一種基于高分辨率遙感數據的地震損毀評估方法和裝置與流程

本發明涉及快速評估技術領域，特別是指一種基于高分辨率遙感數據的地震損毀評估方法和裝置。

背景技術：

地震災害受災范圍快速評估是指在地震災害剛剛發生后的(通常為48小時以內)，在災區地面調查結果有限或者不足的情況下，使用災區獲取的實時遙感影像數據快速獲取本次地震災害中受影響區域范圍及受影響程度。在近年來的地震災害后評估實際研究中，已經表明，城市范圍的地震損毀情況可以通過衛星影像或者高分辨率的遙感影像分析得到。

相關研究已經證實基于變化監測和高分辨率遙感影像的方法可以有效評估地震災害中的損毀情況，例如Keiko Saito,等針對通過遙感影像目視解譯結果與地面數據對比驗證了高分辨率衛星影像對基于區域的損毀評估的可靠性。Charles K.Huyck等使用QuickBird數據和Neighborhood Edge Dissimilarities特征方法，用于評估bam地震再次高分辨率數據用于快速評估的可行性。

但是在現有技術中，基于遙感的損毀評估圖只能通過監測災害前后的遙感影像變化進行繪制，而基于衛星的損毀評估圖只能通過衛星數據。也就是說，由于衛星遙感影像數據不同傳感器生成的影像空間分辨率、配準偏差、傳感器入射角度影像的不同，會影響變化檢測方法結果的準確性,現有方法只能災害前后的兩影像數據需要同種傳感器獲得。

技術實現要素：

有鑒于此，本發明的目的在于提出一種基于高分辨率遙感數據的地震損毀評估方法和裝置，解決現有對地震損毀評估只能使用衛星影像或者航空影像的問題。

基于上述目的本發明提供基于高分辨率遙感數據的地震損毀評估方法，包括步驟：

根據監測邊緣特征變化，獲得地震前后遙感影像的梯度圖像；

分別獲得所述地震前后梯度圖像的相似度特征圖像，提取所述相似度圖像的相似度特征；

根據評估倒毀率繪制當地地震災害快速評估圖。

在本發明的一些實施例中，所述根據監測邊緣特征變化，獲得地震前后遙感影像的梯度圖像，包括：

獲取災害地區地震前后遙感影像，并進行地理配準；

根據地理配準后的所述地震前后遙感影像，分別計算地震前后遙感影像的梯度圖像。

在本發明的一些實施例中，通過如下公式，分別計算地震前后遙感影像的梯度圖像：

$G(x,y)=\sqrt{{\left(f\right(x,y)-f(x+1,y+1\left)\right)}^2+{\left(f\right(x+1,y)-f(x,y+1\left)\right)}^2}$

$G(x^{\′},y^{\′})=\frac{G(x,y)-G_{\min }(x,y)}{G_{max}(x,y)-G_{min}(x,y)}$

其中，f(x,y)為源圖像的單通道，G(x',y')為梯度圖像。

在本發明的一些實施例中，分別獲得所述地震前后梯度圖像的相似度特征圖像，提取所述相似度圖像的相似度特征，包括：

將地震前后遙感影像的梯度圖像網格化；

分別計算網格化后的地震前后梯度圖像的相似度特征圖像；

根據所述地震前后梯度圖像的相似度圖像的相似度特征，獲取完全變化和嚴重變化網格數量。

在本發明的一些實施例中，根據如下公式，計算網格化后的地震前后梯度圖像的相似度特征圖像：

$S\left(W\right)=\frac{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)*\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}{\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)}^2}*\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}^2}}$

其中，G_A(x，y)表示T1時間(災前)網格W的梯度特征圖像；G_B(x，y)表示T2時間災后網格W的梯度特征圖像；

還有，G_A-mean(x，y)＝(∑∑G_A(x，y))/H，表示目標A區域中像元的梯度平均值。G_B-mean(x，y)＝(∑∑G_B(x，y))/H，表示目標B區域中像元的梯度平均值；H則為網格中像元的總個數，k和l分別為目標區域的寬度和高度。

在另一方面，本發明還提供了一種基于高分辨率遙感數據的地震損毀評估裝置，包括：

梯度圖像獲取單元，用于根據監測邊緣特征變化，獲得地震前后遙感影像的梯度圖像；

相似度特征獲取單元，用于分別獲得所述地震前后梯度圖像的相似度圖像，提取所述相似度圖像的相似度特征；

評估單元，用于根據評估倒毀率繪制當地地震災害快速評估圖。

在本發明的一些實施例中，梯度圖像獲取單元，還用于：

獲取災害地區地震前后遙感影像，并進行地理配準；

根據地理配準后的所述地震前后遙感影像，分別計算地震前后遙感影像的梯度圖像。

在本發明的一些實施例中，通過如下公式，分別計算地震前后遙感影像的梯度圖像：

$G(x,y)=\sqrt{{\left(f\right(x,y)-f(x+1,y+1\left)\right)}^2+{\left(f\right(x+1,y)-f(x,y+1\left)\right)}^2}$

$G(x^{\′},y^{\′})=\frac{G(x,y)-G_{\min }(x,y)}{G_{max}(x,y)-G_{min}(x,y)}$

其中，f(x,y)為源圖像的單通道，G(x',y')為梯度圖像。

在本發明的一些實施例中，所述相似度特征獲取單元，還用于：

將地震前后遙感影像的梯度圖像網格化；

分別計算網格化后的地震前后梯度圖像的相似度特征圖像；

根據所述地震前后梯度圖像的相似度圖像的相似度特征，獲取完全變化和嚴重變化網格數量。

在本發明的一些實施例中，根據如下公式，計算網格化后的地震前后梯度圖像的相似度特征圖像：

$S\left(W\right)=\frac{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)*\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}{\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)}^2}*\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}^2}}$

其中，G_A(x，y)表示T1時間(災前)網格W的梯度特征圖像；G_B(x，y)表示T2時間災后網格W的梯度特征圖像；

還有，G_A-mean(x，y)＝(∑∑G_A(x，y))/H，表示目標A區域中像元的梯度平均值。G_B-mean(x，y)＝(∑∑G_B(x，y))/H，表示目標B區域中像元的梯度平均值；H則為網格中像元的總個數，k和l分別為目標區域的寬度和高度。

從上面所述可以看出，本發明提供的一種基于高分辨率遙感數據的地震損毀評估方法和裝置，通過基于邊緣相似度的變化監測分析和倒毀率評估，實現從像素到對象再到評估區逐級提取損毀信息的評估，達到了對建成區災害損失快速評估，及倒損率的初步判定。還有，本發明能夠同時應用于衛星影像與航空影像，且可以兼容用于變化監測的災害前后影像為異源傳感器。

附圖說明

圖1為本發明第一實施例中基于高分辨率遙感數據的地震損毀評估方法的流程示意圖；

圖2為本發明可參考實施例中基于高分辨率遙感數據的地震損毀評估方法的流程示意圖；

圖3為本發明實施例中基于高分辨率遙感數據的地震損毀評估裝置的結構示意圖；

圖4為本發明實施例中地震災害前后遙感影像數據圖；

圖5為本發明實施例中圖4基礎上的梯度圖像；

圖6為本發明實施例中圖5基礎上的相似度特征圖像；

圖7為本發明實施例中基于圖6的變化檢測方法分類結果圖；

圖8為本發明實施例中圖7基礎上的倒毀率評估圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本發明進一步詳細說明。

需要說明的是，本發明實施例中所有使用“第一”和“第二”的表述均是為了區分兩個相同名稱非相同的實體或者非相同的參量，可見“第一”“第二”僅為了表述的方便，不應理解為對本發明實施例的限定，后續實施例對此不再一一說明。

參閱圖1所示，為本發明實施例中基于高分辨率遙感數據的地震損毀評估方法的流程示意圖，所述基于高分辨率遙感數據的地震損毀評估方法包括：

步驟101，根據監測邊緣特征變化，獲得地震前后遙感影像的梯度圖像。

作為實施例，可以根據地震前后遙感影像，分別計算地震前后遙感影像的梯度圖像。較佳地，通過如下公式，分別計算地震前后遙感影像的梯度圖像：

$G(x,y)=\sqrt{{\left(f\right(x,y)-f(x+1,y+1\left)\right)}^2+{\left(f\right(x+1,y)-f(x,y+1\left)\right)}^2}$

$G(x^{\′},y^{\′})=\frac{G(x,y)-G_{\min }(x,y)}{G_{max}(x,y)-G_{min}(x,y)}$

其中，f(x,y)為源圖像的單通道，G(x',y')為梯度圖像。

優選地，在計算地震前后遙感影像的梯度圖像之前，需要對獲得的災害地區地震前后遙感影像進行地理配準。其中，可以利用Arcgis軟件將獲取的地震前后遙感影像進行地理配準。

另外，還可以對地震前后遙感影像的梯度圖像進行網格化。較佳地，可以根據當地評估目標(建筑物)的平均長度L，以及獲取的遙感影像空間分辨率R，選擇網格大小。優選地，采用香濃采樣原理，選取網格大小。在該實施例中，接近S＝0.5*L/R，當然根據實際情況可以進行調整。

步驟102，分別獲得所述地震前后梯度圖像的相似度圖像，提取所述相似度圖像的相似度特征。

在該實施例中，計算網格化后的地震前后梯度圖像的相似度圖像，通過如下公式：

$S\left(W\right)=\frac{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)*\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}{\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)}^2}*\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}^2}}$

其中，G_A(x，y)表示T1時間(災前)網格W的梯度特征圖像。G_B(x，y)表示T2時間(災后)網格W的梯度特征圖像。還有，G_A-mean(x，y)＝(∑∑G_A(x，y))/H，表示目標A區域中像元的梯度平均值。G_B-mean(x，y)＝(∑∑G_B(x，y))/H，表示目標B區域中像元的梯度平均值。H則為網格中像元的總個數，k和l分別為目標區域的寬度和高度。

步驟103，根據評估倒毀率繪制當地地震災害快速評估圖。

在本發明的一個可參考的實施例中，如圖2所示，所述的基于高分辨率遙感數據的地震損毀評估方法包括：

步驟201，獲取災害地區地震前后遙感影像，并進行地理配準。

其中，可以利用Arcgis軟件將獲取的地震前后遙感影像進行地理配準。在實施例中，地理配準是將前后的兩景影像按照相同投影方式，投影到同一坐標系中，該過程是進行地理計算的基礎。

步驟202，根據地理配準后的所述地震前后遙感影像，分別計算地震前后遙感影像的梯度圖像。

優選地，通過如下公式，分別計算地震前后遙感影像的梯度圖像：

$G(x,y)=\sqrt{{\left(f\right(x,y)-f(x+1,y+1\left)\right)}^2+{\left(f\right(x+1,y)-f(x,y+1\left)\right)}^2}$

$G(x^{\′},y^{\′})=\frac{G(x,y)-G_{\min }(x,y)}{G_{max}(x,y)-G_{min}(x,y)}$

其中，f(x,y)為源圖像的單通道，G(x',y')為梯度圖像。

步驟203，將地震前后遙感影像的梯度圖像網格化。

較佳地，可以根據當地評估目標(建筑物)的平均長度L，以及獲取的遙感影像空間分辨率R，選擇網格大小。優選地，采用香濃采樣原理，選取網格大小。在該實施例中，接近S＝0.5*L/R，當然根據實際情況可以進行調整。例如：當地建筑物平均長度為20米，遙感影像空間分辨率為0.5米，則網格尺度選擇為20。

步驟204，分別計算網格化后的地震前后梯度圖像的相似度特征圖像。

優選地，根據如下公式，計算網格化后的地震前后梯度圖像的相似度特征圖像：

$S\left(W\right)=\frac{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)*\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}{\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_A\right(x,y)-G_{A-mean}(x,y\left)\right)}^2}*\sqrt{{\mathrm{\Σ}}_{x=1}^k{\mathrm{\Σ}}_{y=1}^l{\left(G_B\right(x,y)-G_{B-mean}(x,y\left)\right)}^2}}$

其中，G_A(x，y)表示T1時間(災前)網格W的梯度特征圖像。G_B(x，y)表示T2時間(災后)網格W的梯度特征圖像。

還有，G_A-mean(x，y)＝(∑∑G_A(x，y))/H，表示目標A區域中像元的梯度平均值。G_B-mean(x，y)＝(∑∑G_B(x，y))/H，表示目標B區域中像元的梯度平均值。H則為網格中像元的總個數，k和l分別為目標區域的寬度和高度。

步驟205，根據所述地震前后梯度圖像的相似度圖像的相似度特征，獲取完全變化和嚴重變化網格數量。具體的實施過程包括：

通過ENVI軟件選取適量的訓練樣本，并使用最大似然分類法對相似度圖像進行分類。其中，在選取樣本時，可以選取30至50個訓練樣本，另外參考建筑物按照EMS-1998標準，將Grades 3,4劃分為完全變化類，將Grades1,2劃分為嚴重變化類，Grade5劃分為輕度變化類。

步驟206，根據評估倒毀率繪制當地地震災害快速評估圖。

優選地，利用Arcgis軟件根據行政區劃矢量數據及公式：

D_i＝A_i/B_i

計算每個行政區的倒毀率評估結果，上式中，A_i為行政區i對應的完全變化及嚴重變化網格數量，B_i為行政區i對應的完全變化及嚴重變化網格數量，D_i為行政i對應的估計倒毀率。也就是說，使用ArcGis軟件，將行政區劃中每個行政區按照Di值賦予不同的顏色，制成當地地震災害快速評估圖。

在本發明的另一方面，還提供了一種基于高分辨率遙感數據的地震損毀評估裝置，如圖3所示，所述基于高分辨率遙感數據的地震損毀評估裝置包括依次連接的梯度圖像獲取單元301、相似度特征獲取單元302以及評估單元303。其中，梯度圖像獲取單元301根據監測邊緣特征變化，獲得地震前后遙感影像的梯度圖像。相似度特征獲取單元302分別獲得所述地震前后梯度圖像的相似度圖像，提取所述相似度圖像的相似度特征。評估單元303根據評估倒毀率繪制當地地震災害快速評估圖。

需要說明的是，在本發明所述的基于高分辨率遙感數據的地震損毀評估裝置的具體實施內容，在上面所述基于基于高分辨率遙感數據的地震損毀評估方法中已經詳細說明了，故在此重復內容不再說明。

本發明根據上面所述的方法和裝置，對2010年4月14日青海省玉樹藏族自治州玉樹縣發生Ms7.1級地震進行了快速評估。圖4顯示的是根據本發明的一個具體實施例的地震災害前后遙感影像數據圖，其中左側為地震前獲取的ikonos影像，右側震后獲取的QuickBird影像；圖5為圖4基礎上分別計算的梯度圖像；圖6是圖5基礎上的相似度特征圖像；圖7是基于圖6的變化檢測方法分類結果。圖8是圖7基礎上的倒毀率評估圖。

其中，如圖4所示，獲取當地地震前Ikonos遙感影像數據和地震后QuickBird遙感影像數據，并通過Arcgis軟件進行空間配準。如圖5所示，分別計算災害前后影像的梯度圖像，依據當地建筑物平均長度為20米，影像空間分辨率為0.6米，確定網格大小為17。還有，如圖8所示，根據評估倒毀率繪制當地地震災害快速評估圖，按受損程度可以使用不同顏色展示。

綜上所述，本發明提供的一種基于基于高分辨率遙感數據的地震損毀評估方法和裝置，可在地震發生后，快速評估由地震引發的建城區建筑物倒毀情況，對選擇啟動應急預案的應急響應級別具有較高參考價值，為決策者指定災民的營救和安置計劃提供依據；進一步地，本發明通過先提取圖像特征，后進行相似度對比的方式，進而可以兼容用于變化監測的災害前后影像為異源傳感器；從而，本發明具有廣泛、重大的推廣意義；最后，整個所述基于高分辨率遙感數據的地震損毀評估方法和裝置緊湊，易于控制。

所屬領域的普通技術人員應當理解：以上任何實施例的討論僅為示例性的，并非旨在暗示本公開的范圍(包括權利要求)被限于這些例子；在本發明的思路下，以上實施例或者不同實施例中的技術特征之間也可以進行組合，步驟可以以任意順序實現，并存在如上所述的本發明的不同方面的許多其它變化，為了簡明它們沒有在細節中提供。

另外，為簡化說明和討論，并且為了不會使本發明難以理解，在所提供的附圖中可以示出或可以不示出與集成電路(IC)芯片和其它部件的公知的電源/接地連接。此外，可以以框圖的形式示出裝置，以便避免使本發明難以理解，并且這也考慮了以下事實，即關于這些框圖裝置的實施方式的細節是高度取決于將要實施本發明的平臺的(即，這些細節應當完全處于本領域技術人員的理解范圍內)。在闡述了具體細節(例如，電路)以描述本發明的示例性實施例的情況下，對本領域技術人員來說顯而易見的是，可以在沒有這些具體細節的情況下或者這些具體細節有變化的情況下實施本發明。因此，這些描述應被認為是說明性的而不是限制性的。

盡管已經結合了本發明的具體實施例對本發明進行了描述，但是根據前面的描述，這些實施例的很多替換、修改和變型對本領域普通技術人員來說將是顯而易見的。例如，其它存儲器架構(例如，動態RAM(DRAM))可以使用所討論的實施例。

本發明的實施例旨在涵蓋落入所附權利要求的寬泛范圍之內的所有這樣的替換、修改和變型。因此，凡在本發明的精神和原則之內，所做的任何省略、修改、等同替換、改進等，均應包含在本發明的保護范圍之內。