本文關(guān)鍵詞：基于高分辨率遙感影像數(shù)據(jù)的建筑物震害信息分類提取研究，由筆耕文化傳播整理發(fā)布。

【摘要】：強烈地震、海嘯等自然災(zāi)害給災(zāi)區(qū)人民的生命及財產(chǎn)造成了重大損失,建筑物的倒損信息是震后災(zāi)害評估的一項重要指標,建筑物倒損信息的快速獲取已成為災(zāi)后救援并減少損失的關(guān)鍵。隨著遙感技術(shù)的快速發(fā)展,不同時相、高分辨率、海量的遙感數(shù)據(jù)為災(zāi)后救援和災(zāi)害損失評估提供了可靠的數(shù)據(jù)源。尤其我國無人機技術(shù)的快速發(fā)展,無人機航空遙感在震后災(zāi)情信息獲取中得到廣泛應(yīng)用。海域和陸地地震的震后遙感影像特征具有很大不同,建筑物震害信息分類提取研究具有重要的實用價值和現(xiàn)實意義。海域地震的建筑物震害信息分類提取的數(shù)據(jù)源選取2011年3月11日日本大地震前、后的仙臺市World-view2高分辨率衛(wèi)星影像。結(jié)合日本仙臺實際的地類特征,將震前影像進行多尺度分割,在不同的分割層通過設(shè)置不同的特征閾值來實現(xiàn)不同地物的信息提取,分類結(jié)果以矢量數(shù)據(jù)輸出并疊加到震后的影像上進行棋盤分割,通過不同特征閾值設(shè)置提取出耕地、水體、建筑物,再將震后未分類的影像按尺度45進行分割用于提取其他地物信息。最后對兩時相提取結(jié)果進行變化檢測分析,分別定義建筑物減少類、建筑物未變化類,建筑物增加類,將變化檢測的矢量數(shù)據(jù)輸出并在ArcGIS軟件中進行轉(zhuǎn)移矩陣計算得出建筑物倒塌面積。分類結(jié)果精度評價為震前分類總體精度達到88.8%,震后總體精度為85.7%。陸地地震的建筑物震害信息分類提取的數(shù)據(jù)源選取2014年8月4日地震前、后的云南省昭通市魯?shù)榭h龍頭山鎮(zhèn)World-view2高分辨率衛(wèi)星影像及無人機航空影像,采用面向?qū)ο笮畔⑻崛》诸惙椒☉?yīng)用變化檢測方法,將建筑物震害信息分為基本完好、中度倒損、嚴重倒損、完全倒塌等四類。首先對兩時相進行尺度分割,基于光譜均值、Blue_ratio、Area等特征建立合適的特征空間,利用最鄰近分類方法,對建筑物按四類破壞等級進行精細分類。分類結(jié)果精度評價為震前分類總體精度達到88.16%,震后總體精度為91.95%。并進行轉(zhuǎn)移矩陣計算得出建筑物倒塌面積。結(jié)果表明,在最優(yōu)尺度分割基礎(chǔ)上的面向?qū)ο笳鸷π畔⑻崛》椒軌驅(qū)崿F(xiàn)四類建筑物震害信息提取,能夠滿足地震災(zāi)害快速評估要求。可以看出,地震海嘯后遙感建筑物震害信息分類與提取方法相對簡單,主要是海嘯將建筑物倒損碎屑帶走,震后影像上的建筑物是完好和基本完好;而陸地地震倒損和嚴重倒損的建筑物碎屑不規(guī)則的散落在街道、空地或未倒損建筑附近,給建筑物震害信息提取造成一定困難。本文在對兩個實驗區(qū)進行建筑物的震害信息提取時,基于面向?qū)ο筮M行變化檢測的方法基礎(chǔ)之上,實現(xiàn)了一種通過前時相分類結(jié)果矢量圈定震后感興趣區(qū)域進行變化檢測技術(shù),通過對高分辨率遙感影像的建筑物震害信息特征選取、規(guī)則集的建立、閾值的設(shè)置,可以實現(xiàn)建筑物震害信息精細分類提取從而滿足災(zāi)害損失評估的需求。
【關(guān)鍵詞】：高分辨率遙感 建筑物震害信息 面向?qū)ο?/strong> 變化檢測
【學位授予單位】：云南師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P237;P315.9
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 引言11-12
• 1.2 建筑物震害信息提取國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 建筑物變化檢測研究現(xiàn)狀12-13
• 1.2.2 建筑物震害信息提取研究現(xiàn)狀13-14
• 1.3 研究內(nèi)容及組織結(jié)構(gòu)14-17
• 第2章 面向?qū)ο蟮慕ㄖ镒兓瘷z測及信息提取17-42
• 2.1 遙感變化檢測技術(shù)17-19
• 2.1.1 遙感影像變化檢測技術(shù)17-18
• 2.1.2 多時相遙感變化檢測技術(shù)方法及流程18-19
• 2.2 面向?qū)ο笥跋穹指罴夹g(shù)19-25
• 2.2.1 影像分割的定義20-21
• 2.2.2 影像分割常用方法21-24
• 2.2.3 基于邊緣提取的多尺度分割24-25
• 2.3 面向?qū)ο笥跋穹诸惣夹g(shù)25-31
• 2.3.1 特征描述及選擇26-31
• 2.3.2 面向?qū)ο蠓诸惙椒?/span>31
• 2.4 建筑物變化檢測及信息提取31-42
• 2.4.1 eCognition Developer軟件32-33
• 2.4.2 基于eCognition Developer的變化檢測33-35
• 2.4.3 eCognition Developer主要分割算法35-37
• 2.4.4 最優(yōu)分割尺度選擇37-38
• 2.4.5 eCognition Developer主要分類算法38-42
• 第3章 海域建筑物震害信息分類提取42-59
• 3.1 震后建筑物分類等級及其特點42-44
• 3.2 數(shù)據(jù)源選取44-45
• 3.3 數(shù)據(jù)預處理45-47
• 3.4 建筑物震害信息分類提取47-55
• 3.4.1 震前影像數(shù)據(jù)分類47-51
• 3.4.2 震后影像數(shù)據(jù)分類51-55
• 3.5 精度評定55-59
• 第4章 基于多源遙感數(shù)據(jù)的陸域建筑物震害信息提取59-71
• 4.1 數(shù)據(jù)源選取59-60
• 4.2 數(shù)據(jù)預處理60-62
• 4.2.1 前時相World-view2影像數(shù)據(jù)預處理60-61
• 4.2.2 后時相無人機航片預處理61-62
• 4.3 建筑物震害信息分類提取62-68
• 4.3.1 分割尺度及特征選擇62-64
• 4.3.2 震前影像數(shù)據(jù)分類64-66
• 4.3.3 震后影像數(shù)據(jù)分類66-68
• 4.4 精度評定68-71
• 第5章 結(jié)論和展望71-73
• 5.1 結(jié)論71-72
• 5.2 展望72-73
• 參考文獻73-78
• 附錄A：圖目錄78-80
• 附錄B：表目錄80-81
• 攻讀學位期間發(fā)表的學術(shù)論文和研究成果81-82
• 致謝82

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 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];測繪工程;2010年04期

2 姬淵;秦志遠;王秉杰;劉曉輝;;小型無人機遙感平臺在攝影測量中的應(yīng)用研究[J];測繪技術(shù)裝備;2008年01期

3 李秦;高錫章;張濤;劉錕;龔劍明;;最優(yōu)分割尺度下的多層次遙感地物分類實驗分析[J];地球信息科學學報;2011年03期

4 楊U，

本文編號：333033

suoshi