彭懋磊，郝 寧，李 垠，張 萍

(1. 地震預(yù)警湖北省重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430071；2. 上海大學(xué)機(jī)械學(xué)院，上海 200444)

1 引言

地震具有突發(fā)性強(qiáng)、破壞性大等特征，對(duì)于其發(fā)生的時(shí)間與地點(diǎn)，無(wú)法做到完全精準(zhǔn)預(yù)警。因此，地震發(fā)生后，及時(shí)分析和評(píng)估震害信息是降低經(jīng)濟(jì)損失、保障生命安全的重要途徑。然而，震害信息通常需通過(guò)實(shí)地勘測(cè)獲得，此種方法獲得的信息雖然具有較高置信度，但工作量大，效率低，不利于救援工作迅速開(kāi)展。

為能夠?qū)F(xiàn)代化技術(shù)應(yīng)用到震后救援工作中，文獻(xiàn)[1]提出基于無(wú)人機(jī)傾斜影像的震害信息提取方法。利用無(wú)人機(jī)傾斜影像建模生成三維圖像，對(duì)圖像紋理和不規(guī)則三角網(wǎng)做分離處理，獲取清晰紋理影像；結(jié)合金字塔模型坐標(biāo)范圍，根據(jù)建筑物空間位置，選取最優(yōu)紋理圖像；通過(guò)加權(quán)均值法對(duì)圖像進(jìn)行分割，采用面向?qū)ο蠓绞将@取建筑物震后信息。文獻(xiàn)[2]利用馬爾科夫隨機(jī)場(chǎng)來(lái)完成震害信息提取。通過(guò)馬爾科夫隨機(jī)場(chǎng)實(shí)現(xiàn)影像分割，結(jié)合不同建筑在不同受損程度下顯示出的特征，采用支持向量機(jī)方法獲取受損建筑物。但上述方法的同步測(cè)量面積較小，若需要大面積測(cè)量，不能保障圖像清晰度。

為解決該問(wèn)題，本文研究了0.2m分辨率[3]遙感影像的震害信息提取。遙感作為一種新興的空間測(cè)量技術(shù)，與其它方法相比，存在以下優(yōu)勢(shì)：同步觀測(cè)面積大，觀測(cè)面積越大，獲得的信息就越多，可減少工作量，且遙感不會(huì)受到地形等因素制約；時(shí)效性強(qiáng)，可實(shí)現(xiàn)短時(shí)間內(nèi)對(duì)相同區(qū)域的重復(fù)觀測(cè)，獲取動(dòng)態(tài)變化信息；信息綜合性強(qiáng)，遙感圖像可全面體現(xiàn)自然與人文等信息，實(shí)現(xiàn)全天觀測(cè)；成本低，可節(jié)省較多人力與財(cái)力，提高社會(huì)效益。同時(shí)本文使用的0.2m分辨率遙感影像屬于高分辨率圖像，其比低分辨率圖像包含的信息更多，地物信息特征會(huì)更加顯著，此外憑借成像周期短的優(yōu)勢(shì)為震害信息實(shí)時(shí)提取奠定基礎(chǔ)。

2 0.2m分辨率遙感影像采集與預(yù)處理

2.1 遙感影像采集

遙感圖像的采集就是將地物波譜特征[4]通過(guò)一種特定方式形成對(duì)應(yīng)影像，其解譯過(guò)程稱(chēng)為成像逆過(guò)程。為了使圖像包含更多有用信息，需依賴(lài)目標(biāo)自身特征來(lái)實(shí)現(xiàn)。遙感影像采集過(guò)程如圖1所示。

圖1 遙感圖像采集模型

因圖像中呈現(xiàn)出的震害信息特征較為復(fù)雜，再加上解譯過(guò)程存在的不確定性，會(huì)造成圖像中存在一些噪聲。為提高圖像質(zhì)量，有助于更好的完成圖像分割[5]，使提取的信息更能反映真實(shí)情況。

2.2 圖像預(yù)處理

遙感圖像通常會(huì)出現(xiàn)幾何位置偏移等現(xiàn)象，本文對(duì)采集到的圖像完成幾何校正與圖像配準(zhǔn)，不但提高影像質(zhì)量，還可以改善位置精度。

2.2.1 幾何校正

共線方程[6]是幾何校正的常用算法，其參數(shù)可自行設(shè)置，也能夠結(jié)合最小二乘理論計(jì)算，通過(guò)獲取所有像元修正值，實(shí)現(xiàn)校正。

現(xiàn)階段，大部分遙感系統(tǒng)均配備光學(xué)傳感器，需利用到無(wú)控制點(diǎn)情況下的共線方程。利用傳感器掃描地面，生成數(shù)字圖像，形成正射投影，將某像點(diǎn)為中心投影，此種成像方式可利用下述共線方程描述

(1)

(2)

式中，x與y代表初始圖像坐標(biāo)，X、Y與Z表示地面坐標(biāo)，Xs、Ys、Zs代表傳感器地面坐標(biāo)，a、b和c分別對(duì)應(yīng)俯仰角、滾動(dòng)角與航偏角的旋轉(zhuǎn)矩陣[7]。

共線方程是基于圖像與地面坐標(biāo)之間的數(shù)學(xué)轉(zhuǎn)換關(guān)系構(gòu)建的，是對(duì)圖像幾何形狀的表示，使得在沒(méi)有控制點(diǎn)條件下也能夠完成高精度校正。

2.2.2 正射校正

成像時(shí)受到地球曲率和大氣折射現(xiàn)象影響，圖像幾何形狀會(huì)出現(xiàn)畸變，和地物形狀不符。為改善這一問(wèn)題，需對(duì)圖像做正射校正。其實(shí)質(zhì)是利用數(shù)字元糾正的方式對(duì)初始圖像做正交投影，令其變換成數(shù)字正射圖像，主要過(guò)程如下。

1)獲取地面點(diǎn)坐標(biāo)

如果正射圖像中隨機(jī)一點(diǎn)P的坐標(biāo)表示為(X1，Y1)，通過(guò)正射圖像中地面坐標(biāo)(X0，Y0)和比例尺分母M，共同獲取P點(diǎn)相對(duì)的地面坐標(biāo)(X，Y)。

X=X0+M·X1

(3)

Y=Y0+M·Y1

(4)

2)獲取像點(diǎn)坐標(biāo)

利用反解表達(dá)式獲取初始圖像中對(duì)應(yīng)像元點(diǎn)坐標(biāo)L(X，Y)，反解公式即為式(1)和式(2)表示的共線方程。

再將像點(diǎn)坐標(biāo)變換為數(shù)字化圖像的掃描坐標(biāo)

(I，J)

(5)

(6)

3)灰度內(nèi)插

通過(guò)雙線性?xún)?nèi)插方法，計(jì)算像元點(diǎn)L的灰度值g(x，y)，并用點(diǎn)L的灰度值替換校正之后的點(diǎn)P

G(X，Y)=g(x，y)

(7)

針對(duì)所有校正像素均進(jìn)行以上計(jì)算，即可獲得數(shù)字正射圖像。

2.2.3 圖像配準(zhǔn)

實(shí)現(xiàn)幾何與正射校正后，基本完成疊置，一些地物信息能夠重合在一起，但個(gè)別較小目標(biāo)也會(huì)存在偏差，因此，還需進(jìn)一步進(jìn)行圖像配準(zhǔn)工作。其主要分為像素坐標(biāo)轉(zhuǎn)換、像素亮度值重新采樣兩個(gè)步驟。

本文利用多項(xiàng)式校正圖像配準(zhǔn)方法，將圖像變形當(dāng)作平移、旋轉(zhuǎn)等因素影響的結(jié)果。選取匹配控制點(diǎn)，計(jì)算多項(xiàng)式系數(shù)，完成兩個(gè)圖像之間的配準(zhǔn)。

多項(xiàng)式校正表達(dá)式如下

x=a0+(a1X+a2Y)+(a3X2+a4XY+a5Y2)

+(a6X3+a7X2Y+a8XY2+a9Y3)+…

(8)

y=b0+(b1X+b2Y)+(b3X2+b4XY+b5Y2)

+(b6X3+b7X2Y+b8XY2+b9Y3)+…

(9)

式中，ai與bi為多項(xiàng)式系數(shù)，其數(shù)值和多項(xiàng)式項(xiàng)數(shù)n具有一定關(guān)系

(10)

3 基于0.2分辨率遙感影像震害信息提取

3.1 多尺度影像分割

圖像分割的主要目的是將不同特征的目標(biāo)區(qū)分開(kāi)來(lái)。本文使用多尺度分割算法，其描述了一種局部?jī)?yōu)化過(guò)程[8]。其中分割尺度是一個(gè)重要參數(shù)，能夠決定圖像可允許的最強(qiáng)異質(zhì)度。當(dāng)該參數(shù)確定時(shí)，異質(zhì)性越大，影像分割數(shù)目越多。

1)異質(zhì)性表示

光譜異質(zhì)性H的表示，利用光譜值標(biāo)準(zhǔn)差σc與其權(quán)值之和進(jìn)行計(jì)算，假設(shè)每層權(quán)重值為wc，則表達(dá)式如下

(11)

但在一些特殊條件下，異質(zhì)性最小容易造成形狀邊界不規(guī)范。因此，將光譜異質(zhì)性[9]與空間異質(zhì)性相互結(jié)合，以此實(shí)現(xiàn)邊界形狀緊致。假設(shè)緊致度利用邊界周長(zhǎng)l和目標(biāo)大小N的均方根之比表示，公式如下

(12)

2)異質(zhì)度計(jì)算

異質(zhì)性標(biāo)準(zhǔn)與色調(diào)與形狀相關(guān)，針對(duì)隨機(jī)兩個(gè)影像的光譜異質(zhì)度ΔHcolor與形狀異質(zhì)度ΔHshape，與其相對(duì)的權(quán)值表示為wcolor與wshape，變化區(qū)間為[0，1]，且滿足下述條件

wcolor+wshape=1

(13)

因此，整體融合值f的計(jì)算公式如下

f=wcolor·ΔHcolor+wshape·ΔHshape

(14)

則ΔHcolor可通過(guò)全部像素值的標(biāo)準(zhǔn)差σc獲取，計(jì)算公式為

(15)

式中，N代表目標(biāo)大小。

形狀異質(zhì)程度又和光滑度ΔHsmooth以及形狀緊致度ΔHcompt有關(guān)，其異質(zhì)度權(quán)重為wsmooth與wcompt，變換區(qū)間是[0，1]，同時(shí)滿足下述要求

wcompt+wsmooth=1

(16)

因此形狀異質(zhì)性ΔHshape為

ΔHshape=wcompt·ΔHcompt+wsmooth·Δhsmooth

(17)

由上述得出光滑度與緊致度的計(jì)算公式

(18)

(19)

式中，B表示目標(biāo)外切矩形周長(zhǎng)。

3)分割流程

基于多尺度的圖像分割過(guò)程為：

步驟一：設(shè)定分割參數(shù)，將其當(dāng)作圖像合并終止的條件，結(jié)合圖像特點(diǎn)確定光譜形狀及其權(quán)重，并分析地物空間屬性，計(jì)算緊密度與光滑度權(quán)重；

步驟二：將圖像內(nèi)隨機(jī)像素圖斑當(dāng)作中心進(jìn)行分割，首次分割時(shí)，結(jié)合獨(dú)立像元完成異質(zhì)性計(jì)算，在之后的分割過(guò)程中則根據(jù)圖斑完成分割，判定整體融合值f和尺度參數(shù)存在的差異，假設(shè)f低于設(shè)定閾值，繼續(xù)分割，反之停止。

3.2 震害信息提取

在遙感圖像中，不同類(lèi)型的震害信息表現(xiàn)出的特征不同，如表1所示。

表1 震害信息特征表

根據(jù)表1中震害信息表現(xiàn)出的不同特征，利用卷積神經(jīng)網(wǎng)絡(luò)，并將上述特征作為訓(xùn)練依據(jù)，經(jīng)過(guò)池化訓(xùn)練，提取出采集遙感影像中的準(zhǔn)確震害信息。

卷積神經(jīng)網(wǎng)絡(luò)中的鄰近神經(jīng)元是相互連通的，其輸入就是采集的遙感圖像。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)對(duì)于參數(shù)的設(shè)置較為敏感，降低信息提取的自動(dòng)化程度，且在較為復(fù)雜的場(chǎng)景下不容易提取出震害信息。已有研究表明，卷積神經(jīng)網(wǎng)絡(luò)可將信息特征進(jìn)行很好地融合，更具描述能力。

(20)

(21)

通過(guò)上述池化處理，得到神經(jīng)網(wǎng)絡(luò)輸出結(jié)果，以此完成震害信息提取。

4 仿真數(shù)據(jù)分析與研究

為驗(yàn)證所提方法對(duì)震害信息提取的效果，選取某區(qū)域作為目標(biāo)，搭建實(shí)驗(yàn)環(huán)境，模擬地震過(guò)程。采用微型無(wú)人機(jī)遙感系統(tǒng)，其具有GPS自主定位功能，續(xù)航時(shí)間可達(dá)12小時(shí)，最大抗風(fēng)能力為五級(jí)，巡航速度是55km/h。利用此遙感系統(tǒng)，在100m×200m范圍內(nèi)，將文獻(xiàn)[1]提出的基于無(wú)人機(jī)傾斜影像的震害信息提取方法和文獻(xiàn)[2]提出的基于馬爾科夫隨機(jī)場(chǎng)的震害信息提取方法與本文提出方法的遙感圖像采集結(jié)果對(duì)比。圖像采集效果如圖2所示。

圖2 不同分辨率下的遙感圖像采集效果

由圖2能夠看出，基于無(wú)人機(jī)傾斜影像的震害信息提取方法采集到的圖像邊緣部分模糊；基于馬爾科夫隨機(jī)場(chǎng)的震害信息提取方法獲取的圖像只有中心區(qū)域清晰。本文方法采集效果最佳，獲取的圖像非常清晰。這是因?yàn)?.2m分辨率屬于高分辨率圖像采集方法，在沒(méi)有進(jìn)行圖像預(yù)處理的情況下，也能得到高質(zhì)量圖像。

不同方法的圖像分割結(jié)果如圖3所示。

圖3 不同方法分割效果圖

由圖3可以看出，文獻(xiàn)[1]提出的基于無(wú)人機(jī)傾斜影像的震害信息提取方法主要分割了圖像的邊緣區(qū)域，文獻(xiàn)[2]提出的基于馬爾科夫隨機(jī)場(chǎng)的震害信息提取方法則是可以完成清晰區(qū)域分割，對(duì)于模糊部分，分割效果不理想。本文方法能夠準(zhǔn)確識(shí)別出關(guān)鍵區(qū)域，并進(jìn)行分割。在圖像的中心部分是建筑與公路地帶，震害信息提取主要針對(duì)的就是道路與建筑，此區(qū)域也是圖像信息的集中部分。這主要是因?yàn)椋核岱椒ǔ跏紙D像的清晰度就遠(yuǎn)遠(yuǎn)高于其它兩種方法，再加上所提方法的預(yù)處理效果會(huì)更加注重細(xì)節(jié)，因此得到的圖像分割效果最佳，可獲得更多有效震害信息。

完成圖像分割后，下面驗(yàn)證震害信息提取的準(zhǔn)確性。主要測(cè)試的內(nèi)容包括：“完好-遭到破壞”以及“遭到破壞-完好”的誤分割率，其中前者指在提取的有效信息中完好房屋或道路被識(shí)別為遭到破壞；而后者表示遭到破壞被識(shí)別為完好，計(jì)算公式分別如下

(22)

(23)

式中，S1為完好建筑被劃分為破壞的圖像面積，S為圖像包含建筑的整體面積。S2為遭到破壞的建筑被識(shí)別為完好的圖像面積。

誤分率的計(jì)算公式表示為：

Er=R1+R2

(24)

根據(jù)以上理論依據(jù)計(jì)算上述三種方法的誤分率，所得實(shí)驗(yàn)數(shù)據(jù)如圖4所示。

圖4 不同方法誤分率圖

圖4表明，所提方法的誤分率沒(méi)有出現(xiàn)大幅度上升趨勢(shì)，始終低于其它兩種方法。主要因?yàn)?.2分辨率遙感影像可采集到更多有用信息，提高震害信息提取精度，同時(shí)卷積神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的描述能力，可進(jìn)一步增強(qiáng)信息提取效果。

5 結(jié)論

當(dāng)前，如何準(zhǔn)確獲取震害信息已成為研究熱點(diǎn)。本文在0.2分辨率遙感圖像基礎(chǔ)上提取震害信息，經(jīng)過(guò)對(duì)圖像的處理和分割，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)完成關(guān)鍵信息提取。實(shí)驗(yàn)證明了該算法的可行性，優(yōu)化了信息提取有效性與時(shí)效性，為震害信息的獲取方式提供新思路。