摘要：利用面向对象方法对地震后高分辨率遥感影像上的道路进行多尺度分割和分类。通过融合地震前道路网矢量数据与地震后遥感影像, 提出一种基于自适应模板的道路损毁检测方法。试验结果证明, 该方法能够快速、准确地对损毁信息进行提取。
关键词：面向对象;多尺度分割;自适应模板;数据融合
1.引言
近年来,全球地震灾害频繁。 2008年5月1日,四川省汶川县发生里氏8.0级地震,全国诸多区域有明显震感。2010年 4月14日,青海玉树发生里氏7.1级地震,震源深度达33km。地震产生的泥石流、滑坡以及次生灾害对震区的道路产生了极大的破坏,使得交通系统产生不同程度的损毁,甚至瘫痪。而道路交通是救援的生命线,地震造成的道路损毁和阻断,使得救援物资、人员和车辆无法及时进入,救灾工作无法快速、有序地开展。面对突如其来的地震灾害,通常无法进行大范围的实地应急调查,加上天气、地质条件恶劣,无法依靠传统的方法及时、准确地获取道路受损情况。本文基于航空遥感具有覆盖周期短、获取速度快、分辨率高等特点[1],针对交通部门虽得到与地震区域吻合的震前航空遥感影像,却无法有效地利用传统的变化检测方法对道路损毁情况进行快速评估的情况下,提出一种融合道路网矢量数据的遥感影像道路损毁提取方法[2]。利用地震后的遥感数据与地震前的矢量路网信息的融合, 快速提取道路损毁信息,避免了利用单时相的震后影像对道路损毁进行提取所带来的困难和不准确性, 为灾后道路损毁评估提供了一定的借鉴和依据。
2.面向对象的地震后道路影像自适应尺度分类
2.1影像的多尺度分割
在进行道路分类之前,首先要对影像进行必要的预处理,包括影像的几何纠正和重投影等[3]。在道路影像的多尺度分割过程中,尺度的选择非常重要,它决定分割对象异质性最小的阈值。一般来说,分辨率越高,影像上地物细节越丰富,像元异质性也就越大,对于尺度变化敏感,因此初始分割尺度应设置较小,若分割情况不理想则将尺度慢慢增大。通常情况下,光谱信息的权值范围设置在0.6～0.8之间,相应的形状信息的权值在0.2～ 0.4之间,如果分辨率低的影像形状信息不够丰富,需要设置较高的光谱权值。在道路影像分类的研究中,由于精度要求较高,试验数据的分辨率一般都在1m以内,影像上的地物细节较为丰富,因此本文加大了形状信息的权值,将光谱权值设置在0.6 ～0.7左右即可。形状因子包括紧凑度和平滑度两个属性,平滑度用于完善具有光滑边界的对象,紧凑度用于根据较小的差别把紧凑的目标和不紧凑的目标区分开。经过多次试验,发现紧凑度权值设置在 0.2～0.4之间时道路分割的效果较好,多尺度分割后的道路影像。
2.2面向对象的道路分类
本文采用面向对象的分类法作为分类的基本思想,首先在多尺度分割影像上选取典型的道路样本,再通过最近邻分类器,将与道路具有相似灰度特征的区域提取出来。道路因其本身的灰度特征,在很多影像上难以和具有相似灰度的地物区分开来,如建筑物顶部、水井等[4]。因此,单纯地利用灰度信息无法准确地提取出道路信息。道路的辐射特征表现为内部辐射度比较均匀 、与其相邻区域灰度反差较大。此外, 还具有以下特征:①几何特征,具有一定长宽比 (长宽比较大),曲率有一定限制;②拓扑特征,不会突然中断,相互交叉,形成网络。利用上述特征,可以利用面向对象的思想对分类结果加以修正。如在分类过程中对影像对象的长度、宽度、长宽比、矩形度等形状参数进行约束,就能够有效地将建筑物、水井等地物与道路区分开来,得到良好的分类结果。
期刊文章分类查询,尽在期刊图书馆若分类结果中还有噪声存在,则可以利用道路网数据,根据相应道路的宽度生成缓冲区,缓冲区宽度可以根据道路等级设定。将空间操作获取的道路区域, 与图像进行逻辑运算,保留实现道路区域图像分割。在某些次生灾害条件下,上述步骤还不能将完好道路、损毁道路和背景加以区分,如由于山体滑坡导致的碎石掩埋路面。
3.基于道路网矢量数据的道路损毁提取
在进行道路损毁提取之前,需要将道路网矢量数据与经过纠正的高分辨率影像进行精确的配准。在分辨率较高的图像中,道路通常表现为具有一定宽度且基本恒定不变的圆滑曲线,而道路网矢量数据则是由若干离散点串对道路进行的近似表达。本文采取一种自适应模板的匹配方法,即沿着道路走向,在连续的两个离散的道路矢量点之间,利用两点间连线的法线,将两点之间的直线按照某一匹配步长A1划分为若干小段。根据划分的小段,生成用于提取道路损毁信息的模板,模板的长、宽分别定义为Slength =A1、width=A2+A3,A2代表模板所在道路的宽度;A 3代表影像和矢量数据匹配的误差。利用生成的模板,沿道路走向计算模板与影像相应部分的相关系数P[5],当模板内道路完全损毁时,则 P=0 ;当模板内道路完好时,则 P的值接近于1。
4.试验
本文选择汶川地区的若干道路作为研究对象。道路损毁评估采用的遥感数据包SPOT5、ADS40、无人机等高分辨率光学影像。损毁评估所需的矢量数据包括道路等级、道路宽度、经纬度等信息。分别对北川、映秀等3处不同地区的7条道路影像进行了分类提取和损毁信息的提取,以验证本文提出的检测方法的有效性。北川地区影像的道路损毁提取匹配步长为 5个像素,阈值上限和下限分别为0.8和0.1。可以清晰地看出,该方法能够较好地提取出被滑坡 、碎石掩埋的路面, 也能够判断出道路的坍塌和破损。并且对于部分损毁,即依旧可以通行的路段,也作出了准确的判断。试验证明,利用面向对象、自适应模板匹配相结合的方法检测损毁道路具有较高的准确性和实用性,道路损毁检测的正确率都达到了85%以上,在检测过程中,误差主要来源于基于面向对象方法的道路分类提取。
5.结语
本文利用面向对象方法对地震后高分辨率遥感影像进行自适应模板的多尺度分割和分类,提出一种融合地震前道路网矢量数据与地震后遥感影像的道路损毁检测方法。试验证明, 该方法能够快速、准确地对损毁信息进行提取。如何有效地减小具有相似纹理和灰度特征的地物对道路分类产生的影响,并对造成道路损毁的灾害体类型 (坍塌、掩埋等)进行判读, 是今后值得继续研究的问题。
【参考文献】
[1]胡庆武，艾明耀，付建红.基于测绘遥感地理信息工程的地理国情监测专业建设研究[J].测绘通报,2016(10):129-132.
[2]刘云峰，李若，巩垠熙，底玲晓.面向航测遥感的信息化测绘生产体系的构建[J].测绘通报,2017(4):134-138.
[3]张浩，张过，蒋永华，汪韬阳.以SRTM-DEM为控制的光学卫星遥感立体影像正射纠正[J].测绘学报,2016,45(3):326-331.
[4]明冬萍，邱玉芳，周文.遥感模式分类中的空间统计学应用——以面向对象的遥感影像农田提取为例[J].测绘学报,2016,45(7):825-833.
[5]赵瑞山，张过，杨帆.利用光学遥感影像进行星载SAR影像正射纠正[J].测绘通报,2016(10):16-20.
论文作者:黄新奎
论文发表刊物:《基层建设》2018年第3期
论文发表时间:2018/5/17
标签：道路论文; 影像论文; 遥感论文; 尺度论文; 道路网论文; 矢量论文; 模板论文; 《基层建设》2018年第3期论文;