1、極化分解后多紋理特征的建筑物損毀評 估陳啟浩聶宇靚李林林劉修國中國地質(zhì)大學(xué)（武漢）信息工程學(xué)院北京大學(xué)遙感與地理信息系統(tǒng)研究所摘要：準(zhǔn)確地獲知災(zāi)區(qū)的建筑物損毀程度能為抗震救災(zāi)和災(zāi)后重建提供決策依據(jù)。利用 震后極化合成孔徑雷達(dá)（sar）數(shù)據(jù)，該文提出了一種綜合利用極化分解后多紋 理特征的震后建筑物損毀評估方法。首先，用pauli分解的兀/4偶次散射分量 剔除非建筑區(qū)；其次，用pauli分解的兀/4偶次散射分量的方差特征、對比度特 征和pauli分解的奇次散射分量的對比度特征識別倒塌建筑物，并分別基于區(qū) 塊計(jì)算建筑物損毀指數(shù);最后，綜合3個(gè)紋理特征完成建筑物的損毀評估。采用 玉樹震后radarsa

2、t-2數(shù)據(jù)和東日木大地震后al0s-1數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證了所提方法 對建筑物損毀評估的有效性，該方法對玉樹城區(qū)和日本石卷城區(qū)的重度、中度和 輕度損毀建筑評估的總體精度分別為74. 39%和80. 26%o與其他方法的對比實(shí)驗(yàn) 表明，該方法能減少取向角的影響，對存留有少數(shù)與方位向平行的完好建筑物 的倒塌區(qū)、大取向角的完好建筑區(qū)的評估更為準(zhǔn)確。關(guān)鍵詞：極化sar;震害評估;建筑物;pouli分解;灰度共生矩陣;作者簡介：陳啟浩（1982）,男，講師，研究方向?yàn)闃O化sar信息提取。 e-mail:cugcqh163 com作者簡介:聶宇靚（1993）,女，博士研究生，研究方向?yàn)闃O化sar災(zāi)害評估。 e-

3、mail:yuliangniesina. com收稿日期：2016-11-10 基金:國家自然科學(xué)基金（編號:41301477, 41471355）buildings damage assessmerrt using texture features of polarization decomposition componentschen qihao nie yuliang li linlin liu xiuguofaculty of informstion engineering, chinauniversity of geosciences;abstract：accurately obta

4、ining bui 1 ding damage si tuation in disaster areas provides decision-making support for disaster relief and post-disaster reconstruction. the existing evaluation methods using polarization featuresare greatly influenced by the orientation angle of buildings, and the intact buildings with large ori

5、entation anglesare easily misclassif ied for the col lapsed buildings. the combination of multiple features is an effective way to improve the accuracy of building deimage assessment, in which the texture features play an important role. this paper proposed a new builcling damage assessment method w

6、hich applies the texture features of polarization decomposition components. there are three key procedures in this method. firstly, the non-building areasare removed by thefiltered 兀 /4 double-bounce scattering component of pauli decomposition. secondly, thestrategy of extracting collapsed buildings

7、 is built. for building areas, the variance and contrast features of gray-level co-occurrence matrix (glcm) are calculated on the pauli decomposition parameters. specifically, the variance and contrast textures eire obtained by the 肌/4 double-bounce scattering component of pauli decomposition; the v

8、ariance texture is given by the odd sea.ttcring component of pauli decomposition. then, the appropriatethresholds for distinguishing collapsed buildings from intact buildings are determined by these texture features. when the texture feature value of the pixel is smaller than the threshold, then the

9、 pixel is classified as collapsed building, otherwise, the pixel is identificd as intact bidlding. at last, building damage assessment is implemented. the building damage indexes computed by the three texture features are averaged to get the final bui lding damage index, and the n the result of buil

10、ding damage assessme nl is obtained. this method was validated on radarsat-2 fine-mode polarimetric sar imagery from the yushu earthquakeacquircd on april 21,2010. the ground-truth map of the buildings in yushu city, interpreted on high-resolution optical data, was used as a reference for comparison

11、. compared with the h ci p method, the method wi th homogeneous texture of span imeigc and the method with intcgratcd normalized circular-pol correlation coefficient （nccc） and homogeneous texture feature, the building damage assessment accuracy of the proposed method was the highest, and its overal

12、l accuracy was improved to 74. 39%. particularly, the detection rate for serious damage buildings is 100%, and the false alarm rate is 15. 62%. in addition, the intact buildings with large orientation angles in northeastern corner of the city were also extracted correctly. based on the experimental

13、analysis, the main factor of affecting the accuracy is the similarity of pauli polarization features, the variance and contrast texture features betweenthe flat and dense intact buiiding areas and serious damaged building areas. in addition，the effeetivencss of the proposed method was verified by th

14、e alos-1 data after the 2011 east japan earthquake and tsunami, and its overall accuracy was improved to 80.26%. a damage assessment method based on texture features from glcm of pauli decomposition components is proposed in this paper. in this met hod, paul i decompos ition parame ter was uti lied

15、to remove non-build ing areas, which was capable of removing the non-building arcaseffcctively， such as rivers, roads, bare ground and so on. by the comprehensiveutilization of the glcm texture features of three pauli decomposition components, the collapsed buildings can be extracted more accurately

16、. by comparison with other methods, the results confirm the validity of the proposed method.keyword：polarimetric sar; enrthqunke damage assessment; bu訂ding; pnuli decomposition; graytevel co-occurrence matrix;received： 2016-11-101引言地震是破壞性最強(qiáng)的自然災(zāi)害之一，經(jīng)常造成嚴(yán)重的人員傷亡和經(jīng)濟(jì)損失?？?速、準(zhǔn)確地獲知震后建筑物損毀情況能及時(shí)為抗震救災(zāi)提供決策依據(jù)。遙感

17、技術(shù) 具有快速、綜合、宏觀等優(yōu)點(diǎn)，在獲知震區(qū)損毀情況方面具有很人優(yōu)勢（范一人 等，2016）。合成孔徑雷達(dá)（sar）以其全天時(shí)、全天候、穿透性強(qiáng)、大區(qū)域等 對地觀測特點(diǎn)（郝洪美等，2012）,成為獲取震害信息的一種實(shí)用選擇。特別是 地震發(fā)生后經(jīng)常伴隨惡劣的天氣條件，因此研究基于sar數(shù)據(jù)的地震災(zāi)區(qū)建筑 物損毀評估具有十分重要的意義。近年來，國內(nèi)外學(xué)者在sar數(shù)據(jù)震區(qū)建筑物損毀評估方面進(jìn)行了研究o yonezawa 和takeuchi (2001)指岀地震前后sar影像的強(qiáng)度相關(guān)性和干涉相干特征能一 定程度地反映建筑物的損毀程度，并提岀了歸一化相干系數(shù)差的倒塌建筑物探 測方法。張景發(fā)等人(200

18、2)通過分析張北地震前后倒塌建筑物的相關(guān)性、平均 灰度差異性和灰度方差差異性，定量提取了建筑物損毀信息。matsuoka和 yamazaki (2004)以日本神戶地震為例，利用震前震后強(qiáng)度影像的相關(guān)系數(shù)和 后向散射系數(shù)差構(gòu)造了一個(gè)新的判別指數(shù)，并提取倒塌建筑物。gamba等人 (2006)提岀了基于邊緣特征變化檢測和基于像素變化檢測的震害信息提取方 法。dekker (2011)用cosmo-sky med和terra sar-x數(shù)據(jù)對海地地震進(jìn)行分析, 利用sar數(shù)據(jù)歸一化強(qiáng)度差和相關(guān)系數(shù)分別進(jìn)行了基于網(wǎng)格的平均震害檢測和 單棟建筑的詳細(xì)震害檢測。chen和sato (2013)利用alo

19、s極化sar數(shù)據(jù)分析了 2011年東日木大地震和海嘯的損毀情況，提出了兩個(gè)確定損毀等級的指標(biāo):震 后與震前模型分解的偶次散射分量z比，震后與震前取向角差值的標(biāo)準(zhǔn)差。上述方法取得了較好的應(yīng)用效果，但是對數(shù)據(jù)要求較高，需要同時(shí)獲取震前震 后多時(shí)相sar數(shù)據(jù)。由于合適的震前數(shù)據(jù)不易獲得，針對震后單時(shí)相sar數(shù)據(jù)的 建筑物損毀評估方法被提出°guo等人(2009)針對汶川震后的極化sar數(shù)據(jù)利 用圓極化相關(guān)系數(shù)prrll、偶次散射分量pd和各向異性度a提取倒塌建筑物。 郭華東等人(2010)針對玉樹震區(qū)radarsat-2極化數(shù)據(jù)，提岀利用h和q參數(shù) 去除非建筑物，利用圓極化相關(guān)系數(shù)prrl

20、l區(qū)分倒塌與完好建筑物的il-a-p 方法。zhang等人(2015)用最優(yōu)極化對比度增強(qiáng)法檢測玉樹震后radarsat-2 極化數(shù)據(jù)中的損毀建筑物，并證明對有一致取向角的建筑區(qū)的效果較好。zhai 等人(2016)、zhai和huang (2016)分別引入歸一化的去取向前后偶次散射分 量差、去取向前后偶次散射分量和體散射分量相對貢獻(xiàn)變化率之差等參數(shù)，修正 wishart監(jiān)督分類結(jié)果，以減少取向角建筑和損毀建筑的誤分，從而提高建筑 物損毀評估的精度。棊于震后sar數(shù)據(jù)的建筑物損毀評估方法主要利用極化特征, 其評估結(jié)果為地震災(zāi)后應(yīng)急和重建提供了重要的科學(xué)依據(jù)和決策支持。但也存在 一些不足:評估

21、結(jié)果受建筑物取向角的影響較大，容易將大取向角的完好建筑物 誤分為倒塌建筑物;對存留有少數(shù)與方位向平行的完好建筑物的倒塌區(qū)，也易評 估不準(zhǔn)確。為解決這些問題，震區(qū)建筑物損毀評估方法不再以單一的極化特征為主，而是 向多類特征相結(jié)合的方向發(fā)展。zhao等人(2013)用h-a -wishart分類去除非 建筑區(qū)，綜合規(guī)范化圓極化相關(guān)系數(shù)(7ccc)和總功率灰度共牛矩陣(glcm) 的同質(zhì)性紋理特征，評估玉樹地震后建筑物的損毀程度，并用高分辨率機(jī)載極 化sar數(shù)據(jù)驗(yàn)證了其有效性。shi等人(2015)利用極化、干涉和紋理等181個(gè) 特征，用隨機(jī)森林分類器對震后機(jī)載sar數(shù)據(jù)進(jìn)行分類和建筑物損毀評估，指

22、 出紋理特征對倒塌建筑物提取及損毀評估最有效。由此可見，多類特征結(jié)合是提 高震后建筑物損毀評估精度的一個(gè)有效辦法，且紋理特征在其中能發(fā)揮重要作 用。因此，本文將目標(biāo)分解的極化特征與灰度共生矩陣紋理相結(jié)合，提岀一種利用 極化分解后多紋理特征的震區(qū)建筑物損毀評估方法。首先利用pauli分解的極化 特征剔除非建筑區(qū);然后利用基于pauli分解極化特征計(jì)算的3種glcm紋理特征 分別提取倒塌建筑物，最后綜合3種提取結(jié)果完成建筑物損毀評估;并利用玉樹 震后radarsat-2極化數(shù)據(jù)和東日本大地震后al0s-1極化數(shù)據(jù)進(jìn)行驗(yàn)證。2本文方法描述建筑物倒塌前后其散射機(jī)制和紋理均會(huì)發(fā)生變化?？紤]到建筑物密集的

23、城區(qū)更多 表現(xiàn)為低爛散射，選用pauli相干分解提取極化特征，并結(jié)合經(jīng)典的glcm紋理 描述方法，綜合利用震區(qū)目標(biāo)散射機(jī)制和紋理特征的差異以準(zhǔn)確評估震后建筑 物損毀程度。利用極化分解后多紋理特征的建筑物損毀評估方法的流程圖如圖1 所示。該方法的主要步驟如下:首先，對震區(qū)極化sar數(shù)據(jù)進(jìn)行pemli分解，基于濾波 去噪后的jt/4偶次散射功率3剔除非建筑區(qū)。其次，基于pauli分解的h/4 偶次散射功率3提取灰度共生矩陣的方差(variance)紋理和對比度 (contrast)紋理，基于pauli分解的奇次散射功率u提取灰度共牛矩陣的 contrast紋理。然后，利用這3種紋理特征單獨(dú)提取倒塌

24、建筑物并計(jì)算區(qū)域建 筑損毀指數(shù)。最后，將基于3種紋理特征計(jì)算的區(qū)域損毀指數(shù)取平均值得到最終 損毀評估結(jié)果。其中，a, (3, 丫分別表示基于3個(gè)紋理特征區(qū)分完好建筑物 和倒塌建筑物的閾值。2.1 pauli分解與非建筑區(qū)剔除paul i分解將散射矩陣s分解為多個(gè)paul i基矩陣的復(fù)數(shù)形式的加權(quán)和，每個(gè) pauli基矩陣對應(yīng)一種基本散射機(jī)制(lee和pettier, 2009),表示形式如下式中，shv表示發(fā)射電磁波為垂直極化，接收電磁波為水平極化衛(wèi)，b, c, d均 為復(fù)數(shù)，其值由下式給岀圖1利用極化分解后多紋理特征的建筑物損毀評估流程fig. 1 the flow chart of bui

25、lding damage asscssment using texture features of polarization decomposition components 下載原圖pauli分解將目標(biāo)的散射過程相干分解為4種散射機(jī)制:平坦表面的奇次散射， 方向角為0。的角反射器產(chǎn)生的二面角散射(偶次散射)，方向角為45°的角反 射器產(chǎn)生的二面角散射(兀/4偶次散射)，以及散射矩陣的所有不對稱分量。在滿足互易定理的單站情況下，使得*0,此時(shí)pauli分解可簡化為3個(gè)基矩陣。奇次散射、偶次散射和兀/4偶次散射分量的功率依次可描述為一般地，非建筑區(qū)主要包括河流、道路及裸地等目標(biāo)，這些地

26、物以奇次散射為主, 其他類型散射均較弱;而完好建筑物的屋頂及倒塌建筑物的奇次散射也較強(qiáng)。建 筑物倒塌后偶次散射降低，奇次散射增強(qiáng);但完好建筑和倒塌建筑的兀/4偶次 散射均明顯強(qiáng)于非建筑物區(qū)。圖2為玉樹震后的radarsat-2極化sar圖像中完好建筑物、倒塌建筑物和非建 筑物區(qū)樣本pauli分解后各分量的均值。可以看出，非建筑區(qū)和建筑區(qū)（包括完 好建筑物和倒塌建筑物）在兀/4偶次散射分量的差異最大。因此，根據(jù)震后災(zāi) 區(qū)地物的散射機(jī)制，本文利用pauli分解的兀/4偶次散射分量功率3來區(qū)分非 建筑區(qū)和建筑區(qū)。圖2建筑區(qū)與非建筑區(qū)樣木的pauli分解后各分量的均值fig. 2 the mean o

27、f samples calculated on the three components after pauli decomposition下載原圖為了降低相干斑噪聲的影響，本文利用3x3窗口均值濾波后的兀/4偶次散射分 量功率s '剔除非建筑物。通過統(tǒng)計(jì)分析確定區(qū)分建筑區(qū)與非建筑區(qū)的閾值gx, 將3的像素分為非建筑區(qū)，3上31的像素分為建筑區(qū)。閾值的確定方法如下:首先選擇兩類樣本統(tǒng)計(jì)其特征值的分布，以樣本特征值的 重疊區(qū)間為閾值所處范圍5 t2 （表示特征值較大類別的樣本點(diǎn)最小值，t2 表示特征值較小類別的樣本點(diǎn)最大值）；然后在該閾值范圍內(nèi)搜索，取樣本點(diǎn)區(qū) 分精度最高時(shí)對應(yīng)的閾值為最

28、終閾值。以radarsat-2數(shù)據(jù)劃分建筑區(qū)和非建筑 區(qū)的閾值5確定為例，建筑區(qū)和非建筑區(qū)的樣木在特征3上的特征值分布如 圖3所示。通過統(tǒng)計(jì)分析確定閾值所處范圍為-14.85, -13.15,分別如圖3 屮的橙色和藍(lán)色直線所示。當(dāng)閾值為-14.85時(shí)，建筑區(qū)樣本的檢出率為100%, 有部分非建筑區(qū)的樣本被識別為建筑區(qū);當(dāng)閾值為- 13. 15時(shí)，非建筑區(qū)樣本的 檢出率為100%,有部分的建筑區(qū)樣本被識別為非建筑區(qū)。在-14. 85, - 13. 15 范圍內(nèi)搜索，選取對建筑區(qū)和非建筑區(qū)的區(qū)分精度最高的值- 13. 5作為最終的 分割閾值，如圖3中的黑色虛線所示。圖3建筑區(qū)和非建筑區(qū)的3 f特征

29、值分布圖fig. 3 scatter plots of building areas and non-building areas based onw '下載原圖2. 2利用pauli極化分量glcm紋理的倒塌建筑提取glcm由haralick等人(1973)提出的一種通過圖像灰度的空間相關(guān)性來描述紋 理的方法。通過統(tǒng)計(jì)圖像屮一定距離和一定方向上的兩個(gè)像元灰度z間的相關(guān)性, 描述圖像的紋理信息。其定義如下:在圖像范圍內(nèi)，統(tǒng)計(jì)所有從灰度級為i的像 元點(diǎn)，沿0方向移動(dòng)距離d到達(dá)灰度為j的像元點(diǎn)的概率p (i, j),形成的 方陣即glcm。其中距離d可分解為水平方向的dx和垂直方向的dy,

30、。通常取0。, 45° , 90° , 135° 4 個(gè)方向。glcm反映了圖像灰度關(guān)于方向、相鄰間隔及變化幅度的綜合信息。利用glcm可 分析圖像的局部模式和排列規(guī)則，為了更直觀地描述紋理，一般用灰度共生矩 陣的二階統(tǒng)計(jì)量來表示。本文主要使用方差和對比度兩種二階統(tǒng)計(jì)量表示的紋理 特征。(1)方差(variance)紋理特征式中，n為圖像灰度級數(shù)，卩表示glcm的均值。方差紋理特征反映了像元值與 其周圍局部區(qū)域的均值的偏差。當(dāng)圖像中灰度變化較大時(shí)，glcm方差特征值較 大。(2)對比度(contrast)紋理特征對比度能反映灰度局部變化的情況，灰度差大的像素越多，

31、對比度值越大，表 明灰度局部變化劇烈。地震發(fā)生后，重度損毀區(qū)由于建筑物倒塌嚴(yán)重，形成大片廢墟，在雷達(dá)影像上 其相鄰像元所包含地物幾乎都為廢墟，像元間差異較小，整體較為均勻，導(dǎo)致 重度損毀區(qū)的方差和對比度紋理特征均表現(xiàn)出低值。完好建筑區(qū)及中輕度損毀區(qū) 地物分布較為復(fù)雜，包括高度不一的建筑，建筑和廢墟的混雜等，相鄰像元包 含地物差異較大，使得這些區(qū)域的方差和對比度紋理特征均表現(xiàn)岀高值。圖4為radarsat-2數(shù)據(jù)屮完好建筑區(qū)和倒塌建筑區(qū)樣本(如圖5 (a)所示)在 n /4偶次散射功率3的variance紋理、contrast紋理和奇次散射功率u的 contrast紋理上的特征值統(tǒng)計(jì)圖?？梢钥磳?/p>

32、，總體上完好建筑物的方差和對比 度紋理特征值都大于倒塌建筑物的特征值。因此木文采用閾值法，基于pauli 分解極化特征計(jì)算的3種glcm紋理特征提取倒塌建筑物。2. 3區(qū)域建筑震損評估基于提取的倒塌建筑物結(jié)果，木文用建筑物損毀指數(shù)來描述該區(qū)域內(nèi)建筑物的 損毀程度。損毀指數(shù)越人，建筑損毀程度越嚴(yán)垂。區(qū)域的建筑物損毀指數(shù)定義為式中，汕表示該區(qū)域范圍內(nèi)倒塌建筑物像素?cái)?shù)目，叫表示該區(qū)域內(nèi)所有建筑物像 素?cái)?shù)目。圖4完好/損毀建筑物樣本的紋理特征值分布圖fig. 4 scatter plots of texture features of intact/collapsed building areas 下

33、載原圖為了充分利用多種極化參數(shù)的紋理特征，本文將3種紋理特征分別計(jì)算的建筑 物損毀指數(shù)平均后得到綜合的區(qū)域倒塌率。最后根據(jù)各區(qū)域的綜合倒塌率劃分對 應(yīng)的損毀程度。參照現(xiàn)有的劃分方法（zhai等，2016;zhao等，2013）,確定建 筑物損毀程度的劃分規(guī)則為:crw30%為輕度損毀，30%crw50%為屮度損毀， cr>50%為重度損毀。3實(shí)驗(yàn)與分析本文中的實(shí)驗(yàn)，包括紋理特征的提取、建筑損毀程度的評估以及精度評價(jià)，都是 通過idl8. 3編程實(shí)現(xiàn);紋理特征的樣本統(tǒng)計(jì)分析利用m3tbb2012實(shí)現(xiàn)。程序運(yùn) 行環(huán)境為64位win7操作系統(tǒng)。圖 5 玉樹城區(qū)實(shí)驗(yàn)數(shù)據(jù) fig. 5 exper

34、imental data of yushu country 下載 原圖3. 1 radarsat-2 數(shù)據(jù)實(shí)驗(yàn)為了驗(yàn)證本文方法的有效性，實(shí)驗(yàn)采用2010年玉樹地震后的radarsat-2精細(xì)模 式極化數(shù)據(jù)，并與h- a - p方法、總功率同質(zhì)性紋理的方法、綜合nccc與灰度 共生矩陣同質(zhì)性紋理的方法進(jìn)行定性和定量的對比。2010年4月14 ei 7時(shí)49分，青海省玉樹藏族自治州玉樹縣發(fā)生里氏7. 1級大 地震，城區(qū)大量房屋倒塌造成了極大的生命和財(cái)產(chǎn)損失。本文所用實(shí)驗(yàn)數(shù)據(jù)為玉 樹城區(qū)2010年4月21 h右視升軌的radarsat-2精細(xì)模式極化數(shù)據(jù)，影像大小 為560x270像素，空間分辨率約

35、8 m,入射角為21° ,方位向進(jìn)行3視平均去 噪處理。圖5 (a)為實(shí)驗(yàn)數(shù)據(jù)的pauli rgb合成圖，標(biāo)記的區(qū)域?yàn)榻Y(jié)合高分光 學(xué)影像選取的實(shí)驗(yàn)樣木，其中紅色多邊形表示倒塌建筑物，綠色多邊形表示完 好建筑物，藍(lán)色則代表非建筑區(qū)。圖5 (b)為2010年5月6日玉樹城區(qū)0.5 m 分辨率光學(xué)遙感圖像。圖5(c)為基于光學(xué)圖像解譯的建筑物損毀程度參考結(jié) 果。3. 1. 1非建筑區(qū)剔除對極化數(shù)據(jù)pauli分解并濾波處理，圖6 (a)是濾波后兀/4偶次散射分量功率 3。由圖6 (a)可見，非建筑區(qū)(道路、河流、裸地等)偏向于藍(lán)色，而建 筑區(qū)多呈現(xiàn)黃色或紅色，建筑區(qū)的特征值整體上比非建筑區(qū)的

36、值大。圖6非建筑區(qū)剔除fig. 6 non-building areas removal下載原圖根據(jù)第2. 1節(jié)中描述的閾值確定方法確定區(qū)分建筑區(qū)和非建筑區(qū)的閾值為 13.5 (見圖3中的黑色虛線)。剔除非建筑區(qū)的結(jié)果如圖6 (b)所示，其中 黑色代表非建筑區(qū)，口色表示建筑區(qū)。本文方法不僅能剔除城區(qū)屮東南向的寬河 流，也較好地剔除了東四向較窄河流以及城區(qū)中心的道路，此外述能剔除部分 城區(qū)中的裸地。為了定量評價(jià)非建筑區(qū)剔除的效果，在建筑區(qū)和非建筑區(qū)分別選取999和987 個(gè)像素來評估本文中非建筑區(qū)剔除的精度。建筑區(qū)和非建筑區(qū)的識別總精度為 89. 63%,其中非建筑區(qū)的檢出率為83. 18%,城

37、區(qū)的檢出率為96.00%。影響非建 筑區(qū)剔除精度的主要原因是城區(qū)公園等區(qū)域由丁兀/4偶次散射分量較大而易被 識別為建筑區(qū)。但最終待評估的建筑區(qū)不包含這種較大面積連續(xù)的區(qū)域，即這種 情況對后續(xù)建筑物損毀評估不會(huì)造成大的影響。3. 1. 2倒塌建筑物提取采用2.1節(jié)屮描述的閾值確定方法確定損毀建筑物提取閾值，其屮兀/4偶次散 射功率的variance紋理、contrast紋理，奇次散射功率的contrast紋理特征 的閾值分別為20.34, 40. 00和55. 70,如圖4中的黑色虛線所示。分別用這3 種紋理特征提取倒塌建筑物的結(jié)果如圖7所示，三者均能較好地提取出主要的 倒塌建筑，但也有一些存在

38、差異的區(qū)域:綠虛線區(qū)表示提取結(jié)果相對準(zhǔn)確的區(qū)域, 紅虛線區(qū)表示準(zhǔn)確度相對偏低的區(qū)域。圖7 3種特征的倒塌建筑物提取結(jié)果fig. 7 the results of collapsed buildings based on three features下載原圖為了分析綜合3種紋理特征閾值劃分對于完好建筑物和倒塌建筑物的區(qū)分能力， 統(tǒng)計(jì)單紋理特征及綜合三者后對樣木點(diǎn)的區(qū)分精度，如表1所示。其中，綜合紋 理表示針對3個(gè)單獨(dú)的紋理特征用投票法確定最終區(qū)分結(jié)果(即對區(qū)分結(jié)果的 平均)。樣本點(diǎn)在3個(gè)紋理特征組成的3維空間屮的分布如圖8所示。由表1 和圖8可知，識別的完好建筑物中不包含倒塌建筑物，識別的倒塌建

39、筑物中包 含極少量的完好建筑物。通過對3種紋理特征閾值劃分的綜合，對倒塌建筑物的 檢出率為100%,虛警率為7. 06%;完好建筑物的檢出率為92. 40%,虛警率為0, 能很好地區(qū)分完好建筑物和倒塌建筑物。綜合3種紋理特征閾值劃分后的區(qū)分能 力明顯優(yōu)于單個(gè)紋理特征的閾值劃分。表1完好建筑物和倒塌建筑物的檢出率table 1 the detection rate of intact and collapsed buildings下載原表圖8樣本點(diǎn)在3維特征空間中的分布fig. 8 the distribution of samples in three-dimensional feature

40、space下載原圖3.1. 3建筑物損毀評估由圖7可見，3種紋理特征各有優(yōu)勢，為更準(zhǔn)確地評估建筑物的損毀程度，綜合 利用這3種極化參數(shù)的紋理特征。由式(6)基于圖7 (a) (b) (c)分別計(jì)算區(qū)域建筑損毀指數(shù)，三者取平均計(jì)算 得到綜合的區(qū)域建筑損毀指數(shù)。依據(jù)第2. 3節(jié)中建筑物損毀程度的劃分標(biāo)準(zhǔn)，將 建筑物損毀程度劃分為3個(gè)等級，得到本文方法的評估結(jié)果，如圖9 (d)所示。圖9不同方法建筑物損毀評估結(jié)果fig. 9 building damage assessment results by different methods 下載原圖對比實(shí)驗(yàn)h-a-p方法、總功率同質(zhì)性紋理方法、綜合ncc

41、c和同質(zhì)性紋理方法 的結(jié)果如圖9 (a) -(c)所示。由于采用了相同的實(shí)驗(yàn)數(shù)據(jù)，圖9 (a)中h-a-p 方法使用文獻(xiàn)(郭華東等，2010)屮的閾值。根據(jù)第2.1節(jié)屮描述的閾值確定方 法，確定用總功率同質(zhì)性紋理區(qū)分完好建筑物和倒塌建筑物的閾值為0. 34,用 nccc識別倒塌建筑物的閾值為0. 03o對照參考圖比較不同方法的評估結(jié)果可知，木文方法的建筑物損毀評估結(jié)果明 顯優(yōu)于其他3種方法，更加接近參考結(jié)果。如圖9 (d)所示，本文方法不僅正 確評估出了城區(qū)西部、西南部的嚴(yán)重?fù)p毀區(qū)，也基本準(zhǔn)確地評估出了城區(qū)中部的 輕度損毀建筑區(qū);特別地，城區(qū)東北區(qū)方向大部分存在取向角的完好建筑的損毀 程度得到

42、正確評估。而h-a-p方法、總功率同質(zhì)性紋理方法，將城區(qū)東北部的 大片有取向角完好建筑區(qū)都錯(cuò)誤地評估為重度損毀區(qū)(見圖9 (a)和9 (b); 綜合nccc與同質(zhì)性紋理的方法，能較好地評估該區(qū)域建筑物損毀程度(圖9 (c)。然而，對于城區(qū)南部存留有少數(shù)與方位向平行建筑物的嚴(yán)重?fù)p毀區(qū)，即 圖9 (d)中綠虛線框區(qū)域，這3種方法存在不同程度的誤評估;而本文方法能準(zhǔn) 確地評估出該嚴(yán)重?fù)p毀區(qū)?？梢姡疚姆椒ㄊ芙ㄖ锶∠蚪堑挠绊懶?，對于存在 取向角的完好建筑物以及存留有少數(shù)與方位向平行的完好建筑物的損毀區(qū)，均 能較準(zhǔn)確地評估，表現(xiàn)出了更好的建筑物損毀評估能力。進(jìn)一步對建筑物損毀評估的結(jié)果進(jìn)行定量評價(jià)，對

43、不同損毀程度的建筑物從檢 出率、虛警率、總精度3個(gè)方面評價(jià)，不同方法評估結(jié)果的精度見表2。對于重 度損毀建筑區(qū)，4種方法的檢出率都較高，尤其是木文方法對重度損毀建筑的檢 出率為100%,同時(shí)虛警率也是4種方法中最低的。中、輕度損毀建筑區(qū)的評估 精度相對較低，但本文方法的檢出率仍然最高，虛警率也相對較低。從總精度而 言，本文方法對于3種不同程度的建筑物損毀評估的效果最好，總精度達(dá)到 74. 39%o木文方法建筑物損毀評估的誤差矩陣見表3,中、輕度損毀建筑區(qū)之間評估結(jié)果 存在一定比例的混淆。由表3可見，本文方法評估結(jié)果中仍然存在少部分輕、中 度損毀區(qū)被誤評估為重度損毀區(qū)，如圖9 (d)屮紅虛線框區(qū)

44、域。究其原因，一 般被正確評估的完好建筑區(qū)主要為城區(qū)較繁華的地帶的建筑物，房屋較為現(xiàn)代 化，高低不一，如圖10 (a)所示，其方差和對比度紋理特征呈現(xiàn)岀高特征值。 而這些被誤評的區(qū)域均為類似城邊村的區(qū)域，房屋大都為老式房屋，低矮平整， 排列緊湊，如圖10 (b)所示，其pauli極化特征及其方差和對比度紋理特征與 圖10 (c)所示的重度損毀建筑區(qū)較為相似，都呈現(xiàn)出低特征值，因此易被誤評 估。表2不同方法的建筑物損毀評估結(jié)果精度評價(jià)table 2 building damage assessment accuracy of different methods下載原表表3本文方法建筑物損毀評估誤

45、差矩陣table 3 building damage assessment matrix of the proposed met hod下載原表圖1 0完好建筑區(qū)與倒塌建筑區(qū)的對比fig. 10 comparison between intact buildings and collapsed buildings下載原圖3. 2 al0s-1數(shù)據(jù)實(shí)驗(yàn)為了進(jìn)一步驗(yàn)證方法的適用性，利用2011年3月11日東日本大地震和海嘯后的 al0s-1數(shù)據(jù)進(jìn)行損毀建筑物評估。實(shí)驗(yàn)數(shù)據(jù)為2011年4月8日獲取的日本宮城 縣石卷市的al0s-1全極化數(shù)據(jù)，影像大小為494x245像素，入射角為23. 83

46、6; , 方位向進(jìn)行8視處理。圖11 (a)為該實(shí)驗(yàn)區(qū)的pauli rgb合成圖，圖11 (b)為 根據(jù)高分光學(xué)數(shù)據(jù)解譯的建筑物損毀程度圖。圖1 1 al0s-1 全極化數(shù)據(jù)實(shí)驗(yàn) fig. 11 the experiment of alos-lpol sar data下載原圖用本文方法對該區(qū)域建筑物損毀評估的結(jié)果如圖11(c)所示。采用第2.1節(jié)中 描述的閾值確定方法，確定兀/4偶次散射功率的variance紋理、contrast紋 理、奇次散射功率的contrast紋理特征區(qū)分倒塌建筑物和完好建筑物的閾值分 別為10. 00, 16. 50和15.00。選取圖11 (b)中標(biāo)號為110的10

47、個(gè)區(qū)塊進(jìn)行 評估，其屮1一4為重度損毀，57為屮度損毀，8-10為輕度損毀。對輕度損 毀、中度損毀、重度損毀的識別精度分別為100%、7& 38%、65. 01%,總精度為 80. 26%o4結(jié)論本文提出了一種采用震后單時(shí)相sar數(shù)據(jù)、綜合利用極化分解后多紋理特征的建 筑物損毀評估方法。該方法利用pauli分解的兀/4偶次散射分量功率來區(qū)分非 建筑區(qū)和建筑區(qū)，更完整剔除河流、道路和裸地等非建筑物區(qū)域，有效減少了非 建筑區(qū)對建筑物損毀評估的影響。該方法綜合利用pauli分解后極化功率的三種 灰度共生矩陣紋理特征：兀/4偶次散射功率的方差、對比度紋理和奇次散射功率 的對比度紋理，提出將極化

48、特征與紋理特征嵌套融合以充分利用多類特征進(jìn)行 建筑物損毀程度評估。采用玉樹radarsat-2數(shù)據(jù)和r本石卷al0s-1數(shù)據(jù)的實(shí)驗(yàn) 證明了本文方法對震后建筑物損毀評估的有效性，該方法對玉樹城區(qū)和日本石 卷城區(qū)損毀建筑評估的總體精度分別為74. 39%和80. 26%。與其他方法的對比實(shí) 驗(yàn)表明，本文方法能降低取向角的影響，對大取向角的完好建筑區(qū)以及存留有 少數(shù)與方位向平行的完好建筑物的倒塌區(qū)的評估更準(zhǔn)確。當(dāng)然，本文方法仍然存 在一些不足：由于與倒塌建筑區(qū)紋理的相似性，一些低矮、緊湊的完好建筑物難 以被正確評估;非建筑區(qū)剔除時(shí)，對城市公園等植被較多的非建筑區(qū)剔除效果不 夠理想。因此，如何提高對低

49、矮、緊湊完好建筑物的評估效果、如何更準(zhǔn)確剔除 非建筑區(qū)以及進(jìn)一步驗(yàn)證該方法對高空間分辨率極化sar數(shù)據(jù)的適用性，是下 一步的工作重點(diǎn)。參考文獻(xiàn)chen s w and sato 1. 2013. tsunami damage investigation of builtup areas using multitempornl spnceborne full polnrinietric sarimages. ieee transactions on geoscienee and remote sensing, 51(4) :1985-1997doi:10.1109/tgrs. 2012. 221

50、0050dekker r j. 201l high-resolution radar daniage assessment after the earthquake in haiti on 12 january 2010. ieee journal of sclccted topics in applied earth observations and remote sensing, 4 :960-970d0i:10 1109/jstars. 2011. 2164516fan y d, wu w, wang w, liu m and wen q 2016. research progress

51、of disaster remote sensing in chin el jour nail of remote sensing, 20 (5) :1170t184 (范 一大，吳瑋，王薇,劉明，溫奇.2016.中國災(zāi)害遙感研究進(jìn)展遙感學(xué)報(bào)，20(5) : 1170-1184) d0i:10 11834/jr、s 20166171gamba p, dell，acqua f and lisini g.2006. change detection of multitemporal sar data in urban areas combini ng feature-based and pixel

52、-based techniqucs. ieee transactions on gcoscicncc and remote sensing, 44 (10) :2820-2827d01:10. 1109/tgrs. 2006. 879498guo hd, li x w and zhang l. 2009. st udy of detect i ng method with acivanced airborne and spaceborne synthetic aperture radar data for collapsed urban buildings fyom the wenchuan

53、earthquake. journal of appl ied remote sensing, 3 (1) :031695d01:10. 1117/1.3153902guohd, wang x y, lixw, liu g, zhang l and yan s y 2010. yushu earthquake synergic dnnlysis study using multi-model sardatasets. chinese science bulletin, 55仃3) :1195-1199 (郭華東，王心源，李新武，劉廣，張露，閻世 勇.2010.多模式sar玉樹地震協(xié)同分析.科學(xué)

54、通報(bào)，55 (13) :1195-1199) d0i:10 1007/sl1434-010-0292-2hao h m, zhang y h, shi h y and huang j b.2012. application of test statistic method in fully polarimtric sar change detection. journal of remote sensing, 16 (3) :520-532 (郝洪美，張永紅，石海燕，黃金波.2012. 統(tǒng)計(jì)假設(shè)檢驗(yàn)方法在全極化sar變化檢測中的應(yīng)用遙感學(xué)報(bào)，16 (3) :520-532) d0i:10. 1

55、1834/jrs. 20120384haralick r m，shanmugani k and dinstcin i 1973. textural fcatures for image classification. ieee transactions on systems, man, and cybernetics， smc-3 (6) :610-621doi:10. 1109/tsmc. 1973. 4309314lee j s and pott ier e. 2009. pol err ime trie radar imaging: from basics to appliedtions. boca raton:crc press taylor and francis group:214-215matsuoka m and yamazaki f2004. use of satellite sar inten