【摘要】：準確地獲知災區(qū)的建筑物損毀程度能為抗震救災和災后重建提供決策依據(jù)。利用震后極化合成孔徑雷達(SAR)數(shù)據(jù),該文提出了一種綜合利用極化分解后多紋理特征的震后建筑物損毀評估方法。首先,用Pauli分解的π/4偶次散射分量剔除非建筑區(qū);其次,用Pauli分解的π/4偶次散射分量的方差特征、對比度特征和Pauli分解的奇次散射分量的對比度特征識別倒塌建筑物,并分別基于區(qū)塊計算建筑物損毀指數(shù);最后,綜合3個紋理特征完成建筑物的損毀評估。采用玉樹震后RADARSAT-2數(shù)據(jù)和東日本大地震后ALOS-1數(shù)據(jù)的實驗驗證了所提方法對建筑物損毀評估的有效性,該方法對玉樹城區(qū)和日本石卷城區(qū)的重度、中度和輕度損毀建筑評估的總體精度分別為74.39%和80.26%。與其他方法的對比實驗表明,該方法能減少取向角的影響,對存留有少數(shù)與方位向平行的完好建筑物的倒塌區(qū)、大取向角的完好建筑區(qū)的評估更為準確。
【圖文】：

Pauli分解將目標的散射過程相干分解為4種散射機制：平坦表面的奇次散射，方向角為0°的角反射器產(chǎn)生的二面角散射(偶次散射)，方向角為45°的角反射器產(chǎn)生的二面角散射(π/4偶次散射)，以及散射矩陣的所有不對稱分量。在滿足互易定理的單站情況下，SHV=SVH，使得d=0，此時Pauli分解可簡化為3個基矩陣。奇次散射、偶次散射和π/4偶次散射分量的功率依次可描述為u=10lg(|a|2)v=10lg(|b|2)ω=10lg(|c|2)(3)一般地，非建筑區(qū)主要包括河流、道路及裸地等目標，這些地物以奇次散射為主，其他類型散射均較弱；而完好建筑物的屋頂及倒塌建筑物的奇次散射也較強。建筑物倒塌后偶次散射降低，奇次散射增強；但完好建筑和倒塌建筑的π/4偶次散射均明顯強于非建筑物區(qū)。圖2為玉樹震后的RADARSAT-2極化SAR圖像中完好建筑物、倒塌建筑物和非建筑物區(qū)樣本Pauli分解后各分量的均值。可以看出，非建筑區(qū)和建筑區(qū)(包括完好建筑物和倒塌建筑物)在π/4偶次散射分量的差異最大。因此，根據(jù)震后災區(qū)地物的散射機制，本文利用Pauli分解的π/4偶次散射分量功率ω來區(qū)分非建筑區(qū)和建筑區(qū)。為了降低相干斑噪聲的影響，本文利用3×3窗口均值濾波后的π/4偶次散射分量功率ω′剔除非建筑物。通過統(tǒng)計分析確定區(qū)分建筑區(qū)與非建筑區(qū)圖1利用極化分解后多紋理特征的建筑物損毀評估流程Fig.1Theflowchartofbuildingdamageassessmentusingtexturefeaturesofpolarizationdecompositioncomponents圖2建筑區(qū)與非建筑區(qū)樣本的Pauli分解后各分量的均值Fig.2ThemeanofsamplescalculatedonthethreecomponentsafterPaulidecomposition陳啟浩等：極化分解后多紋理特征的建筑物損毀評估957

Pauli分解將目標的散射過程相干分解為4種散射機制：平坦表面的奇次散射，方向角為0°的角反射器產(chǎn)生的二面角散射(偶次散射)，方向角為45°的角反射器產(chǎn)生的二面角散射(π/4偶次散射)，以及散射矩陣的所有不對稱分量。在滿足互易定理的單站情況下，SHV=SVH，使得d=0，此時Pauli分解可簡化為3個基矩陣。奇次散射、偶次散射和π/4偶次散射分量的功率依次可描述為u=10lg(|a|2)v=10lg(|b|2)ω=10lg(|c|2)(3)一般地，非建筑區(qū)主要包括河流、道路及裸地等目標，這些地物以奇次散射為主，其他類型散射均較弱；而完好建筑物的屋頂及倒塌建筑物的奇次散射也較強。建筑物倒塌后偶次散射降低，奇次散射增強；但完好建筑和倒塌建筑的π/4偶次散射均明顯強于非建筑物區(qū)。圖2為玉樹震后的RADARSAT-2極化SAR圖像中完好建筑物、倒塌建筑物和非建筑物區(qū)樣本Pauli分解后各分量的均值。可以看出，非建筑區(qū)和建筑區(qū)(包括完好建筑物和倒塌建筑物)在π/4偶次散射分量的差異最大。因此，根據(jù)震后災區(qū)地物的散射機制，，本文利用Pauli分解的π/4偶次散射分量功率ω來區(qū)分非建筑區(qū)和建筑區(qū)。為了降低相干斑噪聲的影響，本文利用3×3窗口均值濾波后的π/4偶次散射分量功率ω′剔除非建筑物。通過統(tǒng)計分析確定區(qū)分建筑區(qū)與非建筑區(qū)圖1利用極化分解后多紋理特征的建筑物損毀評估流程Fig.1Theflowchartofbuildingdamageassessmentusingtexturefeaturesofpolarizationdecompositioncomponents圖2建筑區(qū)與非建筑區(qū)樣本的Pauli分解后各分量的均值Fig.2ThemeanofsamplescalculatedonthethreecomponentsafterPaulidecomposition陳啟浩等：極化分解后多紋理特征的建筑物損毀評估957

【相似文獻】

相關(guān)期刊論文 前10條

1 張志龍;李吉成;沈振康;;基于局部沃爾什變換的紋理特征提取方法研究[J];信號處理;2005年06期

2 王德民;基于數(shù)學形態(tài)學的紋理特征及其有效性的實驗比較[J];電子學報;1995年01期

3 魏錸;胡卓瑋;;基于合成孔徑雷達影像的海洋溢油紋理特征參數(shù)分析[J];海洋學報(中文版);2013年01期

4 李學龍,劉政凱,俞能海;一種有效的基于內(nèi)容的圖像檢索方法[J];通信學報;2002年12期

5 廖倩倩;夏定元;;基于提升小波提取顏色和紋理特征的圖像檢索方法[J];電子技術(shù)應用;2007年04期

6 付仲良;張文元;孟慶祥;;灰度和紋理特征組合的SAR影像SVM分類[J];應用科學學報;2012年05期

7 殷澤興,李介谷;基于紋理特征的圖像檢索[J];紅外與激光工程;1999年06期

8 童濤;楊桄;崔震;葉怡;王壽彪;;基于紋理特征的SAR圖像水上橋梁目標檢測[J];中國體視學與圖像分析;2012年02期

9 吳樊,王超,張紅;基于紋理特征的高分辨率SAR影像居民區(qū)提取[J];遙感技術(shù)與應用;2005年01期

10 徐佳;陳媛媛;黃其歡;何秀鳳;;綜合灰度與紋理特征的高分辨率星載SAR圖像建筑區(qū)提取方法研究[J];遙感技術(shù)與應用;2012年05期

相關(guān)碩士學位論文 前4條

1 劉虹呈;基于紋理特征的HEVC綜合性算法的研究[D];電子科技大學;2015年

2 黨曉婉;基于SVM和散射機理的極化SAR影像地物分類[D];西安電子科技大學;2014年

3 李欽嵐;極化SAR流冰區(qū)大塊接觸性浮冰分離方法研究[D];大連海事大學;2017年

4 劉明珠;基于紋理特征的SAR圖像質(zhì)量評估[D];哈爾濱工程大學;2013年

本文編號：2570927