于海洋，程 鋼，張育民，盧小平

基于LiDAR和航空影像的地震災(zāi)害倒塌建筑物信息提取

于海洋，程 鋼，張育民，盧小平

(河南理工大學(xué)礦山空間信息技術(shù)國(guó)家測(cè)繪局重點(diǎn)實(shí)驗(yàn)室，焦作 454000)

地震災(zāi)害損失評(píng)估是震后展開(kāi)救災(zāi)工作的重要環(huán)節(jié)。快速、準(zhǔn)確地獲取震后損毀建筑物信息能夠?yàn)闉?zāi)區(qū)減災(zāi)、救災(zāi)工作提供有效的支持。高分辨率航空遙感是災(zāi)害監(jiān)測(cè)的重要技術(shù)手段，但其信息自動(dòng)提取的精度受到一定的限制。近年來(lái)新出現(xiàn)的LiDAR技術(shù)能夠提供地面目標(biāo)的高程信息，可應(yīng)用于復(fù)雜環(huán)境下倒塌建筑物信息的提取。研究中采用航空遙感數(shù)據(jù)和LiDAR數(shù)據(jù)，基于面向?qū)ο蟮膱D像分析 (Object－Based Image Analysis，OBIA)與SVM技術(shù)相結(jié)合的方法對(duì)2010年1月12日海地地震中倒塌建筑物信息進(jìn)行了提取，提取總體精度達(dá)到86.1%。

地震災(zāi)害;倒塌建筑物;信息提取;LiDAR;面向?qū)ο蟮膱D像分析(OBIA);SVM;航空影像

0 引言

快速準(zhǔn)確地獲取倒塌建筑物信息能為地震災(zāi)后救災(zāi)工作提供支持，是地震災(zāi)害損失評(píng)價(jià)的重要環(huán)節(jié)［1］。將高分辨率遙感圖像變化監(jiān)測(cè)的方法用于地震災(zāi)害評(píng)估的研究較多，通過(guò)地震前后遙感影像變化區(qū)域?qū)Ρ?，能夠提取倒塌建筑物等?zāi)情信息［2，3］。有研究者將 GIS 矢量先驗(yàn)知識(shí)［4］、航空或衛(wèi)星立體像對(duì)提取的DEM三維信息［5］以及衛(wèi)星雷達(dá)數(shù)據(jù)［6］等用于地震前后建筑物信息提取，但其提取精度受到一定的限制，并且在實(shí)際應(yīng)用中通常因缺乏震前高分辨遙感數(shù)據(jù)或準(zhǔn)確矢量先驗(yàn)知識(shí)而無(wú)法對(duì)變化信息進(jìn)行精確提取。

機(jī)載激光雷達(dá)技術(shù)(Light Detection And Ranging，LiDAR)作為一種新興的航空遙感技術(shù)，將GPS技術(shù)、INS技術(shù)以及激光掃描技術(shù)和計(jì)算機(jī)技術(shù)集于一體，能夠自動(dòng)地獲取高精度、高密度的地球表面3D點(diǎn)云數(shù)據(jù)，已成為建立數(shù)字地面模型(DTM)的首選技術(shù)，并成功應(yīng)用于災(zāi)害監(jiān)測(cè)，是當(dāng)前的一個(gè)研究熱點(diǎn)。

本文將2010年海地地震災(zāi)區(qū)的LiDAR點(diǎn)云數(shù)據(jù)與航空影像數(shù)據(jù)相結(jié)合，利用面向?qū)ο蟮膱D像分析技術(shù)(Object－ Based Image Analysis，OBIA)將圖像分割為有意義的目標(biāo)對(duì)象，并分析多數(shù)據(jù)空間、光譜和紋理特征，應(yīng)用基于支持向量機(jī)(Support Vector Machine，SVM)的技術(shù)方法實(shí)現(xiàn)了地震災(zāi)害倒塌建筑物信息的自動(dòng)提取。

1 數(shù)據(jù)獲取與預(yù)處理

本研究使用的數(shù)據(jù)由羅徹斯特理工學(xué)院的影像科學(xué)中心(Center for Imaging Science at Rochester Institute of Technology，RIT)、Kucera International和ImageCat公司采集。數(shù)據(jù)采集由世界銀行資助，獲取了受地震影響地區(qū)的高空間分辨率航空遙感圖像和LiDAR數(shù)據(jù)，以幫助海地救災(zāi)工作。研究區(qū)域覆蓋了2010年1月12日海地地震后首都太子港城市的一部分。數(shù)據(jù)獲取系統(tǒng)由WASP攝像系統(tǒng)和Kucera International激光雷達(dá)傳感器組成，獲取時(shí)間為2010年1月21日～1月27日，研究區(qū)航空影像如圖1所示。

圖1 研究區(qū)航空影像Fig.1 Aerophotograph of study area

LiDAR點(diǎn)云數(shù)據(jù)預(yù)處理包括［7］:①結(jié)合GPS和慣性測(cè)量系統(tǒng)觀測(cè)數(shù)據(jù)計(jì)算每個(gè)點(diǎn)云的三維坐標(biāo)，所獲得數(shù)據(jù)的高程精度為11 cm，水平精度為15 cm;②檢測(cè)和清除其中的系統(tǒng)誤差和粗差點(diǎn)，對(duì)點(diǎn)云數(shù)據(jù)采用自適應(yīng)TIN(Adaptive TIN，ATIN)方法進(jìn)行濾波分類，分離地面和非地面點(diǎn)［8］;③基于Kriging插值方法建立數(shù)字地面模型，同時(shí)利用LiDAR第一次返回的數(shù)據(jù)建立數(shù)字表面模型(DSM);④從DSM減去DEM可得到地表物體的高度信息，該模型被稱為 nDSM(normalized Digital Surface Model)。利用nDSM提取建筑物能夠直接消除地形影響。實(shí)驗(yàn)中提取的nDSM空間分辨率為1 m，提取的nDSM數(shù)據(jù)如圖2所示。

圖2 由LiDAR提取的nDSM數(shù)據(jù)暈渲圖Fig.2 Shade view of the nDSM extracted from LiDAR

對(duì)航空遙感數(shù)據(jù)使用DSM進(jìn)行了正射校正，校正圖像與LiDAR數(shù)據(jù)完全配準(zhǔn)。該航空遙感數(shù)據(jù)空間分辨率為0.3 m。

2 基于OBIA倒塌建筑物信息提取方法

2.1 圖像分割

采用Baatz等人［9］提出的通過(guò)控制異質(zhì)性和尺度參數(shù)進(jìn)行相鄰區(qū)域合并，進(jìn)而獲取分割對(duì)象的算法進(jìn)行圖像分割。異質(zhì)性和尺度參數(shù)由航空彩色圖像和nDSM高程數(shù)據(jù)計(jì)算獲取。

尺度是指識(shí)別特定目標(biāo)所需要的最小尺寸，與圖像的分辨率密切相關(guān)。更高的圖像分辨率需要更大尺度參數(shù)，以確定一個(gè)特定的對(duì)象。實(shí)驗(yàn)中，尺度參數(shù)通過(guò)試錯(cuò)的方法由經(jīng)驗(yàn)確定，盡量減少建筑物的聚集，并保存每個(gè)建筑物的完整性。

同質(zhì)參數(shù)f的計(jì)算使用了顏色差異Δhcolor和形狀差異Δhshape兩個(gè)方面的特征。顏色是指物體的光譜響應(yīng)，而形狀傳達(dá)了有關(guān)對(duì)象空間語(yǔ)義信息的一致性，計(jì)算公式為

式中，wcolor和wshap分別為顏色、形狀差異的權(quán)重參數(shù)，可根據(jù)實(shí)際應(yīng)用進(jìn)行調(diào)整。形狀特征進(jìn)一步被劃分為緊致度(Cmpct)和光滑度(Smooth)兩個(gè)相互對(duì)立的特征。前者由對(duì)象的周長(zhǎng)l與像元數(shù)量n的平方根比值來(lái)表示;后者定義為周長(zhǎng)l與外接長(zhǎng)方形最小可能邊長(zhǎng)b的比值，即

2.2 分割對(duì)象目標(biāo)特征提取

實(shí)驗(yàn)中用于倒塌建筑物提取的分割對(duì)象特征包括航空彩色圖像的均值和nDSM的高程均值以及綠度指數(shù)和nDSM與航空影像數(shù)據(jù)提取的紋理特征。

(1)綠度指數(shù)。綠度指數(shù)主要用于識(shí)別植被覆蓋程度，其計(jì)算公式為

式中，G和R分別表示綠波段和紅波段像元值。

(2)紋理特征。在多數(shù)情況下，未倒塌建筑物圖像的紋理特征較為一致，紋理變化較小，而倒塌建筑物紋理較為雜亂，變化較大。實(shí)驗(yàn)選取了對(duì)比度(Contrast)、差異性(Dissimilarity)和方差(Variance)等基于灰度共生矩陣的紋理特征，計(jì)算公式［10］為

式中，μ是均值;i，j是一定大小窗口內(nèi)共生矩陣點(diǎn)對(duì)的灰度值;p(i，j)為圖像中某一點(diǎn)灰度值為i，在某一方向上與之相隔一定距離且灰度為j點(diǎn)出現(xiàn)的頻度;N為灰度共生矩陣的大小。

紋理特征由紅、綠、藍(lán)3個(gè)波段遙感圖像及nDSM數(shù)據(jù)獲取。對(duì)比度是灰度共生矩陣主對(duì)角線附近的慣性矩，度量矩陣值的分布情況和圖像空間頻率的局部變化，反映了紋理清晰度和紋理溝紋深淺，即圖像局域內(nèi)最大灰度值與最小灰度值之間的幅度差。差異性參數(shù)能夠反映共生矩陣之間的差異情況，當(dāng)局域內(nèi)對(duì)比度較高時(shí)，差異性值亦較高。未倒塌建筑物一般具有較低的方差值，倒塌的建筑物方差值較高(圖3)。

圖3 未倒塌建筑物與倒塌建筑物紋理信息對(duì)比Fig.3 Image segment of normal building and collapsed building

2.3 支持向量機(jī)分類

近年來(lái)，許多研究表明了基于SVM遙感數(shù)據(jù)監(jiān)督分類的有效性［11，12］。SVM 方法是從線性可分情況下的最優(yōu)分類面(optimal hyperplane)提出的［13］。在二維線性可分情況下，如圖4所示，實(shí)心三角點(diǎn)和空心三角點(diǎn)分別表示兩類訓(xùn)練樣本，P為把兩類樣本正確分開(kāi)的分類線，P1、P2分別為過(guò)各類樣本中離分類線最近的點(diǎn)且平行于分類線的直線，P1和P2之間的距離叫作分類空隙或分類間隔(margin)。

圖4 最優(yōu)分類面Fig.4 Optimal hyperplane of SVM algorithm

所謂最優(yōu)分類線就是要求分類線不但能將兩類無(wú)錯(cuò)誤地分開(kāi)，而且使兩類的分類空隙最大。前者是保證經(jīng)驗(yàn)風(fēng)險(xiǎn)最小(為0)，后者則是通過(guò)使分類空隙最大(實(shí)際上就是使置信范圍最小)，從而使真實(shí)風(fēng)險(xiǎn)最小。推廣到高維空間(最優(yōu)分類線就是最優(yōu)分類面)，則首先通過(guò)采用非線性變換方式將輸入空間變換到一個(gè)高維空間，然后在這個(gè)新空間中求取最優(yōu)線性分類面，而這種非線性變換是通過(guò)定義適當(dāng)?shù)膬?nèi)積函數(shù)實(shí)現(xiàn)的。

其最優(yōu)分類函數(shù)為

SVM支持2類分類問(wèn)題，對(duì)于多類問(wèn)題則需采用多個(gè)2類分類來(lái)實(shí)現(xiàn)。

2.4 分類后處理

由于未倒塌建筑物邊緣具有較高的對(duì)比度，因此使用SVM算法提取的結(jié)果中會(huì)包含一部分細(xì)小噪聲，這些噪聲通常表現(xiàn)為細(xì)長(zhǎng)的條帶狀。實(shí)驗(yàn)中采用數(shù)學(xué)形態(tài)學(xué)的方法，包括開(kāi)、閉運(yùn)算以及面積閾值的方法，來(lái)除去提取結(jié)果中的噪聲。開(kāi)、閉算法是基于膨脹、腐蝕兩種基本操作實(shí)現(xiàn)的。開(kāi)操作能夠保留前景區(qū)域中與結(jié)構(gòu)元素相似的形狀，或者能夠完全包含結(jié)構(gòu)元素的區(qū)域，而去除前景區(qū)域中的其他像素;閉操作能夠保留背景區(qū)域中與結(jié)構(gòu)元素相似的形狀，或者能夠完全包含結(jié)構(gòu)元素的區(qū)域，而去除背景區(qū)域中的其他像素。在處理過(guò)程中，首先使用1.5個(gè)像素大小的圓形結(jié)構(gòu)進(jìn)行開(kāi)運(yùn)算，以消除建筑物邊緣條帶噪聲;然后使用一個(gè)4.5個(gè)像素大小的圓形結(jié)構(gòu)進(jìn)行閉運(yùn)算，以填補(bǔ)連接區(qū)域的空洞;最后，采用面積閾值去除微小噪聲。

式中，sng［］為符號(hào)函數(shù);ai＞0，為 Lagrange系數(shù)。由于非支持向量對(duì)應(yīng)的ai均為0，因此式中的求和實(shí)際上只對(duì)支持向量進(jìn)行。yi∈{+1，－1}是類別標(biāo)號(hào);b*是分類的域值;K(xi，x)為內(nèi)積核函數(shù)。其中，較為常用的是以徑向基核函數(shù)作為內(nèi)積函數(shù)，即

3 實(shí)驗(yàn)結(jié)果

在圖像分割過(guò)程中使用了航空影像紅、綠、藍(lán)波段數(shù)據(jù)以及nDSM數(shù)據(jù)，并對(duì)所使用的數(shù)據(jù)設(shè)置了相等的權(quán)重，其他分割參數(shù)的設(shè)置見(jiàn)表1，具體設(shè)置方法參見(jiàn)2.1節(jié)。

表1 圖像分割參數(shù)Tab.1 Parameters for image segmentation

分割結(jié)果如圖5所示。

圖5 圖像分割結(jié)果Fig.5 Segmented images

SVM內(nèi)積核函數(shù)采用徑向基核函數(shù)，其伽瑪值參數(shù)設(shè)置為0.125，懲罰因子為100。監(jiān)督分類中采用目視解譯方法從航空影像中選取樣本。提取結(jié)果進(jìn)一步采用2.4節(jié)的方法進(jìn)一步處理。

倒塌建筑物的提取結(jié)果及其局部與影像圖疊加對(duì)比如圖6所示。實(shí)驗(yàn)區(qū)內(nèi)共提取152處倒塌建筑物(這里將連接在一起的建筑物作為一處)，面積為33 341 m2。與參考數(shù)據(jù)(目視解譯結(jié)果)對(duì)比，I類誤差(倒塌建筑物未能提取)和II類誤差(誤提取非倒塌建筑物)分別為14.5%和9.7%，總體精度為86.1%。

圖6 倒塌建筑物提取結(jié)果Fig.6 The extracted result of collapsed buildings

實(shí)驗(yàn)中雖然有部分參數(shù)需要根據(jù)實(shí)際數(shù)據(jù)特點(diǎn)應(yīng)用試錯(cuò)法確定，但整個(gè)處理過(guò)程全部由計(jì)算機(jī)處理完成，獲取數(shù)據(jù)后，只要選定參數(shù)和樣本，采用較高性能計(jì)算機(jī)，實(shí)驗(yàn)區(qū)全部數(shù)據(jù)處理在數(shù)分鐘內(nèi)即可完成，能夠滿足救災(zāi)應(yīng)急需求。

4 結(jié)論

(1)應(yīng)用高分辨率的LiDAR數(shù)據(jù)與航空影像數(shù)據(jù)，基于OBIA與SVM相結(jié)合的方法提取震后倒塌建筑物信息是有效的，該方法能夠快速獲取震后建筑物損毀信息，為減災(zāi)救災(zāi)、災(zāi)害評(píng)價(jià)等提供支持。

(2)該方法應(yīng)用過(guò)程中的部分參數(shù)及樣本還需要人工確定，如何對(duì)這些參數(shù)進(jìn)行進(jìn)一步優(yōu)化，以提高信息提取過(guò)程中的自動(dòng)化處理水平，還有待今后進(jìn)一步研究。

［1］ 郭華東，鹿琳琳，馬建文，等.一種改進(jìn)的地震災(zāi)害倒塌房屋遙感信息自動(dòng)識(shí)別方法［J］.科學(xué)通報(bào)，2009，54(17):2581－2585.

［2］ Kaya S，Curran P J，Llewellyn G.Post－ earthquake Building Collapse:A Comparison of Government Statistics and Estimates Derived from SPOT HRVIR Data［J］.Int J Remote Sens，2005，26(3):2731－2740.

［3］ Sakamoto M，Takasago Y，Uto K，et al.Automatic Detection of Damaged Area of Iran Earthquake by High－resolution Satellite Imagery［C］∥Proceedings of IGARSS’04.Alaska，2004:1418 －1421.

［4］ Turker M，San B T.Detection of Collapsed Buildings Caused by the 1999 Izmit，Turkey Earthquake Through Digital Analysis of Postevent Aerial Photographs［J］.Int J Remote Sens，2004，25(21):4701－4714.

［5］ Turker M，Cetinkaya B.Automatic Detection of Earthquakedamaged Buildings Using DEMs Created from Pre－ and Postearthquake Stereo Aerial Photographs［J］.Int J Remote Sens，2005，26(4):823 －832.

［6］ Gamba P，Dell’Acqua F，Trianni G.Rapid Damage Detection in the Bam Area Using Multitemporal SAR and Exploiting Ancillary Data［J］.IEEE Transactions on Geoscience ＆ Remote Sensing，2007，45(6):1582 －1589.

［7］ Alexander B，Christian H，Goepfert J，et al.Aspects of Generating Precise Digital Terrain Models in the Wadden Sea from Lidarwater Classification and Structure Line Extraction［J］.ISPRS Journal of Photogrammetry ＆ Remote Sensing，2008，63(5):510 －528.

［8］ Axelsson P.DEM Generation from Laser Scanner Data Using Adaptive TIN Models［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(1):110 －117.

［9］ Baatz M，Sch?pe A.Multiresolution Segmentation—an Optimization Approach for High Quality Multi－ scale Image Segmentation［C］∥Strobl J，Blaschke T，Griesebner G.Angewandte Geographische Informations － Verarbeitung XII.Karlsruhe:Wichmann Verlag，2000:12－23.

［10］ Haralick R M，Shanmugan K，Dinstein I.Textural Features for Image Classification［J］.IEEE Transactions on Systems，Man，and Cybernetics，1973，3(6):610 －621.

［11］于海洋，甘甫平，武法東，等.VHSR圖像基于分割對(duì)象分類器性能評(píng)價(jià)［J］.國(guó)土資源遙感，2008(2):30－34.

［12］ Foody G M，Mathur A.Toward Intelligent Training of Supervised Image Classifications:Directing Training Data Acquisition for SVM Classification［J］.Remote Sensing of Environment，2004，93(1/2):107－117.

［13］ Vapnik V.The Nature of Statistical Learning Theory［M］.New York:Springer－ Verlag，1995.

The Detection of Earthquake－caused Collapsed Building Information from LiDAR Data and Aerophotograph

YU Hai－yang，CHENG Gang，ZHANG Yu－min，LU Xiao－ping
(Key Laboratory of Mine Spatial Information Technologies of SBSM，Henan Polytechnic University，Jiaozuo 454000，China)

Damage estimation caused by an earthquake is a major task in the post－ disaster mitigation process.To enhance the relief and rescue operation in the affected area，it is required to receive rapid and accurate knowledge about the conditions of damaged area.Remote sensing techniques were proved to be useful in the last decades in detecting，identifying and monitoring the impact and effect of natural disasters.Recently emerging LiDAR data provide the height of the ground objects，which can be used to extract the collapsed building in a complex urban environment.Using the aerophotographs and the normalized digital surface model(nDSM)extracted from LiDAR data，the authors developed a method based on OBIA and SVM for extracting the earthquake－caused collapsed building.The test study in Port－ au － Prince，Haiti’s capital，after January 12，2010 earthquake shows that the method can extract collapsed buildings with high accuracy of 86.1%.

Earthquake;Collapsed building;Information extraction;LiDAR;OBIA;SVM;Aerophotograph

TP 79

A

1001－070X(2011)03－0077－05

2010－12－25;

2011－01－28

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(編號(hào):2009CB226107)資助。

于海洋(1978－)，男，博士，地學(xué)信息工程專業(yè)，主要從事遙感與GIS地學(xué)應(yīng)用方面的研究。

(責(zé)任編輯:刁淑娟)