在缺少震前參考信息前提下,提出了一種基于優(yōu)化視覺詞典的震后高分遙感影像震害建筑物檢測方法。首先通過WJSEG（wavelet-JSEG）分割以及一組非建筑物篩選規(guī)則提取潛在建筑物集合;其次利用光譜、紋理及幾何形態(tài)學(xué)特征構(gòu)建了一種震害視覺詞典模型,跨越了從像素到震害特征間的"語義鴻溝";在此基礎(chǔ)上設(shè)計了一種基于類內(nèi)和類間懲罰因子的視覺詞典優(yōu)化策略,減少了信息冗余及證據(jù)沖突;最后通過隨機森林分類器將建筑物進一步劃分為完好建筑物、部分震害建筑物及廢墟。在兩組實驗中,該方法的總體精度均達到85%以上,從而可為震后應(yīng)急響應(yīng)救援及災(zāi)后重建提供關(guān)鍵的決策支持信息。 

【文章來源】：電子測量與儀器學(xué)報. 2020,34(10)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

算法流程

數(shù)據(jù)集1為中國四川省汶川地區(qū)的震后QuickBird全色-多光譜融合遙感影像,包括R、G、B三個波段。地震發(fā)生時間為2008年5月12日,最高震級為8.0級,影像采集時間為2008年6月3日,尺寸為 1 024×1 024 pixels,如圖2(a)所示。數(shù)據(jù)集2為中國青海省玉樹地區(qū)的震后GE01全色-多光譜融合遙感影像,包括R、G、B三個波段。地震發(fā)生時間為2010年4月4日,最高震級為7.1級,影像采集時間為2010年5月6日,尺寸為1 024×1 024 pixels,如圖2(b)所示。此外,參考影像采用實地調(diào)查和目視解譯人工繪制。原始影像中一些具有代表性的區(qū)域被提取出來,并在圖2采用不同線型邊框的子圖像予以表示,以便進一步的詳細(xì)討論和分析。2)實驗策略

在本文構(gòu)建的震害視覺詞袋模型中,詞典長度K的設(shè)定對總體精度產(chǎn)生著顯著影響。盡管本文采用試錯法可以確定局部最優(yōu)值,但自動化程度較低。為此,本文一步分析了總體精度隨K的變化趨勢曲線,如圖7所示。由圖7可知,在兩組實驗中總體精度均隨著K的增加呈現(xiàn)出先逐漸上升,到達頂點后逐漸下降的趨勢。同時,數(shù)據(jù)集1和數(shù)據(jù)集2實驗分別在K=14(總體精度為85.6%)和K=18(總體精度為85.8%)時總體取得最大值。此外,當(dāng)K在取值區(qū)間[12,20]中取值時,總體精度均能夠達到80%以上。因此,本文建議在實際應(yīng)用中可在此區(qū)間中直接人工設(shè)定或采用試錯法確定最優(yōu)值。

【參考文獻】：
期刊論文
[1]改進的稀疏表示遙感圖像超分辨重建[J]. 朱福珍,劉越,黃鑫,白鴻一,巫紅.  光學(xué)精密工程. 2019(03)
[2]利用高分辨率光學(xué)遙感圖像檢測震害損毀建筑物[J]. 葉昕,秦其明,王俊,鄭小坡,王建華.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2019(01)
[3]利用詞袋模型檢測建筑物頂面損毀區(qū)域[J]. 涂繼輝,眭海剛,馮文卿,孫開敏.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2018(05)
[4]基于SEaTH算法的蘆山地震無人機低空遙感影像信息對象級分類[J]. 王之,劉超,劉秀菊,魯恒,蔡詩響,楊正麗.  地震研究. 2018(02)
[5]結(jié)合輻射與分形的高分遙感建筑物陰影檢測[J]. 王超,行鴻彥,李亮,裴曉芳,申祎.  儀器儀表學(xué)報. 2018(02)
[6]結(jié)合像元級和目標(biāo)級的高分辨率遙感影像建筑物變化檢測[J]. 張志強,張新長,辛秦川,楊曉羚.  測繪學(xué)報. 2018(01)
[7]基于高分一號衛(wèi)星遙感圖像的建筑物震害損毀檢測研究——以2015年尼泊爾MS8.1地震為例[J]. 葉昕,王俊,秦其明.  地震學(xué)報. 2016(03)
[8]基于多特征結(jié)合的損毀建筑物檢測[J]. 劉宇,曹國,周麗存,曲寶珠.  計算機應(yīng)用. 2015(09)



本文編號：3523389