当前位置:主页 > 科技论文 > 信息工程论文 >

极化分解后多纹理特征的建筑物损毁评估

发布时间:2020-01-18 17:30
【摘要】:准确地获知灾区的建筑物损毁程度能为抗震救灾和灾后重建提供决策依据。利用震后极化合成孔径雷达(SAR)数据,该文提出了一种综合利用极化分解后多纹理特征的震后建筑物损毁评估方法。首先,用Pauli分解的π/4偶次散射分量剔除非建筑区;其次,用Pauli分解的π/4偶次散射分量的方差特征、对比度特征和Pauli分解的奇次散射分量的对比度特征识别倒塌建筑物,并分别基于区块计算建筑物损毁指数;最后,综合3个纹理特征完成建筑物的损毁评估。采用玉树震后RADARSAT-2数据和东日本大地震后ALOS-1数据的实验验证了所提方法对建筑物损毁评估的有效性,该方法对玉树城区和日本石卷城区的重度、中度和轻度损毁建筑评估的总体精度分别为74.39%和80.26%。与其他方法的对比实验表明,该方法能减少取向角的影响,对存留有少数与方位向平行的完好建筑物的倒塌区、大取向角的完好建筑区的评估更为准确。
【图文】:

流程图,建筑物,流程,偶次


Pauli分解将目标的散射过程相干分解为4种散射机制:平坦表面的奇次散射,方向角为0°的角反射器产生的二面角散射(偶次散射),方向角为45°的角反射器产生的二面角散射(π/4偶次散射),以及散射矩阵的所有不对称分量。在满足互易定理的单站情况下,SHV=SVH,使得d=0,此时Pauli分解可简化为3个基矩阵。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为u=10lg(|a|2)v=10lg(|b|2)ω=10lg(|c|2)(3)一般地,非建筑区主要包括河流、道路及裸地等目标,这些地物以奇次散射为主,其他类型散射均较弱;而完好建筑物的屋顶及倒塌建筑物的奇次散射也较强。建筑物倒塌后偶次散射降低,奇次散射增强;但完好建筑和倒塌建筑的π/4偶次散射均明显强于非建筑物区。图2为玉树震后的RADARSAT-2极化SAR图像中完好建筑物、倒塌建筑物和非建筑物区样本Pauli分解后各分量的均值。可以看出,非建筑区和建筑区(包括完好建筑物和倒塌建筑物)在π/4偶次散射分量的差异最大。因此,根据震后灾区地物的散射机制,本文利用Pauli分解的π/4偶次散射分量功率ω来区分非建筑区和建筑区。为了降低相干斑噪声的影响,本文利用3×3窗口均值滤波后的π/4偶次散射分量功率ω′剔除非建筑物。通过统计分析确定区分建筑区与非建筑区图1利用极化分解后多纹理特征的建筑物损毁评估流程Fig.1Theflowchartofbuildingdamageassessmentusingtexturefeaturesofpolarizationdecompositioncomponents图2建筑区与非建筑区样本的Pauli分解后各分量的均值Fig.2ThemeanofsamplescalculatedonthethreecomponentsafterPaulidecomposition陈启浩等:极化分解后多纹理特征的建筑物损毁评估957

建筑区,与非,均值,样本


Pauli分解将目标的散射过程相干分解为4种散射机制:平坦表面的奇次散射,方向角为0°的角反射器产生的二面角散射(偶次散射),方向角为45°的角反射器产生的二面角散射(π/4偶次散射),以及散射矩阵的所有不对称分量。在满足互易定理的单站情况下,SHV=SVH,使得d=0,此时Pauli分解可简化为3个基矩阵。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为u=10lg(|a|2)v=10lg(|b|2)ω=10lg(|c|2)(3)一般地,非建筑区主要包括河流、道路及裸地等目标,这些地物以奇次散射为主,其他类型散射均较弱;而完好建筑物的屋顶及倒塌建筑物的奇次散射也较强。建筑物倒塌后偶次散射降低,奇次散射增强;但完好建筑和倒塌建筑的π/4偶次散射均明显强于非建筑物区。图2为玉树震后的RADARSAT-2极化SAR图像中完好建筑物、倒塌建筑物和非建筑物区样本Pauli分解后各分量的均值。可以看出,非建筑区和建筑区(包括完好建筑物和倒塌建筑物)在π/4偶次散射分量的差异最大。因此,根据震后灾区地物的散射机制,,本文利用Pauli分解的π/4偶次散射分量功率ω来区分非建筑区和建筑区。为了降低相干斑噪声的影响,本文利用3×3窗口均值滤波后的π/4偶次散射分量功率ω′剔除非建筑物。通过统计分析确定区分建筑区与非建筑区图1利用极化分解后多纹理特征的建筑物损毁评估流程Fig.1Theflowchartofbuildingdamageassessmentusingtexturefeaturesofpolarizationdecompositioncomponents图2建筑区与非建筑区样本的Pauli分解后各分量的均值Fig.2ThemeanofsamplescalculatedonthethreecomponentsafterPaulidecomposition陈启浩等:极化分解后多纹理特征的建筑物损毁评估957

【相似文献】

相关期刊论文 前10条

1 张志龙;李吉成;沈振康;;基于局部沃尔什变换的纹理特征提取方法研究[J];信号处理;2005年06期

2 王德民;基于数学形态学的纹理特征及其有效性的实验比较[J];电子学报;1995年01期

3 魏铼;胡卓玮;;基于合成孔径雷达影像的海洋溢油纹理特征参数分析[J];海洋学报(中文版);2013年01期

4 李学龙,刘政凯,俞能海;一种有效的基于内容的图像检索方法[J];通信学报;2002年12期

5 廖倩倩;夏定元;;基于提升小波提取颜色和纹理特征的图像检索方法[J];电子技术应用;2007年04期

6 付仲良;张文元;孟庆祥;;灰度和纹理特征组合的SAR影像SVM分类[J];应用科学学报;2012年05期

7 殷泽兴,李介谷;基于纹理特征的图像检索[J];红外与激光工程;1999年06期

8 童涛;杨桄;崔震;叶怡;王寿彪;;基于纹理特征的SAR图像水上桥梁目标检测[J];中国体视学与图像分析;2012年02期

9 吴樊,王超,张红;基于纹理特征的高分辨率SAR影像居民区提取[J];遥感技术与应用;2005年01期

10 徐佳;陈媛媛;黄其欢;何秀凤;;综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究[J];遥感技术与应用;2012年05期

相关硕士学位论文 前4条

1 刘虹呈;基于纹理特征的HEVC综合性算法的研究[D];电子科技大学;2015年

2 党晓婉;基于SVM和散射机理的极化SAR影像地物分类[D];西安电子科技大学;2014年

3 李钦岚;极化SAR流冰区大块接触性浮冰分离方法研究[D];大连海事大学;2017年

4 刘明珠;基于纹理特征的SAR图像质量评估[D];哈尔滨工程大学;2013年



本文编号:2570927

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2570927.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户01686***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com