共查询到17条相似文献，搜索用时 140 毫秒
1.
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
2.
利用震后灾区全极化SAR影像可快速提取建筑物震害信息,为应急救援的快速有效实施提供重要的灾情信息支持。本文建立基于极化散射矩阵的Pauli-Wishart监督极化分类的建筑物震害信息提取和以街区为尺度的震害程度评估方法,包括Pauli分解、Wishart监督分类和遥感震害指数提取,并利用玉树县城区2010年4月14日青海玉树7.1级地震震后全极化Radarsat-2影像,提取了建筑物震害信息。经统计,确定结果总体分类精度达到0.81,Kappa值为0.61,表明本文提取建筑物震害的方法是可行的。 相似文献
3.
4.
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
5.
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
6.
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
7.
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
8.
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
9.
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
10.
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
11.
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
12.
STUDY ON THE MRF-BASED METHOD FOR DAMAGED BUILDINGS EXTRACTION FROM THE SINGLE-PHASE SEISMIC IMAGE 
下载免费PDF全文
下载免费PDF全文 Earthquake events are one of the most extraordinarily serious natural calamities, which not only cause heavy casualties and economic losses, but also various secondary disasters. Such events are devastating, and have far-reaching influences. As the main disaster bearing body in earthquake, buildings are often seriously damaged, thus it can be used as an important reference for earthquake damage assessment. Identifying damaged buildings from post-earthquake images quickly and accurately is of real importance, which has guidance meaning to rescue and emergency response. At present, the assessment of earthquake damage is mainly through artificial field investigation, which is time-consuming and cannot meet the urgent requirements of rapid emergency response. Markov Random Field(MRF)combines the neighborhood system of pixels with the prior distribution model to effectively describe the dependence between spatial pixels and pixels, so as to obtain more accurate segmentation results. The support vector machine(SVM)model is a simple and clear mathematical model which has a solid theoretical basis; in addition, it also has unique advantages in solving small sample, nonlinear and high-dimensional pattern recognition problems. Thus, in this paper, a Markov random field-based method for damaged buildings extraction from the single-phase seismic image is proposed. The framework of the proposed method has three components. Firstly, Markov Random Field was used to segment the image; then, the spectral and texture features of the post-earthquake damaged building area are extracted. After that, Support Vector Machine was used to extract the damaged buildings according to the extracted features. In order to evaluate the proposed method, 5 areas in ADS40 earthquake remote sensing image were selected as experimental data, this image covers parts of Wenchuan City, Sichuan Province, where an earthquake had struck in 2008. And in order to verify the applicability of this method to different resolution images, an experimental area was selected from different resolution images obtained by the same equipment. The experimental results show that the proposed method has good performance and could effectively identify the damaged buildings after the earthquake. The average overall accuracy of the selected experimental areas is 93.02%. Compared with the result extracted by the widely used eCognition software, the proposed method is simpler in operation and can improve the extraction accuracy and running time significantly. Therefore, it has significant meaning for both emergency rescue work and accurate disaster information providing after earthquake. 相似文献
13.
强地震发生后, 道路是抗震救灾的生命线, 快速有效地提供灾区可通行道路的状况可为地震应急救援力量的部署提供强有力的信息支撑。 基于遥感图像的震害道路识别是遥感地震应急领域中的难点, 但对于地震应急具有无可比拟的价值。 在总结分析地震前后道路影像特征的基础上, 系统地介绍了遥感影像道路提取方法, 之后介绍了遥感震害道路评估工作流程, 重点阐述了遥感震害道路提取与评估方法, 然后综合分析了遥感道路提取在地震应急中的不足, 最后展望了未来遥感技术在震害道路提取与评估中的应用。 相似文献
14.
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
15.
16.
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
17.
无人机遥感技术在新疆皮山地震灾情获取中的应用 总被引：2，自引：1，他引：1
2015年07月03日，新疆维吾尔自治区和田地区皮山县（37.6°N，78.2°E）发生MS6.5级地震，震源深度10km。本文利用高性能无人机数据采集平台获取灾区高分辨率影像数据，结合地震现场震害调查建立建筑物震害遥感解译特征，采用人工目视解译完成了灾区6个0.01°×0.01°格网评估区房屋类型及损毁程度应急遥感调查，获取测区地震灾情信息。结果表明:测区内房屋结构类型主要包括土木、砖木、砖混结构；倒塌房屋主要为土木结构及个别老旧砖木结构房屋，倒塌和局部倒塌的土木结构房屋占评估区土木结构房屋总数的68%，倒塌和局部倒塌的砖木结构房屋占评估区砖木结构房屋总数的12%；测区砖混结构房屋局部倒塌1间，未倒塌228间，砖混结构显示出良好的抗震性能，对避免人员伤亡和减少经济损失起到重要作用。 相似文献