资源描述：
《面向对象的高空间分辨率遥感影像城市震害房屋信息提取①——以汶川大地震为例》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、7《测绘通报》测绘科学前沿技术论坛论文集面向对象的高空间分辨率遥感影像城市震害房屋信息提取①——以汶川大地震为例黎小东杨武年刘汉湖彭立简季曾涛胡国超胡宝荣（成都理工大学地质灾害防治与地质环境保护国家重点实验室/遥感与GIS研究所成都，610059）摘要：随着遥感技术的快速发展，尤其是高分辨率民用遥感卫星的成功发射和应用，使得遥感技术在建筑物识别、震灾调查和快速预估评估方面发挥出越来越重要的作用。然而，传统面向像元的分类方法在对高分辨率遥感影像进行分类时，存在着不能充分利用影像信息、分类精度降低、速度慢等局限性，根据高分辨率遥感影像的特点，本文提出面向对
2、象的高空间分辨率遥感影像建筑物震害信息提取方法。该方法首先通过影像分割将影像划分为互不相交的影像对象，然后根据这些影像对象的影像特征如光谱、纹理、形状和上下文等信息进行分类，提取出破坏建筑物和未破坏建筑物，试验表明,面向对象的分类方法应用于建筑物震害信息提取较传统分类方法有更高的精度,具有很大的应用潜力。关键词：建筑物震害；高分辨率影像；面向对象；影像分割；信息提取一、引言近年来，随着遥感技术的快速发展，尤其是高分辨率民用遥感卫星的成功发射和应用，使得利用遥感技术进行地震震害信息的获取与快速评估成为可能，国内外学者们在这方面做了大量的探讨和试验性研究，
3、并取得了许多具有实用价值的成果[1-5]。研究表明,地震造成的建筑物受损情况是评估地震引发的经济损失、人员伤亡和社会功能受损状况的主要标准。利用卫星影像资料对震后建筑物受损情况的快速调查为指挥人员做出决策实施救援提供了科学依据。到目前为止，对于震害预估的研究都是基于人工抽样调查建筑物信息基础上的。一方面人工调查不仅需要大量人力等资源，而且历时很长；另一方面这种人工调查速度已经落后于城市建设发展速度，使得调查数据失去了时效性。所以,准确快速有效地从卫星影像上自动提取建筑物信息,成为防震减灾研究工作中颇有意义的一项内容。传统基于像元(pixel-to-pi
4、xel)的分类方法对单个影像像元或邻近像元进行单独处理,分类也是对单个像元进行监督或非监督分类,主要利用光谱特征,缺乏对均质性区域的重视,未能整合邻域像元的信息,在很大程度上影响了信息提取的精度,而且分类结果中往往会存在许多的小斑块。面向对象的遥感信息提取首先进行像素合并和对象分割,从而减少待处理的单元数,同时综合考虑了光谱统计特征及形状、大小、纹理、相邻关系等一系列因素,结合人的思维,通过人机交互构成知识库,自动提取出真正现实世界中的地理目标,输出带有属性表的多边形,提高了分类精度,为地物的分类提供更多的依据。应用面向对象分类技术在进行地表物质的识别
5、、分类和信息提取方面具有很大的优势,有望促进解决当前高空间分辨率遥感影像分类面临的问题。二、实验区及其数据7《测绘通报》测绘科学前沿技术论坛论文集本研究目标区为汶川县主城区，实验区内主要是由中、低层楼房构成的居民地，这些居民地内楼房排列比较整齐，居民地内有零散的小块裸地和植被。居民地背景地物大块的裸地和零散的植被覆盖，公路、池塘和河流等。本文使用的是2008年5月15日获取的1米分辨率的航空影像，采用高斯克吕格投影和北京坐标系。图1所示的是从校正好的影像上截取覆盖研究区域的影像区域。图11m分辨率汶川地震震害航空遥感影像三、震害城市建筑物信息提取3.1
6、对象生成及特征空间构建面向对象的建筑物震害信息提取主要包括两部分工作：一是进行影像分割，形成影像对象；二是通过计算生成的影像对象的各种特征，包括光谱特征、纹理特征、空间关系特征等进行建筑物分类识别。3.1.1影像对象的生成影像分割是面向对象分类方法中的一项基本内容，只有通过影像分割才能得到影像对象，形成对象级分类的基本单元。目前已发展了很多影像分割算法（HaralickandShapiro,1985），大体可以分为三大类：（1）阈值化分割方法；（2）基于边缘分割方法；（3）基于区域分割方法。阈值化分割方法是最简单得分割方法，主要适用于简单图像。基于边缘
7、分割的最常见的问题是在没有边缘的地方出现边缘以及在实际存在边缘的地方没有出现边缘。基于区域分割的方法是目前最常用的影像分割方法，又可分为区域增长、分开-合并等方法。分形网络演化法（BaatzandSchäpe,2000）采用区域增长分割方法：从一个像元开始，通过测量将要生成的影像对象的异质性（特征值上的差异性），采取自下而上区域合并的方法，对满足条件的影像对象进行合并，它是目前较成熟的影像分割方法。分形网络演化法中影像对象的异质性判断标准包括两部分：色调和形状。它们通过公式（1）定量计算两个将要合并的影像对象的异质性(Benz,2004)：（1）其中，
8、和分别是两个将要合并影像对象的色调差异和形状差异，和则是预先设定色调和形状特征在计算“异质”性
