建筑物震害遥感影像面向对象变化检测研究.doc

建筑物震害遥感影像面向对象变化检测研究地震突发后,对建筑物震害信息的准确、快速检测和震害程度的有效判定是灾害应急和决策救援等工作的重要环节和关键依据。随着高分辨率遥感对地观测技术的不断发展,使得遥感震害信息的获取方式进入了一个新的发展阶段,为地震应急救援提供了一种快速而经济的评估途径。本文以“准确、高效、快速地检测建筑物震害变化信息”为目标,根据对目前研究中存在问题的分析,在现有变化检测方法基础上,提出一套针对高分辨率遥感影像建筑物震害信息面向对象的变化检测技术流程,通过对各关键技术进行不同程度的改进和创新,实现了对建筑物震害准确而有效的提取以及程度的定量分级。主要研究成果和创新包括:(1)针对现有遥感影像分割对象特征信息利用不足、尺度参数确定耗时且过多依赖经验等问题,提出一种多特征联合的遥感影像分割方法。通过改进快速扫描算法(FSAM)构建初始化过分割基元,综合利用影像光谱、形状特征的同时引入纹理结构特征共同度量各区域间异质性。采用一种模糊逻辑分析法(FbSP),依据选定目标分割样本的特征指标对待分割影像进行有监督训练,通过自动迭代推算最佳分割参数。在提高分割参数选择效率的同时得到了更符合地学常识表达的准确、合理且客观的分割结果。实验证明本方法在保持小尺寸目标基元不被错误合并的同时更好的保留了大尺寸目标基元描述的完整性,使得建筑物边缘信息更加显著,区域轮廓边界更紧凑,验证了本文提出方法的有效性和准确性。(2)针对传统面向对象变化检测技术采用单一分类器提取地表复杂场景的变化信息而未考虑不同分类器对异种地物分类性能存在差异的问题,提出一种多分类器集成的变化检测系统,包含一种新的样本选择方法和一个多分类器系统。采用双阈值(DT-CVA)门限取代传统单阈值进行样本选择,获得分布更为均匀且客观的训练样本;通过多源特征提取、选择和集成提升了多分类器系统的性能,并利用随机子空间识别技术集成极限学习机,多项逻辑回归和K最邻近模型对分类器集成系统进行构建,采用逐层判别的方式对分类结果进行融合,利用遥感影像分类评价标准等多项指标对识别结果进行精度评价,最终输出建筑物震害信息。研究以玉树为典型震例进行实验,小区域内变化检测精度最高达到88.45%,Kappa系数为0.8411,玉树县结古镇城区变化检测精度可达87.2%。证明本文方法能够弥补单一数据源分类上的不足,实现分类器间的优势互补,提高了分类精度;(3)针对地震灾害发生后,主、被动遥感数据汇集的情况以及对建筑物震害信息的成像、灰度、纹理及统计量等特征的综合分析,提出一套基于多源遥感数据面向对象变化检测技术的建筑物震害信息定量分级处理流程。分别将基于单独SAR强度相关,纹理相关及本文方法得到的多源建筑物震害变化检测结果输入定量分级模型,实现对建筑物震害程度的定量分级。实验得到三种方式分级精度分别为70.5%,76.7%和86.4%。结果表明,本文的震害定量分级流程能够有效用于震害损失评估,同时辅助为地震应急救援提供定性和定量且直观的决策依据。