|本期目录/Table of Contents|

[1]杜浩国,张方浩,卢永坤,等.基于无人机影像的面向对象建筑物结构分级提取方法研究[J].地震研究,2021,(02):262-274.
 DU Haoguo,ZHANG Fanghao,LU Yongkun,et al.Research on Object-oriented Building Structure Classification Extraction Method Based on UAV Image[J].Journal of Seismological Research,2021,(02):262-274.
点击复制

基于无人机影像的面向对象建筑物结构分级提取方法研究(PDF/HTML)

《地震研究》[ISSN:1000-0666/CN:53-1062/P]

卷:
期数:
2021年02期
页码:
262-274
栏目:
出版日期:
2021-06-30

文章信息/Info

Title:
Research on Object-oriented Building Structure Classification Extraction Method Based on UAV Image
作者:
杜浩国张方浩卢永坤曹彦波邓树荣和仕芳张原硕徐俊祖
(云南省地震局,云南 昆明 650224)
Author(s):
DU HaoguoZHANG FanghaoLU YongkunCAO YanbaoDENG ShurongHE ShifangZHANG YuanshuoXU Junzu
(Yunnan Earthquake Agency,Kunming 650224,Yunnan,China)
关键词:
建筑物结构分类 无人机高分辨率影像 面向对象分类方法 数字表面模型 形状结构 光谱特性
Keywords:
building structure classification high-resolution UAV image object-oriented classification DSM shape structure spectral characteristics
分类号:
P315.94
DOI:
-
摘要:
为提高遥感影像建筑物结构识别精度,综合利用光谱、形状、空间、纹理和数字表面模型(DSM)建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像,采用面向对象的影像分析策略,首先进行多尺度分割,以最佳分割与合并指数提取影像中建筑物目标; 然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类; 最后将3种分类方法进行融合,对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明:基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。
Abstract:
In order to accurately recognize the building structure in remote sensing images,we proposed a method of extracting building structure at levels based on spectrum,shape,space,texture and digital surface model(DSM)[KG-*3].Then,by the help of high-resolution images taken by UAVs in the research area,we make object-oriented analysis.Firstly,we do multi-scale segmentation of the images in order to extract the objects according to the optimal segmentation and the merger index.Then,we classify building structures according to rules,training samples and DSM respectively.Finally,we combined the three classification methods,and get new results of the buildings structures.Then we compared the result from each method with the one from the combined method.We found that the semi-supervised classification based on rule+sample+DSM has the lowest error rate and omission ratio,and optimal Kappa coefficient.

参考文献/References:

曹彦波,张原硕,邓树荣,等.2019.云南省县(市)区应急备震能力评估方法研究及应用[J].震灾防御技术,14(2):387-400.
陈晋,习聪望,陈文凯,等.2018.基于无人机、高分卫星遥感影像的甘肃省陇南市建筑物空间化研究[J].地震研究,41(2):192-200.
程滔,吴芸,郑新燕,等.2019.面向遥感影像智能分类的海量样本数据采集方法[J].测绘通报,(10):56-60.
邓焯文,湛青青,李红刚,等.2020.利用高分辨率航空影像阴影提取城市建筑物高度信息[J].科技资讯,18(23):47-51.
杜浩国,陈亮,林旭川,等.2019.云南红河县城区房屋地震灾害三维仿真模拟方法[J].地震研究,42(2):218-229.
杜浩国,张方浩,邓树荣,等.2018.震后极灾区无人机最优航拍区域选择[J].地震研究,41(2):209-215.
耿艳磊,邹峥嵘,何帅帅,等.2020.基于半监督生成对抗网络的遥感影像地物语义分割[J].测绘与空间地理信息,43(4):36-39.
黄慧萍,吴炳方.2006.地物大小、对象尺度、影像分辨率的关系分析[J].遥感技术与应用,21(3):243-248.
李强,张景发.2016.不同特征融合的震后损毁建筑物识别研究[J].地震研究,39(3):486-493.
卢永坤,周洋,代博洋,等.2019.2018年云南墨江5.9级地震房屋震害特征与烈度评定[J].地震研究,42(2):172-178.
冉树浩,胡玉龙,杨元维,等.2020.基于样本形态变换的高分遥感影像建筑物提取[J].浙江大学学报(工学版),54(5):996-1006.
童威.2019.基于ENVI的遥感影像监督分类方法的研究[J].科技创新与应用,(23):6-9.
王晓青,窦爱霞,丁香,等.2015.地震烈度应急遥感评估研究与应用进展[J].地球信息科学学报,17(12):1536-1544.
吴浩霖,聂高众,范熙伟,等.2019.基于小型无人机航拍影像的地表房屋建筑提取算法对比——以新疆阿图什市琼哈拉峻村为例[J].地震研究,42(2):236-244.
谢嘉丽,李永树,李何超,等.2017.利用灰度共生矩阵纹理特征识别空心村损毁建筑物的方法[J].测绘通报,(12):90-93,102.
徐西桂.2019.DEM辅助去斜处理的层析SAR建筑物点云重构研究[D].北京:北京建筑大学.
许建华,张雪华,王晓青,等.2017.无人机倾斜摄影技术在地震烈度评估中的应用——以九寨沟7.0级地震为例[J].中国地震,33(4):655-662.
游永发,王思远,王斌,等.2019.高分辨率遥感影像建筑物分级提取[J].遥感学报,23(1):125-136.
曾涛,杨武年,黎小东,等.2010.面向对象的高空间分辨率遥感影像信息提取——汶川地震城市震害房屋案例研究[J].自然灾害学报,19(5):81-87.
张方浩,卢永坤,邓树荣,等.2020.云南地区区域地震灾害特征[J].地震研究,43(1):134-143.
张景发,李强,焦其松,等.2017.建筑物震害多源遥感特征与机理分析[J].地震学报,39(2):257-272.
张凯琳.2020.基于卷积神经网络的高光谱图像半监督分类方法研究[D].合肥:安徽大学.
周光全,卢永坤,非明伦,等.2010.地震灾害损失初步评估方法研究[J].地震研究,33(2):208-215.
GB 50096—2011,住宅设计规范[S].

备注/Memo

备注/Memo:
收稿日期:2021-01-18
基金项目:云南省地震局青年基金项目(2021K01)和云南省地震局“传帮带”项目(CQ3-2021001)联合资助.
更新日期/Last Update: 2021-06-30