论文部分内容阅读
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。