一種傾斜航空影像中建筑物立面損毀檢測的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及遙感影像應(yīng)用技術(shù)領(lǐng)域,尤其是涉及一種傾斜航空影像中建筑物立面 損毀檢測的方法和裝置。
【背景技術(shù)】
[0002] 自然災(zāi)害長久以來使人類的生命和財(cái)產(chǎn)遭受巨大損失,是人類生存和發(fā)展的巨大 障礙。遙感技術(shù)具有重訪周期短、探測范圍大、數(shù)據(jù)綜合性高等特點(diǎn),為災(zāi)害監(jiān)測與評估提 供了一種有利的手段。隨著各種監(jiān)測手段和高新技術(shù)的發(fā)展,傳統(tǒng)的災(zāi)害檢測與評估逐步 由定性統(tǒng)計(jì)評估向定量精細(xì)評估的方向發(fā)展。建筑物作為人們生產(chǎn)生活的核心要素,自然 災(zāi)害發(fā)生后對其損毀信息的檢測和提取具有重要的意義,它可為災(zāi)害應(yīng)急響應(yīng)與災(zāi)后恢復(fù) 重建提供重要決策依據(jù)。鑒于建筑物損毀檢測的復(fù)雜性,不僅僅要判定建筑物高程和面積 等信息的變化,還要判定建筑物頂面和立面損毀信息,因此如何對建筑物進(jìn)行全方位的高 精度定量損毀評估是目前研究的熱點(diǎn)。
[0003] 近年來迅猛發(fā)展的傾斜航空攝影技術(shù)突破了傳統(tǒng)航空影像只能從垂直角度拍攝 的局限,通過在同一飛行平臺上搭載多臺傳感器同時(shí)從一個(gè)垂直、三個(gè)或多個(gè)傾斜等不同 的角度采集影像,能夠很好采集建筑物多方位的信息。許多學(xué)者在利用傾斜攝影測量技術(shù) 來提取建筑物的完整信息方面做了大量深入的研究工作,顯然利用這種技術(shù)對建筑物損毀 檢測可彌補(bǔ)傳統(tǒng)檢測方法的不足。建筑物頂面信息由于紋理信息比較簡單,利用它進(jìn)行損 毀檢測的研究較多,也取得了很好的成果;但是建筑物立面信息紋理信息非常豐富,建筑物 門窗以及損毀出現(xiàn)的倒塌、裂縫和破損互相之間具有一定的干擾,這對建筑物立面損毀檢 測造成了很大的困難。
[0004] 因此,如何對傾斜航空影像中的建筑物立面信息進(jìn)行損毀檢測對于提高建筑物損 毀的精確定量評估具有重要的意義。
[0005] 高分辨率傾斜航空遙感影像中包含了大量豐富的信息,特別是建筑物立面的紋理 信息非常豐富,目前國內(nèi)外學(xué)者利用傾斜航空影像對建筑物立面進(jìn)行損毀檢測的典型方法 包括在如下兩個(gè)方面:1)基于單時(shí)相的建筑物立面損毀檢測。由于災(zāi)后傾斜航空影像易于 獲取,因此這類方法更加符合實(shí)際生產(chǎn)需求。此類方法又分為基于結(jié)構(gòu)信息和紋理特征的 損毀檢測,基于紋理特征主要利用灰度共生矩陣或者Tamura等特征進(jìn)行損毀檢測,但是由 于建筑物立面紋理粗糙度較大,而紋理特征檢測主要面向于細(xì)紋理特征的檢測,因此不適 合區(qū)分單時(shí)相的損毀;基于結(jié)構(gòu)信息方法主要提取建筑物立面裂縫等信息來檢測損毀,但 由于建筑物立面豐富的結(jié)構(gòu)信息會(huì)對裂縫提取造成極大干擾,因此此類方法也較為困難。 2)基于多時(shí)相的建筑物立面損毀檢測。此類方法主要基于變化檢測的方法進(jìn)行建筑物立面 損毀檢測,但由于災(zāi)前的傾斜航空影像一般很難獲取,特別是臨近受災(zāi)前時(shí)間段的傾斜影 像更加難以獲取,而且災(zāi)前災(zāi)后多時(shí)相的傾斜影響如何進(jìn)行高精度配準(zhǔn)也是目前的難點(diǎn)。 因此,需要迫切尋找一種數(shù)據(jù)易獲取、判定自動(dòng)化程度高、提取結(jié)果相對精確高且符合實(shí)際 生產(chǎn)需要的損毀檢測方法。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的在于提出一種傾斜航空影像中建筑物立面損毀檢測的方法和裝置, 本發(fā)明充分利用了傾斜影像中建筑物立面的結(jié)構(gòu)信息,同時(shí)結(jié)合經(jīng)濟(jì)學(xué)中的基尼系數(shù)作為 損毀指數(shù),顯著提高了建筑物立面損毀檢測的精度,特點(diǎn)是:
[0007] (1)該方法具有不需要先驗(yàn)信息和災(zāi)前數(shù)據(jù)的情況下,能簡單高效的進(jìn)行建筑物 立面損毀檢測,降低了方法的復(fù)雜度,也節(jié)約了生產(chǎn)成本。
[0008] (2)引入了經(jīng)濟(jì)學(xué)中的基尼系數(shù)作為建筑物立面損毀檢測的指數(shù),可以充分利用 建筑物立面的結(jié)構(gòu)特征來判定損毀,不但提高判定的自動(dòng)化程度和精度,而且符合實(shí)際生 產(chǎn)的需要。
[0009] 為達(dá)此目的,本發(fā)明采用以下技術(shù)方案:
[0010] -種傾斜航空影像中建筑物立面損毀檢測的方法,包括:
[0011] 步驟一,利用基于粗糙集理論的k-means聚類算法對建筑物立面分割,獲得建筑 物立面的門窗;
[0012] 步驟二,利用canny算法對建筑物立面的門窗進(jìn)行邊緣檢測,獲得門窗的邊緣特 征;
[0013] 步驟三,利用經(jīng)濟(jì)學(xué)中的基尼系數(shù)對所述邊緣特征進(jìn)行統(tǒng)計(jì),獲得建筑物立面的 基尼系數(shù);
[0014] 步驟四,根據(jù)所述基尼系數(shù)判定建筑物立面是否損毀。
[0015] 其中,所述步驟一,利用基于粗糙集理論的k-means聚類算法對建筑物立面分割, 獲得建筑物立面的門窗,具體為:
[0016] S110、影像中像素的灰度值為f,其中f = 0、1、2…255,利用粗糙集理論得到的k 個(gè)中心點(diǎn)作為初始分類均值P1, μ2, μ3,···,yk;
[0017] S120、計(jì)算影像中每個(gè)象素的灰度值f與上一步初始分類均值μ之間的距離D,將 每個(gè)像素賦初始類均值距其最近的類,即
[0018] = (1)
[0019] 對(1)式進(jìn)行迭代,其中P為迭代過程中的中心點(diǎn);
[0020] S130、對于i = 1,2,…,k計(jì)算新的聚類中心,更新類均值: 式中,隊(duì)是中的像素個(gè)數(shù),m是迭代次數(shù);
[0021] S140、將所有像素逐個(gè)考察,如果i = 1,2,…匕有yi(m+1)= μ嚴(yán),則算法收斂,結(jié) 束,否則返回S120繼續(xù)下一次迭代。
[0022] 其中,所述步驟二,利用canny算法對建筑物立面的門窗進(jìn)行邊緣檢測,獲得門窗 的邊緣特征,具體為:
[0023] S210、利用canny算法對建筑物立面的門窗進(jìn)行邊緣檢測,獲得建筑物立面的門 窗邊緣;
[0024] S220、由于大部分建筑物立面都是垂直于地面,首先統(tǒng)計(jì)平行于地面的平行線之 間的距離分布,然后計(jì)算出距離的直方圖,最后獲得門窗的邊緣特征;流程如下:
[0025] a)由于建筑物立面可能發(fā)生損毀,因此門窗邊緣檢測得到的輪廓線未必相互平 行,因此統(tǒng)計(jì)平行于地面的平行線之間的距離分布采用的方法是:沿著水平方向每隔一定 步長對建筑物立面向垂直方向進(jìn)行統(tǒng)計(jì),計(jì)算出垂直方向臨近兩個(gè)像素點(diǎn)之間的距離,記 為Cl1,整個(gè)立面影像可以得到距離向量d =[山,d2, d3, · ·,dK];
[0026] b)利用公式直方圖統(tǒng)計(jì)函數(shù)D(Cl1)=化統(tǒng)計(jì)出距離向量直方圖,然后對直方圖變 量叫進(jìn)行升序排序,得到向量n= [11!,?,?,..,?],其中111彡112彡112彡...彡11 |(;向量11 為建筑物立面門窗的邊緣特征。
[0027] 其中,所述步驟三,利用經(jīng)濟(jì)學(xué)中的基尼系數(shù)對所述邊緣特征進(jìn)行統(tǒng)計(jì),獲得建筑 物立面的基尼系數(shù),具體為:
[0028] S310、假設(shè)影像中提取的門窗的邊緣特征為f,將f的分布統(tǒng)計(jì)為直方圖f = [4?,?,…,fk],對直方圖中的元素進(jìn)行從小5IJ大排序,得5IJ新的直方圖集合為f' = [f' i,f ' 2, f ' 3,…,f ' k],那么度量影像規(guī)則度的基尼系數(shù)公式為:
[0029]
(2)
[0030] 其中,I |f| I1為第一范式,K為直方圖統(tǒng)計(jì)的類別總數(shù),G的范圍是從0到1,G越 大,建筑物立面越完整,G越小,建筑物立面損毀嚴(yán)重;經(jīng)過統(tǒng)計(jì)實(shí)驗(yàn)發(fā)現(xiàn),建筑物損毀閾值 為0. 45,和經(jīng)濟(jì)學(xué)中的統(tǒng)計(jì)規(guī)律基本一致;
[0031] S320、將步驟二中的統(tǒng)計(jì)邊緣特征向量η作為f帶入(2)式中,得到建筑立面的基 尼系數(shù)。
[0032] 其中,所述步驟四,根據(jù)所述基尼系數(shù)判定建筑物立面是否損毀,具體為:
[0033] 當(dāng)基尼系數(shù)G大于0. 45時(shí),表示建筑物立面完好;反之,當(dāng)基尼系數(shù)G小于0. 45 時(shí),表示建筑立面發(fā)生了損毀。
[0034] 一種傾斜航空影像中建筑物立面損毀檢測的裝置,包括:
[0035] 建筑物立面分割單元,用于利用基于粗糙集理論的k-means聚類算法對建筑物立 面分割,獲得建筑物立面的門窗;
[0036] 門窗邊緣特征計(jì)算單元,用于利用canny算法對建筑物立面的門窗進(jìn)行邊緣檢 測,獲得門窗的邊緣特征;
[0037] 基尼系數(shù)計(jì)算單元,用于利用經(jīng)濟(jì)學(xué)中的基尼系數(shù)對所述邊緣特征進(jìn)行統(tǒng)計(jì),獲 得建筑物立面的基尼系數(shù);
[0038] 損毀判斷單元,用于根據(jù)所述基尼系數(shù)判定建筑物立面是否損毀。
[0039] 其中,所述建筑物立面分割單元,具體用于a、影像中像素的灰度值為f,其中f = 0、1、2…255,利用粗糙集理論得到的k個(gè)中心點(diǎn)作為初始分類均值P1, μ2, μ3,…,yk;b、 計(jì)算影像中每個(gè)象素的灰度值f與所述初始分類均值μ之間的距離D,將每個(gè)像素賦初始 類均值距其最近的類,即
[0040] = (1)
[0041] 對(1)式進(jìn)行迭代,其中p為迭代過程中的中心點(diǎn);c、對于i = 1,2,…,k計(jì)算新 的聚類中心,更新類均值:'式中,隊(duì)是中的像素個(gè)數(shù),m是迭代次 數(shù);d、將所有像素逐個(gè)考察,如果i = 1,2,…k,有