面向对象遥感分类方法在震害快速提取中的应用

以汶川地震后受灾严重的北川县城为研究区域,应用面向对象的遥感分类方法,对福卫二号卫星多光谱影像进行灾害提取与分析。提取过程中在传统分类运用的光谱信息中加入影像地物的几何结构和纹理信息,运用多尺度分割、多层次交叉的地物分类模式,模拟人类思维,快速准确的提取了灾害区域的宏观受灾范围,为震后快速评估提供依据。     

基于最优分割的高分辨率遥感影像震害建筑物识别技术

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M_S7.0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。      

面向对象遥感分类方法在震害快速提取中的应用

破坏性地震发生后,迫切需要对灾害进行准确、快速的评估,为应急指挥、救援决策提供依据.高空间分辨率影像中地物的几何结构和纹理信息丰富,传统方法难以满足需求.面向对象的遥感图像处理方法,运用多尺度分割方法,实现图像信息多维的分离,并加入纹理、形状和相互关系特征的综合分析及模糊逻辑分类方法,从而最大程度模拟人类目视解译遥感影像的思维模式,提高有效信息的提取精度.     

多尺度分割和深度学习相结合的倾斜摄影三维影像建筑物震害信息提取

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M_S7.0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。      

基于无人机影像的面向对象建筑物结构分级提取方法研究

为提高遥感影像建筑物结构识别精度,综合利用光谱、形状、空间、纹理和数字表面模型(DSM)建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像,采用面向对象的影像分析策略,首先进行多尺度分割,以最佳分割与合并指数提取影像中建筑物目标;然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类;最后将3种分类方法进行融合,对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明:基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。     

基于最优特征空间的震后损毁建筑物信息提取研究

基于传统面向对象方法, 提出了一种基于最优特征空间的损毁建筑物信息提取方法。 采用ESP(Estimate of Scale Parameter)工具对图像进行最优尺度分割, 之后通过选取样本, 计算各类地物距离矩阵和最小分离距离寻求最优特征空间, 最后运用最优特征空间对震后损毁建筑物影像进行提取实验, 在QuickBird影像中提取总体精度达到了83.1％, Kappa系数达到了0.813, 在无人机影像中提取总体精度为92.9％, Kappa系数达到了0.940。 本文建立的提取方法与传统分类决策树方法相比, 其提取精度和效率都有较大提高, 在损毁建筑物信息提取方面具有较好的推广价值。     

基于SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类

在地震这种重大自然灾害面前,快速有效地从遥感影像中提取震区土地利用信息,在灾情评估及灾后重建中发挥着重要作用。选取四川省芦山地震灾区无人机影像为数据源,运用面向对象的影像分析方法,首先研究了多尺度分割中参数的选择,获取了研究区最优分割参数;然后考虑了各个"影像对象"的数字化特征值,利用改进的SEaTH算法进行特征值优化处理;最后采用了隶属度信息提取方法,获得了芦山地震灾区无人机低空遥感影像分类图,并进行了分类精度评估,结果表明:研究区影像的分类总精度为87.5%,kappa系数为0.835。     

面向对象遥感分类方法在汶川地震震害提取中的应用

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.     

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）

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.     

面向对象遥感图像处理方法在建筑物震害评估中的应用研究

以汶川地震中的都江堰地区震后遥感图像为例,研究分析了图像分割技术及模糊分类技术,在此基础上,用分类精度更高的单尺度、多特征的面向对象图像处理方法进行建筑物震害评估。重点探索了混淆矩阵在震害评估中的应用,通过Kappa统计值进行震害分类结果的比对与精度评价,并验证该分类方法的稳定性。研究结果表明：改进后的面向对象图像处理方法简单、快速且精度较高,具有良好的适用性和稳定性。     

Object-oriented land cover classification using HJ-1 remote sensing imagery

The object-oriented information extraction technique was used to improve classification accuracy, and addressed the problem that HJ-1 CCD remote sensing images have only four spectral bands with moderate spatial resolution. We used two key techniques: the selection of optimum image segmentation scale and the development of an appropriate object-oriented information extraction strategy. With the principle of minimizing merge cost of merging neighboring pixels/objects, we used spatial autocorrelation index Moran’s I and the variance index to select the optimum segmentation scale. The Nearest Neighborhood (NN) classifier based on sampling and a knowledge-based fuzzy classifier were used in the object-oriented information extraction strategy. In this classification step, feature optimization was used to improve information extraction accuracy using reduced data dimension. These two techniques were applied to land cover information extraction for Shanghai city using a HJ-1 CCD image. Results indicate that the information extraction accuracy of the object-oriented method was much higher than that of the pixel-based method.     

基于相关变化检测与面向对象分类技术的 多源遥感图像震害信息提取

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M_S8.0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.      

全卷积神经网络在建筑物震害遥感提取中的应用研究

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。     

地震应急信息自动分类方法研究

地震应急信息的高效处理为地震应急救援工作提供了重要支撑。本文根据地震应急信息分类的需求,构建了一种高效便捷的地震信息分类处理方法。以震前、震时、震后为时间主线,将地震应急信息分为震前基础背景信息、地震震情灾情信息及震后应急救援信息,并采用“关键词分类”的方法,在计算机语言的支持下,将多渠道汇集的应急信息进行自动分类,在一定程度上缩短了应急信息加工处理与服务的时间,能快速高效地为应急指挥提供信息服务。     

基于遥感影像的农村建筑物分类

利用面向对象的遥感影像信息提取方法对建筑物进行分类研究,选取张家口不同地区5个中等规模农村建筑为研究对象,根据建筑物特征信息从遥感影像上进行提取,根据信息提取调整后的结果进行建筑物分类,并与调研结果进行对比,结果表明:建筑物分类准确率达到80%以上,满足对张家口地区农村建筑物分类的需求,可以用来辅助完成对建筑物结构类型的实地调研,能够有效提高调研效率,服务于建筑物抗震设防调研。     

基于CART决策树提取高分辨率遥感影像建筑物信息

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。     

基于深度学习的倾斜摄影建筑物表面损毁信息提取

建筑物受损信息是地震受灾程度评估的基础,针对传统建筑物表面信息识别人工成本高、效率低等问题,受深度学习提取建筑物影像的启发,提出利用无人机倾斜摄影模型与深度学习相结合的方法提取震后建筑物表面破损信息。以2019年长宁6.0级地震为例,选用双河镇震后倾斜摄影模型切片图为数据源,对比分析面向对象分类方法、VGG-16模型和DeeplabV3+模型对建筑物表面损毁信息的提取结果。分析结果表明,针对建筑物表面破损信息的提取,尤其是细小裂缝的提取,语义分割网络DeeplabV3+模型具有较强的优势(准确率96.93%、召回率96.85%、总体精度96.89%),可实现建筑物表面破损信息的有效提取,具有较强的应用价值。     

基于网络微博的地震宏观异常信息提取研究——以芦山地震为例

微博平台有用户群大、公众参与性强、实时性等优点,同时微博平台信息又具有信息真伪难辨、地址信息模糊等缺点.本文以芦山地震为例,针对微博内容如何提取和地址如何定位两方面进行了分析研究,对于如何在网络微博平台中及时的提取地震宏观异常信息,提出了聚焦爬虫技术,并对微博地址进行了分类,同时将正向最大匹配和特征词地址分词的中文地址匹配模型应用于地址信息的提取和地址匹配中;最后将不同的地址类别定位为不同的行政级别,使微博平台和微博信息得到了充分的利用.通过研究认识到微博信息在反应震前异常的发生趋势方面有一定的参考价值（动物异常和气象异常所占比例较大）,是不能被忽略的：地址方面可以看出异常随着时间的逼近有向震中聚集的趋势,有一定的参考价值.