检索结果-南通市图书馆

基于最优特征空间的震后损毁建筑物信息提取研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

地震 2019年第3期39卷 71-83页

作者：陈晋陈文凯窦爱霞李雯孙艳萍中国地震局兰州地震研究所甘肃兰州730000 中国地震局地震预测研究所北京100036

基于传统面向对象方法,提出了一种基于最优特征空间的损毁建筑物信息提取方法。采用ESP(Estimate of Scale Parameter)工具对图像进行最优尺度分割,之后通过选取样本,计算各类地物距离矩阵和最小分离距离寻求最优特征空间,最后运用最优... 详细信息

基于传统面向对象方法,提出了一种基于最优特征空间的损毁建筑物信息提取方法。采用ESP(Estimate of Scale Parameter)工具对图像进行最优尺度分割,之后通过选取样本,计算各类地物距离矩阵和最小分离距离寻求最优特征空间,最后运用最优特征空间对震后损毁建筑物影像进行提取实验,在QuickBird影像中提取总体精度达到了83.1%, Kappa系数达到了0.813,在无人机影像中提取总体精度为92.9%, Kappa系数达到了0.940。本文建立的提取方法与传统分类决策树方法相比,其提取精度和效率都有较大提高,在损毁建筑物信息提取方面具有较好的推广价值。

关键词：最优特征空间损毁建筑物 ESP

耦合光谱与高程的震后损毁建筑物提取方法研究

在线全文

学校读者我要写书评

暂无评论

耦合光谱与高程的震后损毁建筑物提取方法研究

作者：方明源河南理工大学

学位级别：硕士

地震对人类的生命安全以及财产等造成的伤害巨大,震害信息的及时、准确提取对灾后的应急响应措施具有重要意义。近年来,无人机倾斜摄影测量技术发展迅速,具有范围广、效率高、影像分辨率高等诸多优势,十分适合灾区震后影像数据的获取,... 详细信息

地震对人类的生命安全以及财产等造成的伤害巨大,震害信息的及时、准确提取对灾后的应急响应措施具有重要意义。近年来,无人机倾斜摄影测量技术发展迅速,具有范围广、效率高、影像分辨率高等诸多优势,十分适合灾区震后影像数据的获取,为震害信息的提取及后续的应急响应决策提供高效可靠的数据支持。由于基于灾前和灾后的双时相损毁建筑物提取方法在数据源的获取上存在着一定的局限性,如震前影像数据缺失、震前震后影像数据质量不一致等问题,因此,仅利用灾后的单时相数据进行损毁建筑物区域的提取成为近些年的研究热点。本文以震后低空遥感影像数据为数据源,研究了损毁建筑物区域的提取方法。具体研究内容和结果如下:(1)针对传统遥感影像分割方法中未考虑高程信息,导致某些地物分割效果欠佳的问题,本文提出了一种融合高程信息的遥感影像SLIC超像素分割与基于高程分级的双阈值区域合并方法。首先,在初始聚类分割阈值中引入高程信息,使初始分割结果同时对光谱梯度和高程梯度都具有一定的依赖性;然后,在预分割的基础上采用邻域数组的数据结构,将不同区域的光谱信息加权耦合高程信息建立相似性度量,设置分级别的高程阈值,根据区域间的不同高差设置不同的合并阈值权重进行进区域合并;最后,利用融合高程信息的震后低空遥感影像数据以及国际摄影测量与遥感协会提供的公开数据集进行验证,通过目视对比,在基于光谱信息的超像素分割与区域合并方法中引入高程信息,取得了良好的分割结果。(2)针对传统图像分割方法在进行遥感影像地物分割时数据特征提取的不足以及效率较低的缺点,本文以U-Net网络为基础,提出了一种融合高程信息的深度可分离卷积U-Net震后损毁建筑物区域提取方法。首先,针对单时相高分辨率震后损毁建筑物区域深度学习数据集较少的问题,本文在所提出的遥感影像超像素分割与区域合并方法的基础上,实现了适用于深度学习方法的自制数据集的输出,获取了仅含光谱信息以及耦合了高程信息的两种震后影像数据集。然后,针对本文损毁建筑物区域提取任务的效率需求,将传统U-Net网络中常规卷积方法替换为深度可分离卷积,将本文方法应用于自制数据集。最后,对仅含光谱信息的震后数据集和融合了高程信息的震后数据集、传统U-Net网络和采用深度可分离卷积的U-Net网络进行对比实验。实验结果表明,在引入高程信息后,U-Net网络和采用深度可分离卷积的U-Net网络的损毁建筑物提取精确率分别提高了3.77%、4.21%;在将U-Net网络下采样过程中常规卷积替换为深度可分离卷积后,仅含光谱信息的数据集和融合了高程信息的数据集的损毁建筑物提取精确率分别提高了2.11%、2.55%,虽然均交并比分别下降了1.57%、1.63%,但模型的训练时间分别缩短了10.83%、11.92%,对单时相震后损毁建筑物提取任务的实际应用具有一定的借鉴意义。图43幅,表10个,参考文献89篇。

关键词：损毁建筑物 SLIC超像素区域合并深度可分离卷积 U-Net

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

不同特征融合的震后损毁建筑物识别研究

地震研究 2016年第3期39卷 486-493,527页

作者：李强张景发中国地震局工程力学研究所黑龙江哈尔滨150080 中国地震局地壳应力研究所北京100085

采用玉树地震Quick Bird影像,对不同损毁级别的建筑物进行采样分析,提取不同损毁情况表征纹理特征的灰度共生矩阵中区分度较好的特征参数。比较不同特征融合之后损毁建筑物提取精度。结果表明,灰度共生矩阵中纹理特征参数对不同损毁程... 详细信息

采用玉树地震Quick Bird影像,对不同损毁级别的建筑物进行采样分析,提取不同损毁情况表征纹理特征的灰度共生矩阵中区分度较好的特征参数。比较不同特征融合之后损毁建筑物提取精度。结果表明,灰度共生矩阵中纹理特征参数对不同损毁程度的建筑物具有不同的区分度,光谱特征与纹理特征结合,损毁建筑物识别精度最高,不同的特征参数混淆使用会造成信息冗余,从而降低信息提取精度。在实际工作中,要根据遥感震害机理选取合适的特征组合,提高损毁建筑物的提取精度。

关键词：遥感影像多特征融合纹理特征损毁建筑物

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

在线全文

学校读者我要写书评

暂无评论

测绘通报 2017年第12期 90-93,102页

作者：谢嘉丽李永树李何超吴玺西南交通大学地球科学与环境工程学院四川成都611756 四川省土地统征整理事务中心四川成都610041

从无人机影像上快速识别空心村损毁建筑物,不仅能精确掌握损毁建筑物的位置分布,还能为实地调研提供指导材料。本文首先在试验区范围内获取建筑物影像,并对这些建筑物逐一标记。然后以单个建筑物为对象,计算纹理特征参数和光谱特征参数... 详细信息

从无人机影像上快速识别空心村损毁建筑物,不仅能精确掌握损毁建筑物的位置分布,还能为实地调研提供指导材料。本文首先在试验区范围内获取建筑物影像,并对这些建筑物逐一标记。然后以单个建筑物为对象,计算纹理特征参数和光谱特征参数,选取与损毁程度正相关的参数标准化后组成特征参数向量,根据向量的可视化结果获取损毁建筑物的分布、损毁程度等信息。试验结果表明,该方法能实现从无人机影像上识别出损毁建筑物,并能对建筑物的损毁程度得到初步认识,可以有效实现高分辨率影像中空心村损毁建筑物的识别。

关键词：灰度共生矩阵纹理特征光谱特征空心村损毁建筑物

基于高分辨率遥感影像与LiDAR点云的损毁建筑物提取方法研究

在线全文

学校读者我要写书评

暂无评论

基于高分辨率遥感影像与LiDAR点云的损毁建筑物提取方法研究

作者：许潜金西南交通大学

学位级别：硕士

近几十年来地震频发,地震作为自然界中破坏力最强的灾害之一给人类社会带来了越来越多的灾难。基于震后应急救灾以及震后受灾信息快速评估的需求,针对震后灾区地形情况复杂,建筑物受损形式多种多样,在遥感影像上特征各异,单一遥感数据... 详细信息

近几十年来地震频发,地震作为自然界中破坏力最强的灾害之一给人类社会带来了越来越多的灾难。基于震后应急救灾以及震后受灾信息快速评估的需求,针对震后灾区地形情况复杂,建筑物受损形式多种多样,在遥感影像上特征各异,单一遥感数据源通常提取精度不高的问题,本研究基于震后高分辨率遥感影像与LiDAR点云数据,通过分析使用高分辨率遥感影像丰富的纹理、形状等特征以及LiDAR点云的高程信息,采用面向对象的多尺度分割和支持向量机分类方法实现外观上损毁、倒塌建筑物提取,解决了震后受灾建筑物快速准确提取问题,本文完成的主要工作如下：1、本研究使用实验区LiDAR点云处理得到的nDSM以及对nDSM进行Canny算子边缘检测得到的地物轮廓图和高分辨率遥感影像一起进行了多尺度分割。实验结果证明加入LiDAR点云信息后有效减少了高分辨率遥感影像单独进行多尺度分割易出现因同谱异物而错分的现象。2、本文使用灰度共生矩阵的熵作为分割后对象新的同质性评价指标,与作为异质性指标的全局Moran'I指数组合构成了全局最优分割尺度目标函数,经实验证明该方法可行。3、研究确定了用于实验区损毁建筑物提取的分类特征组合。根据实验区的不同地类综合利用了高分辨率遥感影像的三种特征：光谱、纹理和形状特征,以及LiDAR点云的高程信息确定了实验的分类特征组合,其中本文构建了基于RGB影像的植被提取规则,经实验证明提取绿色树木精度较高。4、研究确定了基于支持向量机(SVM)分类方法的损毁建筑物提取流程,经研究分析后使用了径向基核函数作为支持向量机的核函数,通过网格搜索以及交叉寻优得到了最优核函数参数组合。5、在Visual Studio2010平台基于C++语言,采用支持向量机分类方法集成开发了本文实验的损毁建筑物提取程序,并对分类结果进行了精度评价。最后得到基于本研究方法进行损毁建筑物提取的生产者精度为92.22%,用户精度为90.22%,Kappa系数为0.857,取得了良好的精度,证明本文方法用于损毁建筑物提取切实可行,对以后开展类似工作有一定参考意义,为震后损毁建筑物快速评估提供了理论与技术支持。

关键词： LiDAR 高分辨率遥感影像多尺度分割 SVM 损毁建筑物

利用机载LiDAR点云提取损毁建筑物的方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

利用机载LiDAR点云提取损毁建筑物的方法研究

作者：王彩凤西南交通大学

学位级别：硕士

近年来地震频发,造成当地人民生命和财产的巨大损失。地震之后,如何快速响应、及时获得震后第一手资料,为救援和灾后重建提供可靠信息,成为亟待解决的问题。通过传统方法获取的震害资料十分有限,难以全面地还原建筑物真实的震害情形。... 详细信息

近年来地震频发,造成当地人民生命和财产的巨大损失。地震之后,如何快速响应、及时获得震后第一手资料,为救援和灾后重建提供可靠信息,成为亟待解决的问题。通过传统方法获取的震害资料十分有限,难以全面地还原建筑物真实的震害情形。三维激光扫描测量技术较传统技术具有精度高、速度快、真实反应原型的特点,点云数据能被快速处理、提取相关信息,进行定量分析等优势,进而为救援工作提供快速、精确的参考资料。快速检测并提取震后损毁建筑物是进行震害损失评估的关键,利用LiDAR技术提取损毁建筑物是本论文的研究目的,开展了以下工作： (1)综述了目前常用的点云分割方法,对各种方法的原理、操作步骤和技术路线进行了概括。重点研究了基于区域增长的点云分割算法,并成功实现了结合三维Hough变换进行区域增长的点云分割算法。 (2)引入表征损毁建筑物的特征参数,实现对损毁建筑物的有效识别。计算点云分割区域的特征参数值,对特征参数值进行类别阈值划分,设计地物分类规则,使用基于规则分类方法达到对地物的分类提取,最终实现损毁建筑物的提取。 (3)设计了精度评定模型,通过对损毁建筑物提取结果的完整度和正确度的评定,达到对损毁建筑物提取的整体质量评价。 (4)利用Visual Studio C++开发了对点云数据进行分割及提取损毁建筑物的实验程序。实验表明,利用LiDAR点云技术进行损毁建筑物的检测提取是可行的。针对震后建筑物的几何和辐射不规则性,通过三维Hough变换检测区域种子区域,对点云数据进行直接分割,可有效保留损毁建筑物的真实性,实现点云数据高保真分割。同时论文中引入四个描述损毁建筑物的属性值参数：每个分割对象的点数(NP)、数字地面模型的平均高度(D2DTM)、分割区域的点数和未分割区域点数比例(NUSPR)、分割区域的粗糙度(PLAN),对这四个属性值参数进行阈值范围统计计数,结合规则分类的方法可保证对损毁建筑物的有效提取。

关键词： LiDAR 点云数据分割损毁建筑物区域增长算法三维Hough变换

基于LiDAR点云与高分影像的面向对象的损毁建筑物提取方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LiDAR点云与高分影像的面向对象的损毁建筑物提取方法研究

作者：胡本刚西南交通大学

学位级别：硕士

针对地震灾区地形复杂,地物光谱特征、纹理特征与空间分布复杂,利用单一数据源无法快速、准确地提取损毁建筑物信息等情况,本文利用高分影像所具有的光谱特征、纹理特征和LiDAR点云所具有的高精度的空间三维信息、二次回波信息应用面向... 详细信息

针对地震灾区地形复杂,地物光谱特征、纹理特征与空间分布复杂,利用单一数据源无法快速、准确地提取损毁建筑物信息等情况,本文利用高分影像所具有的光谱特征、纹理特征和LiDAR点云所具有的高精度的空间三维信息、二次回波信息应用面向对象的影像分类技术,以实现损毁建筑物的快速、准确提取为目的,开展了以下研究工作： 1、归纳总结了现有LiDAR点云滤波分类方法、LiDAR点云与高分影像的配准方法。采取人机交互的方式,利用基于面元特征的配准方法实现了LiDAR点云和高分影像的配准。 2、综述了面向对象的高分影像分割分类方法,主要包括：高分影像的多尺度分割方法、最优分割尺度确定以及面向对象的模糊分类方法。 3、研究采用LiDAR点云以nDSM的方式参与多尺度分割,实验表明nDSM作为LiDAR点云的“高程”信息参与多尺度分割并不会造成影像的“过分割”现象,而是加速了影像对象的合并过程。 4、本文提出最优分割尺度范围值求交、取最小值得到最优分割尺度的方法,该方法优于原有的最优分割尺度确定方法。实验表明该方法是可行的,该方法具有更广的适用范围。 5、研究分析了实验研究区域内各地物目标的光谱特征、形状特征、纹理特征等,通过样本的选择、实验分析选定了各地物目标的分类特征,建立了模糊分类规则集。根据树木在高分影像上的光谱特征构造了新的植被指数(VInew),实验表明：利用该指数能够准确有效的提取出树木信息,提取树木信息的Kappa系数为0.981744。 6、根据损毁建筑物的特征,采用通过逐步剔除影像上的树木、道路、建筑物的方式提取损毁建筑物。最后对面向对象的损毁建筑物提取结果进行了精度分析,实验表明该方法切实可行,提取损毁建筑物Kappa系数为0.932576。综上,本文研究的基于LiDAR点云与高分影像的面向对象的损毁建筑物提取方法是切实可行的,损毁建筑物提取结果的用户精度为94.04%,生产者精度为95.30%,Kappa系数为0.932576。本文的研究成果对于实现损毁建筑物的快速、准确提取具有一定的参考价值,为灾后建筑物损毁评估、应急响应的信息获取提供了可靠的技术支持。

关键词： LiDAR 高分影像面向对象多尺度分割最优分割尺度损毁建筑物

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光学遥感震后损毁建筑物提取方法研究

光学遥感震后损毁建筑物提取方法研究

作者：陈晋中国地震局兰州地震研究所

学位级别：硕士

利用遥感技术对震后损毁建筑物进行信息自动提取,因损毁建筑物特征复杂,自动提取困难,自动提取精度无法满足实际应用需求。损毁建筑物的提取特征的获取多数情况下是利用人工经验,缺乏系统的归纳总结;地物在遥感影像中应该有一个最佳的... 详细信息

利用遥感技术对震后损毁建筑物进行信息自动提取,因损毁建筑物特征复杂,自动提取困难,自动提取精度无法满足实际应用需求。损毁建筑物的提取特征的获取多数情况下是利用人工经验,缺乏系统的归纳总结;地物在遥感影像中应该有一个最佳的表现尺度,只有在最佳遥感尺度下研究该地物时才能获得相对较优的结果,而损毁建筑物的最佳尺度尚无相关报道。针对损毁建筑物遥感提取中所存在的这几个问题,本文采用面向对象的方法,以光学遥感影像为数据源,在ENVI、ArcGIS和e-Cognition软件平台的支持下,主要进行了以下几个方面的研究:（1）将典型震例遥感数据进行图像预处理,然后采用面向对象的方法进行损毁建筑物信息提取。面向对象方法包括了利用ESP（Estimate Scale Parameter）对影像进行分割和利用机器学习方法（分类决策树（CART）、支持向量机（SVM）、随机森林（Random Trees））和基于最优特征空间的方法对影像对象分类。通过精度评价对四种损毁建筑物提取方法进行对比评价,分析几种提取方法的相对优劣。（2）基于第一部分,利用面向对象的机器学习方法和基于最优特征空间的提取方法在不同数据源、不同研究区域以及不同震例的遥感震后影像中分别进行损毁建筑物提取,总结归纳得到损毁建筑物提取规则集。（3）在由重采样得到的不同空间分辨率影像中进行损毁建筑物信息提取,探索得到其最佳观测尺度。研究结果显示:（1）随机森林方法是三种机器学习方法中提取效果最好的;基于最优特征空间提取方法的分类效果也不错,分类的总体精度优于随机森林方法。（2）损毁建筑物的最优特征空间随研究区域、数据源的变化发生改变,其普适性较差;部分特征参数（灰度共生矩阵均质性、边界指数、非对称性、密度）在实验的图像中保持不变,表现出较强的通用性。结合特征分类决策树,最终得到损毁建筑物提取的规则集,包含12个特征:R波段均值、B波段均值、R波段贡献率、B波段贡献率、亮度;形状指数、非对称性、密度、边界指数;灰度共生矩阵均质性、均值、对比度。（3）利用Hellden精度和Short精度进行精度评价,得到损毁建筑物的提取效果随观测尺度变化而变化的趋势,得到无人机影像中损毁建筑物最佳观测尺度在1m-1.2m之间。文中采用的损毁建筑物信息提取方法在最优分割尺度选择和最优特征空间构建两方面都采用计算机自动计算,减少了人为主观因素的干扰。此外文中建立的损毁建筑物提取规则集以及其最佳观测尺度具有较好的推广价值,在今后的研究或应用中可以借鉴,可以提高损毁建筑物提取精度和效率。

关键词：面向对象方法损毁建筑物规则集分类决策树支持向量机随机森林最优特征空间

不同上下文比例对损毁建筑遥感场景图片样本集构建的影响

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然资源遥感 2024年第3期36卷 154-162页

作者：邰佳怡慎利乔文凡周吾珍西南交通大学地球科学与环境工程学院成都610097 四川省国土科学技术研究院(四川省卫星应用技术中心) 成都610045

基于深度学习的遥感影像场景分析是震后进行损毁评估的重要手段。在损毁建筑影像资源相对稀缺的情况下,构建高质量的遥感场景图片样本集,对提高场景识别和分类精度具有重要意义。作为遥感分析的重要参考依据,上下文信息在场景图片中所... 详细信息

基于深度学习的遥感影像场景分析是震后进行损毁评估的重要手段。在损毁建筑影像资源相对稀缺的情况下,构建高质量的遥感场景图片样本集,对提高场景识别和分类精度具有重要意义。作为遥感分析的重要参考依据,上下文信息在场景图片中所占比例是影响样本集构建效果的一个关键因素。目前,样本集构建方法中缺乏对上下文信息合适比例的探索。该文以构建高质量样本集为目标,设计一种调整场景图片上下文信息比例的方法,研究不同上下文信息占比对场景样本集构建的影响,探索上下文信息比例的最佳设置范围。文章构建6组不同上下文信息占比的场景图片样本集,使用5种经典卷积神经网络(convolutional neural network,CNN)进行训练和测试,并依次对每个模型的分类结果和不同上下文信息的分类结果进行分析。研究表明,当上下文信息占比为80%时,CNN网络达到了最佳的分类准确率(92.22%),当上下文信息占比为95%时,则降到89.03%;在所有的CNN模型中,GoogLeNet的分类表现最好,平均准确率达到93.13%。该研究可以找到场景样本集中合理的上下文信息比例设置范围,有效提高遥感场景图片分类的准确率,为损毁建筑遥感场景图片样本集的制作提供指导。

关键词：遥感影像场景分析震后损毁评估上下文信息占比场景图片构建损毁建筑物