检索结果-南通市图书馆

基于最优分割的高分辨率遥感影像震害建筑物识别技术

在线全文

学校读者我要写书评

暂无评论

地震学报 2020年第6期42卷 760-768,I0002页

作者：杜妍开龚丽霞李强张景发应急管理部国家自然灾害防治研究院北京100085

为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地MS7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨... 详细信息

为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地MS7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。

关键词：面向对象震害建筑物高分辨率遥感影像多尺度分割

MATLAB软件与ALOS遥感影像在震害建筑物自动识别中的应用——以都江堰市区为例

在线全文

学校读者我要写书评

暂无评论

西北地震学报 2009年第4期31卷 327-332页

作者：曾繁如何政伟李喆成都理工大学地质灾害防治与地质环境保护国家重点实验室四川成都610059 成都理工大学数字国土与生态科学研究所四川成都610059 成都市国土资源局国土规划地籍事务中心四川成都610000

利用遥感技术进行震害建筑物的自动识别可为震害的快速评估与救灾决策提供科学可靠的依据。本文从震害建筑物在高分辨率遥感影像下灰度的特征入手,以5.12汶川特大地震后都江堰市区ALOS遥感影像为数据源,在MATLAB平台下对影像进行灰度增... 详细信息

利用遥感技术进行震害建筑物的自动识别可为震害的快速评估与救灾决策提供科学可靠的依据。本文从震害建筑物在高分辨率遥感影像下灰度的特征入手,以5.12汶川特大地震后都江堰市区ALOS遥感影像为数据源,在MATLAB平台下对影像进行灰度增强处理、数学形态学重构以及连接、填充处理,并结合区域统计特性最后自动识别震害房屋。结果表明,利用ALOS影像丰富的纹理特征及空间结构信息与MATLAB在数学形态学处理中的优势能够准确有效地提取震害建筑物信息。

关键词： MATLAB软件 ALOS遥感影像震害建筑物自动识别数学形态学都江堰市区

基于地面激光雷达技术点云的北川县城震害建筑物提取研究

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2016年第19期16卷 244-249页

作者：李强焦其松张景发中国地震局工程力学研究所哈尔滨1500801 中国地震局地壳应力研究所北京100085

北川县城在汶川地震后变成一片废墟。以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。按照... 详细信息

北川县城在汶川地震后变成一片废墟。以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。按照LiDAR点云数据建筑物的属性进行特征插值分解,通过分析震害建筑物在不同特征上的表现,构建适合于LiDAR点云震害建筑物提取的特征规则集。基于地面LiDAR数据提取北川地震遗址震害建筑物信息。结果表明:震害建筑物提取总体精度达92.3%,Kappa系数为0.873,提取精度满足地震遥感应急评估的需求,为遥感震害评估增添新的可用数据源。

关键词：面向对象地面激光雷达技术(LiDAR) 震害建筑物北川县城

基于震后高分遥感影像的震害建筑物检测方法研究

在线全文

学校读者我要写书评

暂无评论

基于震后高分遥感影像的震害建筑物检测方法研究

作者：仇星南京信息工程大学

学位级别：硕士

地震作为一种严重的自然灾害,一旦发生对人类的生命财产安全会造成巨大破坏,而建筑物的受损情况是判断人员伤亡和财产损失的重要依据。随着遥感影像的覆盖范围不断扩大、分辨率的不断提高,利用高分遥感影像进行震害建筑物检测已经成为... 详细信息

地震作为一种严重的自然灾害,一旦发生对人类的生命财产安全会造成巨大破坏,而建筑物的受损情况是判断人员伤亡和财产损失的重要依据。随着遥感影像的覆盖范围不断扩大、分辨率的不断提高,利用高分遥感影像进行震害建筑物检测已经成为震后应急响应的重要手段之一。目前,利用震后高分遥感影像进行震害建筑物检测的方法主要分为基于传统分类模型的方法和基于深度学习的方法。前者具有算法实现快、在小样本集上也能取得不错的精度等优点,但依据手工设计和提取的特征集合存在特征冗余和特征冲突,如何提取最具代表性的特征集合是该类方法面临的一个难点问题。后者主要是通过深度卷积神经网络实现“端到端”的分类,但是基于卷积的操作通常仅利用空间上下文信息而忽略了全图中的类别上下文信息;此外,语义分割需要对每个像素预测类别,而当前方法对每个像素同等对待,导致分割边界精度受限。为此,本论文分别对基于传统分类模型的震害建筑物检测方法和基于深度学习的震害建筑物检测方法展开研究,具体的研究成果如下:（1）在基于传统分类模型的震害建筑物检测方法中,提出了一种基于特征及决策树优化随机森林的震害建筑物检测方法。首先利用WJSEG算法对高分影像进行分割,并利用几何形态学特征获取潜在建筑物对象集合;其次,基于所提的分类正确率波动曲线判别规则自适应选择决策树数量;在此基础上,在特征重要度指标指引下对光谱、纹理、几何形态学这三大类特征进行筛选,获得具有代表性的震害特征集合;最后,利用构建的随机森林分类模型进一步将潜在建筑物对象集合划分为完好建筑物、震害建筑物、废墟和其他。研究结果表明,在对不同地区、不同传感器的多组震后高分辨率遥感影像开展的实验中,该方法总体精度均可达到85%以上,且误检率小于6%,可为震后应急响应及灾后重建提供关键而可靠的决策支持信息。（2）在基于深度学习的震害建筑物检测方法中,提出了一种基于对象上下文与边界增强损失函数的震后遥感影像语义分割方法。分别在Deep Labv3+和UNet的基础上,增加了对象上下文注意力模块,使得模型能够从空间上下文和对象上下文两个方面提高特征学习能力;此外,针对震后遥感复杂场景中地物混杂造成的边界分割困难,提出了一种基于像素空间位置信息的边界指标来对Focal Loss损失函数进行改进,使模型能够更关注边界像素的学习。研究发现,在对手动标注的震后数据集的分类中,UNet拥有多个跳级结构有利于空间细节信息的恢复,因此表现出比Deep Labv3+更高的性能。接入对象上下文模块的Deep Labv3+和UNet比未接入的总体精度提高了0.2%～0.8%,平均Io U提高了2%～3%,验证了利用对象上下文注意力模块进行特征增强的有效性。其中,在Deep Labv3+中使用串联接入OCR模块的方式比采用并联方式精度更高。此外,分别在Deep Labv3+和UNet中使用所提出的界增强损失函数BE Loss并与另外两种损失函数进行对比,结果表明,使用所提损失函数的总体精度是最高的。

关键词：高分辨率遥感影像震害建筑物随机森林深度学习注意力机制

基于深度学习的震害遥感图像建筑物变化检测方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的震害遥感图像建筑物变化检测方法研究

作者：张钰屏防灾科技学院

学位级别：硕士

地震灾害往往具有较强突发性和较大的破坏性,是世界上造成人们经济损失和人员伤亡最多的自然灾害之一。地震灾害发生后,对受灾地区进行及时、准确的灾害损失评估,对于制定应急救援方案、实现灾后救助和重建等具有重要意义。随着遥感技... 详细信息

地震灾害往往具有较强突发性和较大的破坏性,是世界上造成人们经济损失和人员伤亡最多的自然灾害之一。地震灾害发生后,对受灾地区进行及时、准确的灾害损失评估,对于制定应急救援方案、实现灾后救助和重建等具有重要意义。随着遥感技术和图像处理技术的不断发展,对地观测遥感图像的数据分析成为灾中详查、灾后重建的重要工具,尤其是高分辨率遥感影像具有精细的地物纹理和表达特征,提供了可靠的数据支撑。高分辨率光学遥感图像中代表性地物——建筑物的倒塌和破坏情况是判断震害损失的一个有利手段,因此基于双时相遥感图像对建筑物进行变化检测能够较好地分析震害建筑物的受灾变化情况,为地震灾害监测和破坏程度评估奠定基础。由于基于深度学习的变化检测方法可以自动学习不同时相遥感图像中变化特征,因此深度学习技术逐渐在遥感图像变化检测分析领域中备受欢迎。本文在充分研究和剖析现有优秀方法的基础上,归纳了当前方法仍然存在一些问题:首先,丰富的遥感数据源是实现精准建筑物变化检测的关键基础,目前应用于震害建筑物变化的数据集较少。其次,由于不同等级的震害发生后,具有不同构造的建筑物在震害后表现出的损害变化存在复杂性,目前的深度学习模型识别准确度仍然具有提升的空间。此外,虽然较多优秀的预测模型克服了识别类别不确定性的问题,但参数量与计算复杂度较大,无法满足震害应急的时效性。针对以上不足,许多问题仍亟待解决,本文的研究内容主要包括以下方面:(1)构建多分类震害建筑物变化检测数据集。针对目前缺少建筑物多分类震害变化检测相关数据集的问题,本文基于印度尼西亚受灾区域两个时相的高分辨率遥感影像数据,依据x BD的灾害数据标注评估标准,使用labelme标注工具对震害建筑物变化注释,并结合Python语言和图像处理库对标注生成的JSON文件处理,生成二值化标注图片数据。针对数据量有限的弊端,本文还通过几何变换类数据增强方式,扩充数据集样本数量与多样性。此外,结合开源二分类变化检测数据集LEVIR-CD,共同构建了一套多分类震害建筑物变化检测数据集(MSMC Dataset)。(2)构建基于多层次注意力机制的震害遥感图像建筑物多分类变化检测方法(MLANet)。针对现有方法对受灾区域建筑物信息提取不完全的问题,本文结合空间注意力机制和通道注意力机制设计了新的多层次空间注意力机制(MLAM),提出了以集成孪生网络与UNet++网络为主干网络的编码-解码结构,并在解码结构嵌入MLAM以构成新的多分类遥感图像变化检测算法(MLANet)。该模型采用孪生结构通过共享权重的方式,激活双时相遥感图像特征图中相同的位置。设计的MLAM突出了各特征层信息的有效性,促进了细节特征融合。与当前先进的其他变化检测网络模型相比,MLANet有效提升了建筑物变化检测准确度。(3)构建基于轻量化调整模块的震害遥感图像建筑物多分类变化检测方法(LRBNet)。针对优秀度学习网络消耗大量计算资源问题,本文提出了一种新的轻量化特征提取模块(LCM)代替传统卷积操作模式,显著降低了计算复杂度。还设计了基于LCM的轻量级残差结构(LRB),将LRB应用于孪生网络与UNet++融合的整体主干网络架构中,大幅度减轻了模型计算量。此外,为了抑制多层次中相似语义差距和位置偏差,在网络的最后一个阶段嵌入设计的多层次损伤特征聚集模块(MDAAM)。MDAAM可以关注对空间域的重要信息,从而提高了建筑物变化检测的性能,在识别精度与效率之间找到一种有效的平衡关系。

关键词：变化检测震害建筑物深度学习多层次注意力机制轻量化网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卫星遥感技术的地震灾害评估研究

科技资讯 2017年第19期15卷 8-10页

作者：任峰天津市地震局天津300201

遥感具有综合、宏观、快速、动态的特点,是震害灾情信息快速获取的重要数据源。我国继资源三号卫星升空之后,展开了一系列卫星的研制与发射,于2014年8月发射了空间分辨率为1 m的高分二号卫星。该文以国产高分二号卫星数据为例,在分析不... 详细信息

遥感具有综合、宏观、快速、动态的特点,是震害灾情信息快速获取的重要数据源。我国继资源三号卫星升空之后,展开了一系列卫星的研制与发射,于2014年8月发射了空间分辨率为1 m的高分二号卫星。该文以国产高分二号卫星数据为例,在分析不同震害目标影像特征的基础上,利用监督分类、面向对象信息提取等方法提取了2015年4月25日尼泊尔地震加德满都地区震害建筑物分布、次生灾害等信息。震害信息提取准确度与效率较高.实验表明,高分二号卫星已满足灾害应急与评估的需求,同时也可为地震应急与震后灾害评估提供有效的信息支撑。

关键词：高分二号尼泊尔地震震害建筑物地震应急面向对象