基于視覺認(rèn)知的SAR圖像城市建筑物震害損毀快速檢測
發(fā)布時間：2021-01-16 03:03
地震災(zāi)害作為重大突發(fā)性自然災(zāi)害之一,具有較強的破壞力,一旦發(fā)生極易造成巨大的人民生命財產(chǎn)損失。因此,地震災(zāi)害發(fā)生后的城市目標(biāo)損毀快速圈定可以指導(dǎo)科學(xué)有效地開展災(zāi)后救援工作,最大限度地減少損失。合成孔徑雷達（Synthetic Aperture Radar,SAR）具有全天時、全天候進行對地觀測的能力,在災(zāi)害應(yīng)急監(jiān)測與災(zāi)情評估中起到其他遙感技術(shù)無法替代的作用。SAR圖像由于其特殊的成像方式與噪聲的影響,存在視覺效果差,人眼目視解譯困難的問題,并且使用常用的變化檢測方法對損毀區(qū)域進行提取準(zhǔn)確度不高。隨著計算機視覺領(lǐng)域的不斷發(fā)展,結(jié)合神經(jīng)生物學(xué)和心理學(xué),人類對視覺信息的處理研究不斷深入,視覺認(rèn)知在圖像處理方面取得了較大的進展,其中視覺顯著性檢測能夠讓人類視覺系統(tǒng)對圖像中的重要信息進行快速認(rèn)知,顯著性區(qū)域的顏色、形狀、紋理等特征與周圍區(qū)域形成強對比,能被人眼快速獲取。因此在本文中,將視覺認(rèn)知引入地震發(fā)生后的建筑物損毀檢測中,分別對地震發(fā)生后不同的SAR數(shù)據(jù)獲取情況進行研究。針對僅獲取震后單時相SAR數(shù)據(jù)的情況,提出了基于視覺認(rèn)知的SAR圖像視覺優(yōu)化方法,通過自適應(yīng)負(fù)指數(shù)變換的方法對SAR圖像視...
【文章來源】：北京建筑大學(xué)北京市
【文章頁數(shù)】：79 頁
【學(xué)位級別】：碩士
【部分圖文】：
視覺系統(tǒng)對亮度的感知[11]
數(shù)見表 3-1。2.5.1. 震后大范圍場景 SAR 圖像優(yōu)化圖2-2是對地震發(fā)生后的ALOS 2圖像使用本文方法進行視覺優(yōu)化的結(jié)果圖，由于實驗區(qū)包含大量城市建筑物，二面角結(jié)構(gòu)非常多，像元值在亮端也較多，因此本文方法自動選擇使用修正后的負(fù)指數(shù)參數(shù)進行負(fù)指數(shù)變換計算。大范圍場景中的 SAR 圖像包含的地物類型較多，使用該方法能較好地展示建筑物區(qū)域、山地區(qū)域、水域和農(nóng)田區(qū)域，并且城市邊界明顯，與自然地物的區(qū)別容易被視覺系統(tǒng)認(rèn)知。對比圖 2-3 中使用的 Linea2%線性拉伸方法，暗端像元值得到了更好的拉伸，能顯示更多灰度較暗的圖像細節(jié)。根據(jù)對震后光學(xué)圖像的解譯，選定 4 處未發(fā)生變化的建筑區(qū)（R1、R2、R3、R4，圖 2-2 綠框范圍）與 3 處發(fā)生大面積建筑物倒塌的區(qū)域（R5、R6、R7
圖 2-3 Linear2%的震后 SAR 圖像視覺優(yōu)化結(jié)果圖Fig.2-3SAR image visual optimization result diagram of Linear2% method after earthquake圖 2-4 中展示了圖 2-2 與圖 2-3 中四處綠色方框中使用本文方法與常用的Linear2%方法進行視覺優(yōu)化后的結(jié)果，是本次地震后建筑物未損毀區(qū)域（R1、R2、R3、R4）的細節(jié)圖。四處均為熊本市建筑較為密集區(qū)域，其中 R1 建筑物排列整齊，R2 中的建筑物較為分散，R3 位于建筑物密集區(qū)域，二面角結(jié)構(gòu)較多，R4 中的未倒塌建筑物范圍位于本次地震受災(zāi)較為嚴(yán)重的益城町區(qū)域附近，這四個區(qū)域能較好代表地震后城市中未損毀建筑物特點。R1 與 R3 中建筑物排列較為規(guī)則，使用 Linear2%的方法進行視覺增強，可以較好地保持建筑區(qū)的紋理特征，但是建筑物二次散射亮線表現(xiàn)為間隔較大的亮點組成，使用本文方法進行視覺優(yōu)化后，圖像中建筑物的強散射亮線排列較為整齊，由間隔較小的亮點組成，暗端細節(jié)得以展示，紋理特征保持的較好，可以幫助解譯人員快速判定該區(qū)域未發(fā)生建筑物損毀；R2 中的建筑物較為分散，使用Linear2%的拉伸結(jié)果仍然較暗，建筑物細節(jié)顯示效果不適合解譯人員判讀，由于城市范圍的建筑物朝向一致，強散射亮線的方向性較強，經(jīng)過本文方法視覺優(yōu)化后亮線較為連續(xù)，并且暗端細節(jié)經(jīng)過變換后顯示效果較好，可以判定該區(qū)域未發(fā)
本文編號：2980031
【文章來源】：北京建筑大學(xué)北京市
【文章頁數(shù)】：79 頁
【學(xué)位級別】：碩士
【部分圖文】：
視覺系統(tǒng)對亮度的感知[11]
數(shù)見表 3-1。2.5.1. 震后大范圍場景 SAR 圖像優(yōu)化圖2-2是對地震發(fā)生后的ALOS 2圖像使用本文方法進行視覺優(yōu)化的結(jié)果圖，由于實驗區(qū)包含大量城市建筑物，二面角結(jié)構(gòu)非常多，像元值在亮端也較多，因此本文方法自動選擇使用修正后的負(fù)指數(shù)參數(shù)進行負(fù)指數(shù)變換計算。大范圍場景中的 SAR 圖像包含的地物類型較多，使用該方法能較好地展示建筑物區(qū)域、山地區(qū)域、水域和農(nóng)田區(qū)域，并且城市邊界明顯，與自然地物的區(qū)別容易被視覺系統(tǒng)認(rèn)知。對比圖 2-3 中使用的 Linea2%線性拉伸方法，暗端像元值得到了更好的拉伸，能顯示更多灰度較暗的圖像細節(jié)。根據(jù)對震后光學(xué)圖像的解譯，選定 4 處未發(fā)生變化的建筑區(qū)（R1、R2、R3、R4，圖 2-2 綠框范圍）與 3 處發(fā)生大面積建筑物倒塌的區(qū)域（R5、R6、R7
圖 2-3 Linear2%的震后 SAR 圖像視覺優(yōu)化結(jié)果圖Fig.2-3SAR image visual optimization result diagram of Linear2% method after earthquake圖 2-4 中展示了圖 2-2 與圖 2-3 中四處綠色方框中使用本文方法與常用的Linear2%方法進行視覺優(yōu)化后的結(jié)果，是本次地震后建筑物未損毀區(qū)域（R1、R2、R3、R4）的細節(jié)圖。四處均為熊本市建筑較為密集區(qū)域，其中 R1 建筑物排列整齊，R2 中的建筑物較為分散，R3 位于建筑物密集區(qū)域，二面角結(jié)構(gòu)較多，R4 中的未倒塌建筑物范圍位于本次地震受災(zāi)較為嚴(yán)重的益城町區(qū)域附近，這四個區(qū)域能較好代表地震后城市中未損毀建筑物特點。R1 與 R3 中建筑物排列較為規(guī)則，使用 Linear2%的方法進行視覺增強，可以較好地保持建筑區(qū)的紋理特征，但是建筑物二次散射亮線表現(xiàn)為間隔較大的亮點組成，使用本文方法進行視覺優(yōu)化后，圖像中建筑物的強散射亮線排列較為整齊，由間隔較小的亮點組成，暗端細節(jié)得以展示，紋理特征保持的較好，可以幫助解譯人員快速判定該區(qū)域未發(fā)生建筑物損毀；R2 中的建筑物較為分散，使用Linear2%的拉伸結(jié)果仍然較暗，建筑物細節(jié)顯示效果不適合解譯人員判讀，由于城市范圍的建筑物朝向一致，強散射亮線的方向性較強，經(jīng)過本文方法視覺優(yōu)化后亮線較為連續(xù)，并且暗端細節(jié)經(jīng)過變換后顯示效果較好，可以判定該區(qū)域未發(fā)
本文編號：2980031
本文鏈接：http://sikaile.net/kejilunwen/xinxigongchenglunwen/2980031.html
最近更新
教材專著
