑物分为基本完好和毁坏两个等级.选取唐山地震和汶川地震的震后航片,利用面向对象的分类方法来识别影像上基本完好的建筑物,计算评估区内的建筑物倒塌率.实验结果表明,面向对象的分类方法充分利用了图像上的光谱、形状、纹理等特征.在很大程度上克服了基于像元分类方法的局限性,并且基于对象的建筑物倒塌率计算也取得了较好的精度. 相似文献
11.
12.
随着遥感信息源的不断增加,多种遥感数据被用于详细判读建筑物的震害情况.为准确判读震害等级与建立震害自动识别模式,本文收集整理了汶川地震震区的震害遥感图像,通过目视判读、图像处理、统计分析,重点分析了各类震害建筑物在光学影像中的特征表现、在合成孔径雷达图像中的成像机理特征以及在激光雷达图像中的三维特征.在此基础上构建了建筑物简化模型,并联合光学影像和雷达图像对震害建筑物的影像特征剖面予以分析.结果显示:光学遥感图像色彩信息符合人眼色觉原理,具有较好的直观判读效果;合成孔径雷达图像能够记录地物侧面、表面的粗糙程度和角反射特点,信息量丰富但不直观;激光雷达图像能获取建筑物的三维信息,因此震害评估工作中需有效地综合利用多源遥感数据,才能实现最佳的判识效果. 相似文献
13.
近年来高分辨率遥感技术快速发展,其在灾害研究领域的应用也越来越广。将遥感技术用于建筑群在地震灾害中的脆弱性和损失风险分析,不仅能保证建筑物类型和数量调查更新的时效性,而且有利于进行不同时期损失风险的对比分析,以便揭示震灾损失风险的变化规律。通过分析高分辨率建筑群的遥感影像特征,设计了一套提取建筑物属性信息(高度和面积)的方法,并通过实地调查验证了其可行性;将提取的建筑群属性信息与传统的震灾风险分析模型相结合,即可实现对研究区建筑群在地震灾害中的脆弱性和损失风险分析。以唐山市区和9个乡镇2009年的建筑物为研究对象,提取了它们的属性信息,在设定地震烈度情景下,分析了这些建筑物在地震灾害中的脆弱性和损失风险。 相似文献
14.
《地震研究进展（英文）》2021,1(4):100069
In order to improve the accuracy of building structure identification using remote sensing images, a building structure classification method based on multi-feature fusion of UAV remote sensing image is proposed in this paper. Three identification approaches of remote sensing images are integrated in this method: object-oriented, texture feature, and digital elevation based on DSM and DEM. So RGB threshold classification method is used to classify the identification results. The accuracy of building structure classification based on each feature and the multi-feature fusion are compared and analyzed. The results show that the building structure classification method is feasible and can accurately identify the structures in large-area remote sensing images. 相似文献
15.