基金项目:上海市建设交通“十一五”重大科技发展基金“城市地震应急救援技术研究”(重科2007-014)资助.
(1.同济大学 上海防灾救灾研究所,上海 200092; 2.深业南方地产(集团)有限公司,深圳 518040 广东; 3.同济大学 土木工程学院 建筑工程系,上海 200092)
(1.Shanghai Institute for Disaster Prevention and Relief,Tongji University,Shanghai 200092,China)(2.Shum Yip Southern Land(Holdings)CO.,LTD,Shenzhen 518040,Guangdong,China)(3.Department of Building Engineering,Tongji University,Shanghai 200092,China)
assessment of earthquake damage; variation detection; region-based; difference segmentation; mathematical morphology operator
备注
基金项目:上海市建设交通“十一五”重大科技发展基金“城市地震应急救援技术研究”(重科2007-014)资助.
根据建筑物在高分辨率遥感影像中“面”的特征,对差值法提取倒塌建筑物技术进行改进,将多阈值分割、类别筛选和数学形态学运算等概念引入差值法后处理过程中,提出基于区域的差值分割提取技术,并将新方法引入到完好建筑物的提取。通过对汶川地震中都江堰市某个街区进行计算,使用改进后的新方法进行评估,并与面向对象的方法和目视判读方法进行比较,结果表明改进后的方法简单、快速且精度较高,具有良好的实用性。
According to the regional characteristics of buildings in high-resolution,remote sensing images,we apply Multi-threshold Segmentation,Category Selection and Mathematical Morphology Operator to the post-processing of the Difference Method.Then we propose the region-based difference segmentation extraction in extraction of earthquake damage and intact buildings.We extract the earthquake damage and intact buildings in a block in Dujiangyan City hit by the 2008 Wenchuan earthuqake in Sichuan Province,we compare the accuracy of the result by the new method with the one by the Object-oriented Method and the one by Visual Interpretation Method.We find that the modified method is simpler,faster,more precise and more applicable.
引言
近年来,随着遥感技术的不断发展,在防震减灾工作中充分利用遥感图像快速、实时、全面、直观的特点进行断裂带活动性研究(龚伟等,2010)、地震监测预报(刘放等,2003)、震害评估和灾情调查(劭芸等,2008)等工作具有越来越明显的优势。遥感图像的震害变化检测是一种十分有效的震害评估技术(张景发等,2002),它利用震前和震后的多期图像,通过对比分析来提取震害信息。随着图像识别技术的发展,各国学者提出了多种变化检测方法,这些方法按照数据处理层次的不同主要分为三大类,即基于像元级的方法、基于特征级的方法和基于目标级的方法(Deer,1998)。
基于像元级的方法最简单,处理时间较短,但精度较差,最典型的是差值法; 基于特征级的方法稍复杂,处理时间稍长,精度优于前者,如纹理分析方法; 而基于目标级的方法,算法最复杂,处理时间最长,精度最高,如神经网络分类和分类后比较方法。值得注意的是,针对不同的数据、不同的应用领域,各种变化检测方法有各自的优缺点,因此如何将三类方法结合起来进行应用,使震害评估结果的精度高而处理的时间较短,成为变化检测技术发展的热点和难点。笔者在差值法的基础上进行后续处理,即在像元级算法基础上,进行目标级的处理,从而整合一套快速有效而且精度较高的震害识别方法。
1 差值法提取震害信息
差值法是最简单的变化检测方法,利用地震前后建筑物光谱信息的变化来探测建筑物的破坏情况。经处理后的图像则可进行差值运算,即终止图像灰度值(震后图像)与初始图像灰度值(震前图像)之差。待计算出差值结果,直接设定某个控制阈值,大于控制阈值的结果就认为是变化的,而小于阈值的结果则认为是不变的,然后统计变化的像元数,计算震害分布(窦爱霞,2003)。
2 基于区域的影像差值分割提取技术
差值法快速简单,由于早期使用的数据源分辨率较低,一般建筑物对应在遥感图像上只是几个像元,故差值法有一定的适用性。由于遥感图像成像存在“同物异谱”和“同谱异物”现象,而差值法仅利用了建筑物的光谱特征,提取精度很低,“椒盐现象”普遍(周小成等,2008),因此差值法的结果误差很大,不具有实用性。
2.1 差值法提取技术的改进在高分辨率遥感影像飞速发展的今天,对于海量数据的处理,过于复杂的算法需要消耗大量的时间,不能满足震害评估时效性的要求,而差值法在处理速度上具有 “先天优势”,因此笔者考虑利用差值法的结果进行后续处理以提高计算精度。
在高分辨率遥感影像中,建筑物往往由数百个甚至数千个像元聚集而成,建筑物对应在遥感图像上由“点”的特征转变为“面”(区域)的特征,定量检测后,建筑物反映在分类图像上也具有“面”的特征。
笔者提出基于区域的影像差值分割提取技术,其实质是对差值结果进行后处理,其流程为建立多阈值等级,采用多阈值分割方法进一步地细化分类结果; 采用类别筛选和数学形态学运算方法对阈值划分结果进行筛选、凝聚,在分类图中还原建筑物“面”的特征(图1)。
2.2 差值结果后处理的技术流程(1)多阈值分割
多阈值分割是定量方法后处理的基本步骤,即选择适当的控制阈值范围,变化检测结果图像中灰度值处于控制阈值之内的,为震害异常变化区,反之则为正常变化区。为了方便对变化检测结果进行阈值划分,在计算前对图像进行归一化处理,经归一化处理后,整景图像的阈值范围处于-1~1间。可将阈值确定为2n+1级,各级阈值在-1~1间等分。
(2)类别筛选
经多阈值分割后的图像往往有孤立散落的 “斑点”,即分类图像中出现的“孤岛问题”,这些斑点多为非目标地物的残留所产生,因此在变化检测处理后应除去这些“斑点”。由于建筑物具有“面”的特性,而“斑点”相比较“面”而言,像元个数比较少,因此可以通过类别筛选的方法予以去除(李小娟等,2007),即设定一个像元集合个数的阈值,小于此阈值的将被标记,然后赋予一个特殊的灰度值,比如255(或0)来代替。
(3)数学形态学运算
数学形态学图像处理是一种邻域运算形式,常见的形态学运算有腐蚀、膨胀、开运算、闭运算等。腐蚀是一种消除边界点,使边界向内部收缩的过程,可以用来消除小且无意义的物体。膨胀是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程,可以用来填补物体中的空洞。先腐蚀后膨胀的过程称为开运算,开运算用来消除小物体、在纤细点处分离物体、平滑较大物体边界,同时并不明显改变其面积。先膨胀后腐蚀的过程称为闭运算,闭运算用来填充物体内细小空洞、连接邻近物体、平滑其边界,同时并不明显改变其面积(Castleman,1998)。
图像在阈值分割后所得边界往往很不平滑,而且分类后的“面”中散布着一些 “孔洞”,连续的开运算和闭运算可以有效地改善这种情况。
3 实验区计算和精度分析
笔者取汶川地震都江堰市某个街区为实验区,进行精度验算。使用的震前影像(2007年)和震后影像(2008年6月28日)均为经过前处理的三波段IKONOS融合图像,其分辨率均为1 m(图2a,b)。
3.1 倒塌建筑物的提取分别采用目视判读人工提取方法、面向对象方法和基于区域的差值分割提取方法对实验区的倒塌建筑物进行分析计算。
采用目视判读人工提取方法对震害破坏区域进行提取,计算出倒塌建筑物的占地面积为15 056 m2,提取结果见图2c。
应用面向对象的方法对上述区域进行处理,初始分割尺度采用50,并采用光谱平均值、纹理均值、波段比、面积、长度、长宽比等特征算法。计算出倒塌建筑物的占地面积为17 119 m2,结果见图2d。
由于目视判读人工提取方法和面向对象方法使用的是震后的单景图像,建筑物倒塌后,对应阴影属性消失,因此提取时没有考虑阴影的影响,实际倒塌建筑物的面积应扣除阴影。阴影可以利用监督分类的方法提取(郑渊斌,2008)。阴影的面积为4 798 m2(图2e),即实际目视判读方法提取的倒塌建筑物面积为10 258 m2,而面向对象方法提取的倒塌建筑物的占地面积为12 221 m2。
将震后图像与震前图像相减,获得差值图像,采用11级阈值等级确定图像差异范围。为了加强变化检测的可读性,将各种阈值范围分割的区域用不同颜色进行区分(图3a)。目视比对,认为阈值大于0.4为变化较大的区域,因此设定第1、2、3级作为分类阈值,利用阈值0.4~1.0提取破坏区域。对破坏区域的阈值分割结果进行类别筛选和形态学运算,形成破坏区域的分类图像(图2f),得出占地面积为15 711 m2。
图2 倒塌建筑物的提取
(a)震前遥感影像;(b)震后遥感影像;(c)目视判读结果;(d)面向对象的方法的结果;
(e)倒塌建筑物的阴影;(f)本文的结果
Fig.2 Extraction of building collapsedd in earthquake(a)Remote sensing image before the earthquake;(b)Remote sensing image after the earthquake; (c)Results of visual interpretation;(d)Results of object-oriented approach; (e)Shadow of the building collapsed;(f)Results of the modified method3.2 完好建筑物的提取仍然采用目视判读人工提取方法、面向对象方法和基于区域的差值分割提取方法对实验区完好建筑物进行分析计算。
利用震后影像,对上述实验区进行人工建筑物矢量绘制,计算出完好建筑物的占地面积为49 344 m2,提取结果见图3b。
对实验区影像进行初步的面向对象的分类处理,初始分割尺度采用20,采用了光谱均值、纹理均值、熵、矩形特征、面积、亮度、长宽比等特征算法。计算出完好建筑物的占地面积为50 717 m2,提取结果见图3c。
基于区域的差值分割法提取完好建筑物是笔者在提取倒塌建筑物时衍生出来的方法,即通过差值计算出变化不显著的像素点,对这些独立像素点进行形态学的区域运算,使光谱、纹理特征相似的点聚合成一定大小的区域,通过多阈值控制分割,从而形成一系列闭合的区域,而这些闭合的区域则对应了遥感影像中的完好建筑物。
如上所述,借助阈值分割与图像分类技术可以将倒塌区提取出来,同样这种方法也适用于完好区域的提取。在图3a中,灰度值差值百分比控制在一定程度下的区域为完好区域,取4、5、7、8级作为分类阈值,即认为完好区域的阈值在-0.4~0.4之间(0除外),利用阈值控制提取完好区域,并进行类别筛选和形态学运算,以形成完好闭合区域(图3d)。
实际上,由于图像成像的“同物异谱”和“同谱异物”现象,建筑物阴影的差值结果并不完全为0,即阴影并不完全分布在第6级,因此在变化检测结果中应除去阴影带来的干扰。然而为了防止由于过度分割带来“面”的分散和不完整,没有在阈值分割前将阴影除去,而是先采用监督分类方法提取阴影(图3e),待提取完好建筑物之后,再用“掩膜”将阴影除去。除去阴影后的结果见图3f,计算所得完好建筑物的占地面积为55 003 m2。
3.3 精度分析通过对以上各种方法的提取结果(表1)的分析表明:
(1)在倒塌建筑的提取中,以人工提取为参照,面向对象的方法提取精度较高,达96.26%,而且错分率、漏分率比较低; 基于区域的差值分割方法精度达84.94%,但错分率、漏分率相对高。
(2)在完好建筑物的提取中,以人工提取为参照,面向对象的方法提取精度为77.95%,错分率、漏分率分别为21.45%和24.16%; 而基于区域的变化检测方法的提取精度为76.77%,错分率、漏分率分别为20.84%和31.13%。
4 结论
(1)以人工提取为参照,在倒塌建筑物提取中,面向对象方法和基于区域的差值方法的精度都比较高,漏分率、错分率相对较低; 而对于完好建筑物的提取,两种方法都有一定的局限性,建筑物出现错分、漏分,分割不完全等特点,尤其是基于区域的差值法的错分率较高。
(2)面向对象方法可以根据不同建筑物的影像特征,通过采用不同尺度、不同特征函数计算,直到较精确地提取出建筑物,以时间换取精度的提高,适用于较精确的评估。
(3)基于区域的差值分割方法处理问题非常迅速,能满足快速评估的时效性要求,对于倒塌建筑物的提取,具有较高的精度,而提取完好建筑物时精度稍差,错分率稍高。考虑到目前建筑物提取技术不成熟,其精度可满足大区域快速粗略震害评估的需要。因此,采用基于区域的差值法进行震害快速评估具有一定的实用意义。
本文结果是在比较理想的局部区域进行分析计算得出的,实际情况会更复杂。因此,采用基于区域的差值法进行震害快速评估尚需在今后的工作中进一步验证与完善。
- 窦爱霞.2003.震害遥感图像变化检测技术研究[D].青岛:山东科技大学.
- 龚伟,曾佐勋,王杰,等.2010.郯庐断裂带江苏段第四纪活动性研究[J].地震研究,33(1):86-92.
- 李小娟,宫兆宁,刘晓萌,等.2007.ENVI遥感影像处理教程[M].北京:中国环境科学出版社.
- 刘放,程万正,但尚铭.2003.卫星遥感热红外辐射信息与云南永胜6.0级地震[J].地震研究,26(2):120-125.
- 劭芸,宫华泽,王世昂,等.2008.多源雷达遥感数据汶川地震灾情应急监测与评价[J].遥感学报,12(6):865-870.
- 张景发,谢礼立,陶夏新.2002.建筑物震害遥感图像的变化检测与震害评估[J].自然灾害学报,11(2):59-64.
- 郑渊斌.2008.高分辨率卫星遥感影像在城市震害预测中的应用研究[D].上海:同济大学.
- 周小成,汪小钦,骆剑承,等.2008.结合对象关系特征的高分辨率卫星影像建筑物识别方法[J].国土资源遥感,19(4):27-31.
- Castleman K R.1998.数字图像处理[M].朱志刚,译.北京:电子工业出版社.
- Deer P.1998.Digital change detection in remotely sensed imagery using fuzzy set theory[D].University of Adelaide,Adelaide,Australia.