劉明眾，張景發(fā)，李成龍，劉國(guó)林

(1.中國(guó)地震局地殼應(yīng)力研究所，北京100085;2.山東科技大學(xué)測(cè)繪科學(xué)與工程學(xué)院，山東青島266510)

一、引 言

近年來(lái)地震頻發(fā)，給人們生命財(cái)產(chǎn)帶來(lái)了重大的災(zāi)難。地震發(fā)生后，救援工作刻不容緩，道路承載著重要的使命，但往往由于受到地震及其次生災(zāi)害的影響而損毀嚴(yán)重，無(wú)法正常通行。目前，隨著高分辨率遙感及無(wú)人機(jī)影像技術(shù)的迅速發(fā)展，使得道路損毀信息的即時(shí)識(shí)別成為可能。然而，如何利用海量的高分辨率影像進(jìn)行精準(zhǔn)的道路震害信息提取，是目前急需解決的技術(shù)問(wèn)題，也是研究者越來(lái)越關(guān)注的研究領(lǐng)域。

目前，國(guó)內(nèi)外對(duì)高分辨率遙感影像中道路及其震害信息提取方法的研究主要有:F.Samadzadegan等利用面向?qū)ο蟮牡缆沸畔⑻崛〖夹g(shù)對(duì)伊朗巴姆地區(qū)的遙感影像進(jìn)行了道路信息提取和震害識(shí)別［1］;唐偉等利用面向?qū)ο蟮挠跋穹指罴夹g(shù)得到道路均值對(duì)象，然后挖掘高空間分辨率遙感影像中描述道路的光譜特征、幾何特征及紋理特征，構(gòu)建道路對(duì)象的知識(shí)庫(kù)，實(shí)現(xiàn)了城郊重要道路信息的提取［2］;任玉環(huán)等以汶川地震中北川縣為例，利用面向?qū)ο蟮膱D像分類方法進(jìn)行道路識(shí)別，并通過(guò)震前道路識(shí)別結(jié)果與震后影像的疊加和震前震后道路識(shí)別結(jié)果的變化檢測(cè)提取出損毀的路段［3］;王艷萍等通過(guò)綜合利用道路的多種影像特征及震前GIS矢量道路相結(jié)合來(lái)提取道路，然后依據(jù)提取道路的完整程度來(lái)識(shí)別道路震害信息［4］;胡張武利用 ERDAS、Matlab軟件很好地解決了道路與居民地混淆的問(wèn)題，以及利用數(shù)學(xué)形態(tài)學(xué)的相關(guān)算法和形狀指數(shù)去除道路信息提取過(guò)程中的各種噪聲等，最終完成道路信息網(wǎng)的提?。?］。

本文在面向?qū)ο笮畔⑻崛〖夹g(shù)及ENVI/IDL二次開發(fā)的基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)了一種綜合利用多種影像特征來(lái)提取道路并進(jìn)行有效震害識(shí)別的功能模塊。

二、道路震害的影像特征

遙感是通過(guò)傳感器在遠(yuǎn)離目標(biāo)和非接觸目標(biāo)物體的條件下，探測(cè)目標(biāo)地物，獲取其反射、輻射或散射的電磁波信息，最終以一種數(shù)字形式的圖像表現(xiàn)，繼而形成遙感影像［6］。由于不同的地物能夠反射或輻射不同波長(zhǎng)的電磁波，所以特定地物反映在遙感影像上是有一定特征的?？偨Y(jié)道路在地震前后的影像特征，有助于把握道路震災(zāi)前后的變化，制定合適的規(guī)則集，從而更好地為影像解譯服務(wù)。

1.災(zāi)前道路影像特征

如圖1所示，在遙感影像上完好道路的主要表現(xiàn)特征為［7］:

1)形狀特征:道路呈長(zhǎng)條狀，其長(zhǎng)度遠(yuǎn)大于寬度，道路的寬度變化比較小，局部曲率有一定的上限。

2)光譜特征:道路一般有兩條明顯的邊緣，內(nèi)部灰度比較均勻，且與其相鄰區(qū)域灰度反差比較大。

3)拓?fù)涮卣?道路一般是相連的，不會(huì)突然中斷，并形成路網(wǎng)。

4)上下文特征:城市中道路周圍的地物主要是街道兩旁的行道樹和建筑物，建筑物和樹木的陰影會(huì)使得道路的灰度值在某一區(qū)域變暗;國(guó)道、省市級(jí)公路等道路周圍一般是裸地、農(nóng)作物植被、周圍山體等。

圖1 遙感影像中的完好道路

2.災(zāi)后道路影像特征

完整道路在高分辨率遙感影像上表現(xiàn)為灰度均一、規(guī)則的結(jié)構(gòu)、排列有序。破壞性地震使得路面出現(xiàn)大裂縫、錯(cuò)位、沉陷或懸空，路堤發(fā)生坍塌，或者路面堆積大量由崩塌、滑坡、泥石流等次生災(zāi)害形成的巖土堆積物(如圖2所示)。道路遭到損毀以后，在高分辨率遙感影像上，其特征也發(fā)生了明顯變化。這些變化表現(xiàn)在以下幾個(gè)方面［8］。

圖2 遙感影像中的震害受損道路

(1)光譜特性變化

道路路面的材質(zhì)和粗糙度決定了其光譜特性，而道路損毀則會(huì)引起道路表面粗糙度或者路面反射特性發(fā)生變化，從而導(dǎo)致道路在遙感影像上表現(xiàn)出不同的光譜特征，具體表現(xiàn)為:道路灰度、紋理均一性發(fā)生變化，損毀路段與未損毀路段存在明顯的差異;不同形式的損毀路段，表現(xiàn)出不同的光譜特征;路基、路面的物理結(jié)構(gòu)毀壞導(dǎo)致影像灰度降低，而次生災(zāi)害如滑坡、坍塌形成的路面堆積往往表現(xiàn)出與周圍滑坡體相近的光譜特征。

(2)幾何特征變化

道路在遙感影像上通常表現(xiàn)出規(guī)則的幾何形態(tài)，而損毀道路由于路基、路面遭到破壞或者被堆積物、冰雪等覆蓋，因此其在影像上的規(guī)則幾何形態(tài)將發(fā)生改變或者消失。道路的空間連續(xù)性發(fā)生改變，損毀和未損毀路段區(qū)域相間分布;道路邊線被破壞而不連續(xù)，未損毀路段存在兩條平行邊線，損毀路段的一條或者兩條邊線改變或消失;道路結(jié)構(gòu)的破壞和路面的堆積物導(dǎo)致未損毀道路寬度變窄，使得寬度沿道路方向發(fā)生變化。

(3)拓?fù)涮卣髯兓?/p>

道路呈網(wǎng)狀分布、相互連接，一般不會(huì)隨便中斷或者消失。損毀會(huì)改變道路的拓?fù)浣Y(jié)構(gòu)，造成多條孤立、無(wú)法相互連接的道路段;致使網(wǎng)絡(luò)結(jié)構(gòu)破壞，連通性下降。

(4)上下文特征

滑坡、泥石流等災(zāi)害體可以為道路損毀提供證據(jù);建筑物、樹木、高架橋等的陰影、遮擋形成的斷裂會(huì)對(duì)損毀檢測(cè)造成干擾。

隨著影像分辨率的提高，影像細(xì)節(jié)特征越來(lái)越豐富，道路目標(biāo)也越來(lái)越多，許多較窄的在低分辨率影像上難以辨別的道路也能分辨出來(lái)，但隨之而來(lái)的是影像上非目標(biāo)噪聲也越來(lái)越多。目前，在高分辨率圖像中提取道路的主要問(wèn)題有:道路和其他地物主要是建筑物有相近的反射特性，且分割后的道路對(duì)象和建筑物有一定的形狀特征，均接近于長(zhǎng)方形，導(dǎo)致兩者不容易區(qū)分;道路上的汽車、樹木等在圖上清晰可見，這同樣增加了道路網(wǎng)提取難度，圖像中道路會(huì)因此而變成很多斷裂線性片斷［9］。

三、提取模塊設(shè)計(jì)實(shí)現(xiàn)

針對(duì)以上提出的問(wèn)題，本文結(jié)合面向?qū)ο蠹夹g(shù)，制定了高分率遙感影像道路震害信息提取流程，如圖3所示，主要分為5個(gè)步驟:圖像與矢量配準(zhǔn)，劃定感興趣區(qū)域，提取完整道路，剔除干擾信息，得到真正由于震害造成的損毀路段［10］。

1.圖像與矢量配準(zhǔn)

借助ArcGIS，根據(jù)震后高分影像和道路矢量數(shù)據(jù)(包括地形圖、交通圖等)的偏移量大小，對(duì)影像中道路與矢量圖層中道路之間的精度誤差進(jìn)行評(píng)估。對(duì)于誤差較小者(50 m)，可忽略不計(jì)，不需再次進(jìn)行配準(zhǔn);對(duì)誤差較大者，對(duì)震后影像做配準(zhǔn)操作。

2.劃定感興趣區(qū)域

一般影像文件較大，道路僅占整個(gè)文件的一小部分，分布具有一定的方向性，此外則存在很多和道路影像特征相似的干擾因素。為提高判讀效率，提出對(duì)目標(biāo)道路做掩膜處理，即保留道路中心線100～200 m的范圍參與運(yùn)算，其余不參與運(yùn)算。

圖3 道路震害信息提取流程圖(灰色部分為可選項(xiàng))

3.提取完整道路

對(duì)上一步中得到的掩膜文件，采用面向?qū)ο蠓ㄌ崛〉缆氛鸷π畔?。首先分割得到影像?duì)象;再通過(guò)對(duì)影像中道路特征的分析，利用道路分割對(duì)象的光譜特征、幾何特征和空間關(guān)系建立知識(shí)庫(kù);最后依據(jù)知識(shí)庫(kù)中的規(guī)則來(lái)提取影像中的道路并識(shí)別受損路段。

這一步筆者借助項(xiàng)目組自主研發(fā)的高分辨多光譜影像地震房屋倒塌和公路損毀情況判讀軟件(如圖4(a)所示)完成。該軟件基于ENVI/IDL二次開發(fā)實(shí)現(xiàn)，其中，功能模塊中的面向?qū)ο笳鸷μ崛?如圖4(b)所示)是基于大量高分光學(xué)遙感影像試驗(yàn)，針對(duì)建筑物和道路震害訓(xùn)練最佳算法和參數(shù)的，并借助于ENVI提供的面向?qū)ο筇崛『瘮?shù)ENVI_FX_DOIT，輸入根據(jù)經(jīng)驗(yàn)參數(shù)制定的標(biāo)準(zhǔn)規(guī)則集文件，最終完成面向?qū)ο蠓诸惖玫酵暾缆贰?/p>

圖4 系統(tǒng)主界面及面向?qū)ο笳鸷μ崛∧K

4.剔除干擾因素

面向?qū)ο筇崛〉缆肪W(wǎng)后，疊加交通矢量數(shù)據(jù)，對(duì)每一中斷處作標(biāo)記處理并判讀造成中斷的原因。該原因劃分為兩大類:一類是由于植被、陰影、汽車及人為錯(cuò)判造成的中斷;另一類是真正受震害影響的中斷。對(duì)于第一類中斷，可手動(dòng)連接兩端的道路，形成完整的道路，剩下的中斷處理論上就是震害造成的道路不通。

5.震害信息輸出

此時(shí)，已經(jīng)得到道路網(wǎng)和震害信息，比對(duì)遙感影像，點(diǎn)擊震害遙感工具下的震害圖編輯修改子菜單對(duì)道路網(wǎng)做進(jìn)一步編輯修改，規(guī)范化道路，并統(tǒng)計(jì)完好路段和受損路段，作精度計(jì)算，給出震害報(bào)告。

四、試驗(yàn)實(shí)例

2008年5月12日四川汶川發(fā)生8.0級(jí)地震。地震及崩塌、滑坡等次生災(zāi)害造成包括國(guó)家及省級(jí)公路在內(nèi)的交通設(shè)施損毀嚴(yán)重。試驗(yàn)中，筆者選取汶川地震中國(guó)道G317在理縣境內(nèi)的一段為研究區(qū)，采用2008年5月15日的中科院航拍高分辨率影像，飛機(jī)飛行高度約為7000 m，數(shù)據(jù)分辨率為0.5 m。根據(jù)交通矢量圖，對(duì)該影像進(jìn)行幾何校正后，截取4300像素×2000像素作為研究區(qū)(如圖5(a)所示)。圖6為此區(qū)域內(nèi)道路損毀目視判讀結(jié)果。

因?yàn)橹恢攸c(diǎn)關(guān)注國(guó)道受損情況，為提高效率并減少其他干擾因素，處理之前對(duì)影像做掩膜處理，只保留中間覆蓋國(guó)道的一部分區(qū)域，并使用高分辨多光譜影像地震房屋倒塌和公路損毀情況判讀軟件的面向?qū)ο笳鸷μ崛∧K對(duì)數(shù)據(jù)進(jìn)行處理，共劃分了道路、水體和植被3類(如圖5(b)所示)。從該圖中可以明顯看出有3處中斷，分別是由水體掩埋、路基塌陷造成的實(shí)際受損路段和植被、陰影造成的中斷，分別對(duì)應(yīng)于圖5中(c)、(d)和(e)。

將提取結(jié)果與目視判讀結(jié)果進(jìn)行比較并計(jì)算提取精度，如圖6所示。目視判讀此影像，共有3處受損路段(灰色部分)，判讀范圍內(nèi)國(guó)道總長(zhǎng)度2 289.18 m，震害長(zhǎng)度為576.74 m，面向?qū)ο筇崛〗Y(jié)果經(jīng)人工調(diào)整后，只保留國(guó)道部分，共有完整道路1 431.28 m，其中有17.38 m水淹部分被誤判為完整道路。誤判包括完好道路被誤判為損毀道路，以及損毀道路被誤判為完好道路的兩種類型，這兩種誤判率分別為:［(2289.18-576.74)-(1431.28-17.38)］/2289.18=12.99%;17.38/2289.18=0.76%;因此整體判讀精度為:1-誤判長(zhǎng)度/總長(zhǎng)度=1-12.99%-0.76%=86.25%。

圖5 道路震害信息提取

圖6 道路震害信息目視判讀

五、結(jié)束語(yǔ)

本文在總結(jié)概括道路表現(xiàn)在遙感影像上的特征之后，結(jié)合面向?qū)ο蠹夹g(shù)，基于ENVI/IDL二次開發(fā)形成高分辨率多光譜影像道路損毀判讀軟件，并使用航片數(shù)據(jù)對(duì)其中的面向?qū)ο笳鸷μ崛∧K進(jìn)行驗(yàn)證，最終作出定量分析。從提取結(jié)果來(lái)看，該模塊能很好地進(jìn)行面向?qū)ο蠓诸?，?shí)現(xiàn)高精度的震害信息提取。不足之處在于:分類使用的規(guī)則集需要通過(guò)多次訓(xùn)練，挑選出最佳閾值，且要求以標(biāo)準(zhǔn)格式的規(guī)則集文件給出，在提取過(guò)程中不能實(shí)時(shí)地修改;提取結(jié)果易受植被、陰影影響引起中斷，且存在錯(cuò)分現(xiàn)象。這些需要在以后的工作中作進(jìn)一步修正和完善。

［1］SAMADZADEGAN F，ZARRINPANJEH N.Earthquake Destruction Assessment of Urban Roads Network Using Satellite Imagery and Fuzzy Inference Systems［C］∥The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences， XXXVII.Beijing:［s.n.］，2008:409-414.

［2］唐偉，趙書河，王培法.面向?qū)ο蟮母呖臻g分辨率遙感影像道路信息的提取［J］.地球信息科學(xué)，2008，10(2):257-262.

［3］任玉環(huán)，劉亞嵐，魏成階，等.汶川地震道路震害高分辨率遙感信息提取方法探討［J］.遙感技術(shù)與應(yīng)用，2009，24(1):52-56.

［4］王艷萍，姜紀(jì)沂，林玲玲.高分辨率遙感影像中道路震害信息的識(shí)別方法［J］.計(jì)算機(jī)工程與應(yīng)用，2012(3):173-175.

［5］胡張武.高分辨率遙感影像道路信息提取方法研究［J］.測(cè)繪通報(bào)，2011(8):13-16.

［6］韋玉春，湯國(guó)安，楊昕，等.遙感數(shù)字圖像處理教程［M］.北京:科學(xué)出版社，2007.

［7］趙福軍.遙感影像震害信息提取技術(shù)研究［D］.哈爾濱:中國(guó)地震局工程力學(xué)研究所，2010.

［8］柴蕾蕾.道路、橋梁與建筑物特征提取與災(zāi)損狀況對(duì)比分析［D］.北京:北京大學(xué)，2011.

［9］朱曉鈴，鄔群勇.基于高分辨率遙感影像的城市道路提取方法研究［J］.資源環(huán)境與工程，2009，23(3):296-299.

［10］唐靜，吳俐民，左小清.面向?qū)ο蟮母叻直媛市l(wèi)星影像道路信息提取［J］.測(cè)繪科學(xué)，2011，36(5):98-99.