基于优化视觉词典的震后高分遥感影像震害建筑物检测
发布时间：2021-11-28 01:08
在缺少震前参考信息前提下,提出了一种基于优化视觉词典的震后高分遥感影像震害建筑物检测方法。首先通过WJSEG（wavelet-JSEG）分割以及一组非建筑物筛选规则提取潜在建筑物集合;其次利用光谱、纹理及几何形态学特征构建了一种震害视觉词典模型,跨越了从像素到震害特征间的"语义鸿沟";在此基础上设计了一种基于类内和类间惩罚因子的视觉词典优化策略,减少了信息冗余及证据冲突;最后通过随机森林分类器将建筑物进一步划分为完好建筑物、部分震害建筑物及废墟。在两组实验中,该方法的总体精度均达到85%以上,从而可为震后应急响应救援及灾后重建提供关键的决策支持信息。
【文章来源】：电子测量与仪器学报. 2020,34(10)北大核心CSCD
【文章页数】：11 页
【部分图文】：
算法流程
数据集1为中国四川省汶川地区的震后QuickBird全色-多光谱融合遥感影像,包括R、G、B三个波段。地震发生时间为2008年5月12日,最高震级为8.0级,影像采集时间为2008年6月3日,尺寸为 1 024×1 024 pixels,如图2(a)所示。数据集2为中国青海省玉树地区的震后GE01全色-多光谱融合遥感影像,包括R、G、B三个波段。地震发生时间为2010年4月4日,最高震级为7.1级,影像采集时间为2010年5月6日,尺寸为1 024×1 024 pixels,如图2(b)所示。此外,参考影像采用实地调查和目视解译人工绘制。原始影像中一些具有代表性的区域被提取出来,并在图2采用不同线型边框的子图像予以表示,以便进一步的详细讨论和分析。2)实验策略
在本文构建的震害视觉词袋模型中,词典长度K的设定对总体精度产生着显著影响。尽管本文采用试错法可以确定局部最优值,但自动化程度较低。为此,本文一步分析了总体精度随K的变化趋势曲线,如图7所示。由图7可知,在两组实验中总体精度均随着K的增加呈现出先逐渐上升,到达顶点后逐渐下降的趋势。同时,数据集1和数据集2实验分别在K=14(总体精度为85.6%)和K=18(总体精度为85.8%)时总体取得最大值。此外,当K在取值区间[12,20]中取值时,总体精度均能够达到80%以上。因此,本文建议在实际应用中可在此区间中直接人工设定或采用试错法确定最优值。
【参考文献】：
期刊论文
[1]改进的稀疏表示遥感图像超分辨重建[J]. 朱福珍,刘越,黄鑫,白鸿一,巫红. 光学精密工程. 2019(03)
[2]利用高分辨率光学遥感图像检测震害损毁建筑物[J]. 叶昕,秦其明,王俊,郑小坡,王建华. 武汉大学学报(信息科学版). 2019(01)
[3]利用词袋模型检测建筑物顶面损毁区域[J]. 涂继辉,眭海刚,冯文卿,孙开敏. 武汉大学学报(信息科学版). 2018(05)
[4]基于SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类[J]. 王之,刘超,刘秀菊,鲁恒,蔡诗响,杨正丽. 地震研究. 2018(02)
[5]结合辐射与分形的高分遥感建筑物阴影检测[J]. 王超,行鸿彦,李亮,裴晓芳,申祎. 仪器仪表学报. 2018(02)
[6]结合像元级和目标级的高分辨率遥感影像建筑物变化检测[J]. 张志强,张新长,辛秦川,杨晓羚. 测绘学报. 2018(01)
[7]基于高分一号卫星遥感图像的建筑物震害损毁检测研究——以2015年尼泊尔MS8.1地震为例[J]. 叶昕,王俊,秦其明. 地震学报. 2016(03)
[8]基于多特征结合的损毁建筑物检测[J]. 刘宇,曹国,周丽存,曲宝珠. 计算机应用. 2015(09)
本文编号：3523389
【文章来源】：电子测量与仪器学报. 2020,34(10)北大核心CSCD
【文章页数】：11 页
【部分图文】：
算法流程
数据集1为中国四川省汶川地区的震后QuickBird全色-多光谱融合遥感影像,包括R、G、B三个波段。地震发生时间为2008年5月12日,最高震级为8.0级,影像采集时间为2008年6月3日,尺寸为 1 024×1 024 pixels,如图2(a)所示。数据集2为中国青海省玉树地区的震后GE01全色-多光谱融合遥感影像,包括R、G、B三个波段。地震发生时间为2010年4月4日,最高震级为7.1级,影像采集时间为2010年5月6日,尺寸为1 024×1 024 pixels,如图2(b)所示。此外,参考影像采用实地调查和目视解译人工绘制。原始影像中一些具有代表性的区域被提取出来,并在图2采用不同线型边框的子图像予以表示,以便进一步的详细讨论和分析。2)实验策略
在本文构建的震害视觉词袋模型中,词典长度K的设定对总体精度产生着显著影响。尽管本文采用试错法可以确定局部最优值,但自动化程度较低。为此,本文一步分析了总体精度随K的变化趋势曲线,如图7所示。由图7可知,在两组实验中总体精度均随着K的增加呈现出先逐渐上升,到达顶点后逐渐下降的趋势。同时,数据集1和数据集2实验分别在K=14(总体精度为85.6%)和K=18(总体精度为85.8%)时总体取得最大值。此外,当K在取值区间[12,20]中取值时,总体精度均能够达到80%以上。因此,本文建议在实际应用中可在此区间中直接人工设定或采用试错法确定最优值。
【参考文献】：
期刊论文
[1]改进的稀疏表示遥感图像超分辨重建[J]. 朱福珍,刘越,黄鑫,白鸿一,巫红. 光学精密工程. 2019(03)
[2]利用高分辨率光学遥感图像检测震害损毁建筑物[J]. 叶昕,秦其明,王俊,郑小坡,王建华. 武汉大学学报(信息科学版). 2019(01)
[3]利用词袋模型检测建筑物顶面损毁区域[J]. 涂继辉,眭海刚,冯文卿,孙开敏. 武汉大学学报(信息科学版). 2018(05)
[4]基于SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类[J]. 王之,刘超,刘秀菊,鲁恒,蔡诗响,杨正丽. 地震研究. 2018(02)
[5]结合辐射与分形的高分遥感建筑物阴影检测[J]. 王超,行鸿彦,李亮,裴晓芳,申祎. 仪器仪表学报. 2018(02)
[6]结合像元级和目标级的高分辨率遥感影像建筑物变化检测[J]. 张志强,张新长,辛秦川,杨晓羚. 测绘学报. 2018(01)
[7]基于高分一号卫星遥感图像的建筑物震害损毁检测研究——以2015年尼泊尔MS8.1地震为例[J]. 叶昕,王俊,秦其明. 地震学报. 2016(03)
[8]基于多特征结合的损毁建筑物检测[J]. 刘宇,曹国,周丽存,曲宝珠. 计算机应用. 2015(09)
本文编号：3523389
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3523389.html
