王劉偉，李金平，劉耀輝

（1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，云南 昆明650500；2.西部資源環(huán)境地理信息技術(shù)教育部工程研究中心，云南 昆明650500）

快速獲取強(qiáng)烈的破壞性地震造成建筑物倒損、滑坡等震害信息及空間分布特征是災(zāi)后救援及災(zāi)害損失評(píng)估的關(guān)鍵。早期地震災(zāi)害信息的獲取主要依靠現(xiàn)場(chǎng)調(diào)查和勘測(cè)，震害信息準(zhǔn)確但效率低、費(fèi)用高、強(qiáng)度大［1］。隨著遙感技術(shù)的迅猛發(fā)展，高分辨率遙感為震后救援和快速災(zāi)害損失評(píng)估提供一種新的手段［2－4］，利用不同平臺(tái)和傳感器獲取的不同時(shí)相的海量遙感影像數(shù)據(jù)，通過目視解譯方法識(shí)別建筑物震害分類信息不能很好滿足地震快速應(yīng)急要求，計(jì)算機(jī)自動(dòng)識(shí)別建筑物震害的方法成為研究熱點(diǎn)［5］?；谙袼氐姆诸惙椒ㄊ歉鶕?jù)影像上像素亮度的接近程度來實(shí)現(xiàn)分類信息的提取，主要有基于紋理的監(jiān)督分類和非監(jiān)督分類。面向?qū)ο蠓诸惙椒ㄊ翘幚砗懈嗾Z義信息的多個(gè)相鄰像元組成的影像對(duì)象，充分利用對(duì)象的幾何信息以及影像對(duì)象之間的紋理信息和拓?fù)潢P(guān)系進(jìn)行分類［6－9］。本文利用玉樹縣震后的QuickBird高分辨率遙感影像數(shù)據(jù)，采用基于像素和面向?qū)ο蟮挠跋穹诸惙椒ǎ瑢?shí)現(xiàn)建筑物震害信息分類提取，并對(duì)分類結(jié)果和精度進(jìn)行評(píng)價(jià)。

1 遙感影像預(yù)處理

研究的主要數(shù)據(jù)是2010－04－21青海玉樹縣（北緯33.1°N，東經(jīng)96.7°E）震后的全色（0.61m）和多光譜（2.44m）影像。先利用ENVI軟件對(duì)兩幅影像進(jìn)行配準(zhǔn)，再對(duì)配準(zhǔn)后的全色和多光譜影像進(jìn)行融合處理，提高多光譜的分辨率，最后從整幅影像中裁剪出如圖1所示區(qū)域進(jìn)行建筑物震害信息分類提取。

圖1 研究區(qū)震后QuickBird影像

2 建筑物震害信息分類提取

本文將建筑物震害等級(jí)分為未倒塌（基本完好、輕微倒損、中度倒損）和倒塌（嚴(yán)重倒損、完全倒損）兩類，建筑物震害信息分類提取方法采用基于像素的分類方法和面向?qū)ο蟮姆诸惙椒ā?/p>

2.1 基于像素的建筑物震害信息提取

基于像素的分類方法是通過影像上像素亮度的接近程度來實(shí)現(xiàn)分類信息的提取，文章利用ENVI軟件采用監(jiān)督分類中最小距離法、最大似然法和非監(jiān)督分類中K－均值法、迭代式自組織數(shù)據(jù)分析算法（ISODATA）分別實(shí)現(xiàn)建筑物震害信息分類提取。

2.2 面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛?/h3>

針對(duì)高分辨率遙感影像的特征，Baats等提出面向?qū)ο蟮姆诸惙椒ǎ?0］，以分割后的影像對(duì)象為基本處理單元。面向?qū)ο蟮慕ㄖ镎鸷π畔⑻崛±胑Cognition軟件，先進(jìn)行影像對(duì)象構(gòu)建，再進(jìn)行對(duì)象的分類。

1）影像分割。

面向?qū)ο蟮慕ㄖ镎鸷π畔⒎诸愄崛≈?，最?yōu)分割尺度的選取是提高分類精度的關(guān)鍵技術(shù)［11－12］，通過實(shí)驗(yàn)，尺度75分割影像中完好建筑物的輪廓清晰，倒塌建筑物廢墟和裸地可以很好分開，選作最優(yōu)分割尺度，如圖2所示。

圖2 最優(yōu)分割尺度75

2）震害建筑物分類。

利用影像對(duì)象的光譜、形狀、紋理等特征和拓?fù)潢P(guān)系建立分類規(guī)則，選取的影像對(duì)象特征函數(shù)如表1所示。

表1 分類特征選取與描述

對(duì)分割尺度75影像中的對(duì)象采用隸屬度函數(shù)法和最鄰近法進(jìn)行震害信息分類提取，完整建筑物的提取采用長(zhǎng)寬比、形狀指數(shù)等特征閾值，倒塌建筑物的提取采用均值、亮度、密度等特征閾值。

3 分類結(jié)果與分析

3.1 分類結(jié)果

高分辨率遙感影像建筑物震害信息分類結(jié)果如圖3所示，其中，圖3（a）和圖3（b）為基于像素的分類中兩種較好的結(jié)果，圖3（c）和圖3（d）為面向?qū)ο蟮姆诸惤Y(jié)果。分類結(jié)果比較分析看出，分類提取結(jié)果有明顯的差異，基于像素的分類結(jié)果中存在明顯的“椒鹽現(xiàn)象”，而面向?qū)ο蟮姆诸惤Y(jié)果中則不存在，說明面向?qū)ο蠓诸惙椒▋?yōu)于基于像素的分類方法；面向?qū)ο蟮姆诸惤Y(jié)果中最鄰近法分類結(jié)果優(yōu)于隸屬度函數(shù)法，最鄰近法分類結(jié)果與研究區(qū)震后原始影像具有較好的一致性。

圖3 建筑物震害信息分類結(jié)果

3.2 精度分析

通過目視解譯，將研究區(qū)內(nèi)震后遙感影像中的兩類震害等級(jí)的建筑物進(jìn)行矢量化，以矢量圖為基礎(chǔ)生成標(biāo)準(zhǔn)樣本，參考國家公布的青海玉樹地震房屋倒損結(jié)果，采用混淆矩陣選擇生產(chǎn)者精度、用戶精度、總體精度、Kappa系數(shù)等參數(shù)對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)，如表2所示。可以看出，所有的分類結(jié)果中最優(yōu)的是最鄰近分類法。

表2 不同方法提取結(jié)果精度對(duì)比

綜上分析，高分辨率遙感建筑物震害提取方法中，面向?qū)ο蟮姆诸惙椒ㄟ\(yùn)用多尺度分割技術(shù)構(gòu)建影像對(duì)象的層次結(jié)構(gòu)，能夠根據(jù)特定影像中地物的光譜、紋理、結(jié)構(gòu)和形狀等特征和拓?fù)潢P(guān)系組合建立判斷規(guī)則，其分類結(jié)果比基于像素的分類效果好；面向?qū)ο蟮姆诸惙椒ㄖ凶钹徑ǚ诸愂峭ㄟ^樣本提取來實(shí)現(xiàn)，每次錯(cuò)分和漏分的地物可通過樣本的反復(fù)修改來實(shí)現(xiàn)分類結(jié)果的更新，分類結(jié)果比隸屬度函數(shù)分類更優(yōu)，且更符合實(shí)際情況。

4 結(jié)束語

面向?qū)ο蟮姆诸惙椒梢暂^好地利用高分辨率遙感影像分類提取震后建筑物倒損信息，為震后救援和災(zāi)害損失快速評(píng)估提供決策支持?；谙袼氐姆诸惙椒ㄖ焕脝蝹€(gè)像素的光譜特征，缺乏對(duì)多個(gè)像素均值的考慮，未能整合臨近像素的光譜信息，導(dǎo)致進(jìn)行高分辨率遙感影像分類時(shí)出現(xiàn)很多碎斑塊，從而不可避免地出現(xiàn)“椒鹽現(xiàn)象”；面向?qū)ο蟮姆诸惙椒梢愿鶕?jù)分類需求選擇最優(yōu)分割尺度，利用分類的影像對(duì)象比像素具有更豐富的信息，很好地抑制 “椒鹽現(xiàn)象”，但需要反復(fù)實(shí)驗(yàn)來確定最合適的參數(shù)，比基于像素的分類耗時(shí)且工作量大。

［1］ 吳劍，陳鵬，劉耀林.震害損毀建筑物高分辨率遙感影像信息提取方法［J］.地理與地理信息科學(xué)，2013，29（3）：35－38.

［2］ 陳文凱，何少林，張學(xué)發(fā).利用遙感技術(shù)提取震害信息方法的研究進(jìn)展［J］.西北地震學(xué)報(bào)，2008，30（1）：88－93.

［3］ 柳佳航，楊建峰.震害信息遙感獲取技術(shù)歷史現(xiàn)狀和趨勢(shì)［J］.自然災(zāi)害學(xué)報(bào)，2004，13（6）：46－52.

［4］ 魏成階，劉亞嵐，王世新，等.四川汶川大地震震害遙感調(diào)查與評(píng)估［J］.遙感學(xué)報(bào)，2008，12（5）：673－68.

［5］ 董燕生，潘耀忠，方偉華，等.基于面向?qū)ο蠹夹g(shù)的建筑物震害識(shí)別方法研究［J］.地震研究，2011，34（3）：372－377.

［6］ 梁艷.面向?qū)ο笈c基于像素的高分辨率遙感影像分類在土地利用分類中的應(yīng)用比較［D］.山西：太原理工大學(xué)，2012.

［7］ 甘甜，李金平，李小強(qiáng)，等.面向?qū)ο蟮母叻直媛蔬b感影像建筑物震害信息提?。跩］.測(cè)繪工程，2015，24（4）：11－15.

［8］ 譚衢霖，高姣姣.面向?qū)ο蠓诸愄崛「叻直媛识喙庾V影像建筑物［J］.測(cè)繪工程，2010，19（4）：30－33.

［9］ 李小強(qiáng)，李金平，甘甜.面向?qū)ο蟮母叻直媛蔬b感影像城市地物信息提取研究［J］.河南城建學(xué)院學(xué)報(bào)，2014，23（2）：63－68.

［10］BAATZ M，SCHAPE A.Multi－resolution Segmentation：an optimization approach for high quality multiscale image Segmentation［C］.Angewandte Geographische Informationsverarbeitung，2000，12－23.

［11］陳云浩，馮通，史培軍，等.基于面向?qū)ο蠛鸵?guī)則的遙感影像分類研究［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2006，31（4）：316－320.

［12］劉兆祎，李鑫慧，沈潤(rùn)平，等.高分辨率遙感圖像分割的最優(yōu)尺度選擇［J］.計(jì)算機(jī)工程與應(yīng)用，2014，50（6）：144－146.